智能科学的发展历程.docx
- 文档编号:25636048
- 上传时间:2023-06-10
- 格式:DOCX
- 页数:9
- 大小:22.01KB
智能科学的发展历程.docx
《智能科学的发展历程.docx》由会员分享,可在线阅读,更多相关《智能科学的发展历程.docx(9页珍藏版)》请在冰豆网上搜索。
智能科学的发展历程
智能科学的发展历程
摘要:
智能学是现今最为活跃的一门多学科交叉学科。
智能学拥有悠久的历史,起源于哲人最初的思考;智能学拥有宽广的理论基础,鉴于其多学科交叉的性质;智能学经历了曲折的成长,具备了更多的研究价值。
智能学不仅仅是一门象牙塔里的学问,更加是一门贴近实际、注重实际功效的应用科学。
智能学的发展既增长了人类的知识,更加推动了社会的进步。
关键词:
智能科学,理论基础,发展历程,现状,前景
引言:
在芸芸世界中,最为奇妙的莫过于智能。
从洪荒蛮昧到现今高度发达的科技时代,人们一直没有放弃对智能的认识和研究。
而智能科学在近半个世纪以来进展神速,取得了长足的进步,并且正在向各个科学领域和整个的社会生活渗透。
因此,通过研究,本文将要向大家简要、精炼地介绍一下智能科学,让人们更好地认识智能科学,了解智能科学的前世今生以及未来的发展前景。
一、智能及智能学的起源及理论基础
智能是一个古老而又现代的概念,要想很好地了解智能科学,我们就必须追寻智能的源头以及支撑智能的各种理论基础。
1、智能的起源
1.1.1智能的名称
智能这个概念的起源可以追溯到公元前300年之前。
战国末期思想家、教育家荀子就在《荀子·正名》中这样定义智能:
所谓知之在人者,谓之知。
知有所合,谓之智。
所以能之在人者,谓之能。
能有所合,谓之能。
这个定义将“智”和“能“分开定义,分别是智力和能力,与我们现在的理解是有差别的,不过这是智能现在可考的最早的定义,也对我们如今的智能科学产生了起码在名称上的影响。
1.2.2智能的发现及认识
人们是怎么认识到智能的?
人们对智能的认识是一个循序渐进的过程。
原始人在生活中和传递信息中逐渐使用了符号,然后是石子、绳子计数法的进一步发展,再逐渐过渡到算盘。
而人们最早研究的智能的领域则是人类的语言。
语言是思维的重要表现,语词是概念的语言形式,概念是语词的思想内容。
所以,智能学的研究始于对语言的分析和研究。
而如果彼此采用的名词、语句、概念与推理逻辑都不一致,又怎么可以,所以,古代中国和古希腊又产生了逻辑学。
先秦诸子的思维逻辑研究就是智能学的最早研究:
如公孙龙“白马非马”的诡辩,墨家探究思维的不同逻辑概念,荀子主张智在人心。
这些都已经在语言和逻辑上对智能做出了一定的认识和研究。
但是,古代的中国人并没有认识到智能真正的活动功能分区在哪里,他们一致认为心是认识能力的关键器官。
在中国春秋百家争鸣的同时,古希腊人却在脑的结构与功能上取得了卓越的进步,这是探索只鞥的一个关键步骤。
正如希波克拉底所言:
“人类应当懂得,我们的喜、怒、哀、乐不是来自别处,而是来自大脑。
”而突破脑之神秘论的第一人是希腊哲学家、生理学家阿尔克梅翁。
他发现,有连接物从眼球直接通向脑,还有许多类似的连接物与脑连接,他断定,脑是接受感觉并产生思维的地方。
亚里士多德也曾思考过脑的问题,他也已经接近发现脑的特殊价值。
人们似乎发现了智能是存在于脑中的。
但是更大的问题出现了,脑是如何接受、处理全身各个部位的感受的?
脑是思维的器官,那么思维和灵魂在哪儿?
智能学的发展似乎陷入了停顿,但是苏格拉底的研究一定程度上开拓了道路,苏格拉底是一个理想主义者,他将人的心理过程极度简化,仅仅从理性的角度看待人,虽然这种方式
遭到了亚里士多德的尖锐批评,但是我们仍然要记住这一点:
在智能学的历史上,不断出现过把人的行为、思想与智能简单化的思潮,这些都与苏格拉底的思想有某种类似。
所以,在人工智能学诞生后,有学者认为,苏格拉底的思想可视为人工智能的起点。
但是,如果当我们了解了亚里士多德在思维逻辑领域作出的最具系统性的伟大贡献之后,我们会对这一观点有更多的认同。
亚里士多德抓住了支配人类意识的理性部分,将其规则形式化为逻辑学,他试图“编纂正确思维”,把支配意识的理性部分的规则更加精确地公式化,建立了一种语义结构理论和一个复杂的逻辑规则系统。
他认为,这些思维规则可以用来管理大脑的思维运作。
理论上,人们似乎能用这个“假设系统”机械地推出所有的结论。
这与智能学所追求的何其相似,而智能学的发现及认识在此时步上理论的正轨。
智能学,需要宽广的知识积累和足够深刻的思索。
2.智能学的理论基础
智能学如果说在古代的中国和古希腊经历了认识的哲学过程,那么在漫长的近代及现代,智能学一直在积蓄能量。
随着自然科学的发展,我们可以看到,智能学渐渐由哲学走向了科学,而整个科学作为智能学的基础,使智能科学从一开始就站在了科学界的最前沿。
1.2.1近代科学的发展
我们无可否认,整个近代科学都是智能学的基础,因为智能学所需要的营养,不是任何一门单独的基础科学所能提供的。
1、笛卡尔的贡献
笛卡尔作为现代哲学的奠基人、科学家,为智能学的发展做出了革命性的成就。
笛卡尔积极倡导理性和推理,认为理性是获得真理的唯一途径。
尽管他支持自相矛盾的二元论,但是,他后期主张灵魂与肉体密切结合,构成真实的人,是自主的理性的存在,而不是上帝的意志。
正是这导致了关于人类存在与思维问题的理解发生了革命性的变化。
对智能科学而言,笛卡尔思想的积极意义在于:
它成功地突出了精神现象的存在;强调了传统的数学—物理语言与方法对描述精神世界是不够的。
2、概率论
关于随机现象与可能性的理论——概率论,是数学奉献给智能学的又一无价之宝,它帮助了智能学对付那些具有不确定的观测与度量,或还没有完备的理论的问题。
3、电脑的前身:
数学数字计算器我们现在所谓的现代智能机器,主要指的就是计算机,而它的直接前身是数学数字计算器。
数学数字计算器最早是由法国物理学家、数学家、哲学家帕斯卡发明的。
而德国的莱布尼兹更是打破了思维神秘论,试图用数学描述思维,他改进了帕斯卡的机器,造出了能做全部四则运算的分级轮计算器。
数学数字计算器产生的效果显然更加接近于思维了,而不是动物的其他活动。
4、莱布尼兹的思维机器
智能世界大发展中的一个里程碑是什么呢?
这可能就要算数理逻辑的发明了。
数理逻辑就是在逻辑中应用数学的方法的结果。
现有英国唯物论哲学家霍布斯的推论方面的加减理论,后有莱布尼兹的“单子论”。
这是一个时代的世界观和近代物理学的指导思想。
莱布尼兹坚信,基于一种统一的科学语言——符号话化方法,可以建立“普遍逻辑”和“逻辑运算”,世界上的一切都可以解释清楚。
但是,人类的思维的全盘符号化、机械化可能吗?
于是,有人说:
人是机器。
5、拉·美特利:
人是机器拉·美特利作为欧洲新兴科学运动的一位旗手,积极宣传唯物主义。
他提出了人是机器,
这一理论批判了笛卡尔的二元论,主张统一的物质实体,论述了灵魂由肉体产生,是肉体的属性,以肉体的状态为转移的思想。
而在近代,他的这一思想已经得到了极大地发展和丰富,人们越来越多地发现人类的思想和精神与人脑的物质组成成分和基因有关。
而当今的“人、动物和计算机都是信息处理系统”,“思维不过就是计算”等言论不过都是他的变体。
但是,我们仍然不可一概而论,毕竟我们面临的问题还有很多。
6、拉普拉斯的“决定论”
我们已经了解到霍布斯认为思维不过就是计算,莱布尼兹认为思维是可以全盘机械化的,拉·美特利认为人是机器,到了拉普拉斯这里,更是被绝对化为“决定论”——宇宙中的一切都已经被决定。
一切都只是取决于宇宙产生之初的一个初态,一切都是不可抗拒的。
这种理论颇像神学,但是又建立在物理学的基础之上。
7、布尔代数
第一个把逻辑学数学化且获得完全成功的人是布尔,布尔将逻辑学从哲学领域拉到了数学领域。
布尔认为,逻辑中最基本的东西是“类”,“类”由属于它的元素组成,这些都是可以用符号表示的。
而逻辑就可以看做类的演算,即相应的符号的代数。
逻辑代数或者称为布尔代数,虽然不完善,却打下了数理逻辑的基础,这也成为了当今智能学的基础理论。
8、生物进化论
8、脑的工作机理以及神经元学说
自17世纪开始,大批的学者都投入到脑的研究中,人们发现,大脑的功能是分区的,不同的部位处理来自不同感官的神经信号,脑存在整体活动,各中枢分工合作,并具有可塑性。
而关于两个脑半球的实验更是确定了意识、精神存在于大脑之中的理论。
脑工作的机理是宏观的,但是探索智能有一种很重要的方法是从微观着手。
要真正了解脑的宏观功能,还是归结为神经元的功能行为。
但是,单单一个神经元并不能构成整个的智能活动。
关键还是神经网络,在这方面,威廉·詹姆斯取得了一定的成果,但是从严格的科学批判精神来看,这些观点只能说是假设和猜想罢了。
9、心理学
心理学也是研究脑的宏观功能。
直到19世纪,心理学才成为一门独立的学科。
其中,认知心理学是一门强调脑机能的心理学。
在认知心理学中,一个智能实体必须能把外部刺激转换成一种内部的心理表示;认知过程对这种表示进行处理,产生新的内部表示,这些内部表示再返回到行动中。
1.2.2智能学的孕育
我们已经看到了智能科学拥有强大的知识储备和理论基础,但是,辉煌背后紧接着的还是烦恼。
智能学到这里仍然不能算是一门学科,因为知识的芜杂和非系统化。
但是,在20世纪20—50年代这短短的30年,智能学的孕育就几乎完成,呼之欲出了。
1、海森堡不确定性原理
拉普拉斯的“决定论”是被物理学自身的发展而抛弃掉的。
当相对论和量子论几乎同时面世的时候,尤其是海森堡不确定性原理更加启示了人们,这个宇宙是具有不确定性的,虽然不确定,但又是严密无暇的数学,这既是客观世界的复杂性,也是人类思维的不确定性的
无情体现。
2、哥德尔不完备性定理
我们常常自豪于数学的确定性以及严密性。
但是,哥德尔不完备性定理却告诉我们:
任何公理化的形式系统都是不完备的,数学的能力是有限的,我们不可能建立数学的最终基础。
但是,在当今,我们看重的不仅是数学逻辑性,更多的是数学的实践性。
纯数学确实具有内在的美和对智力的挑战性,但是纯数学的研究价值有限。
数学的不完备性说明了数学不是绝对的,数学发挥的空间也就更大,这样来说,数学只会比以前更加强大。
3、图灵:
智能的本质
图灵被誉为人工智能之父和计算机科学之父。
图灵在其短暂的一生里,阐明了计算与计算机原理,论证了什么可计算,什么不可计算,探寻出了哥德尔不完备性定理的另外的意义。
图灵还建立了图灵模型——一个思维模式模型和精神活动的逻辑探索,这又是人工智能的开创性研究。
图灵认为,人类思维中的直觉部分不能被计算,或者说,机器是不可能具备直接计算能力的。
4、冯·诺依曼结构
冯·诺依曼建立了冯·诺依曼结构——包含着中央处理器、内存、外村、输入、输出设备的计算机模型。
如果把人体也视作类似的信息处理系统,人的结构与计算机还是有很大相似之处。
如果我们能够设计出以人的思维方式为模型进行智能信息处理的程序,那么,运行这种软件的计算机就是智能计算机。
而当今的智能机器就是基于计算机的机器,智能学已经离不开计算机。
5、控制论、信息论
控制是通过信息传递实现的。
控制论与信息论是孪生姐妹。
信息论的创立者香农撇开了信息的含义与用途,采用信息编码与概率论方法,研究信号传递过程中的波形与干扰问题,以严格的数学方式透彻地揭示了通信过程的本质。
但是香农“狭义信息论”无法表达信息的使用价值,这既是妙处也是短处。
而正在研究的广义信息论解除了仅仅讨论通信问题的约束,涉及了智能信息的处理,完全跨进了智能世界之中。
6、维特根斯坦:
机器不能思维与图灵测验
维特根斯坦旗帜鲜明地宣称机器是不能思维的,人的认知过程本身就带有主观性,感知得到的是我们所创造的内部图形,而不是对象所创造的外部图形。
这从根本上否定了机器思维的可能。
但是,图灵认为,只要机器通过了“图灵测验”,就说明机器具有智能。
图灵的测验基于礼貌惯例,这是一种睿智的心态,也不要求人们先解开意识的谜团。
这样,计算机就有可能按照一种被理解为智能的方法工作。
我们看到,在这30年内,一代代杰出的科学家在各个领域提出了不同的理论,但是都拥有了一个用途——为智能科学的到来铺路。
智能科学这种多学科交叉的学科正是要在这种知识碰撞的时代才能产生和更好的发展,也才能显示出其真正独特的价值。
二、智能学的方向和现状
2.1智能学的方向
尽管人类的古文明对智能的研究还浮于表面,辅助脑力劳动的工具的制造就已经开始。
而直到17世纪莱布尼兹的机械装置,试图操作的不是数字而是概念,才真正属于模拟人脑宏观智能的大胆实践。
笛卡尔把意识、脑和人体作了清晰地讨论。
19世纪詹姆斯的神经网
络,是对生物脑微观机理的天才尝试。
20世纪20到50年代,短短30年,豁然间出现了产生人工智能和认识科学的必备基础。
信息论,首次深入研究了物质世界除了质量和能量之外的信息;控制论,研究了人与动物共同的控制和通信规律;计算理论与计算机理论,直接为人工智能提供了理论基础;脑模型、神经计算与学习规则,打开了生物脑及其智能机理研究的大门。
众多力量之联合,把智能学从理论思维推向了科学技术实践,迎来了智能世界的春天。
1956年,在多学科融合的研讨会上,精英们讨论了各种问题,给出了时代的答案,“人工智能”与“认识科学”诞生了。
在紧接下来的10多年里,问题求解模拟器、人工神经网络、模糊数学、进化计算、专家系统、人工生命以及人工免疫系统等纷纷出现。
2.1.1人工智能与认知科学的诞生
1956年夏季在美国的达特茅斯大学举办了长达2个月的关于智能的研讨会,由约翰·麦卡锡,明斯基、香农和诺切斯特共同发起。
会议在具体的学术问题上并没有取得新的突破进展,但是相关领域的领头学者交流了思想,围绕着“机器如何模拟人类智能”这个中心问题,认真、热烈、深入地讨论了符号系统、神经网络、机器学习与自动化等领域的基本思路,这个研讨会被公认为人工智能科学诞生的标志。
为什么人工智能有必要独立学科?
因为没有任何一个已有的学科包含模拟人的才能的思想,而其研究方法也与众不同。
人工智能是计算机科学的唯一试图制造智能机器的分支。
在标志着人工智能诞生的达特茅斯会议之后仅仅两个月,即1956年9月,在美国麻省理工学院又召开了一个研讨会,人们将这次研讨会视为认知科学的起点。
在会上,发表了三篇出色的论文,将心理过程的计算模型与心理学实验结果相比较,试图创建一种精确、可检验的人类思维理论;体现了现代心理学的重要思想:
认知理论应该描述详细的信息处理机制,因而有可能在机器上实现某种认知功能。
问题求解器就是解决所遇到的问题而建立的模型和程序。
问题求解器分为特定领域的问题求解器和通用的问题求解器。
特定问题求解器只是在特定的问题或者领域中进行求解,而通用问题求解器,则企图让机器像人一样思考,这就需要利用人的“普遍知识”,其通用性也就在于:
不需要重新编写程序就可以在一个新的领域工作,又具备了知识表达、推理和问题分析等相当普遍的规律。
但是,现今人工智能面临着巨大的困难:
知识组合爆炸,计算复杂性,这两个巨大的困难一度使得研究陷于停顿。
2.1.3搜索方法——解决问题的途径
我们遇到一个问题要解决,我们就会按照一定的步骤去寻找解决方案,这过程中我们就要用到已有的知识,还要收集新的知识的,这就是人工智能中的“搜索”。
搜索,作为人工智能的重要方法,人们开发了诸如:
搜索树、宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、消解推理、反演求解等许多算法。
2.1.4现代语言学与机器翻译
人类智能学研究起步于语言的规范化和对语言表达思维的形式、谈话与辩论技巧的分析等。
尽管语言学早早就显示了它的重要性,但是,现代语言学却与人工智能学几乎同时诞生。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 科学 发展 历程
![提示](https://static.bdocx.com/images/bang_tan.gif)