人工智能的争论与发展现状.docx

人工智能的争论与发展现状.docx

《人工智能的争论与发展现状.docx》由会员分享，可在线阅读，更多相关《人工智能的争论与发展现状.docx（11页珍藏版）》请在冰豆网上搜索。

人工智能的争论与发展现状

题目人工智能的争论与现状

学院电子工程学院

专业智能科学与技术

学生姓名

教师姓名

摘要

人工智能（ArtificialIntelligence），英文缩写为AI。

它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

但是在人工智能的发展过程中，它也引起了人们关于人工智能理论、方法以及技术路线等争论。

尽管如此，人工智能对人类未来的发展，还是会有深远的的意义。

关键字：

人工智能；发展现状；未来展望

1.引言

人工智能”一词最初是在1956年Dartmouth学会上提出的。

从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。

人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算,而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。

它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。

目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学技术的发展史联系在一起的。

除了计算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。

人工智能学科研究的主要内容包括：

知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

2.人工智能的争论

随着人工智能的发展，计算机科学界以及外界对人工智能的发展持有不同的看法。

但总体来说，对于人工智能的争论主要有以下几点：

2.1对人工智能理论的争论

2.1.1符号主义：

　　符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。

它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。

也就是说，人的思维是可操作的。

它还认为，知识是信息的一种形式，是构成智能的基础。

人工智能的核心问题是知识表示、知识推理和知识运用。

知识可用符号表示，也可用符号进行推理，因而有可能建立起基于知识的人类智能和机器智能的统一理论体系。

2.1.2联结主义

　　联结主义认为人的思维基元是神经元，而不是符号处理过程。

它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。

2.1.3行为主义

行为主义认为智能取决于感知和行动（所以被称为行为主义），提出智能行为的“感知－动作”模式。

行为主义者认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化（所以称为进化主义）；智能行为只能在现实世界中与周围环境交互作用而表现出来。

行为主义还认为：

符号主义（还包括联结主义）对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。

2.2对人工智能方法的争论

2.2.1符号主义

　　符号主义认为人工智能的研究方法应为功能模拟方法。

通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，实现人工智能。

符号主义力图用数学逻辑方法来建立人工智能的统一理论体系，但遇到不少暂时无法解决的困难，并受到其它学派的否定。

2.2.2联结主义

　　联结主义主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的。

不同的结构表现出不同的功能和行为。

已经提出多种人工神经网络结构和众多的学习算法。

2.2.3行为主义

　　行为主义认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分开的。

不同的行为表现出不同的功能和不同的控制结构。

行为主义的研究方法也受到其它学派的怀疑与批判，认为行为主义最多只能创造出智能昆虫行为，而无法创造出人的智能行为。

2.3对人工智能技术路线的争论

2.3.1专用路线

　　专用路线强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备，如LISP机、PROLOG机、PROLOG、LISP语言、M.I语言、OPSS83语言、专家系统开发工具EMYCIN、EXPERT、INSIGHT2和GURU等。

2.3.2通用路线

　　通用路线认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。

这方面的例子有以VLSI技术为基础的RISC技术、UNIX分时操作系统、C语言及其改进型、SUN工作站和SPARC工作站等。

通用路线强调人工智能应用系统和人工智能产品的开发，应与计算机立体技术和主流技术相结合，并把知识工程视为软件工程的一个分支。

2.3.3硬件路线

　　硬件路线认为人工智能的发展主要依靠硬件技术，如VLSI、人工神经网络、脑模型、智能机和智能机器人等。

该路线还认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。

2.3.4软件路线

软件路线强调人工智能的发展主要依靠软件技术，例如，启发性程序设计、自动编程专家系统、知识工程以及其它各种智能算法等。

软件路线认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。

2.4强人工智能的哲学争论

关于强人工智能的争论不同于更广义的一元论和二元论（dualism）的争论。

其争论要点是：

如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？

希尔勒认为这是不可能的。

他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。

基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。

也有哲学家持不同的观点。

DanielC.Dennett在其著作ConsciousnessExplained里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？

他认为像上述的数据转换机器是有可能有思维和意识的。

有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。

比如SimonBlackburn在其哲学入门教材Think里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。

我永远不可能知道另一个人是否真的像我一样是智能的，还是说她/他仅仅是看起来是智能的。

基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。

Blackburn认为这是一个主观认定的问题。

需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。

至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。

3．人工智能的应用领域　　

3.1　人工智能在管理及教学系统中的应用

　　人工智能在企业管理中的应用。

刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中，认为要做的工作就是搞清楚人的智能和人工智能的关系，了解人工智能的外延和内涵，搭建人工智能的应用平台，搞好企业智能化软件的开发工作，这样，人工智能就能在企业决策中起到关键的作用。

　　人工智能在智能教学系统中的应用。

焦加麟，徐良贤，戴克昌（2003）在总结国际上相关研究成果的基础上，结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验，介绍了智能教学系统的历史、结构和主要技术，着重讨论了人工智能技术与方法在其中的应用，并指出了当今这个领域上存在的一些问题。

3.2　人工智能专家系统在工程领域的应用

3.2.1人工智能专家系统在医学中的应用。

国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。

1982年，美国Pittsburgh大学Miller发表了著名的作为内科医生咨询的Internist2Ｉ内科计算机辅助诊断系统的研究成果，1977年改进为Internist2Ⅱ，经过改进后成为现在的CAU-CEUS，1991年美国哈佛医学院Barnett等开发的DEX-PLAIN，包含有2200种疾病和8000种症状。

我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快。

早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”，它是模拟著名老中医关幼波大夫对肝病诊治的程序。

上世纪80年代初，福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。

其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统，并成功应用于临床。

3.2.2人工智能在矿业中的应用

与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR，用于勘探评价、区域资源估值和钻井井位选择等。

20世纪80年代以来，美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统；弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim；阿拉斯加大学编写了地下煤矿采矿方法选择专家系统。

3.2.3　人工智能在技术研究中的应用

　　人工智能在超声无损检测中的应用。

在超声无损检测（NDT）与无损评价（NDE）领域中，目前主要广泛采用专家系统方法对超声损伤（UT）中缺陷的性质，形状和大小进行判断和归类；专家在传统超声无损检测与智能超声无损检测之间架起了一座桥梁，它能把一般的探伤人员变成技术熟练。

经验丰富的专家。

所以在实际应用中这种智能超声无损检测有很大的价值。

3.2.4人工智能在电子技术方面的应用。

沈显庆认为可以把人工智能和仿真技术相结合，以单片机硬件电路为专家系统的知识来源，建立单片机硬件配置专家系统，进行故障诊断，以提高纠错能力。

人工智能技术也被引入到了计算机网络领域，计算机网络安全管理的常用技术是防火墙技术，而防火墙的核心部分就是入侵检测技术。

随着网络的迅速发展，各种入侵手段也在层出不穷，单凭传统的防范手段已远远不能满足现实的需要，把人工智能技术应用到网络安全管理领域，大大提高了它的安全性。

马秀荣等在《简述人工智能技术在网络安全管理中的应用》一文中具体介绍了如何把人工智能技术应用于计算机网络安全管理中，起到了很好的安全防范作用。

4　人工智能的发展现状

4.1国外发展现状

目前，AI技术在美国、欧洲和日本发展很快。

在AI技术领域十分活跃的IBM公司。

已经为加州劳伦斯·利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCIIWhite”电脑，而且正在开发的更为强大的新超级电脑——“蓝色牛仔（bluejean）”，据其研究主任保罗·霍恩称，预计“蓝色牛仔”的智力水平将大致与人脑相当。

麻省理工学院的AI实验室进行一个的代号为cog的项目。

cog计划意图赋予机器人以人类的行为，该实验的一个项目是让机器人捕捉眼睛的移动和面部表情，另一个项目是让机器人抓住从它眼前经过的东西，还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。

由于人工智能有着广大的发展前景，巨大的发展市场被各国和各公司所看好。

除了IBM等公司继续在AI技术上大量投入，以保证其领先地位外，其他公司在人工智能的分支研究方面，也保持着一定的投入比例。

微软公司总裁比尔·盖茨在美国华盛顿召开的AI（人工智能）国际会议上进行了主题演讲，称微软研究院目前正致力于AI的基础技术与应用技术的研究，其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。

4.2我国人工智能的研究现状。

很长一段时间以来，机械和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。

中国国际科技大学在国家863计划和自然科学基金支持下，一直从事两足步行机器人、类人性机器人的研究开发，在1990年成功研制出我国第一台两足步行机器人的基础上，经过科研10年攻关，于2000年11月，又成功研制成我国第一台类人性机器人。

它有人一样的身躯、四肢、头颈、眼睛，并具备了一定的语言功能。

它的行走频率从过去的每六秒一步，加快到每秒两步；从只能平静地静态不行，到能快速自如的动态步行；从只能在已知的环境中步行，到可在小偏差、不确定环境中行走，取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。

5目前人工智能发展中所而临的难题

人工智能（AI）学科自1956年延续至今已走过50多个年头，就研究解释和模拟人类智能﹑智能行为及其规律这一总目标来说，已经迈出了可喜的一步，某些领域已取得了相当的进展。

但从整个发展的过程来看，人工智能发展曲折，而且还面临不少难题，主要有以下几个方面[5]：

5.1计算机博弈的困难

博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或智力竞争上。

博弈不仅存在于下棋之中，而且存在于政治﹑经济﹑军事和生物的斗智和竞争之中。

尽管西洋跳棋和国际象棋的计算机程序已经达到了相当高的水平，然而计算机博弈依然面临着巨大的困难。

这主要表现在以下两个方面的问题[6]：

其一是组合爆炸问题，状态空间法是人工智能中基本的形式化方法。

若用博弈树来表示状态空间，对于几种常见的棋类，其状态空间都大得惊人，例如，西洋跳棋为10的40次方，国际象棋为10的120次方，围棋则是10的700次方。

如此巨大的状态空间，现有计算机是很难忍受的。

其一是现在的博弈程序往往是针对一人对弈﹑棋局公开﹑有确定走步的一类棋类进行研制的。

而对于多人对弈﹑随机性的博弈这类问题，至少目前计算机还是难以模拟实现的。

5.2机器翻译所而临的问题

在计算机诞生的初期，有人提出了用计算机实现自动翻译的设想。

目前机器翻译所面临的问题仍然是1964年语言学家黑列尔所说的构成句子的单词和歧义性问题。

歧义性问题一直是自然语言理解（NLU）中的一大难关。

同样一个句子在不同的场合使用，其含义的差异是司空见惯的。

因此，要消除歧义性就要对原文的每一个句子及其上下文进行分析理解，寻找导致歧义的词和词组在上下文中的准确意义。

然而，计算机却往往孤立地将句子作为理解单位。

另外，即使对原文有了一定的理解，理解的意义如何有效地在计算机里表示出来也存在问题。

目前的NLU系统几乎不能随着时间的增张而增强理解力，系统的理解大都局限于表层上，没有深层的推敲﹑没有学习﹑没有记忆﹑也没有归纳。

导致这种结果的原因是计算机本身结构和研究方法的问题。

现在NLU的研究方法很不成熟，大多数研究局限在语言这一单独的领域，而没有对人们是如何理解语言这个问题做深入有效的探讨。

5.3自动定理证明和GPS的局限

自动定理证明的代表性工作是1965年鲁滨逊提出的归结原理。

归结原理虽然简单易行，但它所采用的方法是演绎，而这种形式上的演绎与人类自然演绎推理方法是截然不同的。

基于归结原理演绎推理要求把逻辑公式转化为子句集合，从而良失了其固有的逻辑蕴含语义。

前面曾提到过的GPS是企图实现一种不依赖于领域知识求解人工智能问题的通用方法。

GPS想摆脱对问题内部表达形式的依赖，但是问题的内部表达形式的合理性是与领域知识密切相关的。

不管是用一阶谓词逻辑进行定理证明的归结原理，还是求解人工智能问题的通用方法GPS,都可以从中分析出表达能方的局限性，而这种局限性使得它们缩小了其自身的应用范围。

5.4模式识别的困惑

虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制是截然不同的。

人的识别手段﹑形象思维能方，是任何最先进的计算机识别系统望尘莫及的，另一方面，在现实世界中，生活并不是一项结构严密的任务，一般家畜都能轻而易举地对付，但机器不会，这并不是说它们永远不会，而是说目前不会。

6．人工智能的未来展望

6.1人工智能的发展趋势

技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。

但是，从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展:

模糊处理、并行化、神经网络和机器情感。

6.2人工智能的发展潜力巨大

人工智能作为一个整体的研究才刚刚开始,离我们的目标还很遥远，但人工智能在以下几个方面将会有大的突破。

6.2.1自动推理

自动推理是人工智能最经典的研究分支,其基本理论是人工智能其它分支的共同基础。

一直以来自动推理都是人工智能研究的最热门内容之一,其中知识系统的动态演化特征及可行性推理的研究是最新的热点,很有可能取得大的突破。

6.2.2机器学习

机器学习的研究取得长足的发展。

许多新的学习方法相继问世并获得了成功的应用,如增强学习算法、reinforcementlearning等。

也应看到,现有的方法处理在线学习方面尚不够有效,寻求一种新的方法,以解决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题,相信不久会在这些方面取得突破。

6.2.3自然语言处理

自然语言处理是AI技术应用于实际领域的典型范例,经过AI研究人员的艰苦努力,这一领域已获得了大量令人瞩目的理论与应用成果。

许多产品已经进入了众多领域。

智能信息检索技术在Internet技术的影响下,近年来迅猛发展,已经成为了AI的一个独立研究分支。

由于信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将AI技术应用于这一领域的研究是人工智能走向应用的契机与突破口。

从近年的人工智能发展来看,这方面的研究已取得了可喜的进展。

7结束语

人工智能作为一门学科，在国际上已经走过半个世纪的历程，但是随之而来的也带来了各种争论。

人工智能应用在多个领域，但是也存在着许多的问题需要解决。

不过坚信，在未来的发展道路上，人工智能发展潜力巨大，人工智能必将为人类的生活、生产等带来众多便利。

8.参考文献

[1]蔡自兴徐光祐.人工智能及其应用.北京：

清华大学出版社,2009。

[2]土文杰.人工智能原理与应用[M]，北京，人民邮电出版社，2004

[3]土万良.人工智能及其应用[M].北京,高等教育出版社，2005

[4]孙晰著.浅谈人工智能的发展趋势[J].TC与网络，2002,

[5]李陶深.人工智能[M].重庆重庆大学出版社，2002

[6]林尧瑞，马少平.人工智能导论[M],北京清华大学出版社，2001