行为主义与机器人赵佳欣.docx
- 文档编号:5100601
- 上传时间:2022-12-13
- 格式:DOCX
- 页数:6
- 大小:39.90KB
行为主义与机器人赵佳欣.docx
《行为主义与机器人赵佳欣.docx》由会员分享,可在线阅读,更多相关《行为主义与机器人赵佳欣.docx(6页珍藏版)》请在冰豆网上搜索。
行为主义与机器人赵佳欣
行为主义与机器人
首先我们的了解什么是行为主义并知道行为主义的研究方法是什么?
之后进一步挖掘他们对机器人或者对人工智能的贡献。
人工智能的研究途径有不同的切入点,人们根据其切入点和思想方法的不同划分了不同的学派,主要有:
符号主义,联结主义,行为主义等。
行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism),其原理为控制论及感知-动作型控制系统。
行为主义主要认为人工智能来源于控制论,RondeyBrooks提出了无需知识表示的智能[Brooks1991a],无需推理的智能[Brooks1991b]。
他认为智能只是在与环境的交互作用中表现出来,在许多方面是行为心理学观点在现代人工智能中的反映,人们称为基于行为的人工智能,简言之,称为行为主义。
控制论思想早在40-50年代就成为时代思潮的重要部分,影响了早期的人工智能工作者。
到60-70年代,控制论系统的研究取得一定进展,播下智能控制和智能机器人的种子,并在80年代诞生了智能控制和智能机器人系统。
行为主义是近年来才以人工智能新学派的面孔出现的,引起许多人的兴趣与研究。
RodneyBrooks是该学派的主要代表,他摒弃了传统观点认为的“机器人必须先会思考,才能做事”的信条,Brooks认为人工智能的研究应走出这种抽象过份简单的现实世界模型的象牙塔,而以复杂的现实世界为背景,让人工智能理论、技术先经受解决实际问题的考验,并在这种考验中成长。
提出了无需知识表示的智能、无需推理的智能。
智能只是在与环境的交互作用中表现出来,其基本观点:
到现场去;物理实现;初级智能;
他认为行为产生智能。
为了证实自己的观点,他研制出一系列的异形机器人如六足行走机器虫是行为模拟法的代表作。
这些机器人没有思考能力,但却无所不能,比如能偷桌上的苏打罐,穿越四周发烫的地面等。
他的成功使他成为机器人领域最有争议的人物。
学派的产生是基于对同一概念或同一问题的不同看法和不同见解。
上述不同学派的产生也和许多学科一样。
“人工智能”这一新兴的概念至今尚无统一的定义,而要给人工智能下一个准确的定义也是困难的。
人类的自然智能(人类智能)伴随着人类的活动处处时时存在。
人类的许多活动,如下棋,解题,猜谜语,,讨论,编制计划,编写程序,甚至驾驶汽车和骑自行车等,都需要“智能”。
如果机器能够执行这种任务,我们就可以认为机器具有了某种性质的“人工智能”。
因为不同科学或科学背景的的学者对人工智能有不同的理解,提出了不同的观点,我们将这些观点划分为符号主义(Symbolism),联接主义(Connectionism)和行为主义(Actionism)等。
从这门学科的不同背景的研究人员来历中我们也能感受到这门学科是一门综合而新兴的学科。
一人工智能的起源与发展
以上学派都是基于人工智能的概念产生的,我们有必要了解人工智能的起源。
1956年夏季,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会,共同研究和探讨用机器模拟智能的一系列有关问题,并首次提出了“人工智能”这一术语,它标志着“人工智能”这门新兴学科的正式诞生。
IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。
从1956年正式提出人工智能学科算起,50多年来,取得长足的发展,成为一门广泛的交叉和前沿科学。
总的说来,人工智能的目的就是让计算机这台机器能够像人一样思考。
如果希望做出一台能够思考的机器,那就必须知道什么是思考,更进一步讲就是什么是智慧。
什么样的机器才是智慧的呢?
科学家已经作出了汽车,火车,飞机,收音机等等,它们模仿我们身体器官的功能,但是能不能模仿人类大脑的功能呢?
到目前为止,我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官,我们对这个东西知之甚少,模仿它或许是天下最困难的事情了。
当计算机出现后,人类开始真正有了一个可以模拟人类思维的工具,在以后的岁月中,无数科学家为这个目标努力着。
如今人工智能已经不再是几个科学家的专利了,全世界几乎所有大学的计算机系都有人在研究这门学科,学习计算机的大学生也必须学习这样一门课程,在大家不懈的努力下,如今计算机似乎已经变得十分聪明了。
例如,1997年5月,IBM公司研制的深蓝(DEEPBLUE)计算机战胜了国际象棋大师卡斯帕洛夫(KASPAROV)。
大家或许不会注意到,在一些地方计算机帮助人进行其它原来只属于人类的工作,计算机以它的高速和准确为人类发挥着它的作用。
人工智能始终是计算机科学的前沿学科,计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。
人工智能的产品表现之一就是机器人。
无论未来的科技发展的趋势是怎样,很多预测表明人工智能化的机器人将会是未来的一种方向。
各大院校也积极地应对机器人时代的到来。
日前东北大学、中科院沈阳自动化研究所和沈阳新松机器人自动化股份有限公司,在沈阳签订合作协议,共同合作组建国内985高校首个机器人科学与工程学院。
我们有理由相信未来是智能时代,是机器人时代!
二人工智能研究方法
大脑模拟
20世纪40年代到50年代,许多研究者探索神经病学,信息理论及控制论之间的联系。
其中还造出一些使用电子网络构造的初步智能,如W.GREYWALTER的TURTLES和JOHNSHOPKINSBEAST。
这些研究者还经常在普林斯顿大学和英国的RATIOCLUB举行技术协会会议.直到1960,大部分人已经放弃这个方法,尽管在80年代再次提出这些原理。
符号处理
当20世纪50年代,数字计算机研制成功,研究者开始探索人类智能是否能简化成符号处理。
研究主要集中在卡内基梅隆大学, 斯坦福大学和麻省理工学院,而各自有独立的研究风格。
JOHNHAUGELAND称这些方法为GOFAI(出色的老式人工智能)。
[33]60年代,符号方法在小型证明程序上模拟高级思考有很大的成就。
基于控制论或神经网络的方法则置于次要。
[34]60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器,同时这也是他们的目标。
认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化,同时他们为人工智能的基本原理打下基础,如认知科学, 运筹学和经营科学。
他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。
这方法一直在卡内基梅隆大学沿袭下来,并在80年代于SOAR发展到高峰。
基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙,JOHNMCCARTHY认为机器不需要模拟人类的思想,而应尝试找到抽象推理和解决问题的本质,不管人们是否使用同样的算法。
他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题,包括知识表示,智能规划和机器学习.致力于逻辑方法的还有爱丁堡大学,而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者(如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题,需要专门的方案-他们主张不存在简单和通用原理(如逻辑)能够达到所有的智能行为。
ROGERSCHANK描述他们的“反逻辑”方法为"SCRUFFY".常识知识库(如DOUGLENAT的CYC)就是"SCRUFFY"AI的例子,因为他们必须人工一次编写一个复杂的概念。
基于知识大约在1970年出现大容量内存计算机,研究者分别以三个方法开始把知识构造成应用软件。
这场“知识革命”促成专家系统的开发与计划,这是第一个成功的人工智能软件形式。
“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
子符号法
80年代符号人工智能停滞不前,很多人认为符号系统永远不可能模仿人类所有的认知过程,特别是感知,机器人,机器学习和模式识别。
很多研究者开始关注子符号方法解决特定的人工智能问题。
自下而上,接口AGENT,嵌入环境(机器人),行为主义,新式AI机器人领域相关的研究者,如RODNEYBROOKS,否定符号人工智能而专注于机器人移动和求生等基本的工程问题。
他们的工作再次关注早期控制论研究者的观点,同时提出了在人工智能中使用控制理论。
这与认知科学领域中的表征感知论点是一致的:
更高的智能需要个体的表征(如移动,感知和形象)。
计算智能80年代中DAVIDRUMELHART等再次提出神经网络和联结主义.这和其他的子符号方法,如模糊控制和进化计算,都属于计算智能学科研究范畴。
统计学法
90年代,人工智能研究发展出复杂的数学工具来解决特定的分支问题。
这些工具是真正的科学方法,即这些方法的结果是可测量的和可验证的,同时也是人工智能成功的原因。
共用的数学语言也允许已有学科的合作(如数学,经济或运筹学)。
STUARTJ.RUSSELL和PETERNORVIG指出这些进步不亚于“革命”和“NEATS的成功”。
有人批评这些技术太专注于特定的问题,而没有考虑长远的强人工智能目标。
集成方法
智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。
最简单的智能AGENT是那些可以解决特定问题的程序。
更复杂的AGENT包括人类和人类组织(如公司)。
这些范式可以让研究者研究单独的问题和找出有用且可验证的方案,而不需考虑单一的方法。
一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法,一些则是子符号神经网络或其他新的方法。
范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学(也使用ABSTRACTAGENTS的概念)。
90年代智能AGENT范式被广泛接受。
AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。
一个系统中包含符号和子符号部分的系统称为混合智能系统,而对这种系统的研究则是人工智能系统集成。
分级控制系统则给反应级别的子符号AI和最高级别的传统符号AI提供桥梁,同时放宽了规划和世界建模的时间。
RODNEYBROOKS的SUBSUMPTIONARCHITECTURE就是一个早期的分级系统计划。
三人工智能涉及到的学科
哲学和认知科学,数学,神经生理学,心理学,计算机科学,信息论,控制论,不定性论,仿生学,社会结构学与科学发展观。
四应用领域
机器翻译,智能控制,专家系统,机器人学,语言和图像理解,遗传编程机器人工厂,自动程序设计,航天应用,庞大的信息处理,储存与管理,执行化合生命体无法执行的或复杂或规模庞大的任务等等。
值得一提的是,机器翻译是人工智能的重要分支和最先应用领域。
不过就已有的机译成就来看,机译系统的译文质量离终极目标仍相差甚远;而机译质量是机译系统成败的关键。
中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出:
要提高机译的质量,首先要解决的是语言本身问题而不是程序设计问题;单靠若干程序来做机译系统,肯定是无法提高机译质量的;另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下,机译要想达到“信、达、雅”的程度是不可能的。
五行为主义
(1)行为主义人工智能认为智能行为产生于主体与环境的交互过程中,复杂的行为可以通过分解成若干个简单的行为加以研究。
主体根据环境刺激产生相应的反应,同时通过特定的反应来陈述引起这种反应的情景或刺激。
因此他能以这种快速反馈替代传统人工智能中的精确的数学模型,从而达到适应复杂、不确定和非结构化的客观环境的目的。
目前,行为主义人工智能的研究已经迅速发展起来,并取得了许多令人瞩目的成果,它所采用的结构上动作分解方法、分布并行的处理方法以及由底至上的求解方法已成为人工智能领域中新的研究热
点。
其智能系统的构造如图1所示。
图1 行为主义智能系统的构造原理
(2)行为主义人工智能的研究方向
行为主义人工智能与传统人工智能最主要的区别在于智能主体能够自主地适应客观环境,而不依赖于设计者制定的规则或数学模型。
这种适应的实质就是复杂系统的各个要素彼此之间的精确联系以及它们整个集团与四周环境的精确联系。
为了达到精确联系必须采用某种协调机制,这些协调机制可以使智能主体与外界环境相适应,使智能主体内部状态相互配合以及多个智能主体之间产生协作。
因此,寻求合理的协调机制便成为行为主义人工智能的主要研究方向。
(3)智能主体与环境间的协调
智能主体对外界环境刺激作出的反应能够给主体带来适应。
这种反应可分为“习得性反应”(Lear-ningResponse)和“非习得性反应”(UnlearningRe-sponse)。
显然“习得性反应”是智能主体在与环境不断交互过程中通过学习获得的,而“非习得性反应”可以认为是一种连锁的“习得性反应”,最终形成具有遗传性的本能。
因此,这种使智能主体与环境相适应的协调机制实质上就是一种学习机制。
行为主义的思想认为智能主体只有在真实环境中,通过反复学习才能学会处理各种复杂情况,最终学会在未知环境中运行。
如何实现这种思想,使主体在与环境的交互中学习动作行为,目前主要有两种研究方法:
进化计算和强化学习。
(4)智能主体内部状态间的协调
基于行为主义智能主体的构建方法是将动作分解成几个具有相互独立状态的专用模块(避障、漫游、探险等),每一专用模块由传感装置直接映射到执行装置,没有中枢控制系统的作用。
虽然各状态之
间没有干扰,但极易产生冲突,造成主体无所适从。
为了解决上述问题,早期Brooks采用了包容结构的方法,即相邻模块结合时采用抑制和禁止结点如图2所示。
图2 包含结构中的抑制和禁止
抑制结点加在输入端,控制输入信号,必要时可以进行修改;禁止结点放在输出端,在一定时间里禁止特定信号的输出。
由于这种简单的行为组合不具备学习功能,使主体很难完成复杂的行为动作。
为此,在内部状态协调方面引入了进化计算和强化学习等机制,其核心是适应度函数的选取。
(5)行为主义人工智能研究中的前沿技术
1986年,在行为主义理论的指导下,第一个基于“感知-行为”模式的轮式机器人诞生,它在不需中枢控制的情况下分别实现了避让、前进、平衡等功能。
经过10余年的发展,一些前沿技术理论不断地渗透到行为主义人工智能的研究中,使以该方法设计的机器人具有更加复杂的、智能的组合行为,以及协同工作的能力。
这些技术主要包括主体技术理论、软计算和面向主体的编程思想。
六总结与预测
基于行为主义研究出来的机器人具有较强的生物性,简而言之就是机器人具有一定的学习能力和适应环境的能力。
遵循到现场中去,物理实现和行为产生智能的原则。
设计出得机器人都有一定自主能力并能规划自己的经验和路径。
基于行为主义学派研究的机器人是一种新的方向,机器人作为一种人工智能我们相信将来会变得越来越“聪明”足够能够理解人的行为并能自主学习知识以便更好地服务人类。
- 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:
- 行为主义 机器人 赵佳欣