(摘录自《科学网》) 王东明 刘锋 人工智能是研制智能机器尤其是智能计算机程序的科学与工程。它与使用计算机理解人类智能类似,但人工智能并不将它自己局限于生物意义上的方法。人工智能有哪些分支?这里有份清单,但肯定不完整,因为还没有人确定到底有哪些分支。清单中有些条目可以看作是概念和主题,而不是完整的分支,它们是: (1)逻辑人工智能:程序所认知的世界,一般来说是其作用于特定状态的事实,和程序的目标都是用某种数理逻辑语言的语句来表示。程序先推断确定适合达到目标的操作再决定去做什么。(2)搜索:人工智能程序经常需要检验大量的可能性,譬如,国际象棋棋子可能的移动或定理证明程序中可能的推理。在不同领域,人们都不断有如何进行更有效检验的发现。(3)模式识别:当进行某种观测时,程序经常被设计得将其所观测到的与某个模式相比较。比如,视觉程序可以尝试匹配场景中眼睛和鼻子的模式来找到面部。已被研究的更复杂的模式还包括出现在自然语言文本、国际象棋的棋盘状态或某些历史事件中的种种模式。与已经广泛研究的简单模式相比,这些复杂模式的研究更需要颇为不同的方法。(4)表示:有关现实世界的事实必须以某种方式表示。数理逻辑语言通常被用于此类表示。(5)推断:从某些事实可以推断出另外一些事实。数理逻辑的演绎推理在某些情形是合适的,但自1970年以来,非单调推理的新方法也逐步发展起来。最简单的一类非单调推理是默认推理,其中结论是要通过默认推出,而结论可以撤回如果存在相反证据。譬如,当我们听到鸟叫时,我们可以推断它会飞。这一结论在我们听出它是一只企鹅后可以被推翻。有可能,推理的结论也必须撤回,这就形成了推理的非单调特征。通常的逻辑推理,在能从一组假设得出的结论组是这些假设的单调递增函数这个意义下,都是单调的。限定推理是非单调推理的另一种形式。(6)常识知识与推理:尽管常识知识与推理自20世纪50年代以来一直是一个活跃的研究领域,但它仍是人工智能与人类智能水平相差最远的领域。尽管在非单调推理系统研发和行为理论研究等方面已有相当多的进展,但更多新思想仍然是迫切需要的。(7)经验学习:程序自己学习。基于连接主义和神经网络的人工智能方法擅长于此。也有由逻辑表达的规律学习。程序只能学习其形式体系能表示的事实或行为,但不幸的是,学习系统几乎都是基于表示信息能力非常有限的形式体系。(8)规划:从有关现实世界的一般事实(特别是有关行为效果的事实)、有关特定场景的事实以及目标陈述开始,规划程序生成一个达到目标的策略。在最常见的情形,策略就是一系列的动作。(9)认识论:认识论研究解决现实问题所需的那种知识。(10)本体论:本体论研究存在的那种事物。在人工智能中,程序和语句处理各种对象,而我们研究的是,这种对象是什么,它们的基本特性是什么。(11)启发式策略:启发式策略是一种尝试发现事物的方式或者嵌入到程序中的想法。该术语在人工智能领域被广泛使用。在某些搜索方法中,启发式函数被用于度量搜索树中的节点与搜索目标大致相差有多远。用于比较搜索树两个节点以确定一个是否比另外一个更好(也即确定前者是否朝着目标更进一步)的启发式谓词或许更有用。(12)遗传程序设计:遗传程序设计是一种让程序通过配对随机Lisp程序和选取数百万后代中的最优者来完成任务的技术。 人工智能的应用部分罗列(1)博弈;(2)语音识别;(3)自然语言理解;(4)计算机视觉;(5)专家系统;(6)启发式分类。 从人工智能进化论到互联网进化论,互联网的左右大脑发育,产业互联网可以看做互联网的下半场,但从互联网大脑的长远发育看,互联网依然处于大脑尚未发育成熟的婴儿时期,未来还需要漫长的时间发育。参考互联网右大脑的发育历程,可以判断产业互联网需要在如何形成机器社交网络和如何与人类社交网络结合,等两个方面做艰苦的努力。21世纪是科技大爆发,新的科技热点 ,从社交网络,物联网,云计算、到大数据、工业4.0、边缘计算、云机器人、人工智能 等成为产业界新的热点。 在人类群体智慧和智能设备的机器智能的推动下,互联网大脑智能将持续提升;通过互联网大脑的神经末梢的链接,将更多人类社会和自然世界的元素关联起来;通过互联网大脑架构的发育,覆盖范围不断扩大,从美洲到非洲,从地球到火星,从太阳系到银行系。
|