人工智能的起源及发展

1936年，24岁的英国数学家图灵提出了“自动机”理论,把研究会思维的机器和计算机的工作大大向前推进了一步,他也因此被称为“人工智能之父”。人工智能的研究从1956 年正式开始，这一年在达特茅斯大学召开的会议上正式使用了“人工智能(ArtificialIntelligence，AI)这个术语。第一阶段: 50 年代人工智能的兴起和冷落。人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s 求解程序、LISP 表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。第二阶段: 60 年代末到70 年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL 化学质谱分析系统、MYCIN 疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II 语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969 年成立了国际人工智能联合（InternationalJointConferences onArtificial Intelligence 即IJCAI）。第三阶段: 80 年代，随着第五代计算机的研制，人工智能得到了很大发展。日本1982 年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统K I P S”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。第四阶段: 80 年代末，神经网络飞速发展。1987 年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。第五阶段: 90 年代，人工智能出现新的研究高潮。今天一台装载有磁盘程序的个人电脑可以击败99.999%人类棋手。对于人类来说，值得安慰的是剩下的0.001%最高级别的人类棋手，对于完全被电脑占优势的国际象棋领域依然代表了一种不道逾越的障碍。运行在高速机器上最强大的棋弈程序每秒钟可以完成1,000,000个或者更多局面的计算。在复杂的战术局面里它们强于任何人类棋手。在开局方面它们能从磁盘上获得无限的知识——数千万步已经被尝试和验证过的着法。在残局方面它们使用残局库能够进行非常深的搜索，而且对于特定限制的残局(比如棋盘上所有加起来只剩下五个棋子的)，它们事实上拥有所有的信息，所以能走得滴水不漏。 没有计算机或者人工智能能够通过图灵测试？至少来说，到目前为止，就算是IBM的Watson都还没有能够通过图灵测试。然而，已经有人工智能“迷惑”或者说“欺骗”了我们的考官，在2008年的测试上，得分最高的电脑程序成功地欺骗了30%的评委，这是不是在说，真正的人工智能快要来了？2008年的图灵测试,或者LoebnerAIPrize,勒布纳人工智能奖,进入最后决赛的一共有6个程序,他们每一个都至少欺骗了一名裁判,而最后的冠军程序Elbot则成功地欺骗了12名裁判中的3名。而2003年的冠Jabberwacky则已经与人类进行了数百万次的聊天.人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。2011年2月14日—16日的3天比赛中，IBM的“沃森”（Watson）凭借超强的运算速度和强大的人工智能算法战胜了美国最受欢迎的智力竞猜电视节目《危险边缘》历史上两位最为成功的选手肯-詹宁斯(KenJennings)和布拉德-鲁特(BradRutter)，这是机器挑战人类智能的又一成功例子。对计算机沃森来说参与智力竞赛节目最重要的难题是解析人类的语言，尤其是在充满暗示和恶作剧的游戏里，
沃森需要识别人类语言中微妙的含义，分辨讽刺口吻、谜语、构词断句、诗篇线索等等这些逻辑和线索。然后才是对题目进行分解，快速搜索自己的内存资料，寻找到最佳答案。沃森能学习人类思维分辨人类语言口气，可选择忽略不擅长的题目，它可以可估算节目剩余奖金和自我信心，主动选择是否继续回答问题，已经取得了很大的进步。机器人好莱坞导演斯皮尔伯格的《AI》里面给我们展示了一个真正的人工智能世界，因为机器人已经有了人类的情感，与人类已经没有多少区别。然而现实中的机器人差的太远，但是各种各样的机器人确实人工智能发展的重大方面。 1920年，原捷克斯洛伐克剧作家卡雷尔·凯培克第一次提出了“机器人”（Robot）这个名词，通常可将机器人分为三代。第一代是可编程机器人，这类机器人一般可以根据操作员所编的程序，完成一些简单的重复性操作。第二代是感知机器人，即自适应机器人，它是在第一代机器人的基础上发展起来的，具有不同程度的“感知”能力。这类机器人在工业界已有应用。第三代机器人将具有识别、推理、规划和学习等智能机制，它
可以把感知和行动智能化结合起来，因此能在非特定的环境下作业，故称之为智能机器人。 那么都有哪些具有一定人工智能的机器人呢？通常认为，1968年到1972年间，美国斯坦福研究所(StanfordResearchInstitute，SRI)研制了移动式机器人Shakey，这是首台采用了人工智能学的移动机器人。Shakey具备一定人工智能，能够自主进行感知、环境建模、行为规划并执行任务(如寻找木箱并将其推到指定位置)。随后智能机器人在日本、美国等迅猛地发展了起来。在这些生产具有人工智能的公司里，韩国的Robotis公司、美国的iRobot公司、法国的
AldebaranRoboticsTM公司是比较有名的，下面介绍几个著名的机器人。 STANLEY，在美国军方组织的无人车辆大赛中，它第一个跑完131.6英里到达目的地，目前Google也正在研究这个课题； 上海世博会上会拉小提琴的日本机器人和“海宝”机器人，对于到过上海世博会的人来说，这两个个机器人相当的熟悉。一个在日本馆内，一个很多地方都能够看到； NAO，同样是上海世博会上的，法国馆，AldebaranRoboticsTM公司生产；Roomba，美国最受欢迎的机器人吸尘器，在机器人身上装有定时清扫时间的设置按钮，可设定每日、每周任何时间自动清扫。无论您在家还是外出，机器人都会自动出来清扫您的地板，给用户带来极大的方便。每充满一次电，Roomba一般可以系统地打扫3个房间。它还可以沿着墙根、钻到家具底下去，使得这些我们平时很难触及的地方的灰尘也被一网打尽。后来还有升级版的Scooba. ASIMO,日本本田公司研制的仿人机器人ASIMO，是目前全球唯一具备人类双足行走能力的类人型机器人，阿西莫(ASIMO)AdvancedStepInnovativeMobility，高级步行创新移动机器人。从2000年发展至今，除具备了行走功能与各种人类肢体动作之外，更具备了人工智能，可以预先设定动作，还能依据人类的声音、手势等指令，来从事相应动作，此外，他还具备了基
本的记忆与辨识能力。 水下机器人，水下无人潜水器（UUV），智能水下机器人（AUV）是其中一种，从上世纪80年代开始大发展，在军事、科考方面有重要的用途，一些著名的AUV如：美国海军研究生院的AUVARIES，美国麻省理工学院的OdysseyⅡ,日本研制的R2D4水下机器人，REMUS(Remoteenvironmentalmonitoringunites,远距离环境监测装置),中国哈尔滨工程大学研制的“智水-4”等。这类机器人高度智能化，具有比较强的环境感知和目标识别能力，以智能的信息处理方式进行运动控制和规划决策。 RoboCup，原意RobotWorldCup,从“By2050,developateamoffullyautonomoushumanoidrobotsthatcanwinagainstthehumanworldchampionteaminsoccer”. 由于机器人实在是种类繁多，就不做赘述。总之机器人是人工智能的一个非常重要的应用和研究方向。电子产品：电子产品无疑是引领人工智能发展的最重要方面之一2011年，苹果发布iPhone4S,而“虚拟个人助理”Siri则成为了4S最大的亮点之一，Siri可以支持自然语言输入，并且可以调用系统自带的天气预报、日程安排、搜索资料等应用，还能够不断学习新的声音和语调，提供对话式的应答。iPhone5发布时，Siri已经有了较大提升，苹果的真正意图是将Siri打造成iOS中的一个独立微系统，最终占领语音人工智能市场。
而随着Siri出现，谷歌董事会主席斯密特表示，Siri严重威胁搜索领域业务，因为它已经能够进行语音搜索，因而谷歌开始开发比Siri更好的语音智能技术。相应的，eBay,LG,HTC,三星等公司都开始投入语音智能技术的研发。而微软的Windows8有语音识别，但是市场反应比较烂nternationalConsumerElectronicsShow,国际消费类电子产品展览会，旨在促进尖端电子技术和现代生活的紧密结合。该展始于1967年，迄今已有45年历史，现已成为了全球各大电子产品企业发布产品信息和展示高科技水平及倡导未来生活方式的窗口。以下就近几年CES上体现人工智能的重要产品简要介绍。2013年所有的东西都或多或少的带有智能的标签，下面只是一些有代表性的。（1）三星新款智能电视。可以简单、迅速地搜索到电视节目、优质视频点播内容、各种应用程序、社交圈以及本地设备中的内容，同时用户可以根据自定义推荐内容，打造属于自己的个性化电视体验。使用日常用语或者随意手势，就可向电视发出指令，进行内容搜索或操控电视。（2）联网家庭。这是每年CES上难以兑现的承诺之一。所有家用电器、灯、警报系统等都能联网并通过互联网控制，这种联网家庭的示范产品将成为今年CES的又一大主题。谷歌和Eletriclmp等许多公司都在尝试将其变为现实，不过目前都尚未取得真正突破。（3）无人驾驶汽车。我们都知道谷歌一直在研发无人驾驶汽车，出人意料的是，丰田、奥迪也宣布将在CES上展示无人驾驶汽车。 2012年 本届CES上多家厂商发布了各种智能家电，SMARTTV、云电视、智能洗衣机、智能机器人扫地机、智能冰箱，甚至还有智能相机，所有的东西都打上了智能的标签。比如联想采用Android4.0系统的ideaTVK91，可以为用户提供三屏互动、智能点播、应用下载以及日常电视节目接收等，还增加了500万像素的摄像头作为面容识别解锁。三星则推出搭载超强劲双核处理器ES8000，前置摄像头和内置麦克风，能实现体感操控、语音指令、面孔识别三大全新的感性操作功能，并计划在第一季度开始销售。 总之，关注CES，上面的每一件产品都可能带有人工智能的影子，人工智能正在深入我们的生活，我想用谷歌董事会主席斯密特的话来说说未来的电子产品发展方向。施密特说，“我们想将话题从设备转到解决问题上。当你拿着Android设备回到家，走进起居室，你的电视会认出你，因为你的Android设备认证了你的身份。电视还会向你发送一条短信，它很了解你。”这 正是人工智能时代的一个小刻画。由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield 多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。人类智能在计算机上的模拟就是人工智能，而智能的核心是思维，因而如何把人们的思维活动形式化、符号化，使其得以在计算机上实现，就成为人工智能研究的重要课题。在这方面，逻辑的有关理论、方法、技术起着十分重要的作用，它不仅为人工智能提供了有力的工具，而且也为知识的推理奠定了理论基础。此外，概率论及模糊理论的有关概念及理论也在不确定性知识的表示与处理中占有重要地位。因此，在系统学习人工智能的理论与技术之前，先掌握一些有关逻辑、概率论及模糊理论方面的知识是很有必要的。人工智能中用到的逻辑可概括地划分为两大类。一类是经典命题逻辑和一阶渭词逻辑，其特点是任何一个命题的真值或者为“真”，或者为“假”，二者必居其一。因为它只有两个真值，因此又称为二值逻辑。另一类是泛指除经典逻辑外的那些逻辑，主要包括三值逻辑、多值逻辑、模糊逻辑、模态逻辑及时态逻辑等，统称为非经典逻辑。在非经典逻辑中，又可分为两种情况，一种是与经典逻辑平行的逻辑，如多值逻辑、模糊逻辑等，它们使用的语言与经典逻辑基本相同，主要区别是经典逻辑中的一些定理在这种非经典逻辑中不再成立，而且增加了一些新的概念和定理。另一种是对经典逻辑的扩充，如模态逻辑、时态逻辑等。它们一般承认经典逻辑的定理，但在两个方面进行了扩充：一是扩充了经典逻辑的语言；二是补充了经典逻辑的定理。例如模态逻辑增加了两个新算子L(……是必然的)和A4(……是可能的)，从而扩大了经典逻辑的词汇表。概率论在人工智能中的应用主要体现在有关概率、条件概率等的概念以及BaYes定理等，多
年来它一直是人工智能中处理不确定性的理论基础。在科学研究和日常生活中，人们一直追求用确定的数学模型来描述现象或解决问题。随着通信、计算机和网络技术的飞速发展，随着基础软件、中间件和应用软件的广泛应用，计算机在数值计算、数据处理、信息查询、工业控制、符号推理乃至知识工程等方面发挥出来的能力已大大提高。但是，计算机在这些领域中所解决的问题往往都是“良性设定问题”，即求解问题的前提条件明确、数学模型精确，并且可以用计算机程序设计语言进行描述。人工智能从来就是在数学的基础上发展起来的，为了解决人工智能中的各种不确定性问题，同样需要数学的支持。人工智能的体现形式和研究领域博弈博弈论，又称对策论，是使用严谨的数学模型研究冲突对抗条件下最优决策问题的理论。博弈思想在人工智能方面最早体现在计算机游戏方面，最早的计算机游（computer game）指的就是下棋, 为了设计可以和人类竞争甚至战胜人类的程序， 人们便开始研究如何使得计算机可以学习人类的思维模式，具备与人类一样的博弈能力。博弈的过程包含着对问题的表示、分解、搜索和归纳这四个重要问题。计算机棋类博弈基本属于完全信息的动态博弈。是对弈双方不仅清楚当前的局面，了解对手以往的着数，而且了解对手接下来可能采
取的着数。尽管双方可能采取的着法数以十计、百计，但毕竟还是有限的。计算机可以通过展开一颗根在上、叶在下的庞大的博弈树描述这一对弈过程。再利用自身在时间和空间上强大能力，进行巧妙的搜索，从而找到可行解及近优解，亦即给出当前的着法。显然，计算机的搜索能力是计算机智力水平的重要体现。搜索算法是机器“思维”的核心。包括着法生成，博弈树展开，各种剪枝搜索和各种启发式搜索。显而易见，搜索算法的设计和编写过程处处体现着人工智能的思想。机器博弈是既简单方便、经实用，又丰富内涵、变化无穷的思维逻辑研究载体。个把小时就可以下一盘棋，就可以对电脑的“智能”进行测试，而且可以悔棋、重试、复盘，可以一步步地发现电脑与人脑功能的差距，从而不断提高电脑的智力水平。毫无疑问的是，机器博弈的研究可以显著推动人工智能的发展。当今人工智能革命背后的驱动技术是机器学习，要想理解什么是机器学习，以及它将怎样影响我们社会，就需要读一读《终极算法》这本书。当我们用手机输入汉字的时候，机器学习能动态联想出你最常用的词组；当我们打开微信扫描二维码的时候，机器学习程序正在帮你快速地定位和识别；当你用相机拍照的时候，机器学习帮你优化照片；当你用淘宝购物的时候，机器学习在给你推荐商品。我们已经生活在一个由算法掌控的世界中，这些机器学习程序能够聪明地适应我们人类的需要而发生改变，以至于它可以比人做得更好，比你更了解你自己。在《终级算法》中，全球著名的算法问题专家、机器学习领域的先驱人物佩德罗·多明戈斯，为我们揭开了算法的神秘面纱，让我们一窥谷歌以及你的智手机背后的机器学习原理。他阐释了机器学习的五大学派思想，解释了它们如何将神经科学、心理学、物理等领域的理论转变为算法并为你服务，并提出了“终级算法”的设想，探讨了终级算法对未来商业、科学、社会以及对每个人的意义。对于想要理解未来将发生怎样的变革、以及想走在变革前沿的人来说，这是一本必不可少的思想指南.尽管现在的人工智能已经取得了突飞猛进的发展，但它仍然是一种严重依赖于经验和试错的工程技术，而不是科学——因为我们尚不知道如何根据第一性原理推导出人工智能。那么，如果你想知道设计智能系统背后的困境是什么，就来读读《复杂》这本书吧。这是一部传记体的科普读物，记述了圣塔菲研究所——一座位于阿拉莫斯荒漠之上的学术胜地——的成长故事。生物、互联网、手机定位找人、计算机、社会、经济各类系统之中的共有规律，也是我们打开生命之门，理解人工智能第一性原理的根本所在。我们将读到科学家是如何用简单的方程创造出古老的微型生物体，我们也将看到数十行代码是如何给虚拟的飞虫赋予生命。复杂既是横亘于我们人类和现实世界之中的隐形屏障，又是通向神秘的人工智能之门的必经之路。人工智能中用到的逻辑可概括地划分为两大类。
一类是经典命题逻辑和一阶渭词逻辑，其特点是任何一个命题的真值或者为“真”，或者为“假”，二者必居其一。因为它只有两个真值，因此又称为二值逻辑。另一类是泛指除经典逻辑外的那些逻辑，主要包括三值逻辑、多值逻辑、模糊逻辑、模态逻辑及时态逻辑等，统称为非经典逻辑。在非经典逻辑中，又可分为两种情况，一种是与经典逻辑平行的逻辑，如多值逻辑、模糊逻辑等，它们使用的语言与经典逻辑基本相同，主要区别是经典逻辑中的一些定理在这种非经典逻辑中不再成立，而且增加了一些新的概念和定理。另一种是对经典逻辑的扩充，如模态逻辑、时态逻辑等。它们一般承认经典逻辑的定理，但在两个方面进行了扩充：一是扩充了经典逻辑的语言；二是补充了经典逻辑的定理。例如模态逻辑增加了两个新算子L(……是必然的)和A4(……是可能的)，从而扩大了经典逻辑的词汇表。概率论在人工智能中的应用主要体现在有关概率、条件概率等的概念以及BaYes定理等，多年来它一直是人工智能中处理不确定性的理论基础。在科学研究和日常生活中，人们一直追求用确定的数学模型来描述现象或解决问题。随着通信、计算机和网络技术的飞速发展，随着基础软件、中间件和应用软件的广泛应用，计算机在数值计算、数据处理、信息查询、工业控制、符号推
理乃至知识工程等方面发挥出来的能力已大大提高。但是，计算机在这些领域中所解决的问题往往都是“良性设定问题”，即求解问题的前提条件明确、数学模型精确，并且可以用计算机程序设计语言进行描述。人工智能从来就是在数学的基础上发展起来的，为了解决人工智能中的各种不确定性问题，同样需要数学的支持。专家系统是一种具有大量专门知识和经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。专家系统是目前人工智能中最活跃，最有成效的一个研究领域，它是一种基于知识的系统，它从人类专家那里获得知识，并用来解决只有专家才能解决困难问题辅助教学系统。人工智能专家系统常由知识库、是推理机等构成。推理机主要决定哪些规则满足事实或目标，并授予规则优先级，然后执行最高优先级规则来进行逻辑推理。知识获取机为用户建立的一个知识自动输入的确定方法。匹配模块是该人工智能专家系统的核心部分，匹配功能的实现关系到整个程序的实现，解释模块以及结果处理都依赖于它的执行结果。目前已研究的专家系统模型有很多种。其中较为流行的有如下几种：基于规则的专家系统基于规则推理( Rule Based Reasoning, RBR) 的方法是根据以往专家诊断的经验, 将其归纳成规则, 通过启发式经验知识进行推理。早期的专家系统大多数是用规则推理的方法, 如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR 专家系统等。基于案例的专家系统基于案例推理( Case Based Reasoning, CBR) 的方法就是通过搜索
曾经成功解决过的类似问题, 比较新、旧问题之间的特征、发生背景等差异, 重新使用或参考以前的知识和信息, 达到最终解决新问题的方法。第一个真正意义上的基于案例的专家系统是1983 年由耶鲁大学Janet Kolodner 教授领导开发的CYRUS 系统。它以Schank的动态存储模型和问题求解的MOP( Memory Organized Packet)理论为基础, 做与旅行相关的咨询工作。基于框架的专家系统框架( Frame) 是将某类对象的所有知识组织在一起的一种通用数据结构, 而相互关联的框架连接组成框架系统。框架表示法最突出的特点是善于表达结构性的知识, 且具有良好的继承性和自然性。因此, 基于框架的专家系统适合于具有固定格式的事物、动作或事件。基于模糊逻辑的专家系统和二值的波尔逻辑不同，模糊逻辑是多值的。它处理归属的程度和可信的程度。模糊逻辑使用介于0（完全为假）和1（完全为真）之间逻辑值得连续区间。与非黑即白不同，它使用颜色的色谱，可以接受同时部分为真和部分未假的事物。基于模糊逻辑的专家系统的优点在于: ① 具有专家水平的专门知识, 能表现专家技能和高度的技巧以及有足够的鲁棒性; ②能进行有效的推理, 具有启发性, 能够运用人类专家的经验和知识进行启发性的搜索、试探性的推理; ③具有灵活性和透明性。但是, 模糊推理知识获取困难, 尤其是征兆的模糊关系较难确定, 且系统的推理能力依赖模糊知识库, 学习能力差, 容易发生错误。由于模糊语言变量是用隶属函数表示的,实现语言变量与隶属函数之间的转换是一个难点。基于D-S 证据理论的专家系统据理论是由Dempster于1967年首先提出，由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer 证据理论(D-S证据理论)，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力.。当约束限制为严格的概率时, 它就成为概率论。基于Web的专家系统基于Web的专家系统是Web数据交换技术与传统专家系统集成所得到的一种先进专家系统。它利用Web浏览器实现人机交互，基于Web专家系统中的各类用户都可通过浏览器访问专家系统。从结构上，它由浏览器、应用服务据库服务器三个层次所组成，包括Web接口、推理机、知识库、数据库和解释器。模式识别广义地说，存在于时间和空间中可观察的事物，如果我们可以区别他们是否相同或者是否相似，都可以称之为模式。但需要注意的是，模式并不是指向事物本身，而是我们从事物获得的信息。因此，模式往往表现为具有时间或空间分布的信息。人们为了掌握客观事物，按事物相似的程度组成类别。模式识别的作用和目的就在于面对某一具体事物时将其正确的归入某一类别。