人工智能发展史解读.docx

《人工智能发展史解读.docx》由会员分享，可在线阅读，更多相关《人工智能发展史解读.docx（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能发展史解读 人工智能学科诞生于20世纪50年头中期，当时由于计算机的产生与发展，人们起先了具有真正意义的人工智能的探讨。（虽然计算机为AI供应了必要的技术基础,但直到50年头早期人们才留意到人类智能与机器之间的联系.Norbert Wiener是最早探讨反馈理论的美国人之一.最熟识的反馈限制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而限制环境温度.这项对反馈 回路的探讨重要性在于: Wiener从理论上指出,全部的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发觉对早期AI的发展影响很大。） 1956年夏，美国达特莫斯

2、高校助教麦卡锡、哈佛高校明斯基、贝尔试验室申龙、IBM公司信息探讨中心罗彻斯特、卡内基梅隆高校纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯高校实行了以此为其两个月的学术探讨会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并探讨如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从今，人工智能这门新兴的学科诞生了。这些青年的探讨专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不生疏，例如申龙是信息论的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡

3、锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能探讨的中心，即以西蒙和纽威尔为首的卡内基梅隆高校探讨组，以麦卡锡、明斯基为首的麻省理工学院探讨组，以塞缪尔为首的IBM公司探讨组。随后，这几个探讨组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明白怀特黑德与罗素的数学名著数学原理的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明白全部定理。这一工作受到了人们的高

4、度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜寻技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应实力，能在下棋过程中不断积累所获得的阅历，并能依据对方的走步，从很多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探究。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以便利的处理各种符号，成为了人工智能程序语言

5、的重要里程碑。目前，LISP语言仍旧是探讨人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学试验，发觉人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题安排；2。依据记忆中的公理、定理和解题规划、按安排实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改安排。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常运用试凑的方法进行的试凑是不肯定列出全部的可能性，而是用逻辑推理来快速缩小搜寻范围的方法进行的），基于这一发觉，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程

6、等11种不同类型的问题，并首次提出启发式搜寻概念，从而使启发式程序具有较普遍的意义。 （5）1961年，明斯基发表了一篇名为迈向人工智能的步骤的论文，对当时人工智能的探讨起了推动作用。 正是由于人工智能在20世纪50年头到60年头的快速发展和取得的一系列的探讨成果，使科学家们欢欣鼓舞，并对这一领域赐予了过高的希望。纽威尔和西蒙在1958年曾作出以下预言： 不出十年，计算机将成为世界象棋冠军，除非规定不让它参与竞赛； .不出十年，计算机将发觉并证明那时还没有被证明的数学定理； .不出十年，计算机将谱写出具有较高美学价值并得到评论家认可的乐曲； 不出十年，大多数心理学家的理论将采纳计算机程序来形成

7、。 特别缺憾的是，到目前为止，这样的预言还没有一个得到完全的实现，人工智能的探讨状况比纽威尔和西蒙等科学家的设想要困难和艰难的多。事实上，到了20世纪70年头初，人工智能在经验一段比较快速的发展时期后，很快就遇到了很多问题。这些问题主要表现在： （1）1965年鲁宾逊独创了归结（消解）原理，曾被认为是一个重大的突破，可是很快这种归结法实力有限，证明两个连续函数之和还是连续函数，推证了十万步竟还没有得证。 （2）塞缪尔的下棋程序，赢得了周冠军后，没能赢全国冠军。 （3）机器翻译出了荒谬的结论。如从英语俄语英语的翻译中，又一句话：“The spirit is willing but the fle

8、sh is weak”(心有余而力不足)，结果变成了”The wine is good but the meat is spoiled”(酒是好的，肉变质了)，闹出了笑话。 （4）大脑约有10的15次方以上的记忆容量，此容量相当于存放几亿本书的容量，现有的技术条件下在机器的结构上模拟人脑是不大可能的。 （5）来自心理学、神经生理学、应用数学、哲学等各界的科学家们对人工智能的本质、基本原理、方法及机理等方面产生了质疑和指责。 由于人工智能探讨遇到了困难，使得人工智能在20世纪70年头初走向低落。但是，人工智能的科学家没有被一时的困难所吓倒，他们在仔细总结阅历教训的基础上，努力探究使人工智能走出试

9、验室，走向好用化的新路子，并取得了令人鼓舞的进展。特殊是专家系统的出现，实现了人工智能从理论探讨走向实际应用，从一般思维规律探究走向特地学问应用的重大突破，是人工智能发展史上的重大转折，将人工智能的探讨推向了新高潮。下面是几个又代表性的专家系统： （1）1968年斯坦福高校费根鲍姆教授和几位遗传学家及物理学家合作研制了一个化学质谱分析系统（DENDARL），该系统能依据质谱仪的数据和核磁谐振的数据，以及有关化学学问推断有机化合物的分子结构，达到了帮助化学家推断分子结构的作用。这是第一个专家系统，标记着人工之能从试验室走了出来，起先进入实际应用时代。 （2）继DENDARAL系统之后，费根鲍姆领

10、导的探讨小组又研制了诊断和治疗细菌感染性血液病的专家询问系统MYCIN。经专家小组对医学专家、实习医师以及MYCIN行为进行正式测试评价，认为MYCIN的行为超过了其他全部人，尤其在诊断和治疗菌血症和脑膜炎方面，显示了该系统作为临床医生实际助手的前途。从技术的角度来看，该系统的特点是：1。运用了阅历性学问，用可信度表示，进行不精确推理。2.对推理结果具有说明功能，时系统是透亮的。3.第一次运用了学问库的概念。正是由于MYCIN基本解决了学问表示、学问获得、搜寻策略、不精确推理以及专家系统的基本结构等重大问题（是怎样解决的呢？），对以后的专家系统产生了很大的影响。 （3）1976年，斯坦福高校国

11、际人工智能中心的杜达等人起先研制矿藏勘探专家系统PROSPECTOR，它能帮助地质学家说明地质矿藏数据，供应硬岩石矿物勘探方面的询问，包括勘探测评，区域资源估值，钻井井位选择等。该系统用语义网络表示地质学问，拥有15中矿藏学问，采纳贝叶斯概率推理处理不确定的数据和学问。PROSPECTOR系统于1981年起先投入实际运用，取得了巨大的经济效益。例如1982年，美国利用该系统在华盛顿发觉一处矿藏，据说好用价值可能超过1亿美元。 （4）美国卡内基梅隆高校于20世纪70年头先后研制了语音理解系统HEARSAY-I加入HEARSAY-II，它完成从输入的声音信号转换成字，组成单词，合成句子，形成数据库

12、查询语句，再到情报数据库中去查询资料。该系统的特点是采纳“黑板结构”这种新结构形式，能组合协调专家的学问，进行不同抽象级的问题求解。 在这一时期，人工智能在新方法、程序设计语言、学问表示、推理方法等方面也取得了重大进展。例如70年头很多新方法被用于AI开发,闻名的如Minsky的构造理论.另外David Marr提出了机器视觉方面的新理论,例如,如何通过一副图像的阴影,形态,颜色,边界和纹理等基本信息辨别图像.通过分析这些信息,可以推断出图像可能是什么，法国马赛高校的柯尔麦伦和他领导的探讨小组于1972年研制胜利的第一个PROLOG系统，成为了继LISP语言之后的另一种重要的人工智能程序语言；

13、明斯基1974年提出的框架理论；绍特里夫于1975年提出并在MYCIN中应用的不精确推理；杜达于1976年提出并在PROSPECTOR中应用的贝叶斯方法；等等 人工智能的科学家们从各种不同类型的专家系统和学问处理系统中抽取共性，总结出一般原理与技术，使人工智能又从实际应用渐渐回到一般探讨。围绕学问这一核心问题，人们重新对人工智能的原理和方法进行了探究，并在学问获得、学问表示以及学问在推理过程中的利用等方面起先出现一组新的原理、工具和技术。1977年，在第五届国际人工智能联合会（IJCAI）的会议上，费根鲍姆教授在一篇题为人工智能的艺术：学问工程课题及实例探讨的特约文章中，系统的阐述了专家系统的

14、思想，并提出了学问工程（KnowledgeEngineering）的概念。费根鲍姆认为，学问工程是探讨学问信息处理的学科，它应用人工智能的原理和方法，对那些须要专家学问才能解决的应用难题供应了求解的途径。恰当的运用专家学问的获得、表示、推理过程的构成与说明，是设计基于学问的系统的重要技术问题。至此，围围着开发专家系统而开展的相关理论、方法、技术的探讨形成了学问工程学科。学问工程的探讨使人工智能的探讨从理论转向应用，从基于推理的模型转向基于学问的模型。 为了适应人工智能和学问工程发展的须要，在政府的大力支持下，日本于1982年起先了为期10年的“第五代计算机的研制安排”，即“学问信息处理计算机系

15、统KIPS”，总共投资4.5亿美元。它的目的是使逻辑推理达到数值运算那样快。日本的这一安排形成了一股热潮，推动了世界各国的追逐浪潮。美国、英国、欧共体、苏联等都先后制订了相应的发展安排。随着第五代计算机的探讨开发和应用，人工智能进入一个兴盛时期，人工智能界一派乐观心情。 然而，随着专家系统应用的不断深化，专家系统自身存在的学问获得难、学问领域窄、推理实力弱、只能水平低、没有分布式功能、好用性差等等问题逐步暴露出来。日本、美国、英国和欧洲所制订对那些针对人工智能的大型安排多数执行到20世纪80年头中期就起先面临重重困难，已经看出达不到预想的目标。进一步分析便发觉，这些困难不只是个别项目的制订又问

16、题，而是涉及人工智能探讨的根本性问题。总的来讲是两个问题：一是所谓的交互（Interaction）问题，即传统方法只能模拟人类深思熟虑的行为，而不包括人与环境的交互行为。另一个问题是扩展（Scaling up）问题，即所谓的大规模的问题，传统人工智能方法只适合于建立领域狭窄的专家系统，不能把这种方法简洁的推广到规模更大、领域更宽的困难系统中去。这些安排的失败，对人工智能的发展是一个挫折。 尽管经验了这些受挫的事务,AI仍在渐渐复原发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径. 1982年后，人工神经网络像雨后春

17、笋一样快速发展起来，给人们带来了新的希望。人工神经网络的主要特点是信息的分布存储和信息处理的并行化，并具有自组织自学习实力，这使人们利用机器加工处理信息有了新的途径和方法，解决了一些符号方法难以解决的问题，使人工智能的学术界兴起了神经网络的热潮。1987年美国召开了第一次神经网络国际会议，宣布新学科的诞生。1988年以后，日本和欧洲各国在神经网络方面的投资逐步增加，促进了该领域的探讨。但是随着应用的深化，人们又发觉人工神经元网络模型和算法也存在问题。 20世纪80年头末，以美国麻省理工学院布鲁克斯（R.A.Brooks）教授为代表的行为主义学派提出了“无须表示和推理”的智能，认为智能只在与环境

18、的交互中表现出来，并认为研制可适应环境的“机器虫”比空想智能机器人要好。以后，人工智能学术界充分相识到已有的人工智能方法仅限于在模拟人类智能活动中运用胜利的阅历学问处理简洁的问题，起先在符号机理与神经网机理的结合及引入Agent系统等方面进一步开展探讨工作。20世纪90年头，所谓的符号主义、连接主义和行动主义3种方法并存。对此，中国学者认为这3种方法各有优缺点，他们提出了综合集成的方法，即不同的问题用不同的方法来解决，或用联合（混合、融合）的方法来解决，再加上人工智能系统引入交互机制，系统的智能水平将会大为提高。 总而言之，尽管人工智能的发展经验了曲折的过程，但它在自动推理、认知建模、机器学习

19、、神经元网络、自然语言处理、专家系统、智能机器人等方面的理论和应用上都取得了称得上具有“智能”的成果。很多领域将学问和智能思想引入到自己的领域，使一些问题得以较好的解决。应当说，人工智能的成就是巨大的，影响是深远的。 读书的好处 1、行万里路，读万卷书。 2、书山有路勤为径，学海无涯苦作舟。 3、读书破万卷，下笔如有神。 4、我所学到的任何有价值的学问都是由自学中得来的。达尔文 5、少壮不努力，老大徒哀痛。 6、黑发不知勤学早，白首方悔读书迟。颜真卿 7、宝剑锋从磨砺出，梅花香自苦寒来。 8、读书要三到：心到、眼到、口到 9、玉不琢、不成器，人不学、不知义。 10、一日无书，百事荒废。陈寿 1

20、1、书是人类进步的阶梯。 12、一日不读口生，一日不写手生。 13、我扑在书上，就像饥饿的人扑在面包上。高尔基 14、书到用时方恨少、事非经过不知难。陆游 15、读一本好书，就犹如和一个高尚的人在交谈歌德 16、读一切好书，就是和很多高尚的人谈话。笛卡儿 17、学习恒久不晚。高尔基 18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。刘向 19、学而不思则惘，思而不学则殆。孔子 20、读书给人以欢乐、给人以光彩、给人以才能。培根 人工智能发展史解读 人工智能论文解读 人工智能的发展及应用解读 人工智能大作业解读 人工智能导论论文解读 人工智能课程论文解读 人工智能结课论文解读 人工智能的方向是人工加智能解读 人工智能 人工智能 本文来源：网络收集与整理，如有侵权，请联系作者删除，谢谢！第14页 共14页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页第 14 页 共 14 页