人工智能发展史(1).doc

《人工智能发展史(1).doc》由会员分享，可在线阅读，更多相关《人工智能发展史(1).doc（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能开展史人工智能学科落生于20世纪50年代中期，事前由于打算机的发作与开展，人们开始了存在真正意思的人工智能的研究。尽管打算机为代早期人们才留心到人类智能与板滞之间的联系国人之一.最熟悉的反应把持的例子是自动调温器AI供应了需要的技能基础,但直到50年.NorbertWiener是最早研究反应实践的美.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年夜或关小,从而操尽状况温度.这项对反应回路的研究要紧性在于:Wiener从实践上指出,所有的智能活动根本上反应机制的结果拟的.这项觉察对早期AI的开展阻碍特不大年夜。.而反应机制是有可能用板滞模1956年夏，美国达特莫斯大年夜学

2、助教麦卡锡、哈佛大年夜学明斯基、贝尔实验室申龙、司信息研究中心罗彻斯特、卡内基梅隆大年夜学纽厄尔跟赫伯特IBM公.西蒙、麻省理工学院塞夫IBM公司塞缪尔跟莫尔在美国达特莫斯大年夜学进展了以此为其两个月里奇跟索罗门夫，以及的学术讨论会，从差异窗科的角度讨论人类各种深造跟其他天性性能特色的基础，并研究如何在阔不上进展精确的描画，讨论用板滞模拟人类智能等咨询题，并首次提出了人工智能的术语。以后，人工智能这门新兴的学科落生了。这些青年的研究专业包括数学、心理学、神全心理学、信息论跟电脑科学，分不从差异角度共同讨论人工智能的可以性。他们的名字人们并不陌生，比如申龙是信息论的创始人，塞缪尔编写了第一个电脑

3、跳棋次序，麦卡锡、明斯基、纽厄尔跟西蒙根本上“图灵奖的获奖者。此次聚会之后，在美国特不快形成了3个从事人工智能研究的中心，即以西蒙跟纽威尔为首的卡内基梅隆大年夜学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几多个研究组相继在思想模型、数理逻辑跟启发式次序方面取得了一批分明的后果：11956年，纽威尔跟西蒙研制了一个“逻辑实践家“简称LT次序，它将每个咨询题都表示成一个树形模型,然后选择最可以失落失落精确结论的那一枝来求解咨询题，证明了怀特黑德与罗素的数大年夜名著数学情理的第2章中52个定理中的38个定理。1963年对次序进展了修改，证明了全部定理。

4、这一义务受到了人们的高度评价，低级思想活动的一个严峻后果，是人工智能的真正末端。被认为是打算机模拟人的21956年，塞缪尔使用对策论跟启发式搜索技能编制出西洋跳棋次序Checkers。该程序存在自深造跟自适应才能，能不才棋过程中不断积压所获得的经历，并能按照对方的走步，从非常多可以的步数中选出一个较好的走法。这是模拟人类深造过程第一次行之无效的探求。这台板滞不只在1959年击败了塞缪尔本人，同时在在世界上引起了大年夜惊扰。这是人工智能的一个严峻攻破。31958年，麦卡锡研制出表处理次序计划语言1962年击败了美国一个州的跳棋冠军，LISP，它不只可以处理数据，同时可以便当的处理各种标志，成为了

5、人工智能次序文语的要紧里程碑。现在，研究人工智能何开拓智能系统的要紧货色。LISP语言仍然是41960年纽威尔、肖跟西蒙等人通过心理学实验，觉察人在解题时的思想过程大年夜抵可以分为3个阶段：1。起首想出大年夜抵的解题计划；2。按照经历中的公理、定理跟解题计划、按计划实施解题过程；3.在实施解题过程中，不断进展方法跟目的分析，修改计划。这是一个存在普遍意思的思想活动过程，其中要紧是方法跟目的的分析。也的确是人们在求解数学而是用逻辑推理来矫捷缩咨询题素日使用试凑的方法进展的试凑是不用定列出所有的可以性，小搜索范畴的方法进展的，基于这一觉察，他们研制了“通用咨询题求解次序GPS，用它来处理不定积分、

6、三角函数、代数方程等不雅观点，从而使启发式次序存在较普遍的意思。11种差异典范的咨询题，并首次提出启发式搜索51961年，明斯基宣布了一篇名为迈向人工智能的步伐的论文，对事祖先工智能的研究起了推动感染。正是由于人工智能在20世纪50年代到60年代的矫捷开展跟获得的一系列的研究后果，使科学家们切肤之痛，并对这一范畴给以了过高的希望。纽威尔跟西蒙在下预言：1958年曾作出以不出十年，打算机将成为世界象棋冠军，除非规那么不让它参加比赛；.不出十年，打算机将觉察并证明事先还不被证明的数学定理；.不出十年，打算机将谱写出存在较高美学价值并失落失落批评家成认的乐曲；不出十年，大年夜多数心理学家的实践将采用

7、打算机次序来形成。特不遗憾的是，到现在为止，如斯的预言还不一个失落失落完好的完成，人工智能的研究状况比纽威尔跟西蒙等科学家的设想要复杂跟艰辛的多。理想上，到了20世纪70年代初，人工智能在经历一段比较快速的开展时期后，特不快就遇到了非常多咨询题。这些咨询题要紧表示在：11965年鲁宾逊制造了归结消解情理，曾被认为是一个严峻的攻破，但是特不快这种归结法才能有限，证明两个连续函数之跟仍然连续函数，推证了十万步竟还不得证。2塞缪尔的下棋次序，赢得了周冠军后，没能赢世界冠军。3板滞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：“Thespiritiswillingbutthefleshisw

8、eak(心缺少而力缺少)，结果变成了Thewineisgoodbutthemeatisspoiled(酒是好的，肉演变了)，闹出了笑话。4大年夜脑约有10的15次方以上的经历容量，此容量相当于存放几多亿本书的容量，现有的技能条件下在板滞的结构上模拟人脑是不大年夜可以的。5来自心理学、神全心理学、使用数学、哲学等各界的科学家们对人工智能的本质、全然情理、方法及机理等方面发作了质疑跟批评。由于人工智能研究遇到了艰辛，使得人工智能在20世纪70年代初走向低落。但是，人工智能的科学家不被一时的艰辛所吓倒，他们在细心总结经历经历的基础上，努力探求使人工智能走出实验室，走向有效化的新路径，并获得了令人鼓舞

9、的进展。特不是专家系统的出现，完成了人工智能从实践研究走向理论使用，大年夜攻破，是人工智能开展史上的严峻转折，代表性的专家系统：从一般思想法那么探求走向专门知识使用的重将人工智能的研究推向了新高潮。下面是几多个又11968年斯坦福大年夜学费根鲍姆教学跟几多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，该系统能按照质谱仪的数据跟核磁谐振的数据，以及有关化学知识揣摸无机化合物的分子结构，抵达了帮助化学家揣摸分子结构的感染。这是第一个专家系统，标志着人工之能从实验室走了出来，开始进入理论使用时期。2继DENDARAL系统之后，费根鲍姆指点的研究小组又研制了诊断跟治疗细菌感染性血液

10、病的专家咨询系统MYCIN。经专家小组对医学专家、训练医师以及MYCIN举措进行正式测试评价，认为MYCIN的举措逾越了其他所有人，尤其在诊断跟治疗菌血症跟脑膜炎方面，表示了该系统作为临床大年夜夫理论助手的前途。从技能的角度来看，该系统的特征是：1。使用了经历性知识，用可信度表示，进展不精确推理。系统是透明的。3.第一次使用了知识库的不雅观点。正是由于2.对推理结果存在阐明功能，时MYCIN全然处理了知识表示、知识猎取、搜索策略、不精确推理以及专家系统的全然结构等严峻咨询题对以后的专家系统发作了特不大年夜的阻碍。是如何样处理的呢？，31976年，斯坦福大年夜学国际人工智能中心的杜达等人开始研制

11、矿藏勘探专家系统PROSPECTOR，它能帮助地质学家阐明地质矿藏数据，供应硬岩石矿物勘探方面的咨询，包括勘探测评，地域资源估值，钻井井位选择等。该系统用语义收集表示地质知识，拥有15中矿藏知识，采用贝叶斯概率推理处理不判定的数据跟知识。PROSPECTOR系统于1981年开始投入理论使用，获得了宏大年夜的经济效益。比如1982年，美国使用该系统在华盛顿发现一处矿藏，据说有效价值可以逾越1亿美元。4美国卡内基梅隆大年夜学于20世纪70年代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旗帜暗记转换成字，形成单词，剖析句子，形成数据库查询语句，再到情报数据库中

12、去查咨询资料。该系统的特征是采用“黑板结构这种新结构方法，能组合调跟专家的知识，进展差异抽象级的咨询题求解。在这一时期，人工智能在新方法、次序计划语言、知识表示、推理方法等方面也获得了严峻进展。比如70年代非常多新方法被用于Marr提出了板滞视觉方面的新实践,比如,怎么样通过一副图像的阴影,形状,颜色,界线跟纹理等全然信息辨别图像.通过分析这些信息,可以揣摸出图像可以是什么，法国马赛大年夜学的柯尔麦1972年研制成功的第一个PROLOG系统，成为了继LISP语言之AI开拓,著名的如Minsky的结构实践.不的David伦跟他指点的研究小组于后的另一种要紧的人工智能次序文语；明斯基年提出并在MY

13、CIN中使用的不精确推理；杜达于的贝叶斯方法；等等1974年提出的框架实践；绍特里夫于19751976年提出并在PROSPECTOR中使用人工智能的科学家们从各种差异典范的专家系统跟知识处理系统中抽取特性，总结出一般情理与技能，使人工智能又从理论使用逐步回到一般研究。并在知识猎取、知识表示以及知识在推理过程中的1977年，在第五届国际人工智能结合会旋绕知识这一中心咨询题，人们重新对人工智能的情理跟方法进展了探求，使用等方面开始出现一组新的情理、货色跟技能。IJCAI的聚会上，费根鲍姆教学在一篇题为人工智能的艺术：知识工程课题及实例研究的特约文章中，系统的阐述了专家系统的思想，并提出了知识工程K

14、nowledgeEngineering的不雅观点。费根鲍姆认为，知识工程是研究知识信息处理的学科，它使用人工智能的情理跟方法，对那些需要专家知识才能处理的使用艰苦供应了求解的途径。恰当的使用专家知识的猎取、表示、推理过程的形成与阐明，是计划基于知识的系统的要紧技能咨询题。至此，旋绕着开拓专家系统而开展的相关实践、方法、识工程学科。知识工程的研究使人工智能的研究从实践转向使用，于知识的模型。技能的研究形成了知从基于推理的模型转向基为了适应人工智能跟知识工程开展的需要，在政府的大力支持下，日本于1982年开始了为期10年的“第五代打算机的研制计划，即“知识信息处理打算机系统KIPS，总共投资亿美元

15、。它的目的是使逻辑推理抵达数值运算那样快。日本的这一计划形成了一股热潮，推动了世界各国的追赶浪潮。美国、英国、欧共体、苏联等都先后制订了呼应的开展计划。随着第五代打算机的研究开拓跟使用，不雅观心境。人工智能进入一个兴盛时期，人工智能界一派乐知识范畴窄、推但是，随着专家系统使用的不断深入，专家系统自身存在的知识猎取难、理才能弱、只能水平低、不分布式功能、有效性差等等咨询题逐步暴露出来。日本、美国、英国跟欧洲所制订对那些针对人工智能的大年夜型计划多数实行到20世纪80年代中期就开始面临重重艰辛，已经看出达不到预想的目的。进一步分析便觉察，这些艰辛不只是个不工程的制订又咨询题，而是涉及人工智能研究的

16、全然性咨询题。Interaction咨询题，即传统方法只能模拟人类深思熟虑的举措，而不包括人与状况的交互Scalingup咨询题，即所谓的大年夜范畴的咨询题，传统人工智能方法总的来讲是两个咨询题：一是所谓的交互举措。另一个咨询题是扩大年夜只适宜于修建范畴狭窄的专家系统，不克不迭把这种方法复杂的履行到范畴更大年夜、范畴更宽的复杂系统中去。这些计划的失落败，对人工智能的开展是一个曲折。尽管经历了这些受挫的状况,AI仍在慢慢恢复开展.新的技能在日本被开发出来,如在美国创始的含糊逻辑,它可以从不判定的条件作出决定能路途.;尚有神经收集,被视为完成人工智能的可1982年后，人工神经收集像雨后春笋一样矫捷

17、开展起来，给人们带来了新的希望。人工神经收集的要紧特征是信息的分布存储跟信息处理的并行化，并存在自结构自深造才能，这使人们使用板滞加工处相信息有了新的路途跟方法，处理了一些标志方法难以处理的咨询题，使人工智能的学术界兴起了神经收集的高潮。1987年美国召开了第一次神经收集国际聚会，宣布新学科的落生。1988年以后，日本跟欧洲各国在神经收集方面的投资逐步增加，促进了该范畴的研究。但是随着使用的深入，人们又觉察人工神经元收集模型跟算法也存在咨询题。20世纪80年代末，以美国麻省理工学院布鲁克斯教学为代表的举措主义学派提出了“无须表示跟推理的智能，认为智能只在与状况的交互中表示出来，并认为研制可适应

18、状况的“板滞虫比梦想智能板滞人要好。以后，人工智能学术界充分见解到已有的人工智能方法仅限于在模拟人类智能活动中使用成功的经历知识处理复杂的咨询题，开始在标志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研究义务。20世纪90年3种方法并存。对此，中国学者认为这3种方法代，所谓的标志主义、连接主义跟举措主义各有优缺点，他们提出了综合集成的方法，即差异的咨询题用差异的方法来处理，或用结合混合、融合的方法来处理，再加上人工智能系统引入交互机制，高。系统的智能水平将会大年夜为提总而言之，尽管人工智能的开展经历了曲折的过程，但它在自动推理、认知建模、板滞学习、神经元收集、自然语言处理、专家系统、智能板滞人等方面的实践跟使用上都获得了称得上存在“智能的后果。非常多范畴将知识跟智能思想引入到本人的范畴，使一些咨询题得以较好的处理。该当说，人工智能的成的确是宏大年夜的，阻碍是深远的。