人工智能未来发展前景展望

人工智能未来发展前景展望

：磊(10计本)

学号：

长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(M ＩＴ)、卡基-梅隆大学(CＭＵ)到IＢＭ公司，再到日本的本田公司、ＳＯＮＹ公司以及国的清华大学、中科院等科研院所，全世界的实验室都在进行着ＡＩ技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(ＡＩ)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。

（一）、人工智能的定义

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

“智能”1是一个宽泛的概念。智能是人类具有的特征之一。Intelegere是从中进行选择，进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在1"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。

复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵

i(Turing)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"。

人工智能领域的研究是从1956年正式开始的，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"(artificial intelligence，AI)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运

行一些要求更高的AI软件，而且现在的AI具备了更多的现实应用的基础。90年代以来，人工智能研究又出现了新的高潮。

人工智能目前在计算机领域，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。由于人工智能是一个边缘学科，是哲学、数学、电子工程、计算机科学、心理学等众多学科的混血儿。它的研究队伍由来自不同领域的学者组成，各自从事着自己感兴趣的工作，他们对人工智能是什么有不同的认识。所以，要想在他们之间找出一个什么是人工智能的共同的看法还是有一定的困难的。

如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能够灵活有效地为人类服务。只要电脑能够表现出与人类相似的智能行为，就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。这样，人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。

除了上述的观点以外，人工智能领域中的心理学家、语言学家倾向于将重点放在用电脑去再现人脑思维的部状态上，也就是要使电脑程产真正理解它所他的事情，就好保人脑一样去“思考问题”。

由于大家研究的容与侧重点各不相同，因此对人工智能的认识也有一定的差异。但是，他们的认识又相互补充、相辅相成，共同构成了人工智能丰富多彩的研究层次与多样化的研究队伍。

（二）、人工智能的具体应用

人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。以下是我所找的几个例子，就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，籍此对我们身边的人工智能应用有一个感性的认识。

1、符号计算

计算机最主要的用途之一就是科学计算,科学计算可分为两类:

一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域；另一类是符号计算，又称代数运算，这是一种智能化的计算，处理的是符号。符号可以代表整数、有理数、实数和复数，也可以代表多项式、函数、集合等……长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。早在50年代末,人们就开始对此研究。进入80年代后,随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中

Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方

便地用它进行多种形式的数学处理。

计算机代数系统的优越性主要在于它能够进行大规模的代数运算。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后,手工计算就很困难了,这时用计算机代数

系统进行运算就可以做到准确,快捷,有效。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好,命令输入方便灵活,很容易寻求帮助。

尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令，有一定的局限性。首先,多数计算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的存和较长的计算时间,而精确的代数

运算以时间和空间为代价的。第二个问题是用计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软

件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran语言算同样的问题慢百倍甚至千倍。另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域

未能被计算机代数系统涉及。计算机代数系统仍在不断地发展、完善之中。

2、模式识别

模式识别就是通过计算机用数学技术方法来研究模式的自动处

理和判读。这里,我们把环境与客体统称为“模式”,随着计算机技术的发展，人类有可能研究复杂的信息处理过程。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别系统 (Optical Character Recognition，OCR)、语音识别系统等。

计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程相似。

以“汉字识别”为例：首先将汉字图像进行处理，抽取主要表达特征并将其特征与汉字的代码存在计算机中。就像把老师教我们这个字叫什么、如何写的知识记忆在大脑中。这一过程叫做“训练”。识别过程就是将输入的汉字图像经处理后与计算机中所保存的全部汉

字进行比较，找出最相近的字作为识别结果,这一过程叫做“匹配”。