人工智能課程報(bào)告
摘要:自上世紀(jì)五十年代以來,經(jīng)過了幾個(gè)階段的不斷探索和發(fā)展,人工智能在
模式識(shí)別
、知識(shí)工程、機(jī)器人等領(lǐng)域已經(jīng)取得重大成就,但是離真正意義上的的人類智能還相差甚遠(yuǎn)。但是進(jìn)入新世紀(jì)以來,隨著信息技術(shù)的快速進(jìn)步,與人工智能相關(guān)的技術(shù)水平也得到了相應(yīng)的提高。尤其是隨著因特網(wǎng)的普及和應(yīng)用,對人工智能的需求,變得越來越迫切,也給人工智能的研究提供了新的更加廣泛的舞臺(tái)。本文強(qiáng)調(diào)在當(dāng)今的網(wǎng)絡(luò)時(shí)代,作為信息技術(shù)的先導(dǎo),人工智能學(xué)習(xí)在人工智能科學(xué)領(lǐng)域中是一個(gè)著非常值得關(guān)注的研究方向,要在學(xué)科交叉研究中實(shí)現(xiàn)人工智能學(xué)習(xí)的發(fā)展與創(chuàng)新,就要關(guān)注認(rèn)知科學(xué)、腦科學(xué)、生物智能、物理學(xué)、復(fù)雜網(wǎng)絡(luò)、計(jì)算機(jī)科學(xué)與人工智能之間的交叉滲透點(diǎn),尤其是重視認(rèn)知物理學(xué)的研究。自然語言是人類思維活動(dòng)的載體,是人工智能學(xué)習(xí)研究知識(shí)表示無法回避的直接對象,要對語言中的概念建立起能夠定量表示的不確定性轉(zhuǎn)換模型,發(fā)展不確定性人工智能;要利用現(xiàn)實(shí)生活中復(fù)雜網(wǎng)絡(luò)的小世界模型和無尺度特性,把網(wǎng)絡(luò)拓中伍撲作為知識(shí)表示的一種新方法,研究網(wǎng)絡(luò)拓?fù)涞难莼c網(wǎng)絡(luò)動(dòng)力學(xué)行為,研究網(wǎng)絡(luò)化了的智能,從而適應(yīng)信息時(shí)代數(shù)據(jù)挖掘的普遍要求,迎接人工智能學(xué)習(xí)與應(yīng)用領(lǐng)域新的輝煌。
概述
自20世紀(jì)90年代以來,隨著
全球化
的形式與國際競爭的日益激烈,對人工智能技術(shù)的研究與應(yīng)用變的越來越被人們關(guān)注,且人工智能在*中的運(yùn)用以成為實(shí)現(xiàn)*的知識(shí)化、自動(dòng)化、柔性化以實(shí)現(xiàn)對市場的快速響應(yīng)的關(guān)鍵。
人工智能是一門研究人類智能的機(jī)理以及如何用機(jī)器模知培判擬人的智能的學(xué)科。從后一種意義上講,人工智能又被稱為“機(jī)器智能”或“智能模擬”。人工智能是在現(xiàn)代
電子計(jì)算機(jī)
出現(xiàn)之后才發(fā)展起來的,它一方面成為人類智能的延長,另一方面又為探討人類智能機(jī)理提供了新的理論和
研究方法
。
學(xué)習(xí)機(jī)制的搭改研究是人工智能研究的一項(xiàng)核心課題。它是智能系統(tǒng)具有適應(yīng)性與性能自完善功能的基礎(chǔ)。學(xué)習(xí)過程具有以下特點(diǎn):學(xué)習(xí)行為一般具有明顯的目的性,其結(jié)果是獲取知識(shí);學(xué)習(xí)系統(tǒng)中結(jié)構(gòu)的變化是定向的,要么由學(xué)習(xí)算法決定,要么由環(huán)境決定;學(xué)習(xí)系統(tǒng)是構(gòu)造智能系統(tǒng)的中心骨架,它是全面組織與保存系統(tǒng)知識(shí)的場所。因此,人工智能學(xué)習(xí)研究的一個(gè)主要目的是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但是,不同的時(shí)代、不同的人對這種“復(fù)雜工作”的理解是不同的。
一.人工智能學(xué)習(xí)的歷史性基礎(chǔ)和發(fā)展步伐
人工智能學(xué)習(xí)的發(fā)展歷史是和
計(jì)算機(jī)科學(xué)與技術(shù)
的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外,人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。
一般認(rèn)為,人工智能的思想萌芽可以追溯到德國著名數(shù)學(xué)家和哲學(xué)家
萊布尼茨
(Leibnitz,1646-1716)提出的"通用語言"設(shè)想。這一設(shè)想的要點(diǎn)是:建立一種通用的符號(hào)語言,用這個(gè)語言中的符號(hào)表達(dá)“思想內(nèi)容”,用符號(hào)之間的形式關(guān)系表達(dá)“思想內(nèi)容”之間的邏輯關(guān)系。于是,在“通用語言”中可以實(shí)現(xiàn)“思維的機(jī)械化”這一設(shè)想可以看成是對人工智能的最早描述。
計(jì)算機(jī)科學(xué)的創(chuàng)始人圖靈被認(rèn)為是“人工智能之父”,他著重研究了一臺(tái)計(jì)算機(jī)應(yīng)滿足怎樣的條件才能稱為是“有智能的”。1950年他提出了著名的“
圖靈實(shí)驗(yàn)
”:讓一個(gè)人和一臺(tái)計(jì)算機(jī)分別處于兩個(gè)房間里,與外界的聯(lián)系僅僅通過鍵盤和打印機(jī)。由人類裁判員向房間里的人和計(jì)算機(jī)提問,并通過人和計(jì)算機(jī)的回答來判斷哪個(gè)房間里是人、哪個(gè)房間里是計(jì)算機(jī)。圖靈認(rèn)為,如果“中等程度”的裁判員不能正確地區(qū)分,則這樣的計(jì)算機(jī)可以稱為是有智能的?!皥D靈實(shí)驗(yàn)”是關(guān)于智能標(biāo)準(zhǔn)的一個(gè)明確定義。有趣的是,盡管后來有些計(jì)算機(jī)已經(jīng)通過了圖靈實(shí)驗(yàn),但人們并不承認(rèn)這些計(jì)算機(jī)是有智能的。這反映出人們對智能標(biāo)準(zhǔn)的認(rèn)識(shí)更深入、對人工智能的要求更高了。
圖靈和馮·諾依曼的上述工作,以及麥克考洛和匹茨對神經(jīng)元網(wǎng)的
數(shù)學(xué)模型
的研究,構(gòu)成了人工智能的初創(chuàng)階段,這其實(shí)也是人工智能學(xué)習(xí)的開始。
人工智能早期研究給人的深刻印象是博羿,與自動(dòng)定理證明的研究意義不限于數(shù)學(xué)一樣,搜索的研究意義也不限于博弈。根據(jù)
認(rèn)知心理學(xué)
的信息處理學(xué)派的觀點(diǎn),人類思維過程的很大一部分可以抽象為從問題的初始狀態(tài)經(jīng)中間狀態(tài)到達(dá)終止?fàn)顟B(tài)的過程,因此可以轉(zhuǎn)化為一個(gè)搜索問題,由機(jī)器自動(dòng)地完成。例如“規(guī)劃”問題。設(shè)想一臺(tái)機(jī)器人被要求完成一項(xiàng)復(fù)雜任務(wù),該任務(wù)包含很多不同的子任務(wù),其中某些子任務(wù)只有在另一些子任務(wù)完成之后才能進(jìn)行。這時(shí),機(jī)器人需要事先“設(shè)想”一個(gè)可行的行動(dòng)方案,使得依照該方案采取行動(dòng)可以順利完成任務(wù)?!耙?guī)劃”即找出一個(gè)可行的行動(dòng)案,可以通過以其子任務(wù)為狀態(tài)、以其子任務(wù)間依賴關(guān)系為直接后繼關(guān)系的狀態(tài)空間中的搜索來實(shí)現(xiàn)。
人工智能的早期研究還包括自然語言理解、
計(jì)算機(jī)視覺
和機(jī)器人等等。通過大量研究發(fā)現(xiàn),僅僅依靠自動(dòng)推理的搜索等通用問題求解手段是遠(yuǎn)遠(yuǎn)不夠的。Newell和Simon等人的認(rèn)知心理學(xué)研究表明,各個(gè)領(lǐng)域的專家之所以在其專業(yè)領(lǐng)域內(nèi)表現(xiàn)出非凡的能力,主要是因?yàn)閷<覔碛胸S富的專門知識(shí)(領(lǐng)域知識(shí)和經(jīng)驗(yàn))。70年代中期,F(xiàn)eigenbaum提出知識(shí)工程概念,標(biāo)志著人工智能進(jìn)入第二個(gè)發(fā)展時(shí)期。知識(shí)工程強(qiáng)調(diào)知識(shí)在問題求解中的作用;相應(yīng)地,研究內(nèi)容也劃分為三個(gè)方面:知識(shí)獲取,知識(shí)表示和知識(shí)利用。知識(shí)獲取研究怎樣有效地獲得專家知識(shí);知識(shí)表示研究怎樣將專家知識(shí)表示成在計(jì)算機(jī)內(nèi)易于存儲(chǔ)、易于使用的形式;知識(shí)利用研究怎樣利用已得到恰當(dāng)表示的專家知識(shí)去解決具體領(lǐng)域內(nèi)的問題。知識(shí)工程的主要技術(shù)手段是在早期成果的基礎(chǔ)上發(fā)展起來的,特別是知識(shí)利用,主要依靠自動(dòng)推理和搜索的技術(shù)成果。在知識(shí)表示方面,除使用早期工作中出現(xiàn)的邏輯表示法和過程表示法之外,還發(fā)展了在聯(lián)想記憶和自然語言理解研究中提出的語義網(wǎng)表示法,進(jìn)而引入了框架表示法,概念依賴和腳本表示法以及產(chǎn)生式表示法等等各種不同方法。與早期研究不同,知識(shí)工程強(qiáng)調(diào)實(shí)際應(yīng)用。主要的應(yīng)用成果是各種專家系統(tǒng)。專家系統(tǒng)的核心部件包括:
(a)表達(dá)包括專家知識(shí)和其他知識(shí)的知識(shí)庫。
(b)利用知識(shí)解決問題的推理機(jī)。
大型專家系統(tǒng)的開發(fā)周期往往長達(dá)10余年,其主要原因在于知識(shí)獲取。領(lǐng)域?qū)<译m然能夠很好地解決問題,卻往往說不清自己是怎么解決的,使用了哪些知識(shí)。這使得負(fù)責(zé)收集專家知識(shí)的知識(shí)工程師很難有效地完成知識(shí)獲取任務(wù)。這種狀況極大的激發(fā)了自動(dòng) 知識(shí)獲取----
機(jī)器學(xué)習(xí)
研究的深入發(fā)展。已經(jīng)得到較多研究的機(jī)器
學(xué)習(xí)方法
包括:歸納學(xué)習(xí)、類比學(xué)習(xí)、解釋學(xué)習(xí)、
強(qiáng)化學(xué)習(xí)
和進(jìn)化學(xué)習(xí)等等。機(jī)器學(xué)習(xí)的研究目標(biāo)是:讓機(jī)器從自己或“別人”的問題求解經(jīng)驗(yàn)中獲取相關(guān)的知識(shí)和技能,從而提高解決問題的能力。
80年代以來,隨著
計(jì)算機(jī)網(wǎng)絡(luò)
的普及,特別是Internet的出現(xiàn),各種計(jì)算機(jī)技術(shù)包括人工智能技術(shù)的廣泛應(yīng)用推動(dòng)著人機(jī)關(guān)系的重大變化。據(jù)日美等國未來學(xué)家的預(yù)測,人機(jī)關(guān)系正在迅速地從“以人為紐帶”的傳統(tǒng)模式向“以機(jī)為紐帶”的新模式轉(zhuǎn)變?nèi)藱C(jī)關(guān)系的這一轉(zhuǎn)變將引起
社會(huì)生產(chǎn)方式
和生活方式的巨大變化,同時(shí)也向人工智能乃至整個(gè)信息技術(shù)提出了新的課題。這促使人工智能進(jìn)入第三個(gè)發(fā)展時(shí)期。
在這個(gè)新的發(fā)展時(shí)期中,人工智能面臨一系列新的應(yīng)用需求。
首先是需要提供強(qiáng)有力的技術(shù)手段,以支持分布式協(xié)同工作方式,現(xiàn)代生產(chǎn)是一種社會(huì)化大生產(chǎn),來自不同專業(yè)的工作者在不同或相同的時(shí)間、地點(diǎn)從事著同一任務(wù)的不同子任務(wù)。這要求計(jì)算機(jī)不僅為每一項(xiàng)子任務(wù)提供輔助和支持,更需要為子任務(wù)之間的協(xié)調(diào)提供輔助和支持。由于各個(gè)子任務(wù)在很大程度上可以獨(dú)立地進(jìn)行,子任務(wù)之間的關(guān)系必然呈現(xiàn)出動(dòng)態(tài)變化和難以預(yù)測的特點(diǎn)。于是,子任務(wù)之間的協(xié)調(diào)(即對分布協(xié)同工作的支持)向人工智能乃至整個(gè)信息技術(shù)以及基礎(chǔ)理論提出了巨大的挑戰(zhàn)。
其次,網(wǎng)絡(luò)化推進(jìn)了信息化,使原本分散孤立的數(shù)據(jù)庫形成一個(gè)互連的整體,即一個(gè)共同的信息空間。盡管現(xiàn)有的瀏覽器和
搜索引擎
為用戶在網(wǎng)上查找信息提供了必要的幫助,這種幫助是遠(yuǎn)遠(yuǎn)不夠的,以至于“信息過載”與“信息迷失”狀況日益嚴(yán)重。更強(qiáng)大的智能型信息服務(wù)工具已成為廣大用戶的迫切需要。另一方面,信息空間對人類的價(jià)值不僅在于單獨(dú)的信息條目(比如某廠家生產(chǎn)出了某一新產(chǎn)品的信息),還遠(yuǎn)在于一大類信息中隱藏著的普遍性知識(shí)(比如某個(gè)行業(yè)供求關(guān)系的變化趨勢)。于是,數(shù)據(jù)中的知識(shí)發(fā)現(xiàn)也成為一項(xiàng)迫切的研究課題。機(jī)器人始終是現(xiàn)代工業(yè)的迫切需求。隨著機(jī)器人技術(shù)的發(fā)展,研究重點(diǎn)已經(jīng)轉(zhuǎn)向能在動(dòng)態(tài)、不可預(yù)測環(huán)境中獨(dú)立工作的自主機(jī)器人,以及能與其他機(jī)器人(包括人)協(xié)作的機(jī)器人。顯然,這種機(jī)器人之間的合作可以看成是物理世界中的分布式協(xié)同工作,因而包括相同的理論和技術(shù)問題。
由此可見,人工智能第三發(fā)展時(shí)期的突出特點(diǎn)是研究能夠在動(dòng)態(tài)、不可預(yù)測環(huán)境中自主、協(xié)調(diào)工作的計(jì)算機(jī)系統(tǒng),這種系統(tǒng)被稱為Agent 。目前,正圍繞著Agent的理論、Agent的體系結(jié)構(gòu)和Agent語言三個(gè)方面展開研究,并已產(chǎn)生一系列重要的新思想、新理論、新方法和新技術(shù)。在這一研究中,人工智能呈現(xiàn)一種與軟件工程、分布式計(jì)算以及通訊技術(shù)相互融合的趨勢。Agent研究的應(yīng)用不限于生產(chǎn)和工作,還深入到人們的學(xué)習(xí)和娛樂等各個(gè)方面。例如,Agent與虛擬現(xiàn)實(shí)相結(jié)合而產(chǎn)生的虛擬訓(xùn)練系統(tǒng),可以使學(xué)生在不實(shí)際操縱飛機(jī)的情況下學(xué)飛行的基本技能;類似地,也可使顧客“享受”實(shí)戰(zhàn)的“滋味”。
我國也先后成立中國人工智能學(xué)會(huì)、中國計(jì)算機(jī)學(xué)會(huì)人工智能和模式識(shí)別專業(yè)委員會(huì)和中國自動(dòng)化學(xué)會(huì)模式識(shí)別與機(jī)器智能專業(yè)委員會(huì)等學(xué)術(shù)團(tuán)體,開展這方面的學(xué)術(shù)交流。此外國家還著手興建了若干個(gè)與人工智能研究有關(guān)的國家重點(diǎn)實(shí)驗(yàn)室,這些都將促進(jìn)我國人工智能的研究,為這一學(xué)科的發(fā)展作出貢獻(xiàn)。
綜觀人工智能學(xué)習(xí)的發(fā)展歷程,可以看出它始終遵循的基本思路。首先是強(qiáng)調(diào)人類智能的人工實(shí)現(xiàn)而不是單純的模擬,以便盡可能地為人類的實(shí)際需要服務(wù)。其次是強(qiáng)調(diào)多學(xué)科的交叉結(jié)合,數(shù)學(xué)、信息科學(xué)、生物學(xué)、心理學(xué)、生理學(xué)、生態(tài)學(xué)以及非線性科學(xué)等等越來越多的新生學(xué)科被融入到人工智能學(xué)習(xí)的研究之中。
二.人工智能學(xué)習(xí)的主要技術(shù)及其發(fā)展趨勢
目前人工智能學(xué)習(xí)研究的3個(gè)熱點(diǎn)是:智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)。
智能接口技術(shù)是研究如何使人們能夠方便自然地與計(jì)算機(jī)交流。為了實(shí)現(xiàn)這一目標(biāo),要求計(jì)算機(jī)能夠看懂文字、聽懂語言、說話表達(dá),甚至能夠進(jìn)行不同語言之間的翻譯,而這些功能的實(shí)現(xiàn)又依賴于知識(shí)表示方法的研究。因此,智能接口技術(shù)的研究既有巨大的應(yīng)用價(jià)值,又有基礎(chǔ)的理論意義。目前,智能接口技術(shù)已經(jīng)取得了顯著成果,文字識(shí)別、語音識(shí)別、語音合成、圖像識(shí)別、機(jī)器翻譯以及自然語言理解等技術(shù)已經(jīng)開始實(shí)用化。
數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強(qiáng)大的技術(shù)支柱:數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計(jì)。主要研究內(nèi)容包括基礎(chǔ)理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉庫、可視化技術(shù)、定性定量互換模型、知識(shí)表示方法、發(fā)現(xiàn)知識(shí)的維護(hù)和再利用、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的知識(shí)發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。
主體是具有信念、愿望、意圖、能力、選擇和承諾等心智狀態(tài)的實(shí)體,比對象的粒度更大,智能性更高,而且具有一定自主性。主體試圖自治地、獨(dú)立地完成任務(wù),而且可以和環(huán)境交互,與其他主體通信,通過規(guī)劃達(dá)到目標(biāo)。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個(gè)主體之間進(jìn)行協(xié)調(diào)智能行為,最終實(shí)現(xiàn)問題求解。目前對主體和多主體系統(tǒng)的研究主要集中在主體和多主體理論、主體的體系結(jié)構(gòu)和組織、主體語言、主體之間的協(xié)作和協(xié)調(diào)、通信和交互技術(shù)、多主體學(xué)習(xí)以及多主體系統(tǒng)應(yīng)用等方面。
新一代的智能技術(shù)是指80年代以來迅速發(fā)展起來的以神經(jīng)網(wǎng)絡(luò)(ANN)、進(jìn)化計(jì)算、模糊邏輯、Agent為主要代表的計(jì)算只能技術(shù),其中主要具有學(xué)習(xí)進(jìn)化與自組織的能力。
神經(jīng)網(wǎng)絡(luò)也就是模擬人腦中神經(jīng)元的功能,希望通過模擬人腦最基本的單位神經(jīng)元功能來模擬人腦的功能。它通過一定的范例訓(xùn)練構(gòu)成的神經(jīng)網(wǎng)絡(luò),就象教一個(gè)小孩子一樣,在訓(xùn)練結(jié)束后,這個(gè)神經(jīng)網(wǎng)絡(luò)就可以完成特定的功能了。它是通過范例的學(xué)習(xí),修改了知識(shí)庫和推理機(jī)的結(jié)構(gòu),達(dá)到實(shí)現(xiàn)人工智能的目的。
最后還有一個(gè)應(yīng)用領(lǐng)域,就是模型識(shí)別,我想它應(yīng)該在知識(shí)挖掘中應(yīng)用不小,因?yàn)楝F(xiàn)在工程中的獲得的數(shù)據(jù)越來越多,要想人為地從這些數(shù)據(jù)中確定某一規(guī)律都不容易,更不要說在這些數(shù)據(jù)中發(fā)現(xiàn)新規(guī)律了,因此有必要進(jìn)行數(shù)據(jù)挖掘,它的應(yīng)用對于決策支持系統(tǒng)將有著巨大的意義。
人可以思考,人工智能也需要思考,這就是推理;人可以學(xué)習(xí),人工智能也就需要學(xué)習(xí);人可以擁有知識(shí),那么人工智能也就需要擁有知識(shí)。
人工智能是為了模擬人類大腦的活動(dòng)的,人類已經(jīng)可以用許多新技術(shù)新材料代替人體的許多功能,只要模擬了人的大腦,人就可以完成人工生命的研究工作,人創(chuàng)造自己,這不但在科學(xué)上,而且在哲學(xué)上都具有劃時(shí)代的意義。
學(xué)習(xí)是指系統(tǒng)適應(yīng)環(huán)境而產(chǎn)生的適應(yīng)性變化,它使得系統(tǒng)在完成類似任務(wù)時(shí)更加有效。80年代以來,ANN的學(xué)習(xí)機(jī)制再次得到人們的重視,基于連接機(jī)制的亞符號(hào)學(xué)習(xí)又一次成為的當(dāng)今學(xué)習(xí)機(jī)制研究的熱點(diǎn),提出了競爭學(xué)習(xí),進(jìn)化學(xué)習(xí)、加強(qiáng)學(xué)習(xí)等各種新的學(xué)習(xí)機(jī)制。
機(jī)械式學(xué)習(xí)。它的另一個(gè)名稱死記式學(xué)習(xí)能夠直接體現(xiàn)它的特點(diǎn),這是一種最簡單的,最原始的學(xué)習(xí)方法,也是機(jī)器的強(qiáng)項(xiàng),人的弱項(xiàng)。
指導(dǎo)式學(xué)習(xí)。這種學(xué)習(xí)方式是由外部環(huán)境向系統(tǒng)提供一般性的指示或建議,系統(tǒng)把它們具體地轉(zhuǎn)化為細(xì)節(jié)知識(shí)并送入知識(shí)庫中,在學(xué)習(xí)過程中要對反復(fù)對知識(shí)進(jìn)行評價(jià),使其不斷完善。
歸納學(xué)習(xí)。我們看到,機(jī)器所善長的不是歸納,而是演繹,它適用于從特殊到一般,而不太適應(yīng)從一般到特殊,從特殊到一般的歸納是人類所特有的,是智慧的標(biāo)志。具體的歸納學(xué)習(xí)方法有許多,但它們的本質(zhì)就是讓計(jì)算機(jī)學(xué)會(huì)從一般中得出規(guī)律。
類比學(xué)習(xí)。類比也就是通過對相似事物進(jìn)行比較所進(jìn)行的一種學(xué)習(xí)。它的基礎(chǔ)是類比推理,也就是把新事物和記憶中的老事物進(jìn)行比較,如果發(fā)現(xiàn)它們之間有些屬性是相同的,那么可以(假定地)推斷出它們的另外一些屬性也是相同的。
基于解釋的學(xué)習(xí)。這是近年來興起的一種新的學(xué)習(xí)方法。它不是通過歸納或類比進(jìn)行學(xué)習(xí),而是通過運(yùn)用相關(guān)的領(lǐng)域知識(shí)及一個(gè)訓(xùn)練實(shí)例來對某一目標(biāo)概念進(jìn)行學(xué)習(xí),并最終生成這個(gè)目標(biāo)概念的一般描述,這個(gè)一般描述是一個(gè)可形式化表示的一般性知識(shí)。
增強(qiáng)式學(xué)習(xí)(ReinforcementLearning)是一種基于行為方法的半監(jiān)督學(xué)習(xí)。一般的學(xué)習(xí)方法分兩類,一類是上文提到的基于模型的,在這種方法,智能體需要環(huán)境確切的模型,具有較高的智能,但不適合于不確定的動(dòng)態(tài)環(huán)境;另一種是基于行為的方法,在這種方法中,不需要環(huán)境的確切模型,采用分層結(jié)構(gòu),高層行為可以調(diào)整和抑制低層的行為能力,但每層中都具有其自主的確定權(quán),如[3]中的Holonic智能*系統(tǒng)。增強(qiáng)式具有這些優(yōu)點(diǎn),故常用于機(jī)器人足球賽[4]、狩獵問題、甚至戰(zhàn)爭指揮中[5],但是這些都只是理論上的研究,因?yàn)闄C(jī)器人足球賽的本身目的也是為了測試人工智能的可用性,且更不可能去讓戰(zhàn)爭去由電腦而不是人去指揮了。
使用強(qiáng)化學(xué)習(xí)的Agent最早是出現(xiàn)與遺傳算法中,使用“Ethogenetics(行為遺傳)”的思想,突破了人們長期以來關(guān)于一個(gè)編碼串對應(yīng)于組合優(yōu)化問題所有策略變量的一個(gè)組合方式的傳統(tǒng)、靜態(tài)的認(rèn)識(shí),而將一個(gè)編碼串看成某個(gè)智能主體(Agent)主動(dòng)進(jìn)行的一系列決策行為的結(jié)果。
人工智能學(xué)習(xí)可能會(huì)向以下幾個(gè)方面發(fā)展:模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。目前,人工智能的推理功能已獲突破,學(xué)習(xí)及聯(lián)想功能正在研究之中,下一步就是模仿人類右腦的模糊處理功能和整個(gè)大腦的并行化處理功能。人工神經(jīng)網(wǎng)絡(luò)是未來人工智能應(yīng)用的新領(lǐng)域,未來智能計(jì)算機(jī)的構(gòu)成,可能就是作為主機(jī)的馮·諾依曼機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。研究表明:情感是智能的一部分,而不是與智能相分離的,因此人工智能領(lǐng)域的下一個(gè)突破可能在于賦予計(jì)算機(jī)情感能力。情感能力對于計(jì)算機(jī)與人的自然交往至關(guān)重要。
通過以上的學(xué)習(xí)方法就是為了得到知識(shí),通過一種方便的方法得到知識(shí)。前面已經(jīng)說過了,因?yàn)闄C(jī)器的思考方式和人類的思考方式大有不同之處,因此讓機(jī)器通過自己學(xué)習(xí)生成自己便于理解和使用的知識(shí),也不失為機(jī)器學(xué)習(xí)的目標(biāo)之一。
人工智能一直處于計(jì)算機(jī)技術(shù)的前沿,人工智能研究的理論和發(fā)現(xiàn)在很大程度上將決定計(jì)算機(jī)技術(shù)的發(fā)展方向。
由于計(jì)算機(jī)芯片的微型化已接近極限。人們越來越寄希望于全新的計(jì)算機(jī)技術(shù)能夠帶動(dòng)人工智能的發(fā)展。目前至少有三種技術(shù)有可能引發(fā)全新的革命,它們是光子計(jì)算機(jī)、量子計(jì)算機(jī)和生物計(jì)算機(jī)。
結(jié)束語
許多科學(xué)家斷言,機(jī)器的智慧會(huì)迅速超過阿爾伯特·愛因斯坦和斯蒂芬·霍金的智慧之和。著名物理學(xué)家斯蒂芬·霍金認(rèn)為,就像人類可以憑借其高超的搗弄數(shù)字的能力來設(shè)計(jì)計(jì)算機(jī)一樣,智能機(jī)器將創(chuàng)造出性能更好的計(jì)算機(jī)。最遲到本世紀(jì)中葉而且很可能還要快得多,計(jì)算機(jī)的智能也許就會(huì)超出人類的智能。
本文對學(xué)習(xí)中的一些方法進(jìn)行基本的敘述并闡述了其發(fā)展的趨勢,但是在一般的學(xué)習(xí)中,使用基于行為的方法仍舊是最受人關(guān)注的;文中介紹了幾種強(qiáng)化學(xué)習(xí)方法的變形,并對他們的運(yùn)用進(jìn)行了一定的敘述。在一定程度上,他們實(shí)現(xiàn)仿真的可行行。但是這些仿真大多都是驗(yàn)證性的,真正的人工智能在實(shí)際生產(chǎn)中的運(yùn)用仍舊是一個(gè)需要研究的課題。最后,我們來總結(jié)一下,人工智能學(xué)習(xí)的各個(gè)研究領(lǐng)域。參照人在各種活動(dòng)中的功能,我們可以得到人工智能的領(lǐng)域也不過就是代替人的活動(dòng)而已。哪個(gè)領(lǐng)域有人進(jìn)行的智力活動(dòng),哪個(gè)領(lǐng)域就是人工智能學(xué)習(xí)研究的領(lǐng)域。人工智能學(xué)習(xí)就是為了應(yīng)用機(jī)器的長處來幫助人類進(jìn)行智力活動(dòng)。人工智能學(xué)習(xí)研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。
但隨著技術(shù)及技術(shù)的發(fā)展,人工智能學(xué)習(xí)的方法還會(huì)有所變化也更加會(huì)引起我們的關(guān)注。
參考文獻(xiàn)
[1] 《人工智能簡史》孫興
清華大學(xué)出版社, 1990年
[2] 蔡自興徐光佑《人工智能及其應(yīng)用》清華大學(xué)出版社 2002年1月
[3] 陳萬求;黃一;;NBIC會(huì)聚技術(shù)的“后人類”議題[J];
湖南師范大學(xué)社會(huì)科學(xué)學(xué)報(bào);2013年04期
[4] 王東浩;;道德機(jī)器人:人類責(zé)任存在與缺失之間的矛盾[J];理論月刊;2013年11期
[5] 機(jī)器學(xué)習(xí)理論為什么實(shí)現(xiàn)不了強(qiáng)人工智能
[6] 王東浩;;人工智能體的道德確立與倫理困境[J];
華南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年01期
[7] 熊力;媒介道德激勵(lì)功能及其實(shí)踐研究[D];
湖南大學(xué);2013年
[8] 孫志楠;;人工智能在電氣自動(dòng)化控制中的應(yīng)用[J];現(xiàn)代商貿(mào)工業(yè);2013年07期
[9] 宋翠萍;;淺析智能化技術(shù)在電氣工程自動(dòng)化中的應(yīng)用[J];電源技術(shù)應(yīng)用;2013年06期
[10] 胡琴;;電氣自動(dòng)檢測技術(shù)的現(xiàn)狀與發(fā)展[J];硅谷;2013年11期
[11] 劉惠彥;;電氣自動(dòng)化工程控制系統(tǒng)的現(xiàn)狀及其發(fā)展趨勢[J];科技創(chuàng)新與應(yīng)用;2013年18期
[12] 朱金芳;;人工智能在電氣工程自動(dòng)化中的運(yùn)用[J];化學(xué)工程與裝備;2013年05期
[13] 潘偉航;;淺析電氣自動(dòng)化在日常生活中的作用和未來發(fā)展趨勢[J];科技創(chuàng)新與應(yīng)用;2013年12期
[14] 虞崢;;淺談人工智能技術(shù)在電氣自動(dòng)化中的運(yùn)用[J];電子*;2013年05期
[15] 趙綱;*;;有關(guān)電氣控制線路設(shè)計(jì)的研究[J];電子*;2013年02期
[16] 李俊平;人工智能技術(shù)的倫理問題及其對策研究[D];武漢理工大學(xué);2013年
[17] 趙艷軍;錳粉制備輸送控制系統(tǒng)設(shè)計(jì)與研究[D];
蘭州理工大學(xué);2012年