第6期 黄心汉：A3I:21世纪科技之光 .837. 模型被引入语音识别，贝叶斯网络成为不确定性推 专家系统等。 理的重要手段。20世纪80年代后期出现了数据挖 4)行为主义 掘技术。1991年，麻省理工学院著名机器人专家罗 布鲁克斯在1991年发表的《没有表示的智能》 德尼·布鲁克斯(R.A.Brooks)发表了《没有表示 和《没有推理的智能》是对传统人工智能的批评和 的智能》[1和《没有推理的智能》[6的新观点。1995 否定，开创了基于行为的人工智能研究新途径。行 年出现的智能体(Agent)[)和多智能体(Muli-a- 为主义认为智能来自于感知与行为和对外界环境的 g©nt)概念[8-)，迅速成为智能系统的构造，特别是分 适应，而不是传统的“深思熟虑”的表示和推理。研 布式智能系统构造的研究热点[01)。近年出现的 究领域包括智能机器人[]、机器昆虫等。 深度学习、大数据、云计算和互联网+，为智能控制 5)进化主义 的发展提供了新的途径。 其基本思想是模拟生物进化过程，借助遗传学 1.2人工智能的研究目标 和进化论，通过遗传和变异完成进化过程。进化主 1)长远目标 义与学习有类似之处，本质上都是试图不断提高智 揭示人类智能的机理，用人工智能技术构建智能 能系统解决问题的能力，但二者采用的手段存在很 机器来模拟和扩展人类智能，实现脑力劳动自动化。 大不同，学习是一种个体行为，而进化则是一种群体 2)近期目标 行为。 研究如何使机器更聪明，使它在某一方面和在 6)群体智能 一定程度上模拟人类智能，如智能机器人[)的环境 不同于进化主义通过遗传和变异实现一代一代 识别、自主决策和人机交互能力等：或者在实际应用 的进化，群体主义是通过个体之间的协同与合作来 中，为人类提供智能工具，帮助人们解决一些具体问 解决问题，表现出群体智能，而非个体智能。主要方 题，如智能制造、智能家居、智能楼宇、智能医疗、智 法包括由多智能体构建分布式智能系统，以粒子群 能手机、智能交通等。 算法(particle swarm optimization,PSO)[2o]和蚁群算 长远目标与近期目标没有明确界限，长远目标 法(ant algorithm,AA)[2为代表的群智能优化算法 为近期目标指明方向，近期目标为人工智能的应用 等。典型应用如机器人足球赛、机器人围捕及群体 提供理论和技术基础，随着人工智能研究的发展和 攻击与路径规划等。 进步，最终实现长远目标。 7)深度学习 1.3人工智能的实现途径 深度学习是机器学习的一个新的领域[2】，Hin 1)符号处理 ton等[2]在2006年提出深度学习概念，通过模仿人 其理论基础是纽维尔和西蒙提出的物理符号系 脑的机制和构建类似于人类大脑的神经网络来解释 统假说[1)，用符号来表示知识，并进行基于符号的 数据、图像、声音和文本。AlphGo构建了2个网络 推理，实现人工智能。应用领域包括问题求解、计算 来模仿人类的深度学习，一个是“策略网络”，用来 机博弈、自动定理证明和专家系统等。 决定下一步棋如何走：另一个是“价值网络”，用来 2)连接主义 分析胜负形势。2个网络同时运行，取得了很好的 以结构模拟为核心，主要实现方式是人工神经 效果。深度学习有两种方式，即监督学习与无监督 网络，由于人工神经网络是通过大量神经元相互连 学习，不同框架下建立的学习模型也不相同。如卷 接而形成6]，因此得名连接主义。目前主要的神经 积神经网络(convolutional neural networks,CNNs)是 网络结构模型有感知器、霍普菲尔德网络、自组织特 一种监督学习模型，而深度置信网(Deep Belief 征映射网络等。 Nets,DBNs)则是一种无监督学习模型。 3)学习 1.4人工智能的应用领域 学习是获取知识的途径，因此通过机器学习实 人工智能的应用领域非常广泛，目前涉及的领 现人工智能就是一种自然想法，赋予机器学习能力 域包括：认知科学、机器学习、自然语言理解、机器人 涉及人类智能本质的根本问题，对这一问题的解决 学、计算机博弈、自动定理证明、模式识别、计算机视 意味着真正的人工智能的到来-】，但这也是一个 觉、人工神经网络、专家系统、知识发现与数据挖掘、 非常困难的问题。涉及的研究领域包括：计算机视 自动程序设计、智能控制、智能决策支持系统、分布 觉、模式识别、知识发现与数据挖掘、人工神经网络、 式人工智能以及大数据、云计算和互联网+等。模型被引入语音识别，贝叶斯网络成为不确定性推 理的重要手段。 ２０ 世纪 ８０ 年代后期出现了数据挖 掘技术。 １９９１ 年，麻省理工学院著名机器人专家罗 德尼∙布鲁克斯（Ｒ． Ａ． Ｂｒｏｏｋｓ ）发表了《没有表示 的智能》 ［５］和《没有推理的智能》 ［６］的新观点。 １９９５ 年出现的智能体 （ Ａｇｅｎｔ） ［７］ 和多智能体 （ Ｍｕｌｔｉ⁃ａ⁃ ｇｅｎｔ）概念［８－９］ ，迅速成为智能系统的构造，特别是分 布式智能系统构造的研究热点［１０－１２］ 。 近年出现的 深度学习、大数据、云计算和互联网＋，为智能控制 的发展提供了新的途径。 １．２ 人工智能的研究目标 １）长远目标 揭示人类智能的机理，用人工智能技术构建智能 机器来模拟和扩展人类智能，实现脑力劳动自动化。 ２）近期目标 研究如何使机器更聪明，使它在某一方面和在 一定程度上模拟人类智能，如智能机器人［１３］ 的环境 识别、自主决策和人机交互能力等；或者在实际应用 中，为人类提供智能工具，帮助人们解决一些具体问 题，如智能制造、智能家居、智能楼宇、智能医疗、智 能手机、智能交通［１４］等。 长远目标与近期目标没有明确界限，长远目标 为近期目标指明方向，近期目标为人工智能的应用 提供理论和技术基础，随着人工智能研究的发展和 进步，最终实现长远目标。 １．３ 人工智能的实现途径 １）符号处理 其理论基础是纽维尔和西蒙提出的物理符号系 统假说［１５］ ，用符号来表示知识，并进行基于符号的 推理，实现人工智能。 应用领域包括问题求解、计算 机博弈、自动定理证明和专家系统等。 ２）连接主义 以结构模拟为核心，主要实现方式是人工神经 网络，由于人工神经网络是通过大量神经元相互连 接而形成［１６］ ，因此得名连接主义。 目前主要的神经 网络结构模型有感知器、霍普菲尔德网络、自组织特 征映射网络等。 ３）学习 学习是获取知识的途径，因此通过机器学习实 现人工智能就是一种自然想法，赋予机器学习能力 涉及人类智能本质的根本问题，对这一问题的解决 意味着真正的人工智能的到来［１７－１８］ ，但这也是一个 非常困难的问题。 涉及的研究领域包括：计算机视 觉、模式识别、知识发现与数据挖掘、人工神经网络、 专家系统等。 ４）行为主义 布鲁克斯在 １９９１ 年发表的《没有表示的智能》 和《没有推理的智能》是对传统人工智能的批评和 否定，开创了基于行为的人工智能研究新途径。 行 为主义认为智能来自于感知与行为和对外界环境的 适应，而不是传统的“深思熟虑”的表示和推理。 研 究领域包括智能机器人［１９］ 、机器昆虫等。 ５）进化主义 其基本思想是模拟生物进化过程，借助遗传学 和进化论，通过遗传和变异完成进化过程。 进化主 义与学习有类似之处，本质上都是试图不断提高智 能系统解决问题的能力，但二者采用的手段存在很 大不同，学习是一种个体行为，而进化则是一种群体 行为。 ６）群体智能 不同于进化主义通过遗传和变异实现一代一代 的进化，群体主义是通过个体之间的协同与合作来 解决问题，表现出群体智能，而非个体智能。 主要方 法包括由多智能体构建分布式智能系统，以粒子群 算法（ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ） ［２０］ 和蚁群算 法（ａｎｔ ａｌｇｏｒｉｔｈｍ，ＡＡ） ［２１］ 为代表的群智能优化算法 等。 典型应用如机器人足球赛、机器人围捕及群体 攻击与路径规划等。 ７）深度学习 深度学习是机器学习的一个新的领域［２２］ ，Ｈｉｎ⁃ ｔｏｎ 等［２３］在 ２００６ 年提出深度学习概念，通过模仿人 脑的机制和构建类似于人类大脑的神经网络来解释 数据、图像、声音和文本。 ＡｌｐｈＧｏ 构建了 ２ 个网络 来模仿人类的深度学习，一个是“策略网络”，用来 决定下一步棋如何走；另一个是“价值网络”，用来 分析胜负形势。 ２ 个网络同时运行，取得了很好的 效果。 深度学习有两种方式，即监督学习与无监督 学习，不同框架下建立的学习模型也不相同。 如卷 积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ，ＣＮＮｓ）是 一种监督学习模型， 而深度置信网 （ Ｄｅｅｐ Ｂｅｌｉｅｆ Ｎｅｔｓ，ＤＢＮｓ）则是一种无监督学习模型。 １．４ 人工智能的应用领域 人工智能的应用领域非常广泛，目前涉及的领 域包括：认知科学、机器学习、自然语言理解、机器人 学、计算机博弈、自动定理证明、模式识别、计算机视 觉、人工神经网络、专家系统、知识发现与数据挖掘、 自动程序设计、智能控制、智能决策支持系统、分布 式人工智能以及大数据、云计算和互联网＋等。 第 ６ 期 黄心汉： Ａ３Ｉ：２１ 世纪科技之光 ·８３７·