人工智能發展簡史

人工智能主要學派

功能主義(符號主義)
又稱為邏輯主義、心理學派或計算機學派。其原理為：物理符號系統(即符號操作系統)假設和有限合理性原理。起源于數理邏輯/邏輯推理。學派代表如紐厄爾、西蒙和尼爾遜等。

結構主義（連接主義）
又稱為仿生學派或生理學派。其原理為：神經網絡及神經網絡間的連接機制與學習算法。
起源于仿生學，特別是人腦模型的研究。學派代表如麥克洛奇、皮茨、 霍普菲爾德、魯梅爾哈特等。

行為主義
又稱為進化主義或控制論學派。其原理為：控制論及感知-動作型控制系統。
起源于控制論，學派代表如布魯克斯等

人工智能研究的主要方法

? 功能模擬法—功能主義(符號主義) 計算機技術
? 結構模擬法—結構主義（連接主義） 人工神經網絡技術
? 行為模擬法—行為主義 感知動作系統技術
? 集成模擬法

主流方法

符號主義人工智能（Symbolic AI）為核心的邏輯推理
以推理為核心，根據已有的知識和推理機，推出新的知識、新的概念和新的屬性。

1997年IBM“深藍”和2011年“沃森”是以推理為核心的人工智能的代表

數據驅動（data-driven）為核心的機器學習

探索與利用（exploration and exploitation）為核心的強化學習

三種主流方法的區別：

從數據到知識與能力，能力增強是最終目標。三種學習方法的綜合利用值得關注！

以人機博弈AlphaGo為例，說明三種方法：

人工智能：大學課程助教

人工智能：以機器為載體實現的人類智能或生物智能
從模擬人類智能的角度而言，人工智能應具備：
····· 視覺感知和語言交流能力
····· 推理與問題求解能力
····· 協同控制能力
····· 遵守倫理道德能力
····· 從數據中進行歸納總結的能力

人工智能研究與應用領域

基本研究內容

1.知識表示
對知識表示的研究，離不開對知識的研究與認識。
知識表示的方法可分為：
（1）符號表示法 各種包括具體含義的符號，以各種不同的方式和順序組合起來表示知識的一類方法。主要用來表示邏輯性知識。
（2） 連接機制表示方法 是用神經網絡表示知識的一種方法。它把各種物理對象以不同的形式及順序連接起來，并在期間互聯傳遞及加工各種包含具體意義的信息，以此表示相關的概念和知識。特別適合表示各種形象性的知識。

2.機器感知
使機器(計算機)具有類似于人的感知能力，以機器視覺和機器聽覺為主。機器視覺是讓機器能夠識別并理解文字、圖像、物景等；機器聽覺是讓機器能識別并理解語言、聲音等。
機器感知是機器獲取外部信息的基本途徑，是使機器具有智能不可缺少的組成部分。

3.機器思維
通過感知得來的外部信息及機器內部的各種工作信息進行有目的的處理。
正如人的智能是來自大腦的思維活動，機器智能也主要是通過機器思維實現的。

4.機器學習
學習是人類智能的主要標志和獲得知識的基本手段。機器學習是指計算機具有智能的根本途徑。
學習是一個有特定目的的知識獲取過程，其內部表現為新知識結構的不斷建立和修改 ，而外部表現為性能的改善 。
學習過程本質上是學習系統把導師提供的信息轉換成能被系統理解并應用的形式的過程。
監督學習
無監督學習
強化學習

5.機器行為
與人的行為能力相對應。機器行為主要是指計算機的表達能力，即“說”、“寫”、“畫”等能力。
對于智能機器人，還應具有人的四肢功能，即能走路、能取物、能操作等。

基本應用領域

? 機器定理證明（邏輯和推理），仿解題者
? 機器翻譯（自然語言理解），仿譯者
? 專家系統（問題求解和知識表達），仿專家如醫生
? 博弈（樹搜索），仿弈者
? 模式識別（多媒體認知），仿認知者
? 學習（神經網絡），仿初學者
? 機器人和智能控制（感知和控制），仿生物者

1.自動定理證明
?通過對事實數據庫的操作來證明定理
······ 除數學定理證明，醫療診斷、信息檢索、問題求解等都可轉化為定理證明問題。
······ 幾何定理證明的“吳氏方法”
? 1976年7月，美國的阿佩爾(K.Appel)等人合作解決了長達124年的難題—四色定理。 他們用三臺大型計算機，花去1200小時CPU時間，并對中間結果進行人為反復修改500多處

2.博弈
下棋、打牌、戰爭等一類競爭性地智能活動稱為博弈。不僅要求參賽者具有超凡的記憶能力、豐富的下棋經驗，而且要求有很強的思維能力，能對瞬息萬變的隨機情況迅速地作出反應，及時采取有效的措施。
AI的目的是通過對博弈的研究來檢驗人工智能技術是否能實現對人類智慧的模擬，促進人工智能技術深入一步的研究。

3.模式識別
人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬，研究的是計算機模式識別系統，也就是使一個計算機系統具有模擬人類通過感官接受外界信息、識別和理解周圍環境的感知能力。
模式識別的理論基礎和研究范圍也在不斷發展。隨著生物醫學對人類大腦的初步認識，模擬人腦構造的計算機實驗即人工神經網絡方法早在50年代末、60年代初就已經開始。至今，在模式識別領域，神經網絡方法已經成功地用于手寫字符的識別、汽車牌照的識別、指紋識別、語音識別等方面。

4.機器視覺
人類80％以上的外部信息來自視覺
低層視覺與高層視覺
機器視覺的前沿研究領域包括實時并行處理、主動式定性視覺、動態和時變視覺、三維景物的建模與識別、實時圖象壓縮傳輸和復原、多光譜和彩色圖象的處理與解釋等。機器視覺已在機器人裝配、衛星圖象處理、工業過程監控、飛行器跟蹤和制導以及電視實況轉播等領域獲得極為廣泛的應用。

5.自然語言理解
已經編寫出能夠從內部數據庫回答問題的程序，這些程序通過閱讀文本材料和建立內部數據庫，能夠把句子從一種語言翻譯成另一種語言，執行給出的指令和獲取知識等。
有些程序在一定程度上翻譯從話筒輸入的口頭指令。
要建立一個能夠生成和“理解”哪怕是片斷自然語言的計算機系統是異常困難的。
“理解” 需要上下文知識和根據這些上下文知識和信息用信息發生器進行推理的過程。
example：



6.智能信息檢索
智能信息檢索系統應具有如下的功能：
（1）能理解自然語言，允許用自然語言提出各種詢問；
（2）具有推理能力，能根據存儲的事實，演繹出所需的答案；
（3）系統擁有一定常識性知識，以補充學科范圍的專業知識。系統根據這些常識，將能演繹出更一般詢問的一些答案來。

7.數據挖掘和知識發現
數據挖掘與知識發現是20世紀90年代初期新崛起的一個活躍的研究領域。信息技術的發展，面臨新的挑戰—信息爆炸。使數據真正成為公司的資源，為決策服務，數據挖掘應運而生。
數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，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的過程。數據倉庫是將異源數據資源集成起來，以滿足決策支持的需求。

8.專家系統
專家系統是一個具有大量專門知識與經驗等程序系統，它應用人工智能技術，根據某個領域中一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。
代表性的是用戶與專家系統進行“咨詢對話”。
發展專家系統的關鍵是表達和運用專家知識。
專家系統與傳統的計算機程序的本質不同是要解決的問題一般沒有算法，經常要在不完全、不精確或不確定的信息的基礎上做出結論。
德國博世（BOSCH）公司生產的KTS650汽車故障診斷儀就是此類產品的典型代表。這套軟件包含了一個幾乎囊括世界上所有車型的資料庫和一個故障診斷專家系統，像很多專家系統一樣，它能把許多看似復雜的問題化解成為若干個是否判斷，使用者只須按照提示進行操作就可以逐步地發現并排除故障。

9.自動程序設計
已經研制出能夠以各種不同的目的描述來編寫計算機程序。但僅局限少數幾個完全現成的例子。
在某種意義上，編譯程序已經在干“自動程序設計”的工作。指能夠對程序需要實現什么目標進行非常高級描述的程序，并能夠由這個程序產生出所需要的新程序。
“自動程序設計”是自動編制一份程序來獲得某種指定結果的任務；而“程序驗證”是證明一份給定程序將獲得某種指定結果的任務。

10.機器人
機器人和機器人學的研究促進了許多人工智能思想的發展。它所導致的一些技術可用來模擬世界的狀態，用來描述從一種世界狀態轉變為另一種世界狀態的過程。它對于怎樣產生動作序列的規劃以及怎樣監督這些規劃的執行有了一種較好的理解。復雜的機器人控制問題迫使我們發展一些方法，先在抽象和忽略細節的高層進行規劃，然后再逐步在細節越來越重要的低層進行規劃。

11.組合優化問題
旅行商問題、生產計劃與調度、通信路由調度等都屬于組合優化問題。組合優化問題一般是NP完全問題。
隨著求解問題規模的增大，問題求解程序的復雜性可隨問題規模按線性關系、多項式關系或指數關系增長，面臨組合爆炸

12.人工神經網絡
人工神經網絡采用物理可實現的系統來模仿人腦神經細胞的結構和功能的系統
對神經網絡的研究是于20世紀40年代初期， 20世紀80年代再掀高潮，Hopfield提出用硬件實現神經網絡，Rumelhart等人提出多層網絡中的反向傳播算法(BP)
現在，神經網絡已在模式識別、圖像處理、組合優化、自動控制、信息處理、機器人學和人工智能的其他領域獲得日益廣泛的應用。

13.分布式人工智能和多智能體
是傳統人工智能的延伸和擴展
研究目標是創建一種能描述自然系統和社會系統的精確概念模型

14.智能控制
驅動智能機器自主地實現其目標的過程
是一個定性和定量的混合控制過程
智能控制的核心在高層控制，即組織級控制。其任務在于對實際環境或過程進行組織，即決策和規劃，以實現廣義問題求解。已經提出的用以構造智能控制系統的理論和技術有分級遞階控制理論、分級控制器設計的熵方法、智能逐級增高而精度逐級降低原理、專家控制系統、學習控制系統和基于NN的控制系統等。智能控制有很多研究領域，它們的研究課題既具有獨立性，又相互關聯。目前研究得較多的是以下6個方面：智能機器人規劃與控制、智能過程規劃、智能過程控制、專家控制系統、語音控制以及智能儀器。

15.智能仿真
將AI技術引入仿真領域，建立智能仿真系統。利用AI技術能對整個仿真過程進行指導，能改善仿真模型的描述能力，在仿真模型中引入知識表示將為研究面向目標的建模語言打下基礎，提高仿真工具面向用戶、面向問題的能力。

16.智能CAD
將AI技術引入計算機輔助設計領域，建立智能CAD系統。

17.智能CAI
將AI技術引入計算機輔助教學領域，建立智能CAI系統

18.智能管理和智能決策
智能管理是人工智能與管理科學、系統工程、計算機技術及通信技術等多學科、多技術互相結合、互相滲透而產生的一門新技術、新學科。
智能決策把人工智能技術引入決策過程，建立智能決策支持系統。

19.智能多媒體
能綜合處理文字、圖形、圖像和聲音等多媒體信息的計算機系統。

20.智能操作系統
將AI技術引入計算機的操作系統，從質上提高操作系統的性能和效率。
智能操作系統的基本模型將以智能機為基礎，并能支撐外層的AI應用程序，實現多用戶的知識處理和并行推理。
智能操作系統主要有三大特點：并行性、分布性和智能型。

21.智能計算機系統
新一代計算機系統。從基本元件到體系結構，從處理對象到編程語言，從使用方法到應用范圍，同當前的諾依曼型計算機相比，都有質的飛越和提高，它將全面支持智能應用開發，且自身就具有智能。

22.智能通信
將AI技術引入通信領域、建立智能通信系統。智能通信就是在通信系統的各個層次和環節上實現智能化
例如，在通信網的構建、網管與網控、轉接、信息傳輸與轉換等環節，都可實現智能化。

23.智能網絡系統
將人工智能技術引入計算機網絡系統。如在網絡構建、網絡管理與控制、信息檢索與轉換、人機接口等環節，運用AI的技術和成果。
AI的專家系統、模糊技術和神經網絡技術可用于網絡的連接接納控制、業務量管制、業務量預測、資源動態分配、業務流量控制、動態路由選擇、動態緩沖資源度等。

24.人工生命
1987年美國圣菲研究所非線性研究組的計算機科學家克里斯·蘭頓提出的。旨在用計算機和精密機械等人工媒介生成或構造出能夠表現自然生命系統行為特征的仿真系統或模型系統。
人工生命的理論和方法不同于傳統人工智能和神經網絡的理論和方法。它通過計算機仿真生命現象所體現的自適應機理，對相關非線性對象進行更真實的動態描述和動態特征研究。

*聲明：以上內容來源于老師上課講述和PPT內容

總結

以上是生活随笔為你收集整理的【人工智能】发展简史 | 复习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。