關(guān)于人工智能的文獻
關(guān)于人工智能的文獻
人工智能的歷史并不久遠，關(guān)于人工智能的文獻有哪些呢?。下面是學習啦小編為你整理的關(guān)于人工智能的文獻，供大家閱覽!
人工智能的形成及其發(fā)展現(xiàn)狀分析
摘要：人工智能的歷史并不久遠，故將從人工智能的出現(xiàn)、形成、發(fā)展現(xiàn)狀及前景幾個方面對其進行分析，總結(jié)其發(fā)展過程中所出現(xiàn)的問題，以及發(fā)展現(xiàn)狀中的不足之處，分析其今后的發(fā)展方向。
關(guān)鍵詞：人工智能，發(fā)展過程，現(xiàn)狀分析，前景。
一. 引言
人工智能最早是在1936年被英國的科學家圖靈提出，并不為多數(shù)人所認知。當時，他編寫了一個下象棋的程序，這就是最早期的人工智能的應用。也有著名的“圖靈測試”，這也是最初判斷是否是人工智能的方案,因此，圖靈被尊稱為“人工智能之父”。人工智能從產(chǎn)生到發(fā)展經(jīng)歷了一個起伏跌宕的過程，直到目前為止，人工智能的應用技術(shù)也不是很成熟，而且存在相當?shù)娜毕?。通過搜集的資料，將詳細的介紹人工智能這個領域的具體情況，剖析其面臨的挑戰(zhàn)和未來的前景。
二. 人工智能的發(fā)展歷程
1. 1956年前的孕育期
(1) 從公元前偉大的哲學家亞里斯多德(Aristotle)到16世紀英國哲學家培根(F. Bacon)，他們提出的形式邏輯的三段論、歸納法以及“知識就是力量”的警句，都對人類思維過程的研究產(chǎn)生了重要影響。
(2)17世紀德國數(shù)學家萊布尼茲(G..Leibniz)提出了萬能符號和推理計算思想，為數(shù)理邏輯的產(chǎn)生和發(fā)展奠定了基礎，播下了現(xiàn)代機器思維設計思想的種子。而19世紀的英國邏輯學家布爾(G. Boole)創(chuàng)立的布爾代數(shù)，實現(xiàn)了用符號語言描述人類思維活動的基本推理法則。
(3) 20世紀30年代迅速發(fā)展的數(shù)學邏輯和關(guān)于計算的新思想，使人們在計算機出現(xiàn)之前，就建立了計算與智能關(guān)系的概念。被譽為人工智能之父的英國天才的數(shù)學家圖靈(A. Tur-ing)在1936年提出了一種理想計算機的數(shù)學模型，即圖靈機之后,1946年就由美國數(shù)學家莫克利(J. Mauchly)和?？绿?J. Echert)研制出了世界上第一臺數(shù)字計算機，它為人工智能的研究奠定了不可缺少的物質(zhì)基礎。1950年圖靈又發(fā)表了“計算機與智能”的論文，提出了著名的“圖靈測試”，形象地指出什么是人工智能以及機器具有智能的標準，對人工智能的發(fā)展產(chǎn)生了極其深遠的影響。
(4) 1934年美國神經(jīng)生理學家麥克洛奇(W. McCulloch) 和匹茲(W. Pitts )建立了第一個神經(jīng)網(wǎng)絡模型，為以后的人工神經(jīng)網(wǎng)絡研究奠定了基礎。
2. 1956年至1969年的誕生發(fā)育期
(1)1956年夏季，麻省理工學院(MIT)的麥卡錫(J.McCarthy)、明斯基(M. Minshy)、塞爾夫里奇(O. Selfridge)與索羅門夫(R. Solomonff)、 IBM的洛
切斯特(N. Lochester)、莫爾(T. More)與塞繆爾(A. Samuel)、貝爾實驗室的香農(nóng)(C. Shannon)、卡內(nèi)基一梅隆大學(CMU)的紐厄爾(A. Newell)與西蒙(H. Simon)等10人在美國的達特茅斯大學(Dartmouth)舉辦了一個長達兩個月的關(guān)于機器智能的研討會，會上統(tǒng)一使用了人工智能(Artificial Intelligence)這一術(shù)語，用它來代表有關(guān)機器智能這一研究方向，這標志了人工智能學科的正式誕生。
(2)1956年至1969年間，塞繆爾研制了能自學習的跳棋程序.1959年它擊敗了塞繆爾本人，1969年又擊敗了一個州的冠軍
(3) 1956年至1965年間，紐厄爾和西蒙研制的“邏輯理論家”的程序，證明了“數(shù)學原理”中的38個定理;
1958年美籍華人數(shù)理學家王浩在計算機上僅用5分鐘就證明了“數(shù)學原理”中的有關(guān)命題演算的全部220條定理;
1960年紐厄爾和西蒙在心理學實驗的基礎上研制成了一種不依賴具體領域的通用問題求解程序GPS(General Problem Solver)，可以求解11種不同類型的問題;
1965年魯濱遜(J.Robinson )提出了消解原理，為定理的機器證明做出了突破性的貢獻。
(4) 1956年至 1968年間，斯坦福大學的費根鮑姆(G . Feigenbaum )教授首先開展了專家系統(tǒng)的研究，他們研究成功的DENDRAL專家系統(tǒng)能根據(jù)質(zhì)譜儀的實驗，通過分析推理決定化合物的分子結(jié)構(gòu)，其能力相當于化學專家的水平。
(5)1969年國際人工智能聯(lián)合會議(international Conferences On Artificial Intelligence)成立，它標志著人工智能這門新興學科得到了世界范圍的公認。
3. 1970年以后的起伏發(fā)展期
20世紀70年代，人工智能進人發(fā)展期，許多國家都相繼開展了這門新興學科的研究工作。60年代一連串的勝利，使人工智能的學者們興高采烈，也使公眾對人工智能提出了更高的期望，但是事情發(fā)展遠非如此。塞繆爾的下棋程序當了州級冠軍之后，與世界冠軍對弈時就從沒有贏過。最有希望出實質(zhì)性成果的自然語言翻譯也問題不斷，人們原以為只要用一部雙向字典和一些語法知識就可能解決自然語言的互譯問題，結(jié)果發(fā)現(xiàn)機器翻譯鬧出了不少笑話。
以至于有人挖苦說，美國花了2000萬美元為機器翻譯建立了一塊墓碑。被公認為有“重大突破”的消解法，也因其局限性不能適應現(xiàn)實世界諸多問題，在神經(jīng)網(wǎng)絡、機器學習研究方面也遇到了種種困難。輿論的譴責，經(jīng)費的缺乏，使人工智能研究一時陷入了困境。
三. 人工智能的現(xiàn)狀分析及發(fā)展前景
(一)現(xiàn)狀分析
人工智能的理論現(xiàn)狀為分而治之(主要有三個方面，即結(jié)構(gòu)主義，功能主義，行為主義)。人們的對事物本質(zhì)認識論存在差異性，從事物的不同方面模擬智能系統(tǒng)，使得人工智能從其產(chǎn)生，到現(xiàn)在，不論是對其認知，或是研究，都存在一種“盲人摸象”的錯誤認識。結(jié)構(gòu)、功能、行為是智能系統(tǒng)的基本屬性，最能揭示系統(tǒng)本質(zhì)的應當是“工作機制”，亦可稱之為機制主義。所謂的機制主義即是在給定的問題-環(huán)境-工具的前提下，提取相關(guān)信息，并在此基礎上將信息轉(zhuǎn)換為知識。主要有三個階段：首先是從本體論信息到認識論信息(信息的獲取)，然后是從認識論信息到知識，而最后一階段是智能策略。其結(jié)構(gòu)流程圖
如下：
這個圖簡明的說明了“機制主義”的具體構(gòu)成，以及所包含的內(nèi)容。 然而，盡管如此，人工智能在現(xiàn)階段任然有很大的局限性，這主要表現(xiàn)在五個大的方面：
1.認識論的局限性。人們對于思維的過程的認識是比較片面的，覺得思維過程可以通過物理符號的運算模擬出來，而一些形象思維或者抽象思維的程式是無法被簡單物化的。
2.智能化方法與途徑方面的局限性。從機械角度出發(fā)，主要分為結(jié)構(gòu)派和功能派。結(jié)構(gòu)派從研究人的大腦神經(jīng)結(jié)構(gòu)出發(fā)，企圖模擬人的神經(jīng)網(wǎng)絡，殊不知人的神經(jīng)元數(shù)量眾多，這也使得結(jié)構(gòu)派的智能化道路顯得任重道遠;功能派從研究思維的活動和智能行為的心理學特性出發(fā)，但是根本思維還是符號主義，理論模型仍是圖靈機模型。
3.數(shù)學基礎的局限性。人工智能最基本的還是計算問題，這就涉及到近代數(shù)學的現(xiàn)狀。近代數(shù)學具有封閉性，線性，結(jié)構(gòu)不變性，收斂性以及精確性，而人工智能所要求的卻恰好相反，它所需要的是進行非結(jié)構(gòu)化的、非線性、模糊發(fā)散的計算，以滿足智能化的需求。
4.計算機模型的局限性。主要表現(xiàn)在四個方面：
1)問題表示的方法的局限性。
2)需要對問題本身抽象出一個數(shù)學意義上的精確地解析式。
3)需要針對問題設計算法。
4)求解的結(jié)果的唯一性。
5)圖靈計算機模型下的問題一般都是可遞歸的問題。
6)很多時候，要實現(xiàn)真正的人工智能，我們要求的是滿意解而非是精確解，而這時以圖靈模型為原型的計算機模型所做不到的。
5.形式演繹理論方面的局限性
6.實現(xiàn)技術(shù)方面的局限性。知識表示、推理、環(huán)境與工具等都存在較大的局限性，限制其發(fā)展。
畢竟人腦和機器是有很大的區(qū)別的，人腦勝于計算機的地方, 就是具有邏輯思維、概念的抽象、辯證思維和形象思維, 能從知識中抽取出性質(zhì)不同、更高層次的核心知識, 能從多方面地把握信息, 因此在解決問題時, 大大減少了對每一種可能組合的解決問題方案的探索, 甚至在很多情況下, 根本無須探索各種可能的組合, 就直接想出辦法, 找到答案。這樣, 就避免了組合爆炸。計算機雖能進行調(diào)整, 進行有限的自組織, 但由于不具備形象思維和邏輯思維,僅能放
大人的悟性活動中的演繹方法, 不可能真正具有智能。由此, 決定了計算機不能進行學習、思維、創(chuàng)造。在計算機領域, 機器人仍然是機器, 并不具有生命, 但是克隆技術(shù)、轉(zhuǎn)基因技術(shù)等的巨大突破卻可能使人們設計創(chuàng)造出具有生命、甚至具有智能的東西。
(二)發(fā)展前景
對于已解決或者即將解決的智能問題，通過對計算機的功能程序和它們之間的關(guān)系的深入研究中，或許我們可以找到一條發(fā)展人工智能的新途徑。使用計算機解題，都必須通過匯編語言編寫一些程序，將要求解的問題和算法轉(zhuǎn)換成機器語言，即“0”、“1”代二進制機器指令，方可進行。因此用通用的指令集，即代表了計算機解決問題的能力。因此或許可以從功能方面去研究一些具有基本功能，但是又無法由其他指令編程實現(xiàn)的基本指令并通過對他們的指令集進行分析，以研究人工智能。
四. 結(jié)束語
人工智能誕生的時間并太久，技術(shù)也顯得不很成熟，某種意義上講，總是面臨著相當多的局限。既然，馮諾.依曼是現(xiàn)在計算機的原型，其機器指令也是限制人工智能化的一大障礙，或許，可從改善機器語言的的本身出發(fā)，找到新的突破口，將人工智能成熟化。
猜你喜歡：
2.人工智能科技論文