人工智能概述 - 好文

人工智能（Artificial
Intelligence），英文缩写为A.I.。是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新的技术科学。

很多人都认为人工智能只一个很新的概念，但是人工智能早在上世纪中叶就已经诞生。而且与其他的所有高新科技一样，其探索的过程都经历了反复的挫折与挣扎，繁荣与低谷。直到2016年谷歌的AlphaGo战胜世界围棋冠军李世石的事件发生，人工智能才像刚刚浮出水面一样，引起了全球人类对于人工智能的兴趣。一时间，仿佛人们茶余饭后的谈资都围绕人工智能这一领域展开，可以说人工智能迎来了历史上最大的一次繁荣期。而接下来的文章，不是讨论人工智能当今的繁荣与发展，而是讨论关于人工智能的历史。

起源

神经网络是人工智能的底层模型，现在人工智能的成就离不开神经网络的完善与发展。但是神经网络并不是一个新的概念，关于神经网络，可以追溯的到1943年提出的数学理论。

1943年，神经学家Warren McCulloch和数学家Walter
Pitts合著了《神经活动中固有的思维逻辑运算》，书中提出将数学和算法结合，建立了神经网络和数学模型，模仿人类的思维活动。人工神经网络的大门由此开启。

人工智能的概念诞生于上世纪中叶。1950年，一位名叫马文·明斯基（后被人称为“人工智能之父”）的大四学生和他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机，这被看做是人工智能的一个起点，巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出来一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能，而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。

“人工智能”这个名词正式出现，最早是在1955年8月31日由美国计算机科学家John McCarthy和他的同事Marvin
Minsky、Nathaniel Rochester和Claude
Shannon提出的，那是确立了人工智能这一研究领域的Dartmouth学院暑期人工智能研讨项目经典提议的一部分，这个提议名为《2个月，10个人的人工智能研究》。

而1956年Dartmouth会议被后世广泛承认为人工智能诞生的标志。会议上提出的断言之一是“学习或者智能的任何其他特性的每一个反面都应能被精确地加以描述，使得机器可以对其进行模拟。”这次会议上人工智能的名称和任务得以确定，同时出现了最初的成就和最早的一批研究者。

自此开始，人工智能领域正式诞生，人工智能也开始了其曲折的探索与发展历程。

发展

人工智能在发展过程中产生了很多的流派，符号主义、连接主义和行为主义。这些流派的相辅相成推进了人工智能的发展。

(1)符号主义，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。

(2)连接主义，又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。

(3)行为主义，又称为进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。

他们对人工智能发展历史具有不同的看法。

符号主义

符号主义又称逻辑主义、心理学派或计算机学派。符号主义认为，人工智能源于数学逻辑，人的认知基源是符号，认知过程即符号操作过程，通过分析人类认知系统所具备的功能和机能，然后通过计算机来模拟这些功能，从而实现人工智能。符号主义的发展大概经历了几个阶段：推理期（20世纪50年代–20世纪70年代），知识期（20世纪70年代—）。“推理期”人们基于符号知识表示、通过演绎推理技术取得了很大的成就；“知识期”人们基于符号表示、通过获取和利用领域知识来建立专家系统取得了大量的成果。

连接主义

连接主义又称仿生学派或生理学派。连接主义认为，人工智能源于仿生学，特别是对人脑模型的研究，人的思维基元是神经元，而不是符号处理过程。20世纪60~70年代，连接主义，尤其是对以感知机为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特等人提出多层网络中的反向传播算法(BP)算法。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。进入21世纪后，连接主义卷土重来，提出了“深度学习”的概念。

行为主义

行为主义认为人工智能源于控制论。控制论思想早在20世纪40~50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳和麦克洛克等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪60~70年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作者首推布鲁克斯的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。

方向

随着人工智能的不断发展，产生了很多的分支领域，其中主要是符号智能、计算智能、机器学习的机器感知。

符号智能

符号智能就是以符号知识为基础，通过符号推理进行问题求解而实现的智能。这也就是所说的传统人工智能或景点人工智能。符号智能研究的主要内容包括知识工程和符号处理技术。知识工程包括知识获取、知识表示、知识管理、知识运用以及知识库系统等一系列知识处理技术。符号处理技术指基于符号的推理和学习技术，它主要研究经典逻辑和非经典逻辑理论以及相关的程序设计技术。简而言之，符号智能就是基于人脑的心理模型，运用传统的程序设计方法实现的人工智能。

计算智能

计算智能是以数据为基础，通过数值计算进行问题求解而实现的智能。计算智能研究的只主要内容包括人工智能神经网络、进化计算（包括遗传算法、遗传程序设计、进化规划、进化策略等）、模糊算法等。计算智能主要模拟自然智能系统，研究其数学模型和相关算法，并实现人工智能。计算智能是当前人工智能学科中一个十分活跃的分支领域。

机器学习

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心部分，主要内容包括回归、聚类、分类、神经网络等。

机器感知

机器感知研究如何用机器或计算机模拟、延伸和扩展人的感知或认知能力，包括机器视觉、机器听觉、机器触觉等。计算机视觉、模式（文字、图像、声音等）识别、自然语言理解等。都是人工智能领域的重要研究内容，也是在机器感知方面高智能水平的计算机应用。

现在

现在，深度神经网络的产生和发展造就了人工智能的新一轮大潮。随着互联网，物联网，传感器的高速发展，使得目前可用的数据的规模空前提高；摩尔定律，云计算和GPU的繁荣也使得计算机的计算能力得到了空前提高；同时，深度神经网络和机器学习也产生了很多优秀的算法空前提高了算法的智慧。

简而言之，大数据使人工智能有的算，强计算使人工智能算得出，好算法使人工智能算的好。现在正是人工智能发展的金秋，经历了70年的研究和发展，人工智能并不是一蹴而就的，而是厚积薄发的。我们有理由相信，人工智能，必将使我们迎来新一轮的科技革命，而全人类，也即将迎来一个新的智慧时代！

热门工具换一换