關于人工智能的畢業(yè)論文(2)
關于人工智能的畢業(yè)論文
關于人工智能的畢業(yè)論文篇二
機制主義方法與人工智能統(tǒng)一理論
摘 要：本文報導人工智能研究的一項重要進展：由于發(fā)現了人工智能研究的“機制主義”模擬方法和“知識的生態(tài)學結構”，使原來“鼎足三分”的三個主流學說(結構模擬、功能模擬和行為模擬學說)在“機制主義方法”的基礎上實現了和諧的統(tǒng)一，形成了統(tǒng)一理論。?
關鍵詞：結構模擬; 功能模擬; 機制主義方法;人工智能統(tǒng)一理論?
一、引言：人工智能成為信息科學技術的焦點??
信息是事物存在方式和運動狀態(tài)的表象;知識是由信息提煉出來的產物，是事物存在方式和運動規(guī)律的本質表征;智能是知識合目的演繹的結果，是運用知識來認識問題和解決問題的能力。信息科學技術的研究目標不僅是為了認識和利用信息本身，更重要的是為了“利用信息，提煉知識，生成智能，解決問題”。后者，就是“人工智能”的研究。?
人，是地球上所存在的最高級信息系統(tǒng)。人體信息系統(tǒng)的進化表現了一個重要的科學規(guī)律：在感覺器官、神經系統(tǒng)、古皮層舊皮層、行動器官成熟之后，新皮層就成為整體發(fā)展的焦點。信息技術的發(fā)展也遵循同樣的規(guī)律：在傳感(感覺器官功能的擴展)、通信(傳導神經系統(tǒng)功能的擴展)、計算(古皮層舊皮層功能的擴展)、控制(行動器官功能的擴展)充分發(fā)展起來之后，人工智能(新皮層功能的擴展)就成為信息技術整體發(fā)展的?焦點。?
進入21世紀，傳感、通信、計算、控制、以及基于通信和計算的互聯網都獲得了長足的發(fā)展，智能傳感、智能通信、智能計算、智能控制、智能信息處理、智能機器人、智能信息安全、智能游戲等等已經成為備受關注的方向;因而它們的共同基礎?人工智能本身的發(fā)展客觀上就成為了當代信息技術發(fā)展的焦點。
??二、人工智能研究現狀簡述??
迄今，人工智能的研究形成了三種主流學說。
?(一)1943年以來形成的模擬人腦結構的“結構模擬學說”[1][5]，它的典型代表是人工神經網絡(后來與模糊邏輯及進化計算相結合，稱為計算智能)，它的特點是：通過對“信息樣本的訓練”獲得經驗知識和策略，用以解決形象思維一類智能問題。
?(二)1956年以來興起的模擬人腦邏輯思維功能的“功能模擬學說”[6][10]，典型代表是符號邏輯系統(tǒng)(如專家系統(tǒng))，它的特點是：通過獲取領域相關的規(guī)范知識和運用邏輯演繹的方法獲得求解問題的策略，求解邏輯思維一類智能問題。
?(三)1990年前后發(fā)展起來的模擬智能系統(tǒng)行為的“行為模擬學說”[11]，它的典型代表是黑箱系統(tǒng)(如感知-動作系統(tǒng))。它的特點是：需要建立刺激與響應之間的關系(表現為常識知識)，于是只要識別了刺激的類型，與之相關的響應就可以自動產生。
?目前的人工智能的研究還存在許多問題。主要問題之一是，在“三種學說”各自取得進展的同時，卻很少互相溝通。不僅如此，互相之間還存有“孰優(yōu)孰劣”的爭論，有時爭論還非常尖銳和激烈[12]，表現出三者之間的不和諧，形成“鼎足三分”的格局。
?這種“鼎足三分互不溝通”的狀況，不能不使人們深思，并且逐漸醒悟：看來，現有人工智能的各種研究方法還沒有真正抓住智能問題的本質，致使“三分”狀態(tài)未能實現“歸壹”;為此，當務之急就是要加緊研究和發(fā)現更加深刻更加科學的研究方法。
??三、新進展之一：人工智能的第四方法——機制主義方法??
智能是一種復雜的研究對象。智能系統(tǒng)的結構、功能、行為雖然都是窺探其中奧秘的重要觀察窗口，卻不是最根本的入口。?
本文的研究發(fā)現：探索智能奧秘的最具本質意義的途徑，應當是探尋和闡明“智能生成的機制”，回答“智能是怎樣生成的”這樣根本的問題，特別要把注意力放在“智能生成的共性核心機制”的問題上。這就是人工智能研究的第四種方法的基本理念。?
按照這個新的理念，我們分析了典型的智能活動過程，考察了隱藏其中的普遍規(guī)律。?
典型的智能活動過程?
無論何種場合，典型的智能活動過程一般都應當包含以下6個基本步驟：?
(1) 給定問題P、目標G和環(huán)境E，稱為“任務給定”?
(2) 獲得關于問題、目標、環(huán)境的信息，稱為 “信息獲取”，符號表示為：I (P, G, E)?
(3) 把這些信息加工成為相應的知識，稱為 “知識提煉”，符號表示為：ζ= f (I)?
(4) 在目標的引導下把知識和信息演繹成為解決問題的策略，稱為 “策略生成”，?
符號表示為：ξ= g (K, I, D)?
(5) 把策略轉換為行為，求解問題，稱為 “策略執(zhí)行”，?
(6) 把求解的效果(誤差)作為新的信息反饋至(2)，通過(2)至(5)的步驟調整
和優(yōu)化策略，稱為“反饋優(yōu)化”;逐次逼近，直至滿意。?
智能活動過程的普遍規(guī)律?鐘義信:機制主義方法與人工智能統(tǒng)一理論考察上述典型的智能活動過程不難發(fā)現：通常，(1)是由人給定的，(2)至(6)則可以由機器執(zhí)行;而機器執(zhí)行的這些步驟之中，(2)至(4)信息獲取、知識提煉、策略生成 -- 是核心步驟?？紤]到“策略”是智能的集中體現，所以，策略生成也可以成為智能生成。于是，這些核心步驟也可以表示為：信息獲取、知識提煉、智能生成。而且，信息獲取、知識提煉、智能生成是逐層遞進的過程，由此可以得出結論：智能生成的共性核心機制是“信息-知識-智能轉換”。符號表示為：?
ξ= g (ζ, I, G) (1)?
其中， ζ= f (I (P, G, E)) (2)?
公式(2)表示的是由信息到知識的轉換;公式(1)表示的是在目標制導下由信息和知識到智能的轉換;兩者的綜合表示了“信息-知識-智能”的轉換。關于公式中的轉換g和f，原則上可以認為：f 是一類由大量信
息樣本提煉共性知識的“歸納算法”，而g則是在目標制導下由相關知識和信息演繹智能策略的“演繹算法”。因此，它們在原則上是可以操作和可以實現的。不過，關于g和f 還需要做出如下的說明：?
(a) 在規(guī)范的場合，轉換g和f可能由“數學”表達式來嚴格地表示并進行運算;?
(b) 在更多的場合，由于智能問題的復雜性，這些轉換不一定能夠用現有的數學表達
式來表示。這時，可能要借助“邏輯”來表達和推理。?
(c) 在許多更為復雜的情形，現有的邏輯學也無能為力。這時，可以用“算法程序”來表示和處理;?
(d) 在那些極為復雜的情形，甚至還要借助“人工”的方法來處置。?
本文確信，在各種“智能問題求解需求”強烈推動之下，各種新的“數學方法”、“邏輯方法”和“算法程序”必將陸續(xù)應運而生。正像經典微積分方法處理不了隨機現象的時候就誕生了概率論等統(tǒng)計數學方法、經典微積分和統(tǒng)計數學方法處理不了模糊現象的時候就催生了模糊數學方法一樣。?
于是，以公式(1)和(2)表示的“信息-知識-智能轉換”就是“智能生成的共性核心機制”。只要給定了具體的問題、環(huán)境約束和目標，原則上就可以通過(1)和(2)的轉換來獲取信息、提煉知識、生成智能(策略)，使問題得到滿意的解決。?
?四、新進展之二：知識的生態(tài)學結構??
如上所見，智能生成的共性核心機制涉及到信息、知識、智能三個層次的理論。在這三者之中，信息是現象，知識是本質，智能是能力。信息來自現實世界，能力作用于現實世界，知識則是信息與智能之間的橋梁與中介。因此，知識在“智能生成的共性核心機制”中扮演著極其重要的作用。?
本文研究發(fā)現：知識并非孤立靜止的對象，相反，它是一個不斷動態(tài)生長著的復雜運動過程：在先天知識的支持下，在各種信息的激勵下，不斷生長出“欠成熟”的經驗知識，其中一些經驗知識會成長為“成熟”的規(guī)范知識，并進一步成長為“過成熟”的常識知識;后者的一部分又可能沉淀成為下一代的先天知識。如此不斷生長，不斷進化，成為一個“有始無終”的開放的生態(tài)過程。這就是“知識的生態(tài)學”，它的結構也可以由圖1表示。
?如果把這個“知識生態(tài)學系統(tǒng)”看作是知識的“內部”生長過程的規(guī)律，稱為“知識的內生態(tài)系統(tǒng)”，那么，前面所討論的“信息-知識-智能轉換”則可以看作是知識的“外部”生長過程的規(guī)律，稱為“知識的外生態(tài)系統(tǒng)”。
??五、新進展之三：人工智能的統(tǒng)一理論??
表面看，這里所揭示的“知識內生態(tài)系統(tǒng)”并沒有什么新奇而不可理解或不可接受的概念。然而，正是這個“知識內生態(tài)系統(tǒng)”與“知識外生態(tài)系統(tǒng)(即智能生成的共性核心機制)”結合在一起，卻產生了一個非常有意義的重要結果，這就是：依所用知識類型的不同，機制主義方法有A、B、C型之分;而神經網絡(結構模擬)、專家系統(tǒng)(功能模擬)、感知-動作系統(tǒng)(行為模擬)分別是A、B、C型的機制主義方法特例，如表1所示。??
?表1說明：機制主義方法的實現是“信息-知識-智能轉換”;當其中的知識屬于經驗知識的時候，機制模擬可以退化為“結構模擬”;當其中的知識屬于規(guī)范知識的時候，機制模擬可以退化為“功能模擬”;當其中的知識屬于常識知識的時候，機制模擬可以退化為“行為模擬”。換言之，結構模擬、功能模擬、行為模擬都是機制模擬分別在經驗知識、規(guī)范知識、常識知識條件下的特例。而根據知識的內生態(tài)結構，經驗知識可以成長為規(guī)范知識并進而可能成長為常識知識，因此，結構模擬、功能模擬、行為模擬之間構成了一種各司其職、相互支持和相輔相成的生態(tài)關系，而不存在先前那種“孰優(yōu)孰劣”的矛盾。?
這樣，如果令 ?表示機制模擬方法，ζ和 ξ分別表示“信息-知識-智能轉換”的知識和智能策略，令 ?(S), ?(F) 和?(B) 分別表示結構模擬方法、功能模擬方法和行為模擬方法，令ζ(E), ζ(R) 和ζ(C) 分別表示經驗知識、規(guī)范知識和常識知識，ξ(E), ξ(R) 和ξ(C) 表示經驗性智能策略、規(guī)范性智能策略和常識性智能策略，那么，就分別有?
??? (S)，若 ζ= ζ(E); (3)?
和
??? (F)，若 ζ= ζ(R); (4)?
以及：
??? (B),若 ζ= ζ(C) (5)?
且有：
??? (S)? (F) ∪ (B) (6) ?
上述公式的含義和表1的含義完全等效，兩者都說明：人工智能的結構模擬方法、功能模擬方法和行為模擬方法在機制模擬方法的框架內實現了和諧的統(tǒng)一。
??六、結論??
本文注意到人工智能研究領域三大主流學說之間存在“互不認可”的矛盾，認識到其中的本質的問題是研究方法不完善;于是，通過自己的深入研究提出和建立了“機制主義方法”，進而又發(fā)現和總結了“知識內生態(tài)結構”與“知識外生態(tài)結構”。綜合以上提出的方法和兩項發(fā)現，建立了人工智能的統(tǒng)一理論，使整個人工智能的研究由原來“鼎足三分”的狀態(tài)轉變?yōu)?ldquo;三分歸壹”。這一研究成果，對于人工智能理論研究的進一步發(fā)展具有重要的意義。
參考文獻?
[1]W. C. McCulloch & W. Pitts. A Logic Calculus of the Ideas Immanent in Nervous Activity [J].Bulletin of Mathematical Biophysics, 1943(5): 115-133.?
[2]Rosenblatt, F.The Perceptrom: A Probabilistic Model for Information Storage and Organization in the Brain[J]. Psych. Rev.，1958(65):386-408.?
[3]Hopfield, J. J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities[J]. Proc. Natl. Acad. Sci., 1982(79):2554-2558.?
[4]Grossberg, S. Studies of Mind and Brain: Neural Principles of Learning Perception, Development, Cognition, and Motor Control [M]. Boston: REidel Press, 1982.?
[5]Rumelhart, D. E. Brain Style Computation: Leaning and Generalization[M]//S.F. Zornetzer. an Introduction to Neural and Electronic Networks. New York: Academic Press, 1995.?
[6]Newell, A. & Simon, H. A., GPS, A Program That Simulates Human Thought [M]// E.A. FEIgenboum & ,eds. Computers and Thought.New York:McGraw?Hill, 1963:279-293.?
[7]Feigenbaum, E. A., eds. Computers and thought [M]. New York:McGraw?Hill, 1963.?
[8]Simon, H. A. The Sciences of Artificial [M].Cambridge, MA: The MIT Press, 1969.?
[9]Newell, A. & H. A. Simon. Human Problem Solving [M].New Jersey: Prentice?Hall, 1972.?
[10]Minsky, M. L. The Society of Mind [M].New York:Simon and Schuster,1986.?
[11]Brooks, R. A. Intelligence without Representation [J].Artificial Intelligence, 1991(47): 139-159.?
[12]鐘義信，機器知行學原理?信息?知識?智能轉換理論 [M]，科學出版社，2007.
關于人工智能的畢業(yè)論文相關文章：