蔡自興：人工智能研究的若干進展
(2011-08-08 11:55:25)1．引言
人類在進入新世紀時對未來充滿新的更大的希望。科技進步必將爲各國的可持續發展提供根本保障，科技新成果必將在更大的廣度和深度上造福於人類。人工智能學科及其“智能製品”的重要作用已爲人們普遍共識。最近，中國教育部決定在中學開設《人工智能》新課程就是一個新的例證。
40多年來，人工智能獲得很大發展，它引起衆多學科和不同專業背景學者們的日益重視，成爲一門廣泛的交叉和前沿科學。國際上人工智能研究作爲一門前沿和交叉學科，伴隨着世界社會進步和科技發展的步伐，與時俱進，在過去十多年中已取得長足進展。在國內，人工智能已得到迅速傳播與發展，並促進其它學科的發展。吳文俊院士的定理證明的幾何方法就是一個例證和代表性成果。
近十年來，現代計算機的發展已能夠存儲極其大量的信息，進行快速信息處理，軟件功能和硬件實現均取得長足進步，使人工智能獲得進一步的應用。儘管目前人工智能在發展過程中面臨不少爭論、困難和挑戰，然而這些爭論是十分有益的，這些困難終會被解決，這些挑戰始終與機遇並存，並將推動人工智能的繼續發展。可以預言：人工智能的研究成果將能夠創造出更多更高級的智能“製品”，並使之在越來越多的領域超越人類智能；人工智能將爲發展國民經濟和改善人類生活做出更大貢獻。
2．歷史回顧
時代思潮直接幫助科學家去研究某些現象。對於人工智能的發展來說，20世紀30年代和40年代的智能界，發現了兩件最重要的事：數理邏輯（它從19世紀末起就獲得迅速發展）和關於計算的新思想。弗雷治（Frege）、懷特赫德（Whitehead）、羅素（Russell）和塔斯基（Tarski）以及另外一些人的研究表明，推理的某些方面可以用比較簡單的結構加以形式化。1913年，年僅19歲的維納（Wiener）在他的論文中把數理關係理論簡化爲類理論，爲發展數理邏輯做出貢獻，並向機器邏輯邁進一步，與後來圖靈（Turing）提出的邏輯機不謀而合。數理邏輯仍然是人工智能研究的一個活躍領域，其部分原因是由於一些邏輯-演繹系統已經在計算機上實現過。不過，即使在計算機出現之前，邏輯推理的數學公式就爲人們建立了計算與智能關係的概念。
丘奇（Church）、圖靈和其它一些人關於計算本質的思想，提供了形式推理概念與即將發明的計算機之間的聯繫。在這方面的重要工作是關於計算和符號處理的理論概念。圖靈不僅創造了一個簡單的通用的非數字計算模型，而且直接證明了計算機可能以某種被理解爲智能的方法工作。道格拉斯·霍夫施塔特（Douglas Hofstadter）在1979年寫的《永恆的金帶》（An Eternal Golden Braid）一書對這些邏輯和計算的思想以及它們與人工智能的關係給予了透徹而又引人入勝的解釋。
到了20世紀50年代，人工智能已躁動於人類科技社會的母胎，即將分娩。1956年夏季，年輕的美國學者麥卡錫（McCarthy）、明斯基（Minsky）、朗徹斯特（Lochester）和香儂（Shannon）共同發起，邀請莫爾（More）、塞繆爾（Samuel）、紐厄爾（Newell）和西蒙（Simon）等參加在美國的達特茅斯（Dartmouth）大學舉辦了一次長達2個月的研討會，認真熱烈地討論用機器模擬人類智能的問題。會上，首次使用了人工智能這一術語。這是人類歷史上第一次人工智能研討會，標誌着人工智能學科的誕生，具有十分重要的歷史意義。這些從事數學、心理學、信息論、計算機和神經學研究的年輕學者，後來絕大多數都成爲著名的人工智能專家，40多年來爲人工智能的發展做出重要貢獻。
值得一提的是控制論思想對人工智能早期研究的影響。正如艾倫·紐厄爾（Allen Newell）和赫伯特·西蒙（Herbert Simon）1972年在他們的優秀著作《人類問題求解》（Human Problem Solving）的“歷史補篇”中指出的那樣，20世紀中葉人工智能的奠基者們在人工智能研究中出現了幾股強有力的思潮。維納、麥克洛克（McCulloch）和其它一些人提出的控制論和自組織系統的概念集中地討論了“局部簡單”系統的宏觀特性。尤其重要的是，1948年維納發表的控制論（或動物與機器中的控制與通訊）論文，不但開創了近代控制論，而且爲人工智能的控制論學派（即行爲主義學派）樹立了新的里程碑。控制論影響了許多領域，因爲控制論的概念跨接了許多領域，把神經系統的工作原理與信息理論、控制理論、邏輯以及計算聯繫起來。控制論的這些思想是時代思潮的一部分，而且在許多情況下影響了許多早期和近期人工智能工作者，成爲他們的指導思想。
最終把這些不同思想連接起來的是由巴貝奇（Babbage）、圖靈、馮·諾依曼（Von Neumman）和其它一些人所研製的計算機本身。在機器的應用成爲可行之後不久，人們就開始試圖編寫程序以解決智力測驗難題、下棋以及把文本從一種語言翻譯成另一種語言。這是第一批人工智能程序。對於計算機來說，促使人工智能發展的是什麼?出現在早期設計中的許多與人工智能有關的計算概念，包括存儲器和處理器的概念、系統和控制的概念，以及語言的程序級別的概念。不過，引起新學科出現的新機器的唯一特徵是這些機器的複雜性，它促進了對描述複雜過程方法的新的更直接的研究（採用複雜的數據結構和具有數以百計的不同步驟的過程來描述這些方法）。
30多年來，人工智能的應用研究取得明顯進展。首先，專家系統顯示出強大的生命力。費根鮑姆（Feigenbaum）所領導的研究小組於1968年研究成功第一個專家系統DENDRAL，用於質譜儀分析有機化合物的分子結構。1972年～1976年，他們又開發成功MYCIN醫療專家系統，用於抗生素藥物治療。此後，許多著名的專家系統被相繼開發，爲工礦數據分析處理、醫療診斷、計算機設計、符號運算和定理證明等提供強有力的工具。1977年，費根鮑姆進一步提出了知識工程的概念。整個80年代，專家系統和知識工程在全世界得到迅速發展。在開發專家系統過程中，許多研究者獲得共識，即人工智能系統是一個知識處理系統，而知識表示、知識利用和知識獲取則成爲人工智能系統的三個基本問題。
近十多年來，機器學習、計算智能、人工神經網絡等和行爲主義的研究深入開展，形成高潮。同時，不同人工智能學派間的爭論也非常熱烈。這些都推動人工智能研究的進一步發展。
我國的人工智能研究起步較晚。納入國家計劃的“智能模擬”研究始於1978年；1984年召開了智能計算機及其系統的全國學術討論會；1986年起把智能計算機系統、智能機器人和智能信息處理（含模式識別）等重大項目列入國家高技術研究計劃；1993年起，又把智能控制和智能自動化等項目列入國家科技攀登計劃。進入21世紀後，已有更多的人工智能與智能系統研究獲得各種基金計劃支持。1981年起，相繼成立了中國人工智能學會（CAAI）等學術團體。1989年首次召開的中國人工智能聯合會議（CJCAI）至今已召開7次。已有10來部國內編著的具有知識產權的人工智能專著和教材公開出版。中國的科技工作者，已在人工智能領域取得許多具有國際領先水平的創造性成果。其中，尤以吳文俊院士關於幾何定理證明的“吳氏方法”最爲突出，已在國際上產生重大影響，並與袁隆平院士的“雜交水稻”一起榮獲2001年國家科學技術最高獎勵。現在，我國已有數以萬計的科技人員和大學師生從事不同層次的人工智能研究與學習。人工智能研究已在我國深入開展，它必將爲促進其它學科的發展和我國的現代化建設做出新的重大貢獻。
3．認知觀和對認知本質的研究
3.1 人工智能的各種認知觀
目前人工智能的主要學派有下列3家：
（1）符號主義
符號主義（Symbolicism），又稱爲邏輯主義（Logicism）、心理學派（Psychlogism）或計算機學派（Computerism），其原理主要爲物理符號系統（即符號操作系統）假設和有限合理性原理。符號主義認爲人工智能源於數理邏輯。計算機出現後，在計算機上實現了邏輯演繹系統。其有代表性的成果爲啓發式程序LT邏輯理論家，證明了38條數學定理，表明了可以應用計算機研究人的思維過程，模擬人類智能活動。正是這些符號主義者，早在1956年首先採用“人工智能”這個術語。後來又發展了啓發式算法→專家系統→知識工程理論與技術，並在20世紀80年代取得很大發展。符號主義曾長期一枝獨秀，爲人工智能的發展做出重要貢獻，尤其是專家系統的成功開發與應用，爲人工智能走向工程應用和實現理論聯繫實際具有特別重要意義。
（2）連接主義
連接主義（Connectionism），又稱爲仿生學派（Bionicsism）或生理學派（Physiologism），其原理主要爲神經網絡及神經網絡間的連接機制與學習算法。連接主義認爲人工智能源於仿生學，特別是人腦模型的研究。它的代表性成果是1943年由生理學家麥卡洛克（McCulloch）和數理邏輯學家皮茨（Pitts）創立的腦模型，即MP模型，開創了用電子裝置模仿人腦結構和功能的新途徑。它從神經元開始進而研究神經網絡模型和腦模型，開闢了人工智能的又一發展道路。20世紀60－70年代，連接主義，尤其是對以感知機（perceptron）爲代表的腦模型的研究曾出現過熱潮，直到Hopfield教授在1982年和1984年提出用硬件模擬神經網絡時，連接主義又重新擡頭。1986年魯梅爾哈特（Rumelhart）等人提出多層網絡中的反向傳播（BP）算法。此後，連結主義勢頭大振，從模型到算法，從理論分析到工程實現，爲神經網絡計算機走向市場打下基礎。
（3）行爲主義
行爲主義（Actionism），又稱進化主義（Evolutionism）或控制論學派（Cyberneticsism），其原理爲控制論及感知—動作型控制系統。行爲主義認爲人工智能源於控制論。控制論思想早在20世紀40-50年代就成爲時代思潮的重要部分，影響了早期的人工智能工作者。維納和麥克洛等人提出的控制論和自組織系統影響了許多領域。控制論的早期研究工作重點是模擬人在控制過程中的智能行爲和作用，如對自尋優、自適應、自校正、自鎮定、自組織和自學習等控制論系統的研究，並進行“控制論動物”的研製。到60－70年代，上述這些控制論系統的研究取得一定進展，播下智能控制和智能機器人的種子，並在80年代誕生了智能控制和智能機器人系統。
以上三個人工智能學派將長期共存與合作，取長補短，並走向融合和集成，爲人工智能的發展作出貢獻。
3.2 解開認知本質之謎
人的認知活動具有不同的層次，對認知行爲的研究也應具有不同的層次，以便不同學科之間分工協作，聯合攻關，早日解開人類認知本質之謎。應從下列4個層次開展對認知本質的研究。
（1）認知生理學
研究認知行爲的生理過程，主要研究人的神經系統（神經元、中樞神經系統和大腦）的活動，是認知科學研究的底層。它與心理學、神經學、腦科學有密切關係，且與基因學、遺傳學等有交叉聯繫。
（2）認知心理學
研究認知行爲的心理活動，主要研究人的思維策略，是認知科學研究的頂層。它與心理學有密切關係，且與人類學、語言學交叉。
（3）認知信息學
研究人的認知行爲在人體內的初級信息處理，主要研究人的認知行爲如何通過初級自然信息處理，由生理活動變爲心理活動及其逆過程，即由心理活動變爲生理行爲。這是認知活動的中間層，承上啓下。它與神經學、信息學、計算機科學有密切關係，並與心理學、生理學有交叉關係。
（4）認知工程學
研究認知行爲的信息加工處理，主要研究如何通過以計算機爲中心的人工信息處理系統，對人的各種認知行爲（如知覺、思維、記憶、語言、學習、理解、推理、識別等）進行信息處理。這是研究認知科學和認知行爲的工具，應成爲現代認知心理學和現代認知生理學的重要研究手段。它與人工智能、信息學、計算機科學有密切關係，並與控制論、系統學等交叉。
只有開展大跨度的多層次、多學科交叉研究，應用現代智能信息處理的最新手段，認知科學纔可能較快地取得突破性成果。
４．若干新研究領域
近年來，人工智能的研究和應用出現了許多新的領域，它們是傳統人工智能的延伸和擴展。在新世紀開始的時候，這些新研究已引起人們的更密切關注。這些新領域有分佈式人工智能與艾真體（agent）、計算智能與進化計算、數據挖掘與知識發現，以及人工生命等。下面逐一加以概略介紹。
4.1 分佈式人工智能與艾真體
分佈式人工智能（Distributed AI，DAI）是分佈式計算與人工智能結合的結果。DAI系統以魯棒性作爲控制系統質量的標準，並具有互操作性，即不同的異構系統在快速變化的環境中具有交換信息和協同工作的能力。
分佈式人工智能的研究目標是要創建一種能夠描述自然系統和社會系統的精確概念模型。DAI中的智能並非獨立存在的概念，只能在團體協作中實現，因而其主要研究問題是各艾真體間的合作與對話，包括分佈式問題求解和多艾真體系統（Multiagent System，MAS）兩領域。其中，分佈式問題求解把一個具體的求解問題劃分爲多個相互合作和知識共享的模塊或結點。多艾真體系統則研究各艾真體間智能行爲的協調，包括規劃、知識、技術和動作的協調。這兩個研究領域都要研究知識、資源和控制的劃分問題，但分佈式問題求解往往含有一個全局的概念模型、問題和成功標準，而MAS則含有多個局部的概念模型、問題和成功標準。
MAS更能體現人類的社會智能，具有更大的靈活性和適應性，更適合開放和動態的世界環境，因而倍受重視，已成爲人工智能以至計算機科學和控制科學與工程的研究熱點。當前，艾真體和MAS的研究包括理論、體系結構、語言、合作與協調、通訊和交互技術、MAS學習和應用等。MAS已在自動駕駛、機器人導航、機場管理、電力管理和信息檢索等方面獲得應用。
4.2 計算智能與進化計算
計算智能（Computing Intelligence）涉及神經計算、模糊計算、進化計算等研究領域。其中，神經計算和模糊計算已有較長的研究歷史，而進化計算則是較新的研究領域。在此僅對進化計算加以說明。
進化計算（Evolutionary Computation）是指一類以達爾文進化論爲依據來設計、控制和優化人工系統的技術和方法的總稱，它包括遺傳算法（Genetic Algorithms）、進化策略（Evolutionary Strategies）和進化規劃（Evolutionary Programming）。它們遵循相同的指導思想，但彼此存在一定差別。同時，進化計算的研究關注學科的交叉和廣泛的應用背景，因而引入了許多新的方法和特徵，彼此間難於分類，這些都統稱爲進化計算方法。目前，進化計算被廣泛運用於許多複雜系統的自適應控制和複雜優化問題等研究領域，如並行計算、機器學習、電路設計、神經網絡、基於艾真體的仿真、元胞自動機等。
達爾文進化論是一種魯棒的搜索和優化機制，對計算機科學，特別是對人工智能的發展產生了很大的影響。大多數生物體通過自然選擇和有性生殖進行進化。自然選擇決定了羣體中哪些個體能夠生存和繁殖，有性生殖保證了後代基因中的混合和重組。自然選擇的原則是適者生存，即物競天擇，優勝劣汰。
直到幾年前，遺傳算法、進化規劃、進化策略三個領域的研究纔開始交流，並發現它們的共同理論基礎是生物進化論。因此，把這三種方法統稱爲進化計算，而把相應的算法稱爲進化算法。
4.3 數據挖掘與知識發現
知識獲取是知識信息處理的關鍵問題之一。20世紀80年代人們在知識發現方面取得了一定的進展。利用樣本，通過歸納學習，或者與神經計算結合起來進行知識獲取已有一些試驗系統。數據挖掘和知識發現是90年代初期新崛起的一個活躍的研究領域。在數據庫基礎上實現的知識發現系統，通過綜合運用統計學、粗糙集、模糊數學、機器學習和專家系統等多種學習手段和方法，從大量的數據中提煉出抽象的知識，從而揭示出蘊涵在這些數據背後的客觀世界的內在聯繫和本質規律，實現知識的自動獲取。這是一個富有挑戰性、並具有廣闊應用前景的研究課題。
從數據庫獲取知識，即從數據中挖掘並發現知識，首先要解決被發現知識的表達問題。最好的表達方式是自然語言，因爲它是人類的思維和交流語言。知識表示的最根本問題就是如何形成用自然語言表達的概念。
機器知識發現始於1974年，並在此後十年中獲得一些進展。這些進展往往與專家系統的知識獲取研究有關。到20世紀80年代末，數據挖掘取得突破。越來越多的研究者加入到知識發現和數據挖掘的研究行列。現在，知識發現和數據挖掘已成爲人工智能研究的又一熱點。
比較成功的知識發現系統有用於超級市場商品數據分析、解釋和報告的CoverStory系統，用於概念性數據分析和查尋感興趣關係的集成化系統EXPLORA，交互式大型數據庫分析工具KDW，用於自動分析大規模天空觀測數據的SKICAT系統，以及通用的數據庫知識發現系統KDD等。
4.4 人工生命
人工生命（Artificial Life，ALife）的概念是由美國聖菲研究所非線性研究組的蘭頓（Langton）於1987年提出的，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爲特徵的仿真系統或模型系統。自然生命系統行爲具有自組織、自複製、自修復等特徵以及形成這些特徵的混沌動力學、進化和環境適應。
人工生命所研究的人造系統能夠演示具有自然生命系統特徵的行爲，在“生命之所能”（life as it could be）的廣闊範圍內深入研究“生命之所知”（life as we know it）的實質。只有從“生命之所能”的廣泛內容來考察生命，才能真正理解生物的本質。人工生命與生命的形式化基礎有關。生物學從問題的頂層開始，把器官、組織、細胞、細胞膜，直到分子，以探索生命的奧祕和機理。人工生命則從問題的底層開始，把器官作爲簡單機構的宏觀羣體來考察，自底向上進行綜合，把簡單的由規則支配的對象構成更大的集合，並在交互作用中研究非線性系統的類似生命的全局動力學特性。
人工生命的理論和方法有別於傳統人工智能和神經網絡的理論和方法。人工生命把生命現象所體現的自適應機理通過計算機進行仿真，對相關非線性對象進行更真實的動態描述和動態特徵研究。
人工生命學科的研究內容包括生命現象的仿生系統、人工建模與仿真、進化動力學、人工生命的計算理論、進化與學習綜合系統以及人工生命的應用等。比較典型的人工生命研究有計算機病毒、計算機進程、進化機器人、自催化網絡、細胞自動機、人工核苷酸和人工腦等。
5．結 語
人工智能走過並非平坦的道路，在求真務實中不斷髮展，現已進入它的青年時代。人工智能的研究已獲得豐碩成果，並對其它學科的發展產生重大影響。回顧人工智能的發展歷程，有助於對人工智能的更深刻理解。
不同科學或學科背景的學者對人工智能有不同的理解，提出不同的觀點，進行討論和爭論。這些爭論是十分有益的。一枝獨秀不是春，百花爭豔春滿園。符號（邏輯）主義、連接主義和行爲主義已開始攜手合作，走向集成，共同攀登人工智能的新高峯。
爲了解開人類認知之謎，進一步發展人工智能，有必要從認知生理學、認知心理學、認知信息學和認知工程學四個層次開展對認知本質的多層次、多學科交叉研究，爭取獲得突破性成果。
人工智能學科具有強大的生命力，不斷有新的研究和應用領域出現。近年來，艾真體、計算智能、人工生命和知識發現研究所取得的重要進展，就是很有說服力的證據。
人工智能任重道遠，它的明天更加美好。
參考文獻
[1] 蔡自興, 徐光祐. 人工智能及其應用，第三版，本科生用書. 北京：清華大學出版社，2003
[2] 何華燦主編. CAAI-7全國人工智能會議論文集. 中國人工智能學會，1992年4月，西安
[3] 朱淼良, 潘雲鶴主編. 中國人工智能學會第八屆年會暨第八屆全國人工智能學術討論會論文集. 杭州：浙江大學出版社, 1994
[4] 中國人工智能學會編. 中國人工智能進展. 北京郵電大學出版社，2001
[5] 鄭守淇, 錢德沛, 曾明主編. `98人工智能進展——第五屆中國人工智能聯合學術會議論文集. 西安交通大學出版社，1998
[6] 何新貴主編. 人工智能新進展——第三屆中國人工智能聯合學術會議論文集. 北京：清華大學出版社，1994
[7] M. Mohammadian （Editor）. Advances in Intelligent Systems：Theory and Applications. IOS Press，2000
[8] J. S. Albus and A. M. Meystel. Intelligent Systems：Architecture，Design，Control. Wiley-Interscience，2001