1.3 人工智能的研究

繁重的科學(xué)和工程計算本來是要人腦來承擔(dān)的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此，人們已不再把這種計算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”。可見，復(fù)雜工作的定義是隨著時代的發(fā)展和技術(shù)的進步而變化的，人工智能的具體目標也隨著時代的變化而發(fā)展。它一方面不斷獲得新進展，另一方面又轉(zhuǎn)向更有意義、更加困難的新目標。

1.3.1 人工智能的研究領(lǐng)域

用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺的機器就是計算機，人工智能的發(fā)展是和計算機科學(xué)技術(shù)以及其他很多科學(xué)的發(fā)展聯(lián)系在一起的（見圖1-11）。人工智能學(xué)科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機器學(xué)習(xí)（深度學(xué)習(xí)）和知識獲取、知識處理系統(tǒng)、自然語言處理、計算機視覺、智能機器人、自動程序設(shè)計、數(shù)據(jù)挖掘等方面。

（1）深度學(xué)習(xí)。這是無監(jiān)督學(xué)習(xí)的一種，是基于現(xiàn)有的數(shù)據(jù)進行學(xué)習(xí)操作，是機器學(xué)習(xí)研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像、聲音和文本（見圖1-12）。

現(xiàn)實生活中常常會有這樣的問題：缺乏足夠的先驗知識，因此難以人工標注類別或進行人工類別標注的成本太高。很自然地，我們希望計算機能替代我們完成這些工作，或至少提供一些幫助。根據(jù)類別未知（沒有被標記）的訓(xùn)練樣本解決模式識別中的各種問題，稱之為無監(jiān)督學(xué)習(xí)。

（2）自然語言處理。這是用自然語言同計算機進行通信的一種技術(shù)。作為人工智能的分支學(xué)科，研究用電子計算機模擬人的語言交際過程，使計算機能理解和運用人類社會的自然語言如漢語、英語等，實現(xiàn)人機之間的自然語言通信，以代替人的部分腦力勞動，包括查詢資料、解答問題、摘錄文獻、匯編資料以及一切有關(guān)自然語言信息的加工處理。

（3）計算機視覺。是指用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使計算機處理成為更適合人眼觀察或傳送給儀器檢測的圖像（見圖1-13）。

計算機視覺就是用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能像人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。計算機視覺的應(yīng)用包括控制過程、導(dǎo)航、自動檢測等方面。

（4）智能機器人。如今我們的身邊逐漸出現(xiàn)很多智能機器人（見圖1-14），他們具備形形色色的內(nèi)、外部信息傳感器，如視覺、聽覺、觸覺、嗅覺。除具有感受器外，它還有效應(yīng)器，作為作用于周圍環(huán)境的手段。這些機器人都離不開人工智能的技術(shù)支持。

科學(xué)家們認為，智能機器人的研發(fā)方向是，給機器人裝上“大腦芯片”，從而使其智能性更強，在認知學(xué)習(xí)、自動組織、對模糊信息的綜合處理等方面前進一大步。

（5）自動程序設(shè)計。是指根據(jù)給定問題的原始描述，自動生成滿足要求的程序。它是軟件工程和人工智能相結(jié)合的研究課題。自動程序設(shè)計主要包含程序綜合和程序驗證兩方面內(nèi)容。前者實現(xiàn)自動編程，即用戶只需告知機器“做什么”，無需告訴它“怎么做”，這后一步的工作由機器自動完成；后者是程序的自動驗證，自動完成正確性的檢查。其目的是提高軟件生產(chǎn)率和軟件產(chǎn)品質(zhì)量。

自動程序設(shè)計的任務(wù)是設(shè)計一個程序系統(tǒng)，接受關(guān)于所設(shè)計的程序要求實現(xiàn)某個目標高級描述作為其輸入，然后自動生成一個能完成這個目標的具體程序。該研究的重大貢獻之一是把程序調(diào)試的概念作為問題求解的策略來使用。

（6）數(shù)據(jù)挖掘。一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。它通常與計算機科學(xué)有關(guān)，并通過統(tǒng)計、在線分析處理、情報檢索、機器學(xué)習(xí)、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。它的分析方法包括：分類、估計、預(yù)測、相關(guān)性分組或關(guān)聯(lián)規(guī)則、聚類和復(fù)雜數(shù)據(jù)類型挖掘。

人工智能技術(shù)的三大結(jié)合領(lǐng)域分別是大數(shù)據(jù)、物聯(lián)網(wǎng)和邊緣計算（云計算）。經(jīng)過多年的發(fā)展，大數(shù)據(jù)目前在技術(shù)體系上已經(jīng)趨于成熟，而且機器學(xué)習(xí)也是大數(shù)據(jù)分析比較常見的方式。物聯(lián)網(wǎng)是人工智能的基礎(chǔ)，也是未來智能體重要的落地應(yīng)用場景，所以學(xué)習(xí)人工智能技術(shù)也離不開物聯(lián)網(wǎng)知識。人工智能領(lǐng)域的研發(fā)對于數(shù)學(xué)基礎(chǔ)的要求比較高，具有扎實的數(shù)學(xué)基礎(chǔ)對于掌握人工智能技術(shù)很有幫助。

1.3.2 在計算機上的實現(xiàn)方法

人工智能在計算機上實現(xiàn)時有兩種不同的方式，為了得到相同智能效果，兩種方式通常都可使用。

一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學(xué)方法，它已在一些領(lǐng)域內(nèi)做出了成果，如文字識別、計算機人機對弈等。

采用傳統(tǒng)的編程技術(shù)，需要人工詳細規(guī)定程序邏輯，如果游戲簡單還是容易實現(xiàn)的；如果游戲復(fù)雜，角色數(shù)量和活動空間增加，相應(yīng)的邏輯就會很復(fù)雜（按指數(shù)式增長），人工編程就非常煩瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個新的版本或提供一個新補丁，非常麻煩。

另一種是模擬法，它不僅要看效果，還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類似。遺傳算法和人工神經(jīng)網(wǎng)絡(luò)均屬這個類型。遺傳算法模擬人類或生物的遺傳-進化機制，人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動物大腦中神經(jīng)細胞的活動方式。

采用模擬法時，編程者要為每一角色設(shè)計一個智能系統(tǒng)（一個模塊）來進行控制，這個智能系統(tǒng)（模塊）開始什么也不懂，但它能夠?qū)W習(xí)，漸漸適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯誤，但它能吸取教訓(xùn)，下一次運行時就可能改正，用不到發(fā)布新版本或打補丁。利用這種方法來實現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時無需對角色的活動規(guī)律做詳細規(guī)定，應(yīng)用于復(fù)雜問題，通常會比前一種方法更省力。

1.3.3 人工智能發(fā)展的啟示

總體上看，人工智能當(dāng)前的發(fā)展具有“四新”特征（見圖1-15）。

● 以深度學(xué)習(xí)為代表的人工智能核心技術(shù)取得新突破。

● “智能+”模式的普適應(yīng)用為經(jīng)濟社會發(fā)展注入新動能。

● 人工智能成為世界各國競相戰(zhàn)略布局的新高地。

● 人工智能的廣泛應(yīng)用給人類社會帶來法律法規(guī)、道德倫理、社會治理等一系列的新挑戰(zhàn)。

因此，人工智能這個機遇與挑戰(zhàn)并存的新課題引起了全球范圍內(nèi)的廣泛關(guān)注和高度重視。雖然人工智能未來的創(chuàng)新發(fā)展還存在不確定性，但是大家普遍認可人工智能的蓬勃興起將帶來新的社會文明，推動產(chǎn)業(yè)變革，深刻改變?nèi)藗兊纳a(chǎn)生活方式，是一場影響深遠的科技革命。

人工智能的發(fā)展充滿未知且曲折起伏的探索，通過總結(jié)其發(fā)展歷程中的經(jīng)驗和教訓(xùn)，可以得到以下啟示。

（1）尊重發(fā)展規(guī)律是推動學(xué)科健康發(fā)展的前提。科學(xué)技術(shù)的發(fā)展有其自身的規(guī)律，人工智能學(xué)科發(fā)展需要基礎(chǔ)理論、數(shù)據(jù)資源、計算平臺、應(yīng)用場景的協(xié)同驅(qū)動，當(dāng)條件不具備時很難實現(xiàn)重大突破。

（2）基礎(chǔ)研究是學(xué)科可持續(xù)發(fā)展的基石。加拿大多倫多大學(xué)杰弗里·辛頓教授堅持研究深度神經(jīng)網(wǎng)絡(luò)30年，奠定了人工智能蓬勃發(fā)展的重要理論基礎(chǔ)。谷歌DeepMind團隊長期深入研究神經(jīng)科學(xué)啟發(fā)的人工智能等基礎(chǔ)問題（見圖1-16），取得了阿爾法狗等一系列重大成果。

（3）應(yīng)用需求是科技創(chuàng)新的不竭之源。引領(lǐng)學(xué)科發(fā)展的動力主要來自于科學(xué)和需求的雙輪驅(qū)動。人工智能發(fā)展的驅(qū)動力除了知識與技術(shù)體系內(nèi)在矛盾外，貼近應(yīng)用、解決用戶需求是創(chuàng)新的最大源泉與動力。比如人工智能專家系統(tǒng)實現(xiàn)了從理論研究走向?qū)嶋H應(yīng)用的突破，近年來安防監(jiān)控、身份識別、無人駕駛、因特網(wǎng)和物聯(lián)網(wǎng)、大數(shù)據(jù)分析等實際應(yīng)用需求帶動了人工智能的技術(shù)突破。

（4）學(xué)科交叉是創(chuàng)新突破的“捷徑”。人工智能研究涉及信息科學(xué)、腦科學(xué)、心理科學(xué)等，人工智能的出現(xiàn)本身就是學(xué)科交叉的結(jié)果。特別是腦認知科學(xué)與人工智能的成功結(jié)合，帶來了人工智能神經(jīng)網(wǎng)絡(luò)幾十年的持久發(fā)展。智能本源、意識本質(zhì)等一些基本科學(xué)問題正在孕育重大突破，對人工智能學(xué)科發(fā)展具有重要促進作用。

（5）寬容失敗是支持創(chuàng)新的題中應(yīng)有之義。任何學(xué)科的發(fā)展都不可能一帆風(fēng)順，任何創(chuàng)新目標的實現(xiàn)都不會一蹴而就。人工智能60余載的發(fā)展生動地詮釋了一門學(xué)科創(chuàng)新發(fā)展起伏曲折的歷程（見圖1-17）。可以說沒有過去發(fā)展歷程中的“寒冬”，就沒有今天人工智能發(fā)展新的春天。

（6）實事求是設(shè)定發(fā)展目標是制定學(xué)科發(fā)展規(guī)劃的基本原則。達到全方位類人水平的機器智能是人工智能學(xué)科宏偉的終極目標，但是需要根據(jù)科技和經(jīng)濟社會發(fā)展水平來設(shè)定合理的階段性研究目標，否則會有挫敗感從而影響學(xué)科發(fā)展，人工智能發(fā)展過程中的幾次低谷皆因不切實際的發(fā)展目標所致。

1.3.4 新圖靈測試

數(shù)十年來，研究人員一直使用圖靈測試來評估機器仿人思考的能力，但是這個針對人工智能的評判標準已經(jīng)使用了60年之久，研究者認為應(yīng)該更新?lián)Q代，開發(fā)出新的評判標準，以驅(qū)動人工智能研究在現(xiàn)代化的方向上更進一步。

新的圖靈測試會包括更加復(fù)雜的挑戰(zhàn)，如由加拿大多倫多大學(xué)的計算機科學(xué)家赫克托·萊維斯克所建議的“威諾格拉德模式挑戰(zhàn)”。這個挑戰(zhàn)要求人工智能回答關(guān)于語句理解的一些常識性問題。例如：“這個紀念品無法裝在棕色手提箱內(nèi)，因為它太大了。問：什么太大了？回答0表示紀念品，回答1表示手提箱。”

馬庫斯的建議是在圖靈測試中增加對復(fù)雜資料的理解，包括視頻、文本、照片等。比如，一個計算機程序可能會被要求“觀看”一個電視節(jié)目或者YouTube視頻，然后根據(jù)內(nèi)容來回答問題，像是“為什么電視劇《絕命毒師》中，老白打算甩開杰西？”