Intelligent Science Home   设为首页  |   收藏本站 |   English Version  
 
智能科学实验室
- 史忠植
智能系统
智能科学
智能应用
搜索智能科学网

智能科学网站
 
   人工智能  

史忠植  王文杰编著
国防工业出版社出版

 

计算能力联合起来将产生超人的性能,人工智能学者试图开发出通用的问题求解系统,如赫伯特·西蒙( H. A. Simon)和艾伦·纽威尔(A. Newel)等人研制了GPSSOAR系统。使人工智能的研究过于强调学术性,缺乏实用性。McCarthyNilsson等人进一步认为物理符号系统核心是逻辑演绎方法,主张用逻辑来研究人工智能,即用形式化的方法来描述客观世界,人工智能的一切研究应该在一个类似逻辑的形式框架中进行。这就是人工智能研究的逻辑学派的思想。

然而,当人们在60年代末遇到困难并对以前的思想和方法重新检讨和分析时,认为,万能的逻辑推理体系从根本上说就是不可能的。明斯基(M. Minsky)80年代认为人的智能根本不存在统一的理论。明斯基(M. Minsky)在《思维的社会》一书中指出追求统一的知识表示和理论基础是错误的,人的智能中就不存在统一的理论,没有一致性性、完备性[76]麦卡锡(J. McCarthy)等人明确地提出以下思想:知识是人类智慧的源泉,只有把相应的知识交给机器,机器才能表现出同人类一样的智能,完成类似的智能工作。知识就是力量!

同时随着专家系统应用的不断深入,专家系统自身存在的问题也逐步暴露了出来,如知识获取困难、应用领域狭窄、智能水平底、适应性差等,致使绝大多数仓促上马的所谓的专家系统因其脆弱性和不可靠性而滞留在原型阶段,无法投入实际应用。

人们认识到已有的人工智能系统最大问题是缺乏知识,这包括两个方面的问题,一是人类的知识不仅仅只是现成的数据和抽象的规则,还包括大量的难于用语言描绘的东西,所有这些知识共同指导人类的行为。二是推理系统本质上是搜索和匹配的过程,主要问题是组合爆炸,只有大量使用知识,使用和领域有关的知识才能克服组合爆炸问题,不存在无所不能的逻辑推理系统。

1977年,在第五届国际人工智能联合会IJCAI上,费根鲍姆(E. Feigenbaum)作了题为《人工智能的艺术:知识工程课题及实例研究》的报告,提出了知识工程的概念。他认为知识工程是研究知识信息处理的学科,它应用人工智能的原理和方法,为那些需要专家知识才能解决的应用难题提供了解决途径。采用恰当地方法实现专家知识的获取、表示、推理与解释,是设计基于知识的系统的重要技术问题。知识工程的兴起,确立了知识处理在人工智能学科中的核心地位,使人工智能摆脱了纯学术研究的困境,使人工智能的研究从理论转向应用,从基于推理的模型转向知识的模型,使人工智能的研究走向了实用。

为了适应人工智能和知识工程发展的需要,进入20世纪80年代,日本在1981年宣布了第五代电子计算机的研制计划。其研制的计算机的主要特征是具有智能接口、知识库管理、自动解决问题的能力,并在其他方面具有人的智能行为。由于这一计划的提出,形成了一股热潮,促使世界上重要的国家都开始制定了对新一代智能电子计算机的开发和研制计划。这时人工智能进入了一个兴旺时期。

到了20世纪80年代末,各国的智能计算机计划相继遇到了困难,难于达到预期的目标。这些问题的出现,让人们重新对原来的思想和方法进行分析,人们发现,这些困难不是个别的,而是涉及人工智能的根本性问题,主要包括下面几个问题:一是所谓的交互问题,即传统的方法只能模拟人类深思熟虑的行为,而不包括人与环境的交互行为;二是扩展问题,即所谓的大规模的问题,传统的人工智能方法只适合于建造领域狭窄的专家系统,不能把这种方法简单地推广到规模更大、领域更宽的复杂系统中去;再有人工智能和专家系统热衷于自成体系的封闭式研究,这种脱离主流计算(软硬件)环境的倾向严重阻碍了专家系统的实用化。莱纳特(D. Lenat)和费根鲍姆(E. Feigenbaum)在1987年的IJCAI会议上提出了所谓的知识原则:一个系统展示高级的智能理解和行为,主要是因为拥有应用领域特有的知识:概念、事实、表示、方法、模型、隐喻和启发式[62]。在此之前的人工智能研究者主要致力于搜索和推理方法的研究,但收效不太大。随着一些专家系统的成功应用,如MYCIN,使人们

 

 

 

您是本站的第 free web hit counters 位客人 | 关于本站 | 站点维护
Copyright © 2002-2008 中国科学院计算技术研究所智能信息处理重点实验室智能科学课题组