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

 

认识到了知识对于智能行为的重要性。这些专家系统有一个共同的特点,就是都由启发式知识指导问题求解。相比之下,它们的推理机只包含了普通的关于推理控制的知识。由此可见,系统的能力主要由知识库中包含的领域特有的知识来决定。基于上面的思想,以知识处理为核心去实现软件的智能化,开始成为人工智能应用技术的主流开发方法。它要求知识处理建立在对应用领域和问题求解任务的深入理解的基础上,并扎根于主流计算环境,从而促使人工智能的研究和应用走上了稳健发展的道路。

知识工程的困境也动摇了传统的人工智能物理符号系统对于智能行为是必要的也是充分的基本假设,促进了区别于符号主义的连接主义和行为主义智能观的兴起。

作为连接主义的代表的神经网络理论和技术在暗淡了20年后终于有了新的突破和发展。在80年代中期,由于理论研究的进展,特别是有效学习算法的提出,如BP算法等,神经网络研究开始复苏。1985年塞杰诺斯克(Sejnowsk)研制的基于神经网络的NETtalk英语语音学习系统,经过三个月的学习所达到的水平可以和经过20年研制成功的语音合成系统相媲美。同年,用神经网络技术求解旅行商问题显示了它具有很强的问题求解能力。1987年在美国召开了第一次神经网络国际会议,1988年各主要国家在神经网络方面投资逐渐增加,促进了该领域的研究。但是随着神经网络研究和应用的深入,人们又发现人工神经网络模型和算法也存在有问题。如神经计算由于不依靠先验知识,是靠学习与训练从数据中取得规律和知识,这固然是优点,但同时也带来困难,如效率问题,学习的复杂性也是困扰神经网络研究的一大难题。其次,由于先验知识少,神经网络的结构就很难预先确定,只能通过反复地学习寻找一个合适的结构,因此由此所确定的结构也就很难为人理解。

总而言之,尽管人工智能的发展经历了曲折的过程,但人工智能工作者仍坚持努力工作,在理论和应用等很多方面取得了很多的进展和成果。许多应用领域将知识和智能思想引入其中,使一些问题得以地解决。应该说,人工智能的成就是巨大的,影响是深远的。

1.2.4 神经网路的复兴

20世纪60年代以后,由于计算机的飞速发展,传统人工智能初期研究的巨大成功,吸引了大量专家投入计算机的研究。同时发现神经网络极大局限性,在20世纪70年代几乎放弃了神经网络的研究,致使人工神经网络的研究进入低潮。1982年美国加州工学院物理学家霍普菲尔特(Hopfield)使用统计力学的方法来分析网路的存储和优化特性,提出了离散的神经网络模型,从而有力地推动了神经计算的研究,标志神经计算研究高潮的又一次到来。1984年霍普菲尔特(Hopfield)又提出了连续神经网络模型。

20世纪80年代神经网路复兴的真正推动力是反向传播算法的重新研究。该算法最早由BrysonHo1969年提出。1986年,鲁梅尔哈特(Rumelhart) 和 麦克莱伦德(McClelland) 等人提出并行分布处理(Parallel Distributed Processing, 简称PDP)的理论,致力于认知的微观结构的探索, 其中多层网络的误差传播学习法, 即反向传播算法广为流传, 引起人们极大的兴趣。世界上许多国家掀起了神经网络研究的热潮。从1985年开始,专门讨论神经网络的学术会议规模逐步扩大。1987年在美国召开了第一届神经网络国际会议,并发起成立国际神经网络学会(INNS)

1.2.5 智能主体的兴起

    20世纪90年代,随着计算机网络、计算机通讯等技术的发展,对于智能主体(agent)的研究成为人工智能研究的一个热点。一种定义人工智能的方法是:“人工智能是计算机科学的一个分支,它的目标是构造能表现出一定的智能行为的主体(agent)”。所以,主体应该是

 

 

 

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