《人工智能》阅读报告

《人工智能》阅读报告之

历史、现状与未来

姓名：

学号：

班级：

指导教师：

2014/4/6

我并不是通过看书而是通过一部由斯皮尔伯格执导的科幻电影——《AI》接触到人工智能这个概念的。虽然这只是一部2001年的电影，距今已有13年之久，但是它对我的启迪是长久的。电影剧情在此不做探究，只是它展示给我们的未来让我对人工智能非常好奇，所以我通过图书馆和网络搜集阅读了一些材料，争取对人工智能的历史和现状有较深入的理解，并对其未来进行合理展望。

电影名叫《A.I》，即Artificial Intelligence的首字母缩写，而这也正是学术上的人工智能的英文名。人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的麦卡锡在1956年的达特茅斯会议上提出的：“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样”。这次会议可以看作人工智能的发端。自此以后，新思想、新理论、新技术不断涌现，至今尚无统一定义。经过这些年的发展，人工智能有了很多成果，前途一片光明。下面是详细介绍。

首先是人工智能的历史。1956年夏季，以麦卡锡、明斯基、罗彻斯特和香农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。

关于人工智能之父的说法，有人认为是冯·诺依曼，有人认为是图灵，这都有一定的道理。图灵提出过著名的图灵测试，这是评价机器智能行为最好且唯一的方法。另外，他还写过这方面的论文，如《机器会思考吗？》。然而比较公认的人工智能之父还是约翰·麦卡锡，不幸的是，他于最近去世了。麦卡锡是LISP语言的发明者，曾因人工智能方面的巨大贡献获得过图灵奖。

人工智能在于1956年正式提出后，取得了显著进步。20世纪50至70年代之间，人工智能有几个标志性的事件。1956年，塞缪尔发明了跳棋程序，于1962年击败了美国的一个州的跳棋冠军。1968年，斯坦福大学的费根鲍姆等人研制了DENDRAL，被认为是专家系统的萌芽。1976年，“四色定理”得到证明。到了80年代，神经网络快速发展。另外，人工智能被引入了市场，并显示出了使用价值。如智能机器人，机器翻译及斯坦福大学的SRI地质勘探专家系统等。

到了90年代，可以说进入了相对稳定阶段。这个期间最著名的事件莫过于蓝色巨人IBM 的超级计算机“深蓝”击败国际象棋世界冠军卡斯帕罗夫了。这是人工智能的一个标志性事件，可以说是人工智能领域最广为人知的事件了。这一事件显示了人工智能的强大能力，使人们对人工智能的未来充满了期望。

进入21世纪，对人工智能的研究又深入了一部。比如谷歌等公司推出的机器翻译，微软退出的语音助手Cortana，都是当今人工智能的最新成果。今年微软build大会就进行了实时翻译，表名语音识别工作有了很大进展。最近很出名的便是IBM公司的超级计算机“沃森”了。2011年2月17日，沃森在美国智力竞猜节目《危险边缘》中击败人类。与之前的深蓝不同的是，沃森可以理解人类语言，然后进行推理。

以上是人工智能的基本发展历程，下面主要介绍当前人工智能的发展情况。人工智能主要应用于人工神经网络、自然语言理解、智能机器人、图像识别和专家系统等方面。当前这些主要研究领域都取得了长足进步。

人工神经网络是我重点关注的的一个方面。从它出现以来，就给人们带来很多惊喜。根据一个简化的统计，人脑由百亿条神经组成，每条神经平均连结到其它几千条神经。通过这种连结方式，神经可以收发不同数量的能量。神经的一个非常重要的功能是它们对能量的接受并不是立即做出响应，而是将它们累加起来，当这个累加的总和达到某个临界阈值时，它们将它们自己的那部分能量发送给其它的神经。大脑通过调节这些连结的数目和强度进行学习。尽管这是个生物行为的简化描述，但同样可以充分有力地被看作是神经网络的模型。

阈值逻辑单元（Threshold Logic Unit，TLU）是理解神经网络的第一步。TLU 是一个

对象，它可以输入一组加权系数的量，对它们进行求和，如果这个和达到或者超过了某个阈值，输出一个量。如下图所示：

比如一个求解语言种类的感知器学习模型如下：

有一种培训规则叫做delta规则。感知器培训规则是基于这样一种思路：权系数的调整是由目标和输出的差分方程表达式决定。而delta规则是基于梯度降落这样一种思路。

反向传播算法同样来源于梯度降落原理，在权系数调整分析中的唯一不同是涉及t(p,n) 与 y(p,n) 的差分。如下图所示：

自然语言理解方面，目前很多公司都在做。比较出名的事件是IBM的超级计算机“沃森”。2011年2月14日至16日的3天比赛中，沃森凭借超强的运算速度和强大的人工智能算法战胜了美国最受欢迎的智力竞猜电视节目《危险边缘》历史上两位最为成功的选手肯·詹宁斯和布拉德·鲁特，这是机器挑战人类智能的又一成功例子。对计算机沃森来说参与智力竞赛节目最重要的难题是解析人类的语言，尤其是在充满暗示和恶作剧的游戏里，沃森需要识别人类语言中微妙的含义，分辨讽刺口吻、谜语、构词断句、诗篇线索等等这些逻辑和线索。然后才是对题目进行分解，快速搜索自己的内存资料，寻找到最佳答案。沃森能学习人类思维分辨人类语言口气，可选择忽略不擅长的题目，它可以可估算节目剩余奖金和自我信心，主动选择是否继续回答问题，已经取得了很大的进步。然而即使这样，它也没能突破图灵测试。它只能处理文字符号，并不能真正理解它们的含义。所以它很难理解人类交流中的微妙含义，甚至出现了爆粗口的尴尬局面。

除了自然语言理解，智能机器人的研究也十分火热。纪录片《漫游火星》中介绍了两个智能车——机遇号和勇气号，都属于智能机器人范畴。2010年上海世博会上展出了很多这方面的最新成果。比如，会拉小提琴的日本机器人和“海宝”机器人，美国最受欢迎的机器人吸尘器Roomba等。日本本田公司研制的仿人机器人ASIMO，是目前全球唯一具备人类双足行走能力的类人型机器人。阿西莫(ASIMO，Advanced Step Innovative Mobility)即高级步行创新移动机器人。从2000年发展至今，除具备了行走功能与各种人类肢体动作之外，更具备了人工智能，可以预先设定动作，还能依据人类的声音、手势等指令，来从事相应动作。此外，他还具备了基本的记忆与辨识能力。在智能机器人这方面，日本的研究成果是很多的，中国科研人员还要多加努力，迎头赶上。

图像识别是人工智能的重要领域，也是目前研究比较集中的领域之一。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。扫描条形码、二维码只是简单的应用，现在已经有些厂商推出直接扫描图片获取信息的技术了。亚马