人工智能三大学派

合集下载

人工智能三大流派

人工智能三大流派

三大流派三大流派(Artificial Intelligence,简称)是一门研究和开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的科学。

随着科技的不断发展,逐渐分化出了三大主要流派,即符号主义流派、连接主义流派和进化主义流派。

1、符号主义流派符号主义流派是领域最早兴起的一种方法论,也被称为经典(Classical )。

该流派主要关注运用符号逻辑推理和知识表示方法来解决问题。

其核心思想是借助推理、规则和知识表示,将问题的符号表示与相应的问题解决方法进行匹配。

符号主义方法在机器学习、专家系统和自然语言理解等领域取得了一些重要的突破。

1.1 专家系统专家系统是符号主义流派的核心研究领域之一。

它通过建立一套用于模拟专家知识和推理的规则和方法,来解决特定领域中的问题。

专家系统可以将领域专家的经验和知识进行模拟,并通过推理机制提供相应的解决方案。

1.2 逻辑推理逻辑推理是符号主义流派的基础,它利用谓词逻辑和形式化推理来进行问题求解。

逻辑推理可以将问题的符号表示转换为逻辑表达式,然后利用逻辑推理规则进行推导和演绎,最终得到问题的解答。

2、连接主义流派连接主义流派(Connectionism)是对传统符号主义的一种批判和补充,也被称为神经网络。

该流派的核心思想是模拟神经元之间的连接、传递和处理信息的方式,来构建人工神经网络,并通过学习和调整网络参数来实现智能行为。

2.1 人工神经网络人工神经网络模拟了生物神经网络的结构和工作原理,通过模拟大量的人工神经元之间的连接和信息传递来实现智能行为。

人工神经网络具有较强的自学习和自适应能力,在图像识别、语音识别和自然语言处理等领域取得了很多重要的应用。

2.2 深度学习深度学习是连接主义流派的重要发展方向之一。

深度学习借鉴了人脑神经元之间的层次结构,通过构建深层神经网络来实现对大规模数据的学习与预测。

深度学习在图像处理、语音识别和自然语言处理等领域具有很强的表现力和泛化能力。

人工智能

人工智能

1.近年来AI研究形成三种不同的研究学派:符号主义:(AI研究的传统观点),强调物理符号系统联接主义:又称仿生学派,强调神经元的运作。

行为主义:智能行为的基础是“感知-行动”,是在与环境的交互作用中表现出来的。

2.知识就是人类认识自然界(包括社会和人)的精神产物,是人类进行智能活动的基础。

知识表示以适当方式表示知识,才导致智能体展示出智能行为知识表示=符号(结构)+处理机制3.4.命题常量:如果一个命题标识符表示确定的命题,就称为命题常量。

命题变元:如果命题标识符只表示任意命题的位置标志,就称为命题变元。

谓词逻辑:根据对象和对象上的谓词(即对象的属性和对象之间的关系),通过使用连接词和量词来表示世界。

5.一阶谓词逻辑表示法的优点(1)严密性(2)自然性(3)通用性(4)知识易表达(5)易于实现一阶谓词逻辑表示法的缺点(1)效率低(2)灵活性差(3)组合爆炸6.产生式系统的组成规则库是专家系统的核心,也是一般产生式系统赖以进行问题求解的基础,其中知识的完整性和一致性、知识表达的准确性和灵活性以及知识组织的合理性,都将对产生式系统的性能和运行效率产生直接的影响。

综合数据库又称为事实库,用于存放输入的事实、从外部数据库输入的事实以及中间结果(事实)和最后结果的工作区。

推理机是一个或一组程序,用来控制和协调规则库与综合数据库的运行,包含了推理方式和控制策略。

产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。

7.产生式系统的优缺点优点:(1)清晰性(2)模块性(3)自然性缺点:(1)难以扩展(2)规则选择效率较低(3)控制策略不灵活(4)知识表示形式单一8.AKO(A-Kind-of):表示一个事物是另一个事物的一种类型。

ISA(Is-a):表示一个事物是另一个事物的实例。

9.搜索策略评价标准:(1)完备性:如果存在一个解答,该策略是否保证能够找到?(2)时间复杂性:需要多长时间可以找到解答?(3)空间复杂性:执行搜索需要多少存储空间?(4)最优性:如果存在不同的几个解答,该策略是否可以发现最高质量的解答?10. OPEN-存放待扩展节点的表CLOSE-存放已被扩展的节点的表11.问题归约表示方法就是由初始问题出发,运用操作算子产生一些子问题,对子问题再运用操作算子产生子问题的子问题,这样一直进行到产生的问题均为本原问题,则问题得解。

人工智能的三大学派

人工智能的三大学派

人工智能的三大学派人工智能的三大学派近年来,人工智能技术的快速发展已引起了广泛关注。

人工智能(AI)是一种通用术语,它涵盖了一种包括机器学习、自然语言处理、神经网络和语音识别在内的科技,其目的是使计算机系统能够模拟人类的思考和行为,进而以更快的速度和更高的准确率完成任务。

人工智能技术的成功应用不仅将让人们的生活更加便利,而且将促进科技创新、经济发展和人类进步。

然而,在人工智能的发展过程中,出现了三种不同的观点,它们被称为人工智能的三大学派:符号学派、连接学派和进化学派。

本文将通过对这三派的简要介绍和比较,探讨每一种观点的优点和缺点,以及它们的重要性和发展潜力。

第一章符号学派符号学派是人工智能的早期学派之一,它的主要思想是将人类的逻辑思维过程表示为一系列符号和规则,并以此为基础实现人工智能。

符号学派认为,计算机程序必须使用符号和规则才能进行推理、学习和决策,而计算机程序中的符号和规则必须与人类思维中的符号和规则相对应。

这使得计算机程序能够使用符号和规则生成推理和输出结果,并正确认识和解决问题,而不是单纯地将符号和规则组合成输入输出关系。

符号学派的代表性人物是新康菲尔德的约翰·麦卡锡(John McCarthy),他是人工智能术语“人工智能”的发明者之一,同时也是计算机界的名字之一。

早在上世纪50年代,麦卡锡就开始探索计算机如何能理解人类的语言和思维方式。

符号学派诞生于这个时期,它的核心思想是将人类的语言和思维方式转化成文本表达式,然后计算机可以读取并理解这些表达式。

符号学派在人工智能发展的早期得到了广泛的讨论和认可。

符号学派的优点在于,它提供了一种清晰简洁的方式来表示人类的逻辑思考,符号和规则的规范化表示使计算机程序更加易于编写,可以使计算机处理复杂的逻辑问题。

然而,符号学派的不足之处是,它无法完整地体现人类的非形式逻辑思考模式,特别是不能处理模糊的信息,也不能进行自我培训和自我发现,其应用局限很大。

符号主义联结主义行为主义三者的区别

符号主义联结主义行为主义三者的区别

从学术的观点看,人工智能主要分三大学派,分别是符号主义学派、连接主义学派和行为主义学派。

在对人工智能进行研究时,可能会按照某一理论或方法展开探讨分析,但在实地落地的项目或产品可能综合应用了多个学派的知识。

比如,最近我们为某制造企业提供智能客服系统,其中语音识别、语音合成和语义理解技术等属于连接主义的成果,同时,也使用了知识库等属于符号主义的成果。

一、符号主义学派符号主义,又称逻辑主义、心理学派或计算机学派,是一种基于逻辑推理的智能模拟方法,认为人工智能源于数学逻辑,其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。

该学派认为人类认知和思维的基本单元是符号,智能是符号的表征和运算过程,计算机同样也是一个物理符号系统,因此,符号主义主张(由人)将智能形式化为符号、知识、规则和算法,并用计算机实现符号、知识、规则和算法的表征和计算,从而实现用计算机来模拟人的智能行为。

其首个代表性成果是启发式程序LT(逻辑理论家),它证明了38条数学定理,表明了可以应用计算机研究人的思维过程,模拟人类智能活动。

此后,符号主义走过了一条启发式算法——专家系统——知识工程的发展道路。

专家系统是一种程序,能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。

1980年卡内基梅隆大学为数字设备公司设计了一个名为XCON的专家系统,在1986年之前,它每年为公司省下四千万美元。

专家系统的能力来自于它们存储的专业知识,知识库系统和知识工程成为了上世纪80年代AI研究的主要方向。

专家系统仅限于一个专业细分的知识领域,从而避免了常识问题,其简单的设计又使它能够较为容易地编程实现或修改。

专家系统的成功开发与应用,对人工智能走向实际应用具有特别重要的意义,也是符号主义最辉煌的时候。

但凡事有利有弊,专家系统仅仅局限于某些特定情景,且知识采集难度大、费用高、使用难度大,在其它领域如机器翻译、语音识别等领域基本上未取得成果。

人工智能三大流派

人工智能三大流派

人工智能三大流派在当今科技飞速发展的时代,人工智能无疑是最引人瞩目的领域之一。

人工智能的发展历程中,逐渐形成了三大流派,分别是符号主义、连接主义和行为主义。

这三大流派各自有着独特的理念、方法和应用场景,它们共同推动了人工智能的进步。

符号主义,也被称为逻辑主义或经典主义,其核心思想是基于符号和逻辑推理来构建智能系统。

符号主义认为,人类的认知和思维可以通过符号表示和逻辑规则来模拟。

简单来说,就是把知识和信息转化为符号,然后通过逻辑推理和运算来解决问题和实现智能。

符号主义的方法常常依赖于专家系统。

专家系统是一种基于知识库和推理引擎的软件,它能够利用人类专家的知识和经验来解决特定领域的问题。

例如,在医疗领域,专家系统可以根据患者的症状、病史等信息,给出诊断和治疗建议。

符号主义在早期的人工智能研究中取得了一定的成果,它对于处理那些具有明确规则和逻辑的问题非常有效。

然而,符号主义也存在一些局限性。

首先,它很难处理那些模糊、不确定和复杂的问题。

因为现实世界中的很多问题并不是完全遵循明确的逻辑规则的。

其次,获取和整理大量的符号知识是一项非常艰巨的任务,而且知识的更新和维护也很困难。

此外,符号主义对于感知、学习等方面的模拟能力相对较弱。

连接主义则是基于神经网络的方法来实现人工智能。

它的灵感来源于人类大脑的神经元网络结构。

连接主义认为,智能是通过大量简单的神经元相互连接和协同工作而产生的。

神经网络是连接主义的核心技术。

它由大量的节点(类似于神经元)组成,这些节点之间通过连接权重相互影响。

通过对大量数据的学习和训练,神经网络可以自动调整连接权重,从而实现对数据的模式识别、分类和预测等功能。

连接主义在图像识别、语音识别、自然语言处理等领域取得了巨大的成功。

例如,深度学习技术就是连接主义的一种重要应用,它能够让计算机自动从海量的数据中学习到有用的特征和模式。

不过,连接主义也并非完美无缺。

神经网络的训练需要大量的数据和计算资源,而且其结果往往难以解释。

人工智能各学派简介

人工智能各学派简介

人工智能各学派简介目前人工智能的主要学派有下面三家:(1)符号主义(symbolicism),又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism),其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。

(2)连接主义(connectionism),又称为仿生学派(bionicsism)或生理学派(physiologism),其主要原理为神经网络及神经网络间的连接机制与学习算法。

(3)行为主义(actionism),又称为进化主义(evolutionism)或控制论学派(cyberneticsism),其原理为控制论及感知-动作型控制系统。

他们对人工智能发展历史具有不同的看法。

1、符号主义认为人工智能源于数理逻辑。

数理逻辑从19世纪末起得以迅速发展,到20世纪30年代开始用于描述智能行为。

计算机出现后,又在计算机上实现了逻辑演绎系统。

其有代表性的成果为启发式程序LT逻辑理论家,证明了38条数学定理,表明了可以应用计算机研究人的思维,模拟人类智能活动。

正是这些符号主义者,早在1956年首先采用“人工智能”这个术语。

后来又发展了启发式算法->专家系统->知识工程理论与技术,并在20世纪80年代取得很大发展。

符号主义曾长期一枝独秀,为人工智能的发展做出重要贡献,尤其是专家系统的成功开发与应用,为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。

在人工智能的其他学派出现之后,符号主义仍然是人工智能的主流派别。

这个学派的代表人物有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。

2、连接主义认为人工智能源于仿生学,特别是对人脑模型的研究。

它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型,即MP模型,开创了用电子装置模仿人脑结构和功能的新途径。

人工智能的学科派别

人工智能的学科派别

人工智能的学科派别从人工智能在1956年正式的成为一门学科算起,这门学科已经经过了60多年的发展。

人工智能在发展中逐渐形成了比较多的学术流派,它们分别从不同的学科背景或者运用不同的研究方法对人工智能进行了探索和发展,目前学界较为认可的,影响力较大的主要为三大学科派别,分别是符号主义学派、联结主义学派和行为主义三大学派。

(一)符号主义:基于逻辑推理的智能模拟方法符号主义(Symbolism)学派,又被称为逻辑主义(logicism)、心理学派(Psychlogism)或者计算机学派(Computerism),是基于物理符号系统的假设和有限合理性原理的人工智能学派。

”符号主义学派是一种早期的人工智能研究方法,该学派崇尚“符号”,因此取名符号主义,他们认为因为数理逻辑是人工智能的起点,所以符号才是我们认识整个客观世界的认知单元。

那么这样一来,人认识客观世界的过程其实就是运算符号和符号表达的过程,人通过不断地输入符号并进行处理,再将处理后的符号进行输出,这才是人认识客观世界的科学过程,从此意义上来说,人必然成为一个符号系统或者符号集成处理系统。

莱布尼茨曾经试图发明一种通用科学语言,想把所有的推理过程都演变成数学公式一样的形式来进行计算,这在当时确实是难以实现的。

直到计算机出现以后,因为数理逻辑和计算机科学具有完全相同的形式化方法,所以符号主义学派又开始寻求在计算机技术的帮助,来用某种符号描述人类的认知过程,并试图将这种符号输入计算机来模拟人类的认知过程,从而达到实现人工智能的目的。

其有代表性的成果为启发式程序,逻辑理论家,西蒙(Herbert A.Simon)、约翰·肖(John Cliff Shaw)和艾纽厄尔(Allen Newell)等几位科学家共同开发了该程序,证明了《数学原理》,其是由英国哲学家伯特兰·罗素(Bertrand Russell)和其老师怀特海(Alfred North Whitehead)合著的一本于1910-1913年出版的关于哲学、数学和数理逻辑的三大卷巨著,该书对逻辑学、数学、集合论、语言学和分析哲学有着巨大影响。

描述人工智能的主要学派并说明各种学派的特点

描述人工智能的主要学派并说明各种学派的特点

描述人工智能的主要学派并说明各种学派的特点人工智能(Artificial Intelligence,简称AI)是计算机科学的一个领域,通过研究和开发使计算机可以模拟、仿真和实现人类智能行为的技术和方法。

在人工智能的发展过程中,涌现了多种不同的学派,它们通过不同的方法和理论来研究和实现人工智能。

以下是人工智能的主要学派及其特点。

1. 符号学派(Symbolic AI):符号学派是人工智能发展的早期学派,强调使用逻辑和符号表示知识,并利用推理和搜索算法进行问题求解。

符号学派注重人工智能的逻辑推导和符号操作能力,其代表性算法包括专家系统和语义网络。

然而,由于复杂问题的表示和推理困难,符号学派受到了知识获取和效率等方面的限制。

2. 连接主义学派(Connectionist AI):连接主义学派认为人工智能可以通过模拟人脑神经网络的方式来实现。

它采用了一种分布式表示方式,将知识存储在神经元之间的连接权重中。

连接主义学派的一个重要模型是人工神经网络(Artificial Neural Networks),通过训练和学习来提取和处理信息。

这种学派的特点是其能力通过大规模数据的训练和学习不断提高,但对于知识的表示和解释能力相对较弱。

3. 进化学派(Evolutionary AI):进化学派受启发于生物进化理论,认为通过模拟自然选择和进化的方式来达到人工智能。

该学派利用遗传算法、遗传程序设计等方法进行问题求解和优化,通过不断迭代和演化来优化解决方案。

进化学派的特点是具有自适应性和强大搜索能力,但在处理复杂问题上存在计算复杂度高和时间开销大的问题。

4. 感知学派(Perceptual AI):感知学派注重模仿人类感知和认知过程,对计算机进行视觉、听觉和语音等感知能力的研究。

该学派的研究重点是利用模式识别、计算机视觉和语音识别等技术实现计算机对外部世界的感知和理解。

感知学派的特点是强调数据驱动和现实世界的应用,但对于高级推理和决策能力的研究较少。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

人工智能三大学派综述1***摘要:论述了人工智能研究领域主要学派及其特点,给出了它们的主要观点、方法和成果,对比了三大学派的优缺点,最后论述了人工智能三大学派的发展。

关键词:人工智能;符号主义;联结主义;行为主义Summarizes of The Three Schools in AI ResearchZHAO Hong-wei(School of Computer and Information Technology,Beijing Jiaotong University,beijing,100044)Abstract:Summarizes the three school and their characteristics in AI research,their main viewpoints,methods and achievement are expounded. C ompares the advantages and disadvantages of the three major schools.T he development of the three schools are given at last. Key words: artificial intelligence; symbolism; connectionism; actionism1 引言通过机器实现模仿人类的行为,使之具有人类的智能,是人类长期以来追求的目标。

若从1956年正式提出人工智能学科算起,人工智能的研究发展已有50多年的历史。

这期间,不同学科或学科背景的学者对人工智能做出了各自的理解,提出了不同的观点,由此产生了不同的学术流派。

期间对人工智能研究影响较大的的主要有符号主义、联结主义和行为主义三大学派[1]。

2 人工智能三大学派及其成就2.1符号主义学派符号主义(Symbolism)是一种基于逻辑推理的智能模拟方法,又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism),其原理主要为物理符号系统假设和有限合理性原理,长期以来,一直在人工智能中处于主导地位。

2.1.1 基本内容符号主义学派认为人工智能源于数学逻辑。

数学逻辑从19世纪末起就获得迅速发展,到20世纪30年代开始用于描述智能行为。

计算机出现后,又在计算机上实现了逻1Logical Foundation of Artificial Intelligence 赵宏伟11120511辑演绎系统。

该学派认为人类认知和思维的基本单元是符号,而认知过程就是在符号表示上的一种运算。

符号主义致力于用计算机的符号操作来模拟人的认知过程其,实质就是模拟人的左脑抽象逻辑思维,通过研究人类认知系统的功能机理,用某种符号来描述人类的认知过程,并把这种符号输入到能处理符号的计算机中,从而模拟人类的认知过程,实现人工智能。

2.1.2 代表成果符号主义学派的代表性成果是启发式程序LT逻辑理论家,证明了38条数学定理,表明我们可以应用计算机研究人的思维过程,模拟人类智能活动。

1956年,符号主义者首先采用“人工智能”这个术语,后来又发展了启发式算法——专家系统——知识工程理论与技术,并在80年代取得很大发展。

尤其是专家系统的成功开发与应用,为人工智能走向工程应用具有特别重要意义。

在其它的学派出现以后,符号主义仍然是人工智能的主流派。

这个学派的代表有纽厄尔、肖·西蒙和尼尔逊等。

2.2联结主义学派连接主义(Connectionism)又称为仿生学派(Bionicsism)或生理学派(Physiologism)。

是一种基于神经网络及网络间的连接机制与学习算法的智能模拟方法。

其原理主要为神经网络和神经网络间的连接机制和学习算法。

这一学派认为人工智能源于仿生学,特别是人脑模型的研究[2]。

2.2.1 基本内容联结主义学派从神经生理学和认知科学的研究成果出发,把人的智能归结为人脑的高层活动的结果,强调智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。

其中人工神经网络(典型结构图见图1)就是其典型代表性技术。

图 1 典型神经网络的结构图连接主义认为神经元不仅是大脑神经系统的基本单元,而且是行为反应的基本单元。

思维过程是神经元的连接活动过程,而不是符号运算过程,对物理符号系统假设持反对意见。

他们认为任何思维和认知功能都不是少数神经元决定的,而是通过大量突触相互动态联系着的众多神经元协同作用来完成的。

实质上,这种基于神经网络的智能模拟方法就是以工程技术手段模拟人脑神经系统的结构和功能为特征,通过大量的非线性并行处理器来模拟人脑中众多的神经元,用处理器的复杂连接关系来模拟人脑中众多神经元之间的突触行为。

这种方法在一定程度上可能实现了人脑形象思维的功能,即实现了人的右脑形象抽象思维功能的模拟。

2.2.2 代表成果连接主义的代表性成果是1943年由麦克洛奇和皮兹提出的形式化神经元模型,即M-P模型。

他们总结了神经元的一些基本生理特性,提出神经元形式化的数学描述和网络的结构方法,从此开创了神经计算的时代,为人工智能创造了一条用电子装置模仿人脑结构和功能的新途径。

1982年,美国物理学家霍普菲尔特提出了离散的神经网络模型,1984年他又提出了连续的神经网络模型,使神经网络可以用电子线路来仿真,开拓了神经网络用于计算机的新途径。

1986年,鲁梅尔哈特等人提出了多层网络中的反向传播(BP)算法,使多层感知机的理论模型有所突破。

同时,由于许多科学家加入了人工神经网络的理论与技术研究,使这一技术在图像处理、模式识别等领域取得了重要的突破,为实现连接主义的智能模拟创造了条件。

2.3行为主义学派行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism),是一种基于“感知——行动”的行为智能模拟方法。

2.3.1 基本内容行为主义最早来源于20世纪初的一个心理学流派,认为行为是有机体用以适应环境变化的各种身体反应的组合,它的理论目标在于预见和控制行为[3]。

维纳和麦洛克等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论,影响了许多领域。

控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。

早期的研究工作重点是模拟人在控制过程中的智能行为和作用,对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究,并进行“控制动物”的研制。

到60、70年代,上述这些控制论系统的研究取得一定进展,并在80年代诞生了智能控制和智能机器人系统。

2.3.2 代表成果目前行为主义人工智能的研究已经迅速发展起来,并取得了许多令人瞩目的成果。

它所采用的结构上动作分解方法,分布并行的处理方法以及由底至上的求解方法已成为人工智能领域中新的研究热点,其智能系统的构造原理如图2 所示[4]。

图2 行为主义智能系统的构造原理行为主义学派的代表作首推布鲁克斯的六足机器人,它被看做新一代的“控制论动物”,是一个基于感知——动作模式的模拟昆虫行为的控制系统。

布鲁克斯认为要求机器人像人一样去思维太困难了,在做一个像样的机器人之前,不如先做一个像样的机器虫,由机器虫慢慢进化,或许可以做出机器人。

于是他在美国麻省理工学院(MIT)的人工智能实验室研制成功了一个由150个传感器和23个执行器构成的像蝗虫一样能做6足行走的机器人试验系统。

这个机器虫虽然不具有像人那样的推理、规划能力,但其应付复杂环境的能力却大大超过了原有的机器人,在自然(非结构化)环境下,具有灵活的防碰撞和漫游行为。

3 发展与超越3.1 三大学派的特点人工智能研究进程中的这三种假设和研究范式推动了人工智能的发展。

就人工智能三大学派的历史发展来看,符号主义认为认知过程在本体上就是一种符号处理过程,人类思维过程总可以用某种符号来进行描述,其研究是以静态、顺序、串行的数字计算模型来处理智能,寻求知识的符号表征和计算,它的特点是自上而下。

而联结主义则是模拟发生在人类神经系统中的认知过程,提供一种完全不同于符号处理模型的认知神经研究范式。

主张认知是相互连接的神经元的相互作用。

行为主义与前两者均不相同。

认为智能是系统与环境的交互行为,是对外界复杂环境的一种适应。

这些理论与范式在实践之中都形成了自己特有的问题解决方法体系,并在不同时期都有成功的实践范例。

而就解决问题而言,符号主义有从定理机器证明、归结方法到非单调推理理论等一系列成就。

而联结主义有归纳学习,行为主义有反馈控制模式及广义遗传算法等解题方法。

它们在人工智能的发展中始终保持着一种经验积累及实践选择的证伪状态。

3.2 理论发展与争论三大从不同的侧面在不同的时空阶段推动着人工智能科学的发展。

尽管它们在不同的发展时期有所“兴盛”或“衰竭”,但它们都在实践中不断地进行着各自理论的修正和完善[5]。

例如,在符号主义传统下,从启发式方法、通用问题求解程序的提出,到专家系统及知识工程的相继出现,从知识工程中对知识的传统逻辑表达到常识的非单调逻辑的深入研究等,都表明人工智能中不断地进行着大量的理论变形和特设性修改,而且这种变形并非随意进行,而是受到这一时期理论认识特点所支配。

这就是说,在人工智能发展中出现的各种思想假设和理论选择并未出现理论化的全面归并或抛弃倾向,而是表现出理论、经验及实践能力不断累积,并且几乎是并行地、互为补充地发展着。

人工智能科学兴起以后,“电脑能不能代替人脑”、“机器能够思维吗”,就一直是争论不休的话题。

早在五十年代,符号主义学派与联结主义学派就出现了激烈争论。

符号主义学派认为计算机是处理思维符号的系统,坚信用计算机一定能达到模拟人类思维的基本操作,致力于用数理逻辑方法利用计算机形式化地表达世界。

尽管按照这种方式来工作的专家系统已经在表达科学思维的某些方面达到了人类专家的水平,甚至超过了专家水平,如在矿物勘测、化学分析、规划和医学诊断方面,但这并没有说明我们制造了一个具有自我意识的“人工智能”系统。

这事因为计算机解决问题,首先要对实际问题进行形式化表达,建立起相应的数学模型和形式系统,然后在形式化的基础上,把问题的推演过程转换成某种算法式或启发式规则,以便机器执行。

面对现实问题的多样性和复杂性,就会遇到一个无限多的符号、无限多的规则而形成无限多的形式系统。

因而,从根本上来说万能的逻辑推理体系是不可能存在的,要计算机或智能机器完全模拟人脑的活动几乎是不可能完成的工作。

认知神经学表明人脑并非以线性顺序进行思维,而是以复杂的并行操作来处理感觉信息。

这一科学事实成了联结主义学派反对符号主义学派的理由。

他们认为计算机是对大脑建模的媒介,主张从神经生物学的角度来模拟动物或人的大脑及各种感觉器官的结构和功能,力图寻找一种可以描述自然神经系统的方法,建立神经生理学模型。

相关文档
最新文档