人工智能_进展与挑战
- 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、"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、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)。
Microcomputer Applications Vol. 25, No.9, 2009 专家论坛 微型电脑应用 2009年第25卷第9期 ·1·
文章编号:1007-757X(2009)9-0001-01
人工智能:进展与挑战
钟义信
编者按:此文系中国人工智能学会理事长钟义信教授在2009年9月22日上海市人工智能学会成立大会上的学术报告,后经作者亲自整理撰写而成。文中概括地阐述了人工智能的定义、进展与挑战,提出了“信息-知识-智能转换理论”是信息时代科学技术的灵魂的观点。
1 定义 智能:通过学习获得信息-知识-策略而解决问题的能力。 人工智能是相对于人脑的智能而言的:给定问题、约束、目标和知识库,系统通过学习(获取信息、完善知识、创建策略)解决问题的能力。 人工智能(Artificial Intelligence)简称AI ,又称机器智能(Machine Intelligence),是数理逻辑、模糊数学、计算机科学、控制论、信息论、神经生理学、心理学、语言学以及哲学等许多学科互相渗透而发展起来的一门综合性新学科。
2 进展 人工智能诞生于1956年。在美国达特茅斯(Dartmouth)大学举办的夏季论坛上,“人工智能大师”麦卡锡(J.McCarthy)及一批科学家提出了“人工智能”这一术语,开始了具有真正意义的人工智能研究。 2.1进展之一:由分立到统一 (1)结构模拟:神经网络,联结主义(又称为仿生学派或生理学派)的代表,其原理主要为神经网络及神经网络间的连接机制。即模拟人的生理神经网络结构,并认为功能、结构和智能行为是密切相关的。原理主要为神经网络及神经网络间的连接机制与学习算法。 (2)功能模拟:符号逻辑系统,符号主义的代表。通过分析人类认知系统所具备的功能和机能,并用计算机模拟,实现人工智能。原理主要为物理符号系统假设和有限合理性原理。符号主义认为人工智能源于数学逻辑,可以应用计算机研究人的思维过程,模拟人类智能活动。发展了启发式算法、专家系统、知识工程理论与技术,至今仍是人工智能的主流派。 (3)行为模拟:感知-动作系统,行为主义的代表。认为功能、结构和智能行为是不可分割的,同时认为不同的行为表现出不同的功能和不同的控制结构。行为主义早期模拟人在控制过程中的智能行为和作用,如对自寻优、自适应、自校正、自组织、自学习等控制系统的研究。80年代诞生了智能控制和智能机器人系统。行为主义者认为智能不需要
知识,不需要表示,不需要推理;人工智能可以像人类智能
一样逐步进化(所以称为进化主义),智能行为只能在现实世
界中与周围环境交互作用而表现出来。
(4)机制模拟:信息-知识-智能转换,机制主义的代
表。机制主义认为,“信息-知识-智能转换”是智能生成的共性核心机制。尽管存在各种不同的智能生成过程,但是“信息-知识-智能转换”却是智能生成过程的共同主轴,差别主
要表现为这些转换的具体实现方式的多样性。机制主义是结构主义、功能主义、行为主义的统一。因此,结构模拟、功能模拟、行为模拟都是机制模拟的特例。
结构主义方法(利用经验性知识的神经网络,其中也涉及到模糊逻辑方法和粗糙集合方法)、功能主义方法(利用规范性知识的专家系统方法)、行为主义方法(利用常识性知识
的感知一动作系统方法)三者确实在机制主义(信息-知识-智能转换)框架下实现了完美的互补与统一。而且,结构主义方法获得的经验性知识经过验证就可以成为功能主义方法
所需要的规范性知识,功能主义方法的规范性知识经过普及处理就可以成为行为主义方法所需要的常识性知识。 可见,在智能生成机制(机制主义)的统一框架体系下,结构主义(以人工神经网络为代表)、功能主义(以专家系统为代表)、行为主义(以感知动作系统为代表)三者之间并不存在
“孰优孰劣”的分别;相反,它们之间构成了和谐分工互补的
统一体。于是,“智能生成的共性机制:信息-知识-智能转换”就天然地成为了“人工智能统一理论”的基础。 2.2进展之二:由浅层到深层
Advanced Intelligence is defined as the frontiers of both natural and artificial intelligence -- ICAI’06-Beijing
具有以下特点:
(1)人工智能与自然智能的互动,而不是分离 (2)智能、情感、意识、认知之间是统一的,而不是分立的
2.3进展之三:学科从无到有
《智能科学与技术》本科专业
《智能科学与技术》博士、硕士学位授予二级学科
《智能科学与技术》博士、硕士学位授予学科一级学科 -- 智能科学与方法
-- 知识处理技术
-- 智能系统与应用
3 挑战 3.1统一理论的深化: (下转第10页) ———————————
作者简介:钟义信(1940-),男,江西龙南人,北京邮电大学,教授,博士生导师,校学术委员会主席,中国人工智能学会理事长,北京 100001
Microcomputer Applications Vol. 25, No.9, 2009 研究与设计 微型电脑应用 2009年第25卷第9期
·10·
[6] Bredin H, Dehak N and Chollet G .GMM-based SVM for
face recognition[C]//IEEE ICPR,2006.
[7] 李闯,丁晓青,吴佑寿.一种基于直方图特征和AdaBoost
的图像中的文字定位算法 [ J ].中国图象图形学报,2006,
11(3).
[8] 张惟,穆志纯,袁立.基于改进AdaBoost 算法的人耳检测与跟踪 [ J ].中国图象图形学报,2007,12(2). [9] YANG Cheng-ping, WANG Yuan-Qing.A Face Detection Based on Frontal-Inverse AdaBoost Algorithm[ J ].Chinese Journal of Electron Devices,2008,31(1). [10] 王震宇,张可黛,吴毅,卢汉清.基于SVM 和AdaBoost 的红外目标跟踪[ J ].中国图象图形学报.2007,12(11). (收稿日期:2009-03-08)
(上接第1页) 转换算法 逻辑理论 协调理论 等等 3.2应用: 国民经济增长方式的转变
诸多全球性挑战问题的求解
应用性研究结果表明,理论有效(远未完善);但是,“坚
冰已经打破,航道已经开通”。
“能量转换定律”曾经是工业时代科学技术的基石;而
“信息-知识-智能转换理论”则是信息时代科学技术的灵魂。
智能科学技术是现代科学最广阔的天地,最精彩的篇
章,激动人心的前沿;现有理论成果只是它最初的序幕。 (收稿日期:2009-8-29)
(上接第4页)
[2] 蒋立源,康慕宁.编译原理[M].2版.西安:西北工业大学出
版社.2000.
[3] Aho A V , Sethi R, Ullman J pilers: Principles,
Techniques and Tools [ M ]. Addison - Wesley, Pearson
Education.1986.
[4] Lindholm T, Yellin F. The Java Virtual Machine
Specification Second Edition [ M ]. Addison-Wesley Pub
Co,1999. [5] Venners B.Inside The Java Virtual Machine [ M ]. Osborne McGraw-Hill,2000. [6] Northrop L M. Object Oriented Development. Software Engineering [ M ]. IEEE Computer Society Press, Los Alamitos,CA,1997.148-159. [7] Jeff Lee.ANSI C Lex &Yacc grammar [EB/OL]. http:// /,1985. (收稿日期:2008-11-12)
(上接第6页) 直径大于零,所以会在接头处封闭不严,影响显示效果。 可以用适当延长第一段圆柱长度的方法来填补漏洞,改善显示效果。下面讨论第i 段圆柱高度延长量i H Δ的求法。首先注意到,i H Δ的值与相邻两个圆柱的方向有关。圆柱的方向又由它们所连接的采样点决定。所以确定i H Δ时需要用到1−i p 、i p 与1+i p 三个采样点的坐标。从图4可以知道,相邻的两个圆柱底面的夹角与向量i i p p 1−、1+i i p p 之间的夹角相同。i i 1−、1+i i p p 的夹角i θ可以通过内积求得。圆柱的半径为r 时,i H Δ可以取为i r θtan 。由于我们是根据曲线的曲率对曲线进行离散化的,所
以i θ比较小。这时i i θθtan ≈。这样,也可以取i i r H θ=Δ。i H Δ的两种取法,计算量都很小,实际效果也都是比较理想的。
图4
4 结束语
本文给出了一个在基于OpenGL 的三维图形应用程序
中完整的空间曲线绘制方法。在曲线离散化的过程中,采样步长根据曲线的曲率动态地得到。既保持了曲线的光滑性,
又有较小的采样量。保证了在显示效果、存储量与绘制工作
量等方面都有很好的性能。离散化算法中使用了一个误差量
e ,使得我们可以在光滑性、存储量与绘制速度几方面之间根
据需要进行权衡调整,取的最满意的效果。离散化算法与
OpenGL 无关,也可以应用于其他需要离散化曲线的场合。
本文还提出了用细圆柱代替直线段绘制曲线的方法,并且根据OpenGL 中绘制圆柱函数的特点给出了相应的曲线绘制方法。这个方法考虑了圆柱衔接处的处理。进一步改善
了曲线的显示效果。
应用本文提出的完整方法,通过OpenGL 绘制的曲线,
显示效果极好,简单易实现。在存储量与绘制速度这两方面
的性能也非常令人满意。
参考文献
[1] 苏步青,刘鼎元.初等微分几何[M].上海:上海科学技术出版社,1985. [2] Woo M, Neider J, Davis T. OpenGL Programming Guide [M].Addison Wesley,1999. [3] David J.Kruglinski. Inside Visual C++[M].Microsoft Press, 1997.
(收稿日期:2008-11-12)