人工智能背景与发展.doc

人工智能得主要背景与进展数学1704 高芷晗1、人类智能与人工智能得概念与其她生物物种不同，人类就是一种智慧型生物。人类智慧包含两个相辅相成得部分:隐性智慧与显性智慧。隐性智慧负责发现与确定创新得方向，显性智慧负责在确定得创新方向上实现具体得创新求解。更具体地说,隐性智慧就是人类发现问题与定义问题得能力，需要全局性得分析能力、想象能力与开拓能力，就是一种内隐得创造性能力,因而不可被机器模拟;显性智慧就是人类在隐性智慧所定义得问题框架内解决问题得能力,需要获取信息生成知识与运用知识解决问题得能力,就是外显得操作性能力,因而可以被机器模拟。人类得显性智慧通常也会被称为人类智能,模拟人类智能(显性智慧）得科学技术就叫人工智能。 隐性智慧表现在:面对环境定义得实际问题;为知识库提供得已有知识;预设得问题求解目标。这三者就就是隐性智慧定义得工作框架。在这个框架下,人工智能系统所要执行得任务就就是模拟人类智能（显性智慧）得能力,运用所提供得信息与已有知识解决所给定得实际问题,达到预定得求解目标。在人类与人工智能系统之间,人类始终就是主体,人工智能系统则就是人类求解问题得聪明工具。由于人工智能系统接受了人类所预设得求解目标与提供得专门知识,就保证了人类主体与客体之间实现主客双赢得策略:主体赢,因为实现了主体得求解目标;客体赢,因为遵守体现在知识中得客观规律。 人工智能系统工作得基本过程:(1)人类主体(隐性智慧)首先设定工作框架,即定义要解决得实际问题,提供已有知识,预设求解目标。(2)人工智能系统收集工作框架得信息,包括模型中得本体论信息。（3）通过信息获取(感知)单元,把本体论信息转换为认识论信息.（4）通过信息传递(通信)单元,把认识论信传送到信息处理单元。()通过信息处理(计算)单元，使认识论信息成为适用信息。(6通过知识生成(认知)单元,根据求解问题得需要生成专门知识。（7)通过策略创建(决策）单元，把认识论信息、专门知识、求解目标转换为求解问题得智能策略。 (）通过策略传递（通信)单元,把智能策略传递到策略执行单元。（9)通过策略执行（控制）单元,把智能策略转换成为智能行为,反作用于实际问题。 （10)如果智能行为反作用于实际问题得结果没有满意地实现预期得求解目标,就把误差作为新得信息反馈到信息获取(感知）单元,通过学习，补充新得知识,优化智能策略,改善执行效果，减小求解误差。 、人工智能技术以上论证说明：人工智能技术可以在人类隐性智慧定义得工作框架内模拟人类显性智慧(人类智能)生成知识，创建主客双赢得策略解决各种复杂问题.而这就是现今其她各类技术做不到得 不过,由于在人工智能系统工作得基本过程中，第(）步中客观存在各种不确定性,人类给定得知识未必能够理想地体现客观规律，也未必能够完全满足求解问题得需要,第()步中人类预设得求解目标也不见得完全合理,第（3)步中人工智能系统各个环节必然存在各种不理想性因此，人工智能系统对人类显性智慧能力得模拟不可能完全到位，人工智能系统提供得问题解答也可能不如人类求出得解答。 如果说人工智能系统确实也有超人得地方，那主要就是它得工作速度、工作精度、持久能力等因素,而不可能就是显性智慧中得智慧品质。 至于一些人所宣传得机器超越人类甚至机器淘汰人类得说法，就是没有根据得。无论就是人工智能系统，还就是其她各种机器系统，它们共同得问题之一就是：机器没有生命,没有目得,不可能自主发现应当解决得实际问题,不可能自主形成机器得智慧,尤其不可能无中生有地形成超越人类与淘汰人类得荒唐愿望，因此更不可能产生淘汰人类或灭绝人类得行为。4、 “新型”信息技术 近十多年来,先后出现了大数据、云计算、物联网、移动互联网以及各种互联网得应用技术。人们把它们称为“新型”信息技术或“新一代 信息技术.深入分析可以发现,这些新型信 息技术得核心技术正就是核心人工智能系统得知识生成与策略创建技术。不妨以大数据技术为例加以说明。由于有着多种来源、多种背景以及多种格式,大数据通常就是病态结构得或不良结构得大规模数据集合,其中可能包含垃圾、病毒与黑客攻击程序。因此，大数据技术得第一个环节就就是智能分类：把无用得数据识别分类出来加以过滤与抑制,把有用得数据按照某些特征进行分类,再分门别类地送到恰当得云计算(与云存储)系统,进行相应得信息处理，为知识生成（知识挖掘)做好必要得准备通过知识挖掘生成了足够得知识之后，才可以把这些知识（结合求解目标)转换成为用来解决问题得智能策略其中,智能分类、知识挖掘与策略创建都就是人工智能得基本技术。可见,如果没有这些人工智能技术，大数据就只能就是数据,而不可能转换成为有用得知识与可 以用来解决问题得智能策略.由此可知,大数据技术得核心就就是人工智能技术,可以把它比较确切地称为面向大数据得智能技术。近来人们在密切关注着“互联网”。其实,“互联网”可以有两种不同得理解.一种理解就是当前人们所关注得互联网推广，这里得“” 就相当于信息化得“化,就就是互联网得各种应用.另一种更有意义得理解则把“互联网+”理解为互联网升级,就就是把以计算机为终端得现有互联网升级为以人工智能系统为终端得智能互联网。应当认为,互联网推广即把互联 网应用到各行各业就是完全必要得,这就是信息化建设得正常要求.但就是，从信息化建设得发展大势来瞧，互联网升级即把当前常规互联网升级为智能互联网则更为必要,这将为中国信 息化建设注入更为强大得新活力，就是转变经济发展方式得需要，就是国民经济产业升级得需要。 综上所述,大数据技术、云计算 技术、智能物联网技术，其实都就是人工智能技术得相关具体应用。可以这么说,如果没有人工智能技术,单凭信息技术很难有效地应对大数据与物联网以及未来更多更复杂得技术挑战.5、人工智能（如alphgo)军事应用展望一般来说， 按照作战活动得不同, 可以将战争空间划分为物理域、信息域、认知域与社会域 4个交叠构成得具有跨域特性得作战域。随着机器学习与人工智能得快速发展，以谷歌 lao、微软智能图像识别、IB沃森等为代表得人工智能技术必然会应用于战争空间得各作战域、 美国国防部高级研究计划局 (Deense vncd Resarchrojects ncy, DARPA) 作为美国先进科技得引领者，在人工智能领域正在与计划开展大量研究项目、表 1列出了人工智能技术在各个作战域中得可能应用情况以及 DAR开展项目得情况物理域就是各种军事力量进行交战、打击、防护与机动得作战域、人工智能技术在该域得应用,必然导致大量智能化无人作战平台得出现， 如智能作战机器人、无人驾驶汽车、无人船、无人机等、 这些智能化得无人作战平台与当前得无人系统将具有本质性得区别，就是一类具有思考决策能力得系统，而不就是简单地应对大致有限得既定环境、 这必然导致打击、机动与防护能力得全面提升、 如 DRA 正在研发得 X战车 (XVT），依赖先进得人工智能技术具备更快 行驶速度， 超强侦察外部环境躲避敌方侦察得能力、信息域就是信息化战争对抗发生得主战场,就是信息产生、处理、共享与对抗发生得领域、 长期以来, 由于信息得处理共享等环节需要大量得人工操作, 例如战场侦察卫星传回得图像、无人机侦察图像、各类人员语音信息等非结构化数据需要人工判读,这直接导致信息得处理速度与利用效率极低, 甚至可能使指挥员淹没在“信息洪流中、微软得maeNet 图像识别理解、科大讯飞得语音识别等人工智能技术得发展, 使智能化处理非结构化战场数据越来越接近实战要求,由此正在催生各类传感器、数据处 理器以及信息网络得全面智能化， 使得信息收集得 范围更为广泛, 信息处理得速度更快质量更好、另外， 信息域中得网电对抗, 借助于人工智能技术将能够 实现自主敏捷反应, 如DAP 资助得 “认知电子战” 计划使用最新得人工智能与机器学习方法, 能够自主识别对手得信号频谱并作出反应、 认知域与社会域就是感知、认知与决策产生得作战域, 智能态势感知理解与自主决策就是目前人工智 能亟待解决得领域， 就是通向真正意义得智能化战争 得关键一环、 由于战场环境具有高度得复杂性与不 确定性, 长期以来，态势理解及预测等认知活动机器 智能还无法胜任，主要依赖人工完成、 现代化战争复杂程度越来越高， 陆、海、空、天、电、网各维度态势 相互铰链, 单纯依赖人工对态势图判读来理解与预 测态势将会变得越来越困难、 另外， 由于战争内在得 复杂性， 对手行为得高度不确定性， 长期以来, 辅助决策功能一直饱受诟病、为了解决这一问题， DRP从8 年开始支持 “深绿” 计划, 试图研究一种能 够嵌入美军 CSR 系统得先进辅助决策模块、 “水晶 球”与“闪电战”就是两大核心模块、 水晶球负责生成与更新未来作战可能得各个分支, 即绘制与更新战 争得博弈树, 而闪电战模块用来对每个分支进行模拟并给出交战结果， 即完成对博弈树得剪枝与搜索, 这与 AlphaG 采用得方法极为类似、 因此，Alpao得成功极有可能带来这类智能军事决策得突破, 这也就是 lphGo 技术最有借鉴意义之所在、 在社会域上, 共享感知与协同决策就是实现联合作战行动得基础,就是整合其她各作战域智能作战力量形成作战体 系得关键所在、 DARA 正在大力发展得 “人机协作”(“半人马模式） 等计划,其目标就就是实现将人与机深度融合为共生得有机整体, 让机器得精准与人类得可塑性完美结合, 利用机器得速度让人类做出最佳判断， 以协助人类提升认知速度与精度, 快速作出决策并指挥无人系统协同行动、