响水生活网

從信息社會邁向智能社會(開卷知新)

作者:安生 | 来源:互联网
2020-02-29 18:07:00

   

從信息社會邁向智能社會(開卷知新)

 

  制圖:蔡華偉

 

  人工智能(AI)是指在機器上實現類似乃至超越人類的感知、認知、行為等智能的系統。與人類歷史上其他技術革命相比,人工智能對人類社會發展的影響可能位居前列。人類社會也正在由以計算機、通信、互聯網、大數據等技術支撐的信息社會,邁向以人工智能為關鍵支撐的智能社會,人類生產生活以及世界發展格局將由此發生更加深刻的改變。

  人工智能分為強人工智能和弱人工智能。強人工智能,也稱通用人工智能,是指達到或超越人類水平的、能夠自適應地應對外界環境挑戰的、具有自我意識的人工智能。弱人工智能,也稱狹義人工智能,是指人工系統實現專用或特定技能的智能,如人臉識別、機器翻譯等。迄今為止大家熟悉的各種人工智能系統,都隻實現了特定或專用的人類智能,屬於弱人工智能系統。弱人工智能可以在單項上挑戰人類,比如下圍棋,人類已經不是人工智能的對手了。

  人工智能發展的基本思想和技術路徑有三種

  人工智能研究工作肇始於20世紀40年代,但其完整概念在1956年才正式登上歷史舞台,在美國達特茅斯學院舉行的“人工智能夏季研討會”上提出。這個研討會的主題就是用機器來模仿人類學習以及其他方面的智能,推進了人工智能起起伏伏、螺旋發展的歷程。

  第一個階段,1956—1976年,基於符號邏輯的推理証明階段。這一階段的主要成果是利用布爾代數作為邏輯演算的數學工具,利用演繹推理作為推理工具,發展了邏輯編程語言,實現了包括代數機器定理証明等機器推理決策系統。但在人工智能理論與方法工具尚不完備的初期階段,以攻克認知作為目標顯然不切實際,人工智能研究逐步從高潮進入低谷。

  第二個階段,1976—2006年,基於人工規則的專家系統階段。這個階段的主要進展是打開了知識工程的新研究領地,研制出專家系統工具與相關語言,開發出多種專家系統,比如故障診斷專家系統、農業專家系統、疾病診斷專家系統、郵件自動分揀系統等等。專家系統主要由知識庫、推理機以及交互界面構成,其中,知識庫的知識主要由各領域專家人工構建。然而,知識僅靠專家的手工表達實現,終不免挂一漏萬,使得專家系統無法與人類專家與時俱進的學習能力相匹配,人工智能研究第二次進入瓶頸期。

  第三個階段,2006年至今,大數據驅動的深度神經網絡階段,也是深度學習大行其道的時期。人工神經網絡的發展,隨著人工智能的發展起起伏伏。初期人們對其可以模擬生物神經系統的某些功能十分關注,但是對復雜網絡的學習收斂性、健壯性和快速學習能力一直難以把握,直到上世紀80年代反向傳播算法的發明和90年代卷積網絡的發明,神經網絡研究取得重要突破。深度神經網絡方法走到前台,開啟了人工智能新階段。

  自誕生以來,人工智能發展的基本思想和技術路徑總的來說有三種。

  第一種路徑是符號主義或者說邏輯學派,形式邏輯是其理論基礎,主張人工智能應從智能的功能模擬入手,認為符號是智能的基本元素,智能是符號的表征和運算過程。前述第一個階段和第二個階段中,符號主義都是主導思想。

  第二種路徑是連接主義或者說神經網絡學派,發源於上世紀40年代,強調智能活動是由大量簡單(神經)單元通過復雜連接后並行運行的結果。其基本思想是:既然人腦智能是由神經網絡產生的,那就通過人工方式構造神經網絡,再通過訓練產生智能。人工神經網絡是對生物神經網絡的抽象和簡化。80年代神經網絡的興盛和近年來興起的深度學習網絡,都是包含多層神經元的人工神經網絡。

  第三種路徑是行為主義或者說控制學派,又稱進化主義。這個學派在上世紀80年代末、90年代初興起,思想源頭是上世紀40年代的控制論。控制論認為,智能來自智能主體與環境以及其他智能主體相互作用的成功經驗,是優勝劣汰、適者生存的結果。

  機器學習是未來方向,將人類從重復性勞動中解放出來

  機器學習是上世紀80年代中期發展起來的人工智能新方向。機器學習研究機器怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,或者根據環境自適應地調整對策。機器學習可以讓機器通過對經驗進行“歸納”和“推理”而實現自動改進。

  目前,機器學習仍然是人工智能研究的熱點之一,包括深度學習的可解釋性和可信性,增強智能系統的自學習和自適應能力,以及無監督學習、多模態協同學習、強化學習、終生學習等新的機器學習方法。另外,考慮到數據安全和隱私保護,在數據加密或者部分加密的情況下如何學習,也是重要研究方向之一。在深度學習浪潮推動下,人工智能其他研究方向也在加速發展,包括機器感知、模式識別與數據挖掘、自然語言處理、知識表示與處理、智能芯片與系統、認知與神經科學啟發的人工智能、人工智能和其他學科的交叉等。