关于人工智能的文献
关于人工智能的文献
人工智能的历史并不久远，关于人工智能的文献有哪些呢?。下面是学习啦小编为你整理的关于人工智能的文献，供大家阅览!
人工智能的形成及其发展现状分析
摘要：人工智能的历史并不久远，故将从人工智能的出现、形成、发展现状及前景几个方面对其进行分析，总结其发展过程中所出现的问题，以及发展现状中的不足之处，分析其今后的发展方向。
关键词：人工智能，发展过程，现状分析，前景。
一. 引言
人工智能最早是在1936年被英国的科学家图灵提出，并不为多数人所认知。当时，他编写了一个下象棋的程序，这就是最早期的人工智能的应用。也有著名的“图灵测试”，这也是最初判断是否是人工智能的方案,因此，图灵被尊称为“人工智能之父”。人工智能从产生到发展经历了一个起伏跌宕的过程，直到目前为止，人工智能的应用技术也不是很成熟，而且存在相当的缺陷。通过搜集的资料，将详细的介绍人工智能这个领域的具体情况，剖析其面临的挑战和未来的前景。
二. 人工智能的发展历程
1. 1956年前的孕育期
(1) 从公元前伟大的哲学家亚里斯多德(Aristotle)到16世纪英国哲学家培根(F. Bacon)，他们提出的形式逻辑的三段论、归纳法以及“知识就是力量”的警句，都对人类思维过程的研究产生了重要影响。
(2)17世纪德国数学家莱布尼兹(G..Leibniz)提出了万能符号和推理计算思想，为数理逻辑的产生和发展奠定了基础，播下了现代机器思维设计思想的种子。而19世纪的英国逻辑学家布尔(G. Boole)创立的布尔代数，实现了用符号语言描述人类思维活动的基本推理法则。
(3) 20世纪30年代迅速发展的数学逻辑和关于计算的新思想，使人们在计算机出现之前，就建立了计算与智能关系的概念。被誉为人工智能之父的英国天才的数学家图灵(A. Tur-ing)在1936年提出了一种理想计算机的数学模型，即图灵机之后,1946年就由美国数学家莫克利(J. Mauchly)和埃柯特(J. Echert)研制出了世界上第一台数字计算机，它为人工智能的研究奠定了不可缺少的物质基础。1950年图灵又发表了“计算机与智能”的论文，提出了著名的“图灵测试”，形象地指出什么是人工智能以及机器具有智能的标准，对人工智能的发展产生了极其深远的影响。
(4) 1934年美国神经生理学家麦克洛奇(W. McCulloch) 和匹兹(W. Pitts )建立了第一个神经网络模型，为以后的人工神经网络研究奠定了基础。
2. 1956年至1969年的诞生发育期
(1)1956年夏季，麻省理工学院(MIT)的麦卡锡(J.McCarthy)、明斯基(M. Minshy)、塞尔夫里奇(O. Selfridge)与索罗门夫(R. Solomonff)、 IBM的洛
切斯特(N. Lochester)、莫尔(T. More)与塞缪尔(A. Samuel)、贝尔实验室的香农(C. Shannon)、卡内基一梅隆大学(CMU)的纽厄尔(A. Newell)与西蒙(H. Simon)等10人在美国的达特茅斯大学(Dartmouth)举办了一个长达两个月的关于机器智能的研讨会，会上统一使用了人工智能(Artificial Intelligence)这一术语，用它来代表有关机器智能这一研究方向，这标志了人工智能学科的正式诞生。
(2)1956年至1969年间，塞缪尔研制了能自学习的跳棋程序.1959年它击败了塞缪尔本人，1969年又击败了一个州的冠军
(3) 1956年至1965年间，纽厄尔和西蒙研制的“逻辑理论家”的程序，证明了“数学原理”中的38个定理;
1958年美籍华人数理学家王浩在计算机上仅用5分钟就证明了“数学原理”中的有关命题演算的全部220条定理;
1960年纽厄尔和西蒙在心理学实验的基础上研制成了一种不依赖具体领域的通用问题求解程序GPS(General Problem Solver)，可以求解11种不同类型的问题;
1965年鲁滨逊(J.Robinson )提出了消解原理，为定理的机器证明做出了突破性的贡献。
(4) 1956年至 1968年间，斯坦福大学的费根鲍姆(G . Feigenbaum )教授首先开展了专家系统的研究，他们研究成功的DENDRAL专家系统能根据质谱仪的实验，通过分析推理决定化合物的分子结构，其能力相当于化学专家的水平。
(5)1969年国际人工智能联合会议(international Conferences On Artificial Intelligence)成立，它标志着人工智能这门新兴学科得到了世界范围的公认。
3. 1970年以后的起伏发展期
20世纪70年代，人工智能进人发展期，许多国家都相继开展了这门新兴学科的研究工作。60年代一连串的胜利，使人工智能的学者们兴高采烈，也使公众对人工智能提出了更高的期望，但是事情发展远非如此。塞缪尔的下棋程序当了州级冠军之后，与世界冠军对弈时就从没有赢过。最有希望出实质性成果的自然语言翻译也问题不断，人们原以为只要用一部双向字典和一些语法知识就可能解决自然语言的互译问题，结果发现机器翻译闹出了不少笑话。
以至于有人挖苦说，美国花了2000万美元为机器翻译建立了一块墓碑。被公认为有“重大突破”的消解法，也因其局限性不能适应现实世界诸多问题，在神经网络、机器学习研究方面也遇到了种种困难。舆论的谴责，经费的缺乏，使人工智能研究一时陷入了困境。
三. 人工智能的现状分析及发展前景
(一)现状分析
人工智能的理论现状为分而治之(主要有三个方面，即结构主义，功能主义，行为主义)。人们的对事物本质认识论存在差异性，从事物的不同方面模拟智能系统，使得人工智能从其产生，到现在，不论是对其认知，或是研究，都存在一种“盲人摸象”的错误认识。结构、功能、行为是智能系统的基本属性，最能揭示系统本质的应当是“工作机制”，亦可称之为机制主义。所谓的机制主义即是在给定的问题-环境-工具的前提下，提取相关信息，并在此基础上将信息转换为知识。主要有三个阶段：首先是从本体论信息到认识论信息(信息的获取)，然后是从认识论信息到知识，而最后一阶段是智能策略。其结构流程图
如下：
这个图简明的说明了“机制主义”的具体构成，以及所包含的内容。 然而，尽管如此，人工智能在现阶段任然有很大的局限性，这主要表现在五个大的方面：
1.认识论的局限性。人们对于思维的过程的认识是比较片面的，觉得思维过程可以通过物理符号的运算模拟出来，而一些形象思维或者抽象思维的程式是无法被简单物化的。
2.智能化方法与途径方面的局限性。从机械角度出发，主要分为结构派和功能派。结构派从研究人的大脑神经结构出发，企图模拟人的神经网络，殊不知人的神经元数量众多，这也使得结构派的智能化道路显得任重道远;功能派从研究思维的活动和智能行为的心理学特性出发，但是根本思维还是符号主义，理论模型仍是图灵机模型。
3.数学基础的局限性。人工智能最基本的还是计算问题，这就涉及到近代数学的现状。近代数学具有封闭性，线性，结构不变性，收敛性以及精确性，而人工智能所要求的却恰好相反，它所需要的是进行非结构化的、非线性、模糊发散的计算，以满足智能化的需求。
4.计算机模型的局限性。主要表现在四个方面：
1)问题表示的方法的局限性。
2)需要对问题本身抽象出一个数学意义上的精确地解析式。
3)需要针对问题设计算法。
4)求解的结果的唯一性。
5)图灵计算机模型下的问题一般都是可递归的问题。
6)很多时候，要实现真正的人工智能，我们要求的是满意解而非是精确解，而这时以图灵模型为原型的计算机模型所做不到的。
5.形式演绎理论方面的局限性
6.实现技术方面的局限性。知识表示、推理、环境与工具等都存在较大的局限性，限制其发展。
毕竟人脑和机器是有很大的区别的，人脑胜于计算机的地方, 就是具有逻辑思维、概念的抽象、辩证思维和形象思维, 能从知识中抽取出性质不同、更高层次的核心知识, 能从多方面地把握信息, 因此在解决问题时, 大大减少了对每一种可能组合的解决问题方案的探索, 甚至在很多情况下, 根本无须探索各种可能的组合, 就直接想出办法, 找到答案。这样, 就避免了组合爆炸。计算机虽能进行调整, 进行有限的自组织, 但由于不具备形象思维和逻辑思维,仅能放
大人的悟性活动中的演绎方法, 不可能真正具有智能。由此, 决定了计算机不能进行学习、思维、创造。在计算机领域, 机器人仍然是机器, 并不具有生命, 但是克隆技术、转基因技术等的巨大突破却可能使人们设计创造出具有生命、甚至具有智能的东西。
(二)发展前景
对于已解决或者即将解决的智能问题，通过对计算机的功能程序和它们之间的关系的深入研究中，或许我们可以找到一条发展人工智能的新途径。使用计算机解题，都必须通过汇编语言编写一些程序，将要求解的问题和算法转换成机器语言，即“0”、“1”代二进制机器指令，方可进行。因此用通用的指令集，即代表了计算机解决问题的能力。因此或许可以从功能方面去研究一些具有基本功能，但是又无法由其他指令编程实现的基本指令并通过对他们的指令集进行分析，以研究人工智能。
四. 结束语
人工智能诞生的时间并太久，技术也显得不很成熟，某种意义上讲，总是面临着相当多的局限。既然，冯诺.依曼是现在计算机的原型，其机器指令也是限制人工智能化的一大障碍，或许，可从改善机器语言的的本身出发，找到新的突破口，将人工智能成熟化。
猜你喜欢：
2.人工智能科技论文