"智能控制与计算机协同监控"

一、"智能控制与计算机协同监控"

Artificial intelligence development circumstance investigation

北京师范大学继续教育学院 2000级计算机科学与技术赵旭峰

【摘要】什么是智能？什么是人工智能？智能与人工智能有什么区别和联系？人工智能的出现不是偶然的。从思想基础上讲，它是人们长期以来探索研制能够进行计算、推理和其他思维活动的智能机器的必然结果；从理论上来讲，它是信息论、控制论、系统工程论、计算机科学、心理学、神经学、认知科学、数学和哲学等多学科相互渗透的结果；从物质和技术基础上讲，它是电子计算机和电子技术得到广泛应用的结果。

实际上，人工智能的远期目标与近期目标是相互依存的。远期目标为近期目标指明了方向，而近期目标则为远期目标奠定了理论和技术基础。同时，近期目标和远期目标之间并无严格界限，近期目标会随着人工智能的发展而变化，并最终达到远期目标。

由于对人工智能本质的不同理解，形成了人工智能多种不同的研究途径，主要是符号主义（Symbolism）和联接主义（Connectionism）途径。

人工智能的研究从本质上来说是要用机器来实现人的智能。这一最终目标的实现还要与各相关方面学科和技术的发展相结合。

AI系统是设计出的一种计算机程序，这种程序具有某些像人和动物智能一样的功能。在过去的30多年中，已经建立了一些具有一定“智能”的AI系统，例如下棋程序、定理证明系统、集成电路设计与分析系统、自然语言翻译系统、智能信息检索系统、疾病诊断系统等。

人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

【关键字】人工智能符号主义联结主义行为主义基本问题

（二）人工智能的研究目标和研究途径。 5

（一）人工智能的诞生。（1956年-1970年） 7

（二）人工智能发展遇到的问题。（1971年-80年代末） 7

（三）人工智能研究的进展。（20世纪80年代至今） 8

（二）人工智能的主要学派及其观点。 8

（三）人工智能在现实中的应用。 9

4．智能控制、智能系统和智能接口 10

（一）人工智能近期研究的策略。 13

（二）人工智能研究的新课题。 13

人类的自然智能伴随着人类活动时时处处都存在。人类的许多活动，如解题、下猜谜、讨论、编制计划和编程，甚至驾车、骑车等，都需要智能。如果机器能够完成这些任务，那么就可以认为机器已经具有某种程度的“人工智能”。

什么是智能？什么是人工智能？智能与人工智能有什么区别和联系？人工智能的出现不是偶然的。从思想基础上讲，它是人们长期以来探索研制能够进行计算、推理和其他思维活动的智能机器的必然结果；从理论上来讲，它是信息论、控制论、系统工程论、计算机科学、心理学、神经学、认知科学、数学和哲学等多学科相互渗透的结果；从物质和技术基础上讲，它是电子计算机和电子技术得到广泛应用的结果。

首先我们看看什么是信息。我们知道，信息与物质及能量构成宇宙。信息是物质和能量运动的形式，是以物质和能量为载体的客观存在。它们之间的关系是：

1)能量和物质可以相互转换，但信息与能量、信息与物质不会直接转化。

2)物质和能量表现为信息，或者产生信息。

3)信息能够控制能量与能量之间的转换；物质与物质之间的转换；能量转换为物质；物质转换为能量。

人们不能直接认识物质和能量，而是通过它们的信息来认识物质和能量。

人的认识过程为：信息经过感觉输入到神经系统，再经过大脑思维变为认识。

那么什么是认识呢？认识就是用符号去整理研究对象，并确定其间的联系。

从认识我们可以继续探讨什么是知识？什么是智力？知识是用人们对于可重复信息之间的联系的认识，所以知识是被认识了的信息和信息之间的联系，它是信息经过加工整理、解释、挑选和改造而形成的。

关于智力，科学家们有不同的定义，以下是几种对智力的定义：

Wisterw：智力是指个体有意识地以思维活动来适应新情况的一种潜力，也就是个体对生活中新问题和新条件在心理上的一般适应能力。Terman：智力是抽象思维的能力。Buckinghan：智力是学习的能力。Storddard：智力是从事艰难、复杂、抽象、敏捷和创造性的活动以及集中精力和保持情绪稳定的能力。Piaget：智力的本质就是适应，使个体与环境取得平衡。Guilford：智力是对信息进行处理的能力。

总而言之，智力可看做个体的各种认识能力的综合，特别强调解决新问题的能力，包括抽象思维、学习能力、对环境的适应能力。

有了知识和智力的定义后，一般将智能定义为：智能=知识集+智力。所以智能主要指运用知识解决问题的能力，推理、学习和联想是其重要因素。

至于人工智能，像许多新兴学科一样，至今尚无统一的定义。下面是几位著名的人工智能方面的科学家分别在不同的年代对人工智能给出的定义：

1978年P.Winston“人工智能是研究计算机更灵活有用，了解使智能实现成为可能的原理。因此，人工智能研究结果不仅是使计算机能模拟智能，而且是了解如何帮助人们变得更智能。”

1981年A.Barr和E.Feigenbum“人工智能是计算机科学的一个分支，它关心的是设计智能计算机系统，该系统具有与人的行为相联系的智能特征，如了解语言、学习、推理、问题求解等。”

1983年Elaine Rich“人工智能是研究怎样让电脑模拟人脑从事推理、规划、设计、思考、学习等思维活动，解决至今认为需要由专家才能处理的复杂问题。”

1987年Michael R.Genesereth和Nils J.Nilsson“人工智能是研究智能行为的科学。它的最终目的是建立关于自然智能实体行为的理论和指导创造具有智能行为的人工制品，这样一来，人工智能有两个分支，一个为科学人工智能，一个为工程人工智能。”

Michael和Nilsson关于人工智能的定义引出了科学人工智能和工程人工智能的概念。

关于科学人工智能，它的目的是发展概念和词汇以帮助我们了解人和其他动物的智能行为。

关于工程人工智能，它主要研究建立智能机器的概念、理论和实践。例如：

专家系统：在专门的领域内的咨询（医疗、探矿、财务等）服务系统。

自然语言处理：在有限范围内的问题回答系统。

程序验证系统：通过定理证明途径验证程序的正确性。

智能机器人：人工智能研究计算机视觉和智能机。

以上是人工智能的一些比较权威的定义。人工智能似乎还有一个比较模糊的定义，那就是“如果某个问题在计算机上没有解决，那么这个问题就是人工智能问题”，因为一旦解决了某个问题，也就有了解决算法，因而也就不那么“智能”了。从这个意义上讲，人工智能永远是一个深奥而无止境的追求目标。

（二）人工智能的研究目标和研究途径。

关于人工智能的研究目标，目前还没有一个同意的说法。1987年，索罗门（A.Sloman）对人工智能给出了以下三个主要目标：

1)对智能行为有效解释的理论分析；

要实现索罗门的这些目标，需要同时开展对智能机理和智能构造技术的研究。即使对图灵所期望的那种智能机器，尽管它没有提到思维过程，但是真正实现这种智能机器，却同样离不开对智能机器的研究。因此，揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类智能应该是人工智能研究的根本目标，或者叫远期目标。

人工智能的远期目标涉及到脑科学、认知科学、计算机科学、系统科学、控制论及微电子等多种学科，并有赖于这些学科的共同发展。但从目前这些学科的现状来看，实现人工智能的远期目标还需要有一个较长的时期。

在这种情况下，人工智能研究的近期目标是研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为，如推理、思考、分析、决策、预测、理解、规划、设计和学习等。为了实现这一目标，人们需要根据现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能系统。

实际上，人工智能的远期目标与近期目标是相互依存的。远期目标为近期目标指明了方向，而近期目标则为远期目标奠定了理论和技术基础。同时，近期目标和远期目标之间并无严格界限，近期目标会随着人工智能的发展而变化，并最终达到远期目标。

由于对人工智能本质的不同理解，形成了人工智能多种不同的研究途径，主要是符号主义（Symbolism）和联接主义（Connectionism）途径。

以认知心理学派的符号主义认为：人类智能的基本元素是符号，人类的认识过程就是一种符号处理过程，思维就是符号的计算。也就是说，人类的认识和思维都是可以形式化的。人类使用的自然语言本身就是用符号来表示的，人类的许多思维活动如决策、设计、规划、运筹、诊断都可以用自然语言来描述，因而也就是可以用符号来表示了。符号主义的理论基础是物理符号系统假设。许多成功的专家系统、自然语言理解系统都是基于这种观点研制的。

人工智能的另一个研究途径是联接主义，即人工神经网络。联接主义根据对人脑的研究，认为人类智能的基本单元是神经元，人类的认知过程就是网络中大量的整体活动。这种活动不是串行方式，而是以并行方式进行的。区别于符号主义，人工神经网络不存在符号的运算。

机器学习：（Machine Learning）是机器具有智能的重要标志，同时也是机器获取知识的根本途径。机器学习主要研究如何使计算机能够模拟或实现人类的学习功能，它是一个难度很大的领域，它与认知科学、神经心理学、逻辑学等学科都有着米器的联系，并对人工智能的其他分支也会起到重要的推动作用。

自然语言理解：（Natural Language Processing）主要研究如何使计算机能够理解和生成自然语言。目前人类与计算机系统之间的交流还主要靠那种受到严格限制的非自然语言，这就给计算机的普及和使用带来了许多的不便，因此自然语言理解是人工智能的一个重要研究领域。

专家系统：（Expert System）是一种基于知识的智能系统，它将领域专家的经验用知识表示方法表示出来，并放入知识库中，供推理机使用。专家系统是人工智能中最活跃、发展最快的一个分支，已应用在众多的领域中，并带来了巨大的经济效益和社会效益。

模式识别：（Pattern Recognition）是人工智能最早的研究领域之一。“模式”一词的原意是指供模仿用的完美无缺的一些标本。所谓的模式识别就是使计算机能够对给定的事务进行鉴别，并把它归入与其相同的或相似的模式中。

计算机视觉：（Computer Vision）是一门用计算机实现或模拟人类视觉功能的新兴学科。其主要研究目标是使计算机具有通过二位图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。

机器人学：机器人（Robots）是一种可在编程的多功能操作装置。机器人学是在电子学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学以及心理学等多种学科或技术的基础上形成的一种综合性技术学科，人工智能的所有技术几乎都可以在这个领域得到应用。

自动定理证明：（Automatic Theorem Proving）就是让计算机模拟人类证明定理的方法，自动实现像人类证明定理那样的非数值符号演算过程。它是人工智能最早进行研究并得到成功的一个领域。实际上，除了数学定理以外，还有很多非数学领域的任务如医疗诊断、信息检索、难题求解等都可以转化成定理证明。

自动程序设计：（Automatic Programming）是一种让计算机把用高级形式语言或自然语言描述的程序自动换成可执行的技术。自动程序设计和以往的编译程序不同，编译程序只能把用某种高级程序设计语言编写的源程序翻译成目标程序，而不能处理像自然语言一类的高级形式语言。

（一）人工智能的诞生。（1956年-1970年）

人工智能诞生于一次历史性的聚会。为使计算机变得更“聪明”，或者说是计算机具有智能，1965年夏季，当时在达特莫斯（Dartmouth）大学的年轻数学家、计算机专家麦卡锡，后为MIT教授；和他的三位朋友，哈福大学数学家、神经学家明斯基（M.L.Minsky,后为MIT教授）,IBM公司信息中心负责人洛切斯特（N.Lochester）,贝尔实验室信息部数学研究院香农共同发起的，并邀请IBM公司的莫尔（T.more）和塞缪尔（A.L.Samuel）,MIT的塞缪尔里奇（O.Selfridge）和所罗蒙夫（H.A.Simon）共10个人，在美国达特莫斯大学举行了一次为期两个月的夏季学术研讨会。这10位来自美国数学、神经学、心理学、信息科学和计算机科学方面的杰出年轻科学家，在一起共同学习和探讨了用机器模拟人类智能的有关问题，并且麦卡锡提议正式采用了“人工智能AI(Artificial Intelligence)”这一术语。从而，一个以研究如何用机器来模拟人类智能的新兴学科—-人工智能诞生了。

（二）人工智能发展遇到的问题。（1971年-80年代末）

在科学上，前进的道路从来就是不平坦的，成功和失败、顺利和挫折总会交织在一起。人工智能也是如此，在它经过诞生时期的快速发展之后，很快就遇到了许多的问题。

在博奕方面，塞缪尔的下棋程序在与世界冠军的对弈中，5局中败了4局。在定理证明方面，发现鲁滨逊归结法的能力有限，当用归结原理证明两个连续函数之和还是连续函数时，推了10万步也没有证明出结果。在问题求解方面，由于过去研究的多是良结构的问题，而现实世界中的问题又多数为不良结构，如果仍用那些方法去处理，将会产生组合爆炸的问题。在机器翻译方面，原来人们以为只要有一本双解字典和一些语法知识就可以实现两种语言的互译，但后来发现并不那么简单，甚至会闹出笑话。在神经心理学方面，研究发现人脑有1011以上的神经元。在现有的技术条件下用机器从结构上模拟人脑是不可能的。在人工智能的本质、理论、思想及机理方面，人工智能受到了来自哲学、心理学、神经生理学等社会各界的责难、怀疑和批评。不但是在这几个方面，在其他方面，人工智能也遇到了这样那样的问题。

在这种非常困难的环境下，仍有一大批人工智能的学者潜心研究。他们在认真总结了前一段研究工作经验教训的同时，从费根鲍姆以知识为中心开展人工智能研究的观点中找到了新的出路。

（三）人工智能研究的进展。（20世纪80年代至今）

从20世纪80年代末人工智能逐步向多技术、多方法的综合集成与多学科、多领域的综合发展。人们已经意识到人工智能已有的理论基础太薄弱，不能很好的描述人类的智能欣慰。于是其他学科的学者陆续将本学科发展起来的理论与方法向人工智能渗透。从而导致人工智能研究多学科交叉的现象。各学科对人工智能的渗透反映了目前人工智能发展的一种趋势，至于其渗透的结果现在还不明显，还需要时间的考验。目前，人工智能技术正在向大型分布式人工智能、大型分布式多专家协同系统、广义知识表达、综合知识库（即知识库、方法库、模型库的集成）、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。

人工智能研究这一直清醒的认识到无论人工智能如何发展，机器始终代替不了人。基于这种考虑，人的参与使得智能系统的性能变得十分重要。另一方面，只有人所承认的机器行为才算是智能行为，近年来，科学家们试图将多媒体技术、虚拟现实（Virtural Reallity）技术等用到感知通信的研究中，以满足不同人的需要。这是因为人认识现实世界的方式和途径是多种多样的，它们可以互为补充，以达到较为准确的理解。目前，这方面的研究进展很快，引起人们的高度重视。

当前在人工智能研究中，存在着五大基本问题，对这些问题的争论构成了人工智能的几大学派。这五个问题是：

1)知识与概念化是人工智能的核心吗？

2)认知能力能够与感知分开研究（即认知活动是否与载体无关）？

3)认知的轨迹是否可用类自然语言描述？

5)所有认知是否有一种统一的结局？

（二）人工智能的主要学派及其观点。

目前，在国际人工智能界公认的研究学派主要有符号主义、联结主义和行为主义。下面分别对这些学派作些简单介绍。

1)符号主义：（Symbolicism），又称逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（Computerism）,是基于物理符号系统假设和有限合理性原理的人工智能学派。符号主义认为人工智能起源于数理逻辑，人类认知（智能）的基本元素是符号（Symbol），认知过程是符号表示上的一种运算。

2)联结主义：（Connectionism）,又称仿生学派（Bionicsism）或生理学派（Physiologism）,是基于神经网络及网络间的联结机制与学习算法的人工智能学派。联结主义认为人工智能起源于仿生学，特别是人脑模型的研究。

3)行为主意：（Actionism）,又称进化主义（Evolutionism）或控制论学派（Cyberneticsism）,是基于控制论和“感知—动作”型控制系统的人工智能学派。行为主义认为人工智能起源于控制论，提出智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。

（三）人工智能在现实中的应用。

AI系统是设计出的一种计算机程序，这种程序具有某些像人和动物智能一样的功能。在过去的30多年中，已经建立了一些具有一定“智能”的AI系统，例如下棋程序、定理证明系统、集成电路设计与分析系统、自然语言翻译系统、智能信息检索系统、疾病诊断系统等。下面简单的介绍一些基本的人工智能应用系统。

人工智能最早的尝试是求解智力难题和下棋程序，后者又称博奕。直到今天，这种研究仍在进行。另一种问题求解程序是将各种数学公式符号汇编在一起，搜索解答空间，寻求较优的解答。有的程序还能够用其经验来改善起性能。纽维尔（Newell）和西蒙（Simon）合作完成的通用问题求解程序（General Problem Solver）能够求解11种不同类型的问题。1993年美国开发了一个叫做MACSYMA的软件，能够进行比较复杂的数学公式符号运算。

语言处理一直是人工智能研究的热门课程之一，人们很早就在开始研制语言翻译系统（Language Translation System），早期的自然语言理解多采用键盘输入自然语言，现在已经开发出文字识别和语言识别系统，能够配合进行书面语言和有声语言的识别与理解。语言识别位语言理解提供了素材，语言理解可反过来提高语言识别率。因此，自然语言理解可看成是模式识别研究的自然延伸。自然语言处理发展到今天，已呈现出与人工智能、机器学习、知识工程、数据库技术、神经网络、认知科学、语言学、脑科学、思维科学等多个分支学科错综复杂、彼此依赖和相互支持的相对格局，而且以语义理解为特征的自然语言处理和机器翻译已取得突出进展。现在已有智能翻译系统，你可对它说话，它能将你说的话打印出来，并且可以用另一种语言表示出来。更先进的系统还可以回答文本信息中的有关问题和做出摘要。

自动定理证明ATP（Automatic Theorem Proving）是指把人类证明定理的过程变成能在计算机上自动实现符号演算的过程。ATP是AI的一个重要研究领域，它在发展AI的方法上曾起过重大的作用。纽维尔（Newell）的逻辑理论家程序是定理证明的最早尝试，该程序模拟人用数理逻辑证明定理的思想，于1963年就证明了罗素和他的老师怀特海合著的《数学原理》第一章的全部定理。定理自动证明的基础是逻辑系统，传统的定理证明系统大都是建立在数理逻辑系统上的。近十几年来，不断有新的逻辑系统出现，例如，模态逻辑、模糊逻辑、时序逻辑、默认逻辑、次协调逻辑等，它们都有相应的逻辑推理规则和方法。

4．智能控制、智能系统和智能接口

智能控制（Intelligent Control）是一类无需或者尽可能少的人工干预就能够独立驱动智能机器实现其目标的自动控制。它采用AI理论及技术与经典控制理论（频域法）、现代控制理论（时域法）相结合，研制智能控制系统的方法和技术。它是AI与控制论以及工程控制论等科学相结合的产物。

智能系统（Intelligent System）的含义非常广泛，通常它指配备有智能化软、硬件的计算机控制系统或计算机信息系统。在AI中，智能化的软、硬件计算机控制系统指具有问题求解和高层决策功能的一些学习控制系统。如拟人控制系统、自主机器人控制系统、人-机结合控制系统。在工程控制论领域中，主要研究自适应控制系统，如模型参考自适应系统、自校正控制系统、自寻优控制系统等。智能化的软、硬件计算机信息系统包括智能计算机辅助设计系统、智能计算机辅助制造系统、智能计算机辅助教学系统、智能信息管理系统和智能办公自动化系统。

智能接口（Intelligent Interface）是指在计算机系统中，引入具有智能的人-机接口或用户界面。智能接口已作为新一代计算机系统或知识系统的重要组成部分，理想的智能接口是采用所谓的自然语言理解用户界面。它是通过引入前面所述的自然语言理解及多媒体技术，并使之与知识库及数据库技术相结合来实现的。这种易于为一般工程技术、管理人员接受的基于自然语言或类似自然语言的人及接口，可以改变目前用户界面的不协调性。

监管系统（Supervisory System）。现在大的办公楼和商业大厦变得越来越复杂，监管系统可以帮助控制能源、电梯、空调等，并进行安全监测、计费、顾客导购等。

智能高速公路。这也是一种智能监控系统，它能优化已有高速公路的使用，如通过广播交通的警告，将大量的车辆导向可代替的路线；控制车的行驶速度与区域；帮助选择出发点到目的地的最优线路。

银行监控系统。American Express是美国一家大的银行公司，由于用户信用卡在使用过程中的恶性透支和欺骗行为每年损失1亿美元。银行监控系统需要解决的问题是：如何判断是否允许顾客使用它的信用卡？因此需要一个系统在90秒内给出判断。其中在50秒内人要根据16屏信息做出决定，这对人来说简直不可能。后来给银行研制一个Authorize Assistant系统，它使原来16屏信息减为2屏。第一屏给出建议应做出什么样的决定，第二屏解释支持决定的有关信息。结果这个系统使得该银行每年减少几千万美元的损失。

专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域的多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决需要专家能够解决的复杂问题。

现在已有大量的专家系统问世。被誉为“专家系统和知识工程之父”的费根鲍姆（Feigenbaum）所领导的研究小组于1968年研究成功第一个专家系统DENDRAL，它用于质谱仪分析有机化合物的分子结构。1972-1976年，费根鲍姆小组又成功开发MYCIN医疗专家系统，用于进行抗生素药物治疗。此后，许多著名的专家系统相继产生，如PROSPECTOR地质勘探专家系统、CASNET青光眼诊断治疗系统、RT计算机机构设计专家系统、MACSYMA符号积分与定理证明专家系统、ELAS钻井数据分析专家系统和ACE电话电缆维护专家系统等，为工矿数据处理、医疗诊断、计算机设计、符号运算和定理证明等提供了强有力的工具。

最近发达国家正在开发用于之使发现的专家系统，美国的CYC计划、日本的EDR计划都是要建立大型医疗知识库、大型工程知识库、大型常识库的庞大计划。

智能调度和规划系统能够确定最佳调度或组合方案，这类系统已被广泛应用于汽车运输调度，列车的编组与指挥，空中交通管制，以及军事指挥等系统。例如：

军事指挥系统。20世纪90年代初，伊拉克入侵科威特时，美国的“沙漠风暴”之战须从美、欧中快速运送50万军队、1500万邦中的装备到沙特阿拉伯等国家。为此美国开发了一个规划系统，该系统提出必须开辟第二个运输港口，否则将造成运输瓶颈。

模式识别（Pattern Recognition）是AI最早和最重要的研究领域之一。模式识别的狭义研究目标是指为计算机配置各种感觉器官，使之能直接接受外界的各种信息。而其广义研究目标是指应用电子计算机及外部设备对某些复杂事物进行鉴别和分类。

模糊识别技术已逐渐在各种不同的领域获得应用，如：

染色体识别——识别染色体以用于遗传因子研究，识别及研究人体和其他生物细胞；

图形识别——用于心电图、脑电图、X-射线、CAT医学食品城乡处理技术，用于地球资源勘测、预报气象和自