人工智能研究需要新的理论突破

摘要： 本文简要回顾国内外人工智能的发展历史以及取得的成就。在介绍人工智能各种认知观的基础上，分析现阶段人工智能研究存在的问题，提出应从能量及能量感知、自创新和缺陷设计等方面研究新的理论突破与实践方案，并且在此基础上，提出了强人工智能实现的理论模型。

关键词：人工智能；认知；能量感知；缺陷设计

中图分类号：TP18 文献标识码：A文章编号：1009-3044(2007)16-31117-02

The Artificial Intelligence Research Needs New Theories Breakthrough-The Theories Model that the Strong Artificial Intelligence Carries Out

ZHAO Jing-ming

(Training Centre of Peking BUCC,Beijing 102218 China)

Abstract：The development history and obtaining achievement of artificial intelligence about domestic and international is reviewed briefly.. Analyze existent problem of artificial intelligence studying present based of introducing artificial intelligence various cognize concepts, Putting forward people should knows the new theories breakthrough and practice project from the energy and the energy feeling and designs from the innovation and the faultiness design etc. and put forward the theories model of strong artificial intelligence to carry out on what

Key words:The artificial intelligence;cognition;energy feeling;faultiness design

1 引言

1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。“人工智能”英文为artificial intelligence简写ai，它的产生和发展是以计算机硬件与软件技术的产生和发展为基础的，而且一直都处于计算机技术的最前沿，它吸引了全世界无数研究人员为之奉献才智，从美国的麻省理工学院(mit)、卡内基-梅隆大学(cmu)到ibm公司，到日本的本田、sony等公司以及国内的清华大学、中科院等科研院所等，全世界的实验室都在进行着ai技术的实验。经过漫长的50年不懈的努力，人类已经在人工智能领域取得了卓越的成就。从“旅居者”（1997年7月4日，美国国家航空与航天局的“旅居者”机器人完成了它到火星长达1290万公里的旅行），到“会跳舞的机器人”（日本2007年最新产品），人类正用我们的智慧，在人工智能的领域，创造着一个又一个的奇迹。进入新世纪，特别是近二十年，由于计算机软/硬件技术的快速发展，使得人工智能理论得以充分实践，人工智能学科及其“智能制品”的重要作用已为人们普遍共识。随着人工智能理论和技术的更进一步发展，作为一门广泛的交叉和前沿科学，人工智能技术的发展情况已经成为一个国家科技进步和科技实力的一个标志。人工智能科技新成果必将在更大的广度和深度上造福于人类。

近些年，我国人工智能科学发展迅速，在这一领域已形成自主研究重大科学前沿的能力，并在一些重要研究领域走在了世界的前列，特别是一批创新成果的实际应用令人鼓舞。2005年7月，哈尔滨工业大学洪炳熔教授推出的机器人足球竞赛系统在国际机器人足球联盟（FIRA）世界杯机器人足球大赛中国队选拔赛上，夺得全自主型、类人型、编队型、追捕型4个项目比赛的冠军和全自主型项目比赛的亚军。2007年4月新华网消息，一种专门应用于反恐领域的“爬壁机器人”在哈尔滨工业大学诞生，它可以携带侦查设备悄无声息地沿壁面爬到便于侦查的位置，为反恐人员准确判断形势、做出决断提供现场依据。这种爬壁机器人采用负压吸附、单吸盘、四轮移动结构方式，具有移动快、吸附可靠、适应多种墙壁表面、噪声低、结构紧凑、控制方便灵活等特点，主要应用于反恐侦查领域。虽然我国在人工智能领域已经取得了一定的成绩，但是，我们仍不能回避目前人工智能理论以及技术上存在的局限性，这些问题制约了人工智能技术的进一步发展。人工智能理论发展到现在，它的突破是首先我们研究人工智能不可回避问题。

2 人工智能的起源与发展

人工智能的发展是以硬件与软件为基础的，经历了漫长的发展历程。特别是20世纪30年代和40年代的智能界，发现了两件重要的事情：数理逻辑和关于计算的新思想。以维纳（Wiener）、弗雷治、罗素等为代表对发展数理逻辑学科的贡献及丘奇(Church)、图灵和其它一些人关于计算本质的思想，为人工智能的形成产生了重要影响。

1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。

1969年召开了第一届国际人工智能联合会议(International Joint Conference on AI, IJCAI),此后每两年召开一次。

1970年《人工智能》国际杂志(International Journal of AI)创刊。这些对开展人工智能国际学术活动和交流、促进人工智能的研究和发展起到积极作用。

20世纪70～80年代，知识工程的提出与专家系统的成功应用，确定了知识在人工智能中的地位。

近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。同时，不同人工智能学派间的争论也非常热烈。这些都推动人工智能研究的进一步发展。

我国的人工智能研究起步较晚。纳入国家计划的“智能模拟”研究始于1978年；至今已有10来部国内编著的具有知识产权的人工智能专著和教材公开出版。中国的科技工作者，已在人工智能领域取得许多具有国际领先水平的创造性成果。其中，尤以吴文俊院士关于几何定理证明的“吴氏方法”最为突出，已在国际上产生重大影响。现在，我国已有数以万计的科技人员和大学师生从事不同层次的人工智能研究与学习。人工智能研究已在我国深入开展，它必将为促进其它学科的发展和我国的现代化建设做出新的重大贡献。

3 人工智能研究理论存在的问题

人类的智能过程是一个随着时间、地点、环境的不断变化而不断变化的全方位、极其复杂的心理和生理变化过程。在人工智能领域，人们的意图是希望用机器模仿人类智能，然而，我们人类对于自身的智能过程的了解并不完全，且不同的人对人工智能的理解也不同。这就造成目前在人工智能领域存在各家说法。而所有的说法都是基于对人类的智能过程简化的基础之上的。以下是传统理论对人类认知活动和计算机的比较：

图1 人类认知活动与计算机的比较

令T表示时间变量，x表示认知操作，x的变化x为当时机体状态S（机体生理和心理状态及脑子里的记忆等）和外界刺激R和函数。当外界刺激作用到某一特定状态的机体时便发生变化，用函数表示

为：

x＝f（S,R）TT+1（3.1）

从某种意义上讲，这是一个成功的比较，因为它使得计算机模拟人类智能成为可能。长时间以来，人们并不怀疑这一比较，因为这一比较的基础之上人工智能领域取得了巨大的成绩，为社会和科技的发展作出了巨大贡献。

基于此比较基础上的前人工智能的主要学派有下列3家：

（1）符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。符号主义 认为人工智能源于数理逻辑。符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。

（2）联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其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。联结主义 认为人工智能源于仿生学，特别是人脑模型的研究。

（3）行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知―动作型控制系统。行为主义 认为人工智能源于控制论。这一学派的代表作首推布鲁克斯(Brooks)的六足行走机器人，它被看做新一代的“控制论动物”，是一个基于感知－动作模式的模拟昆虫行为的控制系统。

无论是哪一种理论，其研究的方向始终没有脱离一个集中的点，即让机器模仿人类智能。三大学派从人类的对知识的认知过程的不同角度进行理论研究，试图实现机器的“人化”，侧重于“人化”的可行性。然而，无论是哪一种学派的理论，都忽略了人类的一些基本特点。笔者认为，前人对人类对与知识的认知过程的简化过于简单，从而造成目前人工智能领域的研究达到一定程度后就难以取得更进一步的进展。以下基本问题不容忽视：

（1）能量以及能量感知问题，人类智能的能量基础是食物。人类通过摄取食物，并通过复杂的消化和吸收过程转化为能量，供人类智能与体能消耗。人类的能量蓄积在人体的每一个细胞中，无论哪一部分发生刺激或是空气流动、温度变化和光线强弱变化，不管他（或她）的眼睛是否看到，在那里都会发生“条件反射”，这种“反射”可以先大脑一步避开危险和伤害或是适应，这里我们称为能量感知问题。现阶段在人工智能领域的研究中，大家几乎不约而同地想当然的将电能作为人工智能的能源问题，将“芯片”作为机器人的“大脑”全权处理一切问题和指令。在这种模式下，机器人只能依靠“眼睛”去识别外界条件的变化和刺激的发生，这种识别是不全面的而且是滞后的，它必须是经过“大脑”才能发生的。而电能也将成为人工智能的发展的障碍，试想，如果机器人登上了一个遥远的星球或来到一个渺无人烟的荒漠执行任务，那么当它储存的电能将要用尽时，它将不得不返回出发地，而不管它的任务是否已经圆满完成。目前，太阳能技术得到不断发展，将会使得人们将其作为人工智能的替代能源。利用太阳能转化成电能，将会使人工智能制品的能源得到源源不断的补充，我们可以不必再担心电能耗尽带来的诸多不便。然而，将太阳能能量转换技术和计算机技术结合起来，让机器人具有能量感知功能，即令它的每一组成部分都具有全方位立体即时感知和条件反射功能，这个过程的研究和实现还将是个漫长的过程。

（2）自创新问题，人类历经世世代代的发展，不断创新才有今天的面貌，机器如果只是依据设计好的程序存储、搜索、推理、执行相应的逻辑或条件，其反映出的智能只是人类智能的复制与模拟，尽管有时它甚至可以超过人类，如“博弈”。目前在人工智能领域有学者将人工智能划分为强人工智能和弱人工智能。强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。目前的主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则出于停滞不前的状态下。这里的强人工智能从某种意义上讲，即机器的自创新问题。那么，如何解决机器的自创新问题即成为强人工智能研究的关键问题。本文中笔者就此问题提出自己的观点：

首先，强人工智能是可能的。下面是人类创新过程与机器创新过程的比较。

从图2与图3的比较中我们发现，如果能够使计算机进行逻辑组合并实现完全自存储功能，那么具有自主意识的强人工智能机器是完全可以实现的。

图2 人类对知识的认知与创新过程的简单模型

图3 计算机对知识的认知与创新过程的简单模型

其次，强人工智能机器需要解决如何自动无限接收外界信息与能量感知问题，如何进行信息自动分拣、归类、逻辑推理、如何进行完全自存储以及逻辑整合与组合等问题。这些问题的研究应作为未来强人工智能的研究方向。

（3）忠诚问题，人类一旦创造出可以自创新的真正意义上的机器人，也就是说机器人一旦拥有了自己的意识，那么如何控制“它” 使“它”忠诚于人类，将是摆在人类面前的又一难题。弱人工智能机器只是按照人类设计好的程序和指令执行某一方面的特定任务，比如，“会跳舞的机器人”只会跳舞，“它”可以伴随音乐节奏与人合作跳各种舞蹈，但“它”却不能创造新的舞蹈。对于弱人工智能机器，我们不必担心“它“的忠诚问题，因为“它“不会摆脱程序的控制。由于自创新机器人，或者说“强智能机器人”存在意识，“它”可能会拒绝人类的建议和改变并可能按照“自己的意愿”自身完成改变，“它”甚至有可能变成人类的敌人。要解决机器人

的忠诚问题，唯一的途径就是进行“缺陷设计”。人类认知过程中的缺陷是“遗忘”和“生老病死”，这是机器人所不具备的。强人工智能机器人如果能够依照“自己的意愿”完善自己，那么人类赋予机器的缺陷应该是机器人自身难以实现的。

4 结束语

21世纪是信息化在全球普遍开展的时代，作为现代信息技术的精髓，人工智能技术的发展情况已经成为一个国家科技进步和科技实力的一个标志。我国人工智能研究已经从学习国外为主的时期进入自主研究为主的时期，形成了自主研究重大科学前沿和转化科技成果的新局面。但是，我们仍不能回避目前人工智能理论以及技术上存在的局限性，而要解决如何自动无限接收外界信息与能量感知问题，如何进行信息自动分拣、归类、逻辑推理、如何进行完全自存储以及逻辑整合与组合等问题，赋予机器真正意义上的智能，这些问题的研究应将是未来人工智能研究人员需要长期面对的问题。

参考文献：

[1]蔡自兴, 徐光v. 人工智能及其应用[M].北京：清华大学出版社，2003.

[2]何华灿. CAAI-7全国人工智能会议论文集[D]. 中国人工智能学会，1992,4.

[3]朱淼良, 潘云鹤.中国人工智能学会第八届年会暨第八届全国人工智能学术讨论会论文集[D].杭州：浙江大学出版社, 1994.

[4]中国人工智能学会.中国人工智能进展[M]. 北京邮电大学出版社，2001.

[5]郑守淇, 钱德沛, 曾明.`98人工智能进展――第五届中国人工智能联合学术会议论文集[D].西安交通大学出版社，1998.

[6]何新贵.人工智能新进展――第三届中国人工智能联合学术会议论文集[D].北京：清华大学出版社，1994.

注:“本文中所涉及到的图表、公式注解等形式请以PDF格式阅读原文。”