《AI人工智能》PPT课件.ppt

人工智能 华东理工大信息学院邹俊忠2010年11月 一 概论 人工智能定义 1 1人工智能 ArtificialIntelligence 英文缩写为AI 是一门由计算机科学 控制论 信息论 语言学 神经生理学 心理学 数学 哲学等多种学科相互渗透而发展起来的综合性的新学科 人工智能的研究课题涵盖面很广 包括了许多不同的研究领域 在这些研究领域中 其共同的基本特点是让机器学会 思考 成为智能机器 Intelligencmachine 人工智能尚无确切的定义 不同的学科和科学背景的学者对人工智能的不同理解 提出不同的观点 并有不同的学派 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 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 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 他们对人工智能发展历史具有不同的看法 1 符号主义认为 人工智能源于数理逻辑 数理逻辑从19世纪末起就获迅速发展 到20世纪30年代开始用于描述智能行为 计算机出现后 又在计算机上实现了逻辑演绎系统 正是这些符号主义者 早在1956年首先采用 人工智能 这个术语 后来又发展了启发式算法 专家系统 知识工程理论与技术 并在80年代取得很大发展 符号主义曾长期一枝独秀 为人工智能的发展作出重要贡献 尤其是专家系统的成功开发与应用 为人工智能走向工程应用和实现理论联系实际具有特别重要意义 在人工智能的其它学派出现之后 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 联结主义认为 人工智能源于仿生学 特别是人脑模型的研究 它的代表性成果是1943年由生理学家麦卡洛克 McCulloch 和数理逻辑学家皮茨 Pitts 创立的脑模型 即MP模型 60 70年代 联结主义 尤其是对以感知机 perceptron 为代表的脑模型的研究曾出现过热潮 由于当时的理论模型 生物原型和技术条件的限制 脑模型研究在70年代后期至80年代初期落入低潮 直到Hopfield教授在1982年和1984年发表两篇重要论文 提出用硬件模拟神经网络时 联结主义又重新抬头 1986年鲁梅尔哈特 Rumelhart 等人提出多层网络中的反向传播 BP 算法 此后 联结主义势头大振 从模型到算法 从理论分析到工程实现 为神经网络计算机走向市场打下基础 现在 对ANN的研究热情仍然不减 3 行为主义认为 人工智能源于控制论 控制论思想早在40 50年代就成为时代思潮的重要部分 影响了早期的人工智能工作者 到60 70年代 控制论系统的研究取得一定进展 播下智能控制和智能机器人的种子 并在80年代诞生了智能控制和智能机器人系统 行为主义是近年来才以人工智能新学派的面孔出现的 引起许多人的兴趣与研究 不同人工智能学派对人工智能的研究方法问题也有不同的看法 这些问题涉及人工智能是否一定采用模拟人的智能的方法 若要模拟又该如何模拟 对结构模拟和行为模拟 感知思维和行为 对认知与学习以及逻辑思维和形象思维等问题是否应分离研究 是否有必要建立人工智能的统一理论系统 若有 又应以什么方法为基础 如何在技术上实现人工智能系统 研制智能机器和开发智能产品 即沿着什么技术路线和策略来发展人工智能 也存在有不同的派别 即不同的技术路线 不同的学派对人工智能基本理论 技术路线的看法也是有争论的 定义1智能机器能够在各类环境中自主地或交互地执行各种拟人任务的机器 机器是否会 思考 thinking 究竟 会思考 到什么程度才叫智能机器 智能 intelligence 的定义 有人认为 如果机器能够模拟人类的智力活动 完成人用智能才能完成的任务 该机器就有智能 衡量机器智能程度的最好的标准是英国计算机科学家阿伦 图灵的试验 图灵测试游戏由一男 A 一女 B 和一名询问者 C 进行 C与A B被隔离 通过电传打字机与A B对话 询问者只知道二人的称呼是X Y 通过提问以及回答来判断 最终作出 X是A Y是B 或者 X是B Y是A 的结论 游戏中 A必须尽力使C判断错误 而B的任务是帮助C 当一个机器代替了游戏中的A 并且机器将试图使得C相信它是一个人 如果机器通过了图灵测试 就认为它是 智慧 的 阿伦 图灵认为 如果一台计算机能骗过人 使人相信它是人而不是机器 那么它就应当被称作有智能 定义2人工智能从学科的界定来定义 人工智能 学科 是计算机科学中涉及研究 设计和应用智能机器的一个分支 它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能 并开发相关理论和技术 从人工智能所实现的功能来定义 人工智能 能力 是智能机器所执行的通常与人类智能有关的功能 如判断 推理 证明 识别 感知 理解 设计 思考 规划 学习和问题求解等思维活动 现在 人工智能专家们面临的最大挑战之一是如何构造一个系统 可以模仿人脑的行为 去思考宇宙中最复杂的问题 对于自然学习过程 自然语言和感官知觉的研究为科学家构建智能机器提供了帮助 这种系统在解决复杂的问题时 需要具备对事物能够进行感知 学习 推理 联想 概括和发现等能力 对人工智能机器持反观点的人认为 人类智能是一个发生 发展的过程 人类在解决各种问题时 存在非智力因素与智力因素的相互作用 机器能够模拟人类智能是极其有限 例如 电脑的全部计算行为仅仅是0 1选择 只要当人脑将人类的各种信息处理方法成功地转换为0 1选择之后 0 1选择才具有了功能意义 电脑对人脑功能的模拟能力 实际上是人脑将自身的信息处理方法转换为0 1选择的能力 当乐器发出悦耳的音响时 并不是乐器在歌唱 从方法论上讲 根据电脑能够在功能意义上模拟人脑 就认为电脑具有智能 是一种拟人化移情性思维 用这种方法推销产品可以 但用这种方法定义 人工智能 概念 显然违背科学定义的基本常识 1 2人工智能的起源和历史人工智能的传说可以追溯到古埃及人工智能的思想萌芽可以追溯到十七世纪的巴斯卡和莱布尼茨 他们较早萌生了有智能的机器的想法 十九世纪 英国数学家布尔和德 摩尔根提出了 思维定律 这些可谓是人工智能的开端 十九世纪二十年代 英国科学家巴贝奇设计了第一架 计算机器 它被认为是计算机硬件 也是人工智能硬件的前身 但随着1941年以来电子计算机的发展 技术已最终可以创造出机器智能 虽然计算机为AI提供了必要的技术基础 但直到50年代早期人们才注意到人类智能与机器之间的联系 NorbertWiener是最早研究反馈理论的美国人之一 最熟悉的反馈控制的例子是自动调温器 它将收集到的房间温度与希望的温度比较 并做出反应将加热器开大或关小 从而控制环境温度 这项对反馈回路的研究重要性在于 维纳 Wiener 从理论上指出 所有的智能活动都是反馈机制的结果 而反馈机制是有可能用机器模拟的 这项发现对早期AI的发展影响很大 人工智能 ArtificialIntelligence 一词最初是在1956年 Dartmouth 达特矛斯学会上提出的 1956年 被认为是人工智能之父的美国学者麦卡锡 JohnMcCarthy 组织了一次学会 将许多对机器智能感兴趣的一批数学家 信息学家 心理学家 神经生理学家 计算机科学家和专家学者聚集在一起进行了长达二个月的讨论 邀请他们参加 达特矛斯Dartmouth人工智能夏季研究会 从那时起 这个领域被命名为 人工智能 虽然达特矛斯Dartmouth学会不是非常成功 但它确实集中了AI的创立者们 并为以后的AI研究奠定了基础 从那以后 研究者们发展了众多理论和原理 人工智能的概念也随之扩展 在它还不长的历史中 人工智能的发展比预想的要慢 但一直在前进 达特矛斯 Dartmouth 会议后的7年中 AI研究开始快速发展 虽然这个领域还没明确定义 会议中的一些思想已被重新考虑和使用了 卡内基梅隆 CarnegieMellon 大学和MIT开始组建AI研究中心 研究面临新的挑战 下一步需要建立能够更有效解决问题的系统 例如在 逻辑专家 中减少搜索 还有就是建立可以自我学习的系统 1957年一个新程序 通用解题机 GPS 的第一个版本进行了测试 这个程序是由制作 逻辑专家 的同一个组开发的 GPS扩展了Wiener的反馈原理 可以解决很多常识问题 两年以后 IBM成立了一个AI研究组 赫伯特 HerbertGelerneter 花3年时间制作了一个解几何定理的程序 1963年MIT从美国政府得到一笔220万美元的资助 用于研究机器辅助识别 这笔资助来自国防部高级研究计划署 ARPA 已保证美国在技术进步上领先于苏联 这个计划吸引了来自全世界的计算机科学家 加快了AI研究的发展步伐 1958年McCarthy宣布了他的新成果 LISP语言 LISP到今天还在用 LISP 的意思是 表处理 LIStProcessing 它很快就为大多数AI开发者采纳 以后几年出现了大量程序 其中一个著名的 SHRDLU SHRDLU 是 微型世界 项目的一部分 包括在微型世界 例如只有有限数量的几何形体 中的研究与编程 在MIT由MarvinMinsky领导的研究人员发现 面对小规模的对象 计算机程序可以解决空间和逻辑问题 其它如在60年代末出现的 STUDENT 可以解决代数问题 SIR 可以理解简单的英语句子 这些程序的结果对处理语言理解和逻辑有所帮助 70年代许多新方法被用于AI开发 著名的如Minsky的构造理论 另外DavidMarr提出了机器视觉方面的新理论 例如 如何通过一副图象的阴影 形状 颜色 边界和纹理等基本信息辨别图象 通过分析这些信息 可以推断出图象可能是什么 同时期另一项成果是PROLOGE语言 于1972年提出 70年代另一个进展是专家系统 专家系统可以预测在一定条件下某种解的概率 由于当时计算机已有巨大容量 专家系统有可能从数据中得出规律 专家系统的市场应用很广 十年间 专家系统被用于股市预测 帮助医生诊断疾病 以及指示矿工确定矿藏位置等 这一切都因为专家系统存储规律和信息的能力而成为可能 80年代期间 AI前进更为迅速 并更多地进入商业领域 1986年 美国AI相关软硬件销售高达4 25亿美元 专家系统因其效用尤受需求 象数字电气公司这样的公司用XCON专家系统为VAX大型机编程 杜邦 通用汽车公司和波音公司也大量依赖专家系统 为满足计算机专家的需要 一些生产专家系统辅助制作软件的公司 如Teknowledge和Intellicorp成立了 为了查找和改正现有专家系统中的错误 又有另外一些专家系统被设计出来 其它一些AI领域也在80年代进入市场 其中一项就是机器视觉 Minsky和Marr的成果现在用到了生产线上的相机和计算机中 进行质量控制 尽管还很简陋 这些系统已能够通过黑白区别分辨出物件形状的不同 到1985年美国有一百多个公司生产机器视觉系统 销售额共达8千万美元 日本1982年开始了 第五代计算机研制计划 即 知识信息处理计算机系统KIPS 其目的是使逻辑推理达到数值运算那么快 虽然此计划最终失败 但它的开展形成了一股研究人工智能的热潮 但80年代对AI工业来说也不全是好年景 86 87年对AI系统的需求下降 业界损失了近5亿美元 象Teknowledge和Intellicorp两家共损失超过6百万美元 大约占利润的三分之一 巨大的损失迫使许多研究领导者削减经费 另一个令人失望的是国防部高级研究计划署支持的所谓 智能卡车 这个项目目的是研制一种能完成许多战地任务的机器人 由于项目缺陷和成功无望 Pentagon停止了项目的经费 尽管经历了这些受挫的事件 AI仍在慢慢恢复发展 新的技术在日本被开发出来 1987年 美国召开第一次神经网络国际会议 宣告了这一新学科的诞生 此后 各国在神经网络方面的投资逐渐增加 神经网络迅速发展起来 美国首创的模糊逻辑 它可以从不确定的条件作出决策 还有神经网络 被视为实现人工智能的可能途径 总之 80年代AI被引入了市场 并显示出实用价值 可以确信 它将是通向21世纪之匙 人工智能技术接受检验在 沙漠风暴 行动中军方的智能设备经受了战争的检验 人工智能技术被用于导弹系统和预警显示以及其它先进武器 AI技术也进入了家庭 智能电脑的增加吸引了公众兴趣 一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到 使用模糊逻辑 AI技术简化了摄像设备 对人工智能相关技术更大的需求促使新的进步不断出现 人工智能已经改变了我们的生活 1982年 日本发起了为期10年的第五代计算机计划 率先向人工智能发起进攻 令美国 欧洲等大吃一惊 生怕日本人抢占了制高点 然而日本人太低估了人工智能的难度 日本的第五代计算机计划在扔了上10亿美元之后不得不不了了之 不过 美国 欧洲和日本以及一些发展中国家仍把人工智能作为重中之重 当时 科学家已在研制模糊计算机和神经网络计算机 并把希望寄托于光芯片和生物芯片上 专家认为 一个以人工智能为龙头 以各种高新技术产业为主体的 智能时代 将彻底改变人类社会 智能时代将是成熟的知识经济时代 在人工智能领域 美国仍在绝大多数方面领先世界 但是在个别方面已被日本和欧洲超过 据1995年6月美国商业部的一份调查报告 对美国在人工智能领域关键技术的评估 美国在人工智能领域的领先地位正在下降 美国在人工智能领域地位的下降主要是因为国防预算中用于研究开发的费用被削减 以及人工智能技术成果迟迟不能投入商业应用 美国国防部是人工智能研究的主要资助者 国防方面的研究经费减少将会大大影响人工智能的基础研究 应用研究和技术开发 商用部门难以弥补国防研究开发费用的减少 由此可能降低美国的长期竞争力 90年代 人工智能出现新的研究高潮由于网络技术特别是国际互连网的技术发展 人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究 不仅研究基于同一目标的分布式问题求解 而且研究多个智能主体的多目标问题求解 将人工智能更面向实用 另外 由于Hopfield多层神经网络模型的提出 使人工神经网络研究与应用出现了欣欣向荣的景象 人工智能已深入到社会生活的各个领域 公司 深蓝 电脑击败了人类的世界国际象棋冠军 美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划 基于Agent技术的Softbot 软机器人 在软件领域和网络搜索引擎中得到了充分应用 同时 美国Sandia实验室建立了国际上最庞大的 虚拟现实 实验室 拟通过数据头盔和数据手套实现更友好的人机交互 建立更好的智能用户接口 图像处理和图像识别 声音处理和声音识别取得了较好的发展 IBM公司推出了ViaVoice声音识别软件 以使声音作为重要的信息输入媒体 国际各大计算机公司又开始将 人工智能 作为其研究内容 人们普遍认为 计算机将会向网络化 智能化 并行化方向发展 人工智能研究与应用虽取得了不少成果 但离全面推广应用还有很大的距离 还有许多问题有待解决 且需要多学科的研究专家共同合作 未来人工智能的研究方向主要有 人工智能理论 机器学习模型和理论 不精确知识表示及其推理 常识知识及其推理 人工思维模型 智能人机接口 多智能主体系统 知识发现与知识获取 人工智能应用基础等 1998年8月21日 英国大学的一位电子学教授凯万 沃威克 KevinWarwick 成为世界上第一个将芯片植入体内的人 这个植入胳膊的芯片长23毫米 宽3毫米 外层裹有一层玻璃 它可以接受外界传来的信号 能探测体内信号 并能向外发射信号 它可存贮有关植入者的个人信息 在设有电子保护系统的地方 计算机可以根据体内芯片发出无线电波查明植入者的身份 决定是否放行 机器将可能与人体结合在一起 有未来学家预测 未来将微型超级计算机植入人脑也可能变成现实 那时人到底是机器 还是人 是一个非常难以回答的问题 21世纪在分布式人工智能与多智能主体系统 人工思维模型 知识系统 包括专家系统 知识库系统和智能决策系统 知识发现与数据挖掘 从大量的 不完全的 模糊的 有噪声的数据中挖掘出对我们有用的知识 遗传与演化计算 通过对生物遗传与进化理论的模拟 揭示出人的智能进化规律 人工生命 通过构造简单的人工生命系统 如 机器虫 并观察其行为 探讨初级智能的奥秘 人工智能应用 如 模糊控制 智能大厦 智能人机接口 智能机器人等 等方面有重大的突破 1 3人类智能的计算机模拟人类的知识认知过程至今未能被完全解释 需要从认知生理学 认知心理学和认知工程学等相关学科来研究 心理活动的最高层级是思维策略 中间一层是初级信息处理 最低层级是生理过程 即中枢神经系统 神经元和大脑的活动 与此相应的是计算机程序 语言和硬件 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系 并用计算机程序来模拟人的思维策略水平 而用计算机语言模拟人的初级信息处理过程 智能信息处理的假设假设对于任何一个系统 如果它能表现出智能 那么它就必定能够执行如下一个完善的物理符号系统的6种基本功能 1 输入符号 2 输出符号 3 存储符号 4 复制符号 5 建立符号结构 通过找出各符号之间的关系 在符号系统中形成符号结构 6 条件性迁移 根据已有符号 继续完成信息处理活动的过程 推论1人具有智能 那么人是一个物理符号系统 推论2计算机是一个物理符号系统 那么它能够表现出智能 推论3人与计算机是一个物理符号系统 那么我们就能够用计算机来模拟人类活动 人类智能的计算机模拟实例我们认为计算机模拟人类智能的目的是通过赋予计算机推理 识别 理解 表达和适应人的感知的能力来建立更为和谐的人机环境 在一定的环境范围中 使计算机系统具有更高的 全面的智能 1997年 世界科技界发生了两件令人深思的事情 一是1997年2月英国科学家宣布培养出世界第一个克隆动物小羊多利 另一个则是1997年5月 美国 公司的 深蓝 超级计算机首次击败国际象棋男子世界冠军卡斯帕罗夫 1997年5月11日 在国际象棋 人机大战 最后一局较量中 超级计算机 深蓝 仅用了一个小时便轻松战胜国际象棋特级大师卡斯帕罗夫 并以3 5比2 5的总比分赢得胜利和70万美元的奖金 1985年 美国卡内基 梅隆 Carnegie Mellon 大学的博士生 Feng hsiungHsu 着手研制一个国际象棋的计算机程序 Chiptest 1989年Hsu与MurrayCampbell加入了IBM的深蓝研究项目 最初研究目的是为了检验计算机的并行处理能力 几年后 研制小组开发了专用处理器 可以在每秒中计算2 3000步棋局 经历了数百次的失利 在科研人员的不断完善下 1997年 深蓝的硬件系统采用了32节点的大规模并行结构 每个节点由8片专用的处理器同时工作 这样 系统由256个处理器组成了一个高速并行计算机系统 研究小组又不断完善了博弈的程序 深蓝发展为高水平的博弈大师 在国际象棋比赛规定的每步棋限时3分钟里 可以推演1000 2000亿步棋局 卡斯帕罗夫的思考速度是200步 分 二 人工智能的研究与应用 2 1问题求解2 2逻辑推理与定理证明2 3自然语言理解2 4自动程序设计2 5专家系统2 6机器学习2 7人工神经网络 2 8机器人学2 9模式识别2 10机器视觉2 11智能控制2 12智能检索2 13智能调度与指挥2 14系统与语言工具 人工智能研究的研究领域人工智能的三个大分支即 知识工程 模式识别以及机器人学 其中最革命而最活跃的是知识工程 因为 我们常说 知识就是力量 而由机器以其高速度 高精确性地利用知识去解决问题 就使得人类更有力量 机器人学在人工智能研究中 由於其只是一种在相对固定环境中工作的一种工具 配备智能较少 所以在人工智能中所占比重也较少 机器在既定的知识库中 针对问题能快速收敛到应该作为问题最佳解决的知识上去的这类系统 第二大分支则有著完全不同的目的 即 利用外延规则使机器在既定知识库上对其中知识进行外延操作 藉以高速度创造新知识 所以 虽然都是用机器在处理知识 但其目的是很不相同的 前者典型如 专家系统 後者典型为 机器发明系统 人工智能的目的与方法目的 1 通过计算机技术模拟人脑智能 替代人类解决生产 生活中的具体问题 2 通过计算机技术延伸人类智力 提高人类解决生产 生活中的具体问题的能力 3 通过计算机技术研究和推动人类智力发展 方法 1 将对象信息转换为计算机内码 数字化信息 2 建立相关知识库和知识应用模型 包括各种算法和知识推理的逻辑运算方法 3 通过计算机程序语言实现对象信息的加工处理 无论是替代 延伸 还是研究和推动人脑智能 我们必须首先明确 人工智能是对机器智能的发现科学 还是一种实用工程技术 从人工智能的定义看 人工智能只是一种实用工程技术 既然是一种实用工程技术 就必须建立人工智能技术开发的规范性方法 借鉴工程技术开发的一般原理 人工智能应用技术研究 至少应包括系统方案设计方法论和可行性分析方法研究 其具体工作至少应该包括 1 分析处理对象与工具的关系 在问题解决过程中 哪些知识需要并且可能数字化 规则化 模型化 逻辑运算化 何种计算机程序语言可以实现所选择的信息处理方案 2 人工智能与人脑智能的效率比较 电脑和人脑各具优势是一个基本常识 虽然计算机对可建立信息处理规则的数字化信息的计算 搜索 模式识别既快又准 但由于人类知识普遍具有或然性和可变性 从应用价值角度分析 全自动的并不就是最好的 因此 必须根据相关公认知识系统的或然性 可变性等参数 与人脑的处理水平进行价值比较 比较的内容包括精确性 可靠性 灵敏性 完整性 3 选择人工智能系统的人机互助方案 凡是不可能建立完整的计算机信息处理规则的信息系统 信息处理过程中的人工参与将不可避免 因此 在运用人工智能技术的实用系统开发中 电脑能力和人脑能力如何优化组合是一个关键性问题 人机能力组合技术的科学性 功能完整性 普遍适用性水平 决定了一个人工智能系统的实用价值 4 人工智能系统的成本效益分析 任何实用工程技术 必须考虑其开发成本和使用价值之比 因此 对人工智能技术的价值 效率 评价 人工智能系统的人机互助方案选择 必须进行开发成本和市场效益分析 人工智能应用实例一 智能 便携式个人身体保健与监护系统 这是一个典型的可穿戴式计算机系统 除了计算机外 还包括接触式情感信号采集装置 通过测量穿戴者的呼吸 心率 血压 出汗 体温 肌肉反应 皮肤电等信号 判断出穿戴者的情感状态 为穿戴者记录状态数据 提出保健建议 或发布健康报警 该系统穿戴者可以包括食物或环境过敏者 糖尿病人员等 情感状态具有个人属性 根据个人情感的动态特征 使计算机能够 对症下药 作出最适宜的反应 实例二 司机安全行车的智能监控系统 该系统可以采用非接触式情感信号采集装置 如图象与语音信号 图象信号用于监测司机面部表情的乏意 SleepingMood 如根据每分钟眨眼次数 而语音信号用于识别司机回答问题的语言迟钝性 Slow ReactionMood 如语音速度 音调变化 音量强度 嗓音质量 发音清晰度等 以司机的 主动式或被动式反应性 ActivityorReactivity 为特定考察情感状态 可以提醒司机安全行车 实例三 计算机游戏与娱乐系统 这是计算机需求情感表达功能的主要应用之一 目前的计算机棋类机不具备如此能力 这大大降低了人们的娱乐兴趣 因为下棋者是面对了一台没有个性 没有情感的机器 未来的计算机棋类机应该可以模拟各种情感类型棋手 如进攻型或防御型棋手的情感行为 如果人工智能取得突破 那么它应用最多的领域恐怕就是机器人了 1997年8月在日本东京举行的 纪念日本机械学会创立100周年国际研讨会 上 著名美国未来学家阿尔文 托夫勒和人工智能方面的专家等22位世界知名人士学者预测说 20年内人同机器人自由交谈将成为可能 在发达国家三分之一以上的重劳动将由机器人来完成 家庭用机器人 将在10至20年内开始上市销售 他们当中有人还预测 凭自己的判断采取行动的机器人 将会问世 用蛋白质等生物体组织制成的机器人 也将诞生 托夫勒等人对机器人为人类服务前景作出乐观预测的同时 对于 高智能机器人 出现可能导致有人利用其犯罪的前景表示了忧虑 1998年8月 日本东京大学工学院宣布研制出了一种能够捕捉高速运动物体的机器人 它完全有可能灵巧地抓住苍蝇 目前的工业机器人只能根据计算机程序的安排完成固定作业 对静止物体进行操作 有些智能机器人装备了图像处理系统 但它以电视技术为基础 每秒只能处理30个画面 每个画面的处理时间很难降到33毫秒以下 因此只能操作速度缓慢的物体 东京大学研制的新型机器人装备有一套特殊摄像机 它只有256个像素 清晰度仅为普通摄像机的千分之一 但其图像处理速度比普通摄像机高30倍以上 单个画面处理时间仅1毫秒 因而能紧密追踪高速运动的物体 机器人内部的中央处理芯片对图像信息进行实时处理 迅速驱动机器人的手臂 使其能够捕捉到高速运动的目标 机器人的手掌和手指关节也采用了新技术 十分灵活 这项技术可使机器人灵巧到能抓住飞舞的苍蝇 接住飞过来的棒球 更重要的是 它将可以从事更加复杂的工作 减轻工人劳动强度 降低生产成本 日本计划从1998年开始着手研究开发可用于处理家务和照顾病人的人形智能机器人 这项为期5年的计划将由政府出资 目的在于开发能够用于日常生活 福利事业 医疗卫生等广阔领域 并具有一定人工智能的人形机器人 日本制造科学技术中心 本田技研工业 法兰克 川崎重工 富士通公司 松下公司 日立公司和东京大学 早稻田大学等已组成了集科研 生产和教学为一体的集团 申请承担这个 与人协调及共存型机器人系统研究开发计划 我国科技工作者在人工智能领域的研究近年取得了突破性进展 例如 在人工智能的理论方法研究方面 提出了机器定理证明的吴氏方法 广义智能信息系统论 信息 知识 智能转换理论 全信息论 泛逻辑学 可拓学等具有创新特色的理论和方法 为人工智能理论的发展提供了新的理论体系 在人工智能的应用技术开发方面 开发了中医专家系统 农业专家系统 汉字识别系统 汉英识别系统 汉英机译系统等具有中国特色的人工智能应用技术和产品 例如 中国科学院院士 清华大学李衍达教授提出的 知识表达的情感适应模型 独创了 信息建模 的新方法 由计算机提供候选模型 由人进行情感选择 人机合作 可以在复杂情况下通过学习有效建立满意的信息模型 我国科技工作者还阐明了 广义人工智能 建构了广义人工智能的体系结构 创建了信息科学方法论的 智能论 和由信息提炼知识 由知识创建智能的信息转换机制 创建了泛逻辑学 人工智能技术的发展趋势可能如下 从独立进行的过程仿真走向与相关技术进行组合的功能仿真从机器替代走向机器参与从机器思维走向机器辅助人脑思维从机器学习走向机器帮助人学习在机器翻译技术的发展过程中 几乎涉及到了人工智能技术发展中的所有上述问题 应该说 如果机器翻译界 乃至人工智能界 能够克服在没有确立基本方法论的状态下急于进行实际应用课题的盲目探索 而是更广泛地吸收科学界的不同意见 投入更多的精力不断进行人工智能基本方法论的探讨 将不会经历如此漫长的艰苦探索 机器翻译技术目前的处境 值得整个人工智能界思考 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 现在的生物技术已使人们相信 将来人们完全可把不同的基因加以组合 然后在生物工厂中利用这些基因繁殖细胞 然后生长出一个具有生命的东西 那么这个东西就具有了智能 更让人担忧的是 有机体完全可以同无机体结合在一起 在动物身上植入芯片已不稀奇 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 人工智能技术必然成为新世纪科学技术的前沿和焦点 21世纪 人工智能会涉及人性化智能机器人 生命科学和脑科学等领域的研究 谢谢