人工智能的研究途径 [人工智能的研究方法]

时间：2019-02-13 12:07:41　来源：勤学考试网本文已影响人

　　人工智能(Artifical intelligent，AI)创立至今，已经度过了60载春秋。今天，小编为你带来了人工智能的研究方法。

人工智能的研究方法

　　人工智能的研究技巧

　　其一是功能模拟学派。这又称为符号主义学派，主张从功能方面模拟、延伸、扩展人的智能。认为人脑和电脑都是物理符合系统，其代表性成果有专家系统、知识工程、启发式程序得等等。

　　其二是结构模拟学派。又被称之为联系结主义学派。主张从结构方面模拟、延伸、扩展，人的智能，，要用电脑模拟人脑的神经系统联合机制，其代表性成果有M-P神经细胞模型，BP神经网络模型，Hopfield神经网络模型等等。

　　其三是行为模拟学派。又被称为行为主义学派，主张从行为方面模拟、延伸、扩展人的智能，认为智能可以不需要知识。代表性成果有MIT的Brooks研制的智能机器人。

　　人工智能的瓶颈

　　相信很多业内从业者都有着这样的疑问，究竟我们能不能达到所谓的强人工智能，因为单从目前的智能程度来说，还远远谈不上人们想要达到的程度。近期AlphaGO的诞生，曾经使很多人眼前一亮，认为这是人工智能的新发展。但在笔者看来，AlphaGo只能在围棋领域有所建树，不能跨越到其它情景之中。搜狗CEO王小川也曾说过，现在的人工智能还存在很多弱点，即使在3个月后，AlphaGo也赢不下当初输掉的那场比赛。那么，具体的瓶颈究竟在什么地方呢?

　　首先是动机性。

　　动机，在心理学上一般被认为涉及行为的发端、方向、强度和持续性。动机也是有层次的，不同层级可以互相转换。Maslow于1943年在《人类激励理论》一文中将社会需求层次与生理需求、安全需求、尊重需求和自我实现需求并列为人类五大需求。人处于不同的需求层次就会有不同的动机层次。有了动机后，人们的行为就有了指向性，这对于人的日常行为是非常重要的。那机器究竟能否形成与人类似的动机呢?让机器产生动机的一大难点在于动机是很难被表征的。目前还没有研究清楚的展示动机的形成机制，表征的必要不充分条件是具有可以被清晰表达的框架。而且动机的转换边界并不清楚，因此，动机的权重值便无从下手，导致计算陷入僵局。另外，动机还有意识动机与无意识动机之分。人工智能界目前对于意识层面下的内容还知之甚少，更不要提进行表征了。笔者认为动机与环境的关系密切，可以先考虑人在通用场景下的任务，给机器赋予一个动机值，当外界输入与动机匹配时，便赋予鼓励值，如果与动机重合度过低，则变换动机，使其符合动态环境。

　　然后是常识。

　　常识的定义为在一定的文化背景下，人们拥有的相同的经验知识。比较常见的有空间、时间、文化、物理常识。常识对于我们日常生活十分重要，尤其是在我们做出决定与判断的时候尤为如此。很多常识是潜移默化形成的，是文化与背景学习的产物。那机器如何形成常识呢?早在1959年，McCathy就已经想过让机器拥有常识以便得更加聪明。目前的人工智能界有两条方法来解决这个问题。第一条为让机器形成学习与观察周围环境的机制，就像一个孩子一样去学习，不过这样时间成本比较大，用户能否承担起这些成本还是未知数。明斯基曾说：常识是长期实践中总结出来的庞大知识体系，包含大量生活中学到的规则和异常现象、特性及趋势、平衡与制约等。第二条途径就是建立大型的常识库，并将其存储到电脑中。其中最为著名的为CYC项目，这个项目由Douglas Lenat于1984年提出。首先通过采访与观察人的数据，然后知识工程师对这些数据进行处理，以CYCL的形式整理成数据库。当然，这个常识库的成本过于高昂。目前常识库中比较可行的思路为让互联网上的每个用户共同建立这个常识库，并在特定的网页使用不同的语言来进行编写。这样就能节省很多时间与金钱的成本，最为成熟的为OMCS(open mind common sense)。

　　决策，无论是人类的日常生活，还是人工智能，最为关键的一步就是决策。

　　如何让机器更加智能的进行决策，这是一个关乎到未来人工智能走向的问题。人类的决策机制主要分为三大部分：理性决策、描述性决策与自然决策。理性决策即认为人在决策时遵循着理性价值最大化的原则，比较具有代表性的有冯诺伊曼提出的最大期望效用理论，Savag提出的主观期望效用理论等。而描述性决策认为人在进行决策时不完全遵循理性准则。其中Kahneman与Tversky提出的前景理论是其中的代表。该理论认为，决策者依据价值函数、权重函数赋予选项不同的效用值，最终选取最大期望效用值做出决策。人也存在着启发式偏差，这会对决策产生影响。而自然决策专门研究人们如何在自然环境或仿真环境下实际进行决策。其中最著名的要属klein提出的再认-启动模型(RPD)。该模型认为人在决策时会依据以前的模式进行匹配。对于机器而言，进行智能决策可以借鉴人的决策习惯，可以将几种思维方式进行结合，并确认出一套判断机制，以便在特定情景下对决策行为进行抉择。例如，机器可以区分出时间与情景的压力，并建立起相对应的匹配机制，如当情景压力小时选择理性决策模式，而当时间压力大时选择自然决策模式等。

　　由此可见，目前人工智能界对常识、动机与决策问题中的难点解决办法看起来还不是很多，但这确是目前机器智能与人智能之间差异最为显著的地方，也是目前整个行业的瓶颈之处。如何让下一代智能产品交互更有“温度”，这几个问题是必须要解决的。

猜您感兴趣：

1.什么是仿生学

2.什么是模式识别

3.关于人工智能的研究生论文

4.国外人工智能研究现状

5.关于人工智能的研究论文

6.人工智能研究论文

相关热词搜索： 人工智能的研究方法 人工智能行业研究报告 人工智能的研究领域