人工智能背景与发展

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《人工智能背景与发展》，欢迎阅读！

人工智能的主要背景与进展

数学 1704 高芷晗

1、人类智能和人工智能的概念 和其他生物物种不同，人类是一种智慧型生物。人类智慧包含两个相辅相成的

部分：隐性智慧和 显性智慧。隐性智慧负责发现和确定创新的方向， 显性智慧负责在确定的创新方向上实现具体的创新 求解。更具体地说，隐性智慧是人类发现问题和定义问题的能力，需要全局性的分析能力、想象能力 和开拓能力，是一种内隐的创造性能力，因而不可被机器模拟；显性智慧是人类在隐性智慧所定义的 问题框架内解决问题的能力， 需要获取信息生成知识和运用知识解决问题的能力， 是外显的操作性能 力，因而可以被机器模拟。人类的显性智慧通常也会被称为人类智能，模拟人类智能（显性智慧）的 科学技术就叫人工智能。 隐性智慧表现在：面对环境定义的实际问题；为知识库提供的已有知识； 预设的问题求解目标。这三者就是隐性智慧定义的工作框架。在这个框架下，人工智能系统所要执行 的任务就是模拟人类智能（显性智慧）的能力，运用所提供的信息和已有知识解决所给定的实际问题， 达到预定的求解目标。

在人类与人工智能系统之间，人类始终是主体，人工智能系统则是人类求解问题的聪明工具。由 于人工智能系统接受了人类所预设的求解目标和提供的专门知识， 就保证了人类主体与客体之间实现 主客双赢的策略：主体赢，因为实现了主体的求解目标； 客体赢，因为遵守体现在知识中的客观规律。

人工智能系统工作的基本过程： （1）人类主体（隐性智慧）首先设定工作框架，即定义要解决的 实际问题，提供已有知识，预设求解目标。 （2）人工智能系统收集工作框架的信息，包括模型中的本 体论信息。（3）通过信息获取（感知）单元，把本体论信息转换为认识论信息。 （4）通过信息传递（通 信）单元，把认识论信传送到信息处理单元。 （ 5）通过信息处理（计算）单元，使认识论信息成为适 用信息。（ 6 通过知识生成（认知）单元，根据求解问题的需要生成专门知识。

（7）通过策略创建

（决策）单元，把认识论信息、专门知识、求解目标转换为求解问题的智能策略。 （8）通过策略传 递（通信）单元，把智能策略传递到策略执行单元。 （9）通过策略执行（控制）单元，把智能策略转 换成为智能行为，反作用于实际问题。 （ 10）如果智能行为反作用于实际问题的结果没有满意地实 现预期的求解目标，就把误差作为新的信息反馈到信息获取 （感知）单元，通过学习，补充新的知识， 优化智能策略，改善执行效果，减小求解误差。

2 、人工智能技术 以上论证说明：人工智能技术可以在人类隐性智慧定义的工作框架内模拟人类显性智慧

（人类智 能）生成知识，创建主客双赢的策略解决各种复杂问题。而这是现今其他各类技术做不到的。

不过，由于在人工智能系统工作的基本过程中，第（ 1）步中客观存在各种不确定性，人类给定 的知识未必能够理想地体现客观规律，也未必能够完全满足求解问题的需要，第（

2）步中人类预设

的求解目标也不见得完全合理，第（ 3）步中人工智能系统各个环节必然存在各种不理想性。因此， 人工智能系统对人类显性智慧能力的模拟不可能完全到位， 人工智能系统提供的问题解答也可能不如 人类求出的解答。 如果说人工智能系统确实也有超人的地方，那主要是它的工作速度、工作精度、 持久能力等因素，而不可能是显性智慧中的智慧品质。

至于一些人所宣传的机器超越人类甚至机器淘汰人类的说法， 是没有根据的。无论是人工智能系 统，还是其他各种机器系统，它们共同的问题之一是：机器没有生命，没有目的，不可能自主发现应 当解决的实际问题， 不可能自主形成机器的智慧， 尤其不可能无中生有地形成超越人类和淘汰人类的 荒唐愿望，因此更不可能产生淘汰人类或灭绝人类的行为。

4、 “新型”信息技术 近十多年来，先后出现了大数据、云计算、物联网、移动互联网以及各种互联网的应

用技术。人 们把它们称为“新型”信息技术或“新一代” 信息技术。深入分析可以发现，这些新型信 息技术的核心 技术正是核心人工智能系统的知识生成和策略创建技术。不妨以大数据技术为例加以说明。

由于有着多种来源、多种背景以 及多种格式，大数据通常是病态结构的或不良结构的大规模数 据集合，其中可能包含垃圾、病毒和黑客攻击程序。因此，大数据技术的第一个环节就是智能分类： 把无用的数据识别分类出来加以过滤和抑制， 把有用的数据按照某些特征进行分类， 再分门别类地送 到恰当的云计算（和


云存储）系统，进行相应的信息处理， 为知识生成（知识挖掘）做好必要的准备。 通过知识挖掘生成了足够的知识之后，才可以把这些知识（结合求解目标）转换成为用来解决问题的 智能策略。其中，智能分类、知识挖掘和策略创建都是人工智能的基本技术。

可见，如果没有这些人工智能技术， 大数据就只能是数据，而不可能转换成为有用的知识和可 以 用来解决问题的智能策略。由此可知，大数据技术的核心就是人工智能技术，可以把它比较确切地称 为面向大数据的智能技术。

近来人们在密切关注着“互联网＋”。其实，“互联网＋”可以有两种不同的理解。一种理解是当前 人们所关注的互联网推广，这里的“＋” 就相当于信息化的“化”，就是互联网的各种应用。另一种更有 意义的理解则把“互联网＋”理解为互联网升级，就是把以计算机为终端的现有互联网升级为以人工智 能系统为终端的智能互联网。

应当认为，互联网推广即把互联 网应用到各行各业是完全必要的， 这是信息化建设的正常要求。 但是，从信息化建设的发展大势来看， 互联网升级即把当前常规互联网升级为智能互联网则更为必要， 这将为中国信 息化建设注入更为强大的新活力，是转变经济发展方式的需要，是国民经济产业升级 的需要。

综上所述，大数据技术、云计算 技术、智能物联网技术，其实都是人工智能技术的相关具体应 用。可以这么说，如果没有人工智能技术，单凭信息技术很难有效地应对大数据和物联网以及未来更 多更复杂的技术挑战。

5、人工智能（如 alphago ）军事应用展望

一般来说 , 按照作战活动的不同 , 可以将战争空间划分为物理域、信息域、认知域和社会域 4 个 交叠构成的具有跨域特性的作战域。随着机器学习和人工智能的快速发展 , 以谷歌 AlphaGo 、微软智 能图像识别、 IBM 沃森等为代表的人工智能技术必然会应用于战争空间的各作战域 . 美国国防部高级 研究计划局 （Defense Advanced Research Projects Agency, DARPA） 作为美国先进科技的引领者 , 在 人工智能领域正在和计划开展大量研究项目 . 表 1 列出了人工智能技术在各个作战域中的可能应用 情况以及 DARPA 开展项目的情况

物理域是各种军事力量进行交战、打击、防护和机动的作战域 . 人工智能技术在该域的应用 , 必 然导致大量智能化无人作战平台的出现 , 如智能作战机器人、无人驾驶汽车、无人船、无人机等 . 这 些智能化的无人作战平台与当前的无人系统将具有本质性的区别 , 是一类具有思考决策能力的系统 , 而不是简单地应对大致有限的既定环境 . 这必然导致打击、机动和防护能力的全面提升 . 如 DARPA 正在研发的 X 战车 （GXV-T）, 依赖先进的人工智能技术具备更快 行驶速度 , 超强侦察外部环境躲避 敌方侦察的能力 .

信息域是信息化战争对抗发生的主战场 , 是信息产生、处理、共享与对抗发生的领域 . 长期以来 , 由于信息的处理共享等环节需要大量的人工操作 , 例如战场侦察卫星传回的图像、无人机侦察图像、 各类人员语音信息等非结构化数据需要人工判读 , 这直接导致信息的处理速度和利用效率极低 , 甚至 可能使指挥员淹没在 “信息洪流”中. 微软的 ImageNet 图像识别理解、科大讯飞的语音识别等人工 智能技术的发展 , 使智能化处理非结构化战场数据越来越接近实战要求 , 由此正在催生各类传感器、 数据处 理器以及信息网络的全面智能化 , 使得信息收集的 范围更为广泛 , 信息处理的速度更快质量 更好 . 另外 , 信息域中的网电对抗 , 借助于人工智能技术将能够 实现自主敏捷反应 , 如 DARPA 资助 的“认知电子战” 计划使用最新的人工智能和机器学习方法 , 能够自主识别对手的信号频谱并作出反 应.

认知域和社会域是感知、认知和决策产生的作战域 , 智能态势感知理解和自主决策是目前人工智 能亟待解决的领域 , 是通向真正意义的智能化战争 的关键一环 . 由于战场环境具有高度的复杂性和

不确定性 , 长期以来 , 态势理解及预测等认知活动机器 智能还无法胜任 , 主要依赖人工完成 . 现代 化战争复杂程度越来越高 , 陆、海、空、天、电、网各维度态势 相互铰链 , 单纯依赖人工对态势图判 读来理解和预 测态势将会变得越来越困难 . 另外, 由于战争内在的 复杂性 , 对手行为的高度不确定 性, 长期以来 , 辅助决策功能一直饱受诟病 . 为了解决这一问题 , DARPA 从 2008 年开始支持 “深绿” 计划, 试图研究一种能 够嵌入美军 C4ISR 系统的先进辅助决策模块 . “水晶球” 和“闪电战”是两大 核心模块 . 水晶球负责生成 和更新未来作战可能的各个分支 , 即绘制和更新战 争的博弈树 , 而闪电 战模块用来对每

本文来源：https://www.dy1993.cn/ccK4.html