1.1 人工智能概述

1.1.1 人工智能定义

人工智能（Artificial Intelligence，AI），这个词拆开来看就是“人工”和“智能”。分开理解对我们来说是没有任何难度的，但是当把它们组合在一起的时候，就是一个可以改变世界的技术了。探其本质，可以给它一个精简而又准确的定义——人工制作的系统所表现出的智能，也就是机器智能。当然，这里的智能其实就是像人一样的思维过程和智能行为。当然这是一个层面的理解，就人工智能的发展现状而言，也可以将其定义为研究这样的智能能否实现，以及如何实现的科学领域。

随着科技的高速发展，人造物品的性能常常优于天然的物品。例如人造草坪，利用仿生学的原理模拟天然草坪，使运动者的脚感及足球的反弹速度都和实际情况相似，同时又比天然草坪有着更好的排水性能，更长的使用寿命，更低的维护费用。再比如20世纪50年代研制成功的人造血管，经过不断地改进逐渐地被应用在较大的血管手术中。目前用于制造人造血管的原料一般有涤纶、聚四氟乙烯等。人造血管物理和化学性能稳定，在做搭桥手术时易缝性好，与人体的相容性好，可以达到令人满意的远期通畅率。人造血管技术的不断优化将推动大型人体器官的制造，这会使将来的人类医学研究更具创新性。

人工智能不是自然的，而是人造的。要确定人工智能的优点和缺点，必须首先理解和定义“智能”。智能是什么？智能的定义可能比人工的定义更难以捉摸。

斯腾伯格（R.Sternberg）就人类意识这个主题给出了以下定义：“智能是个人从经验中学习、理性思考、记忆重要信息，以及应付日常生活需求的认知能力。”这个定义可以用简单的标准化测试为例进行理解。

给定一个数组：1，2，4，7，11，16…。通过观察不难得出下一个数字是22，规律是每两个连续数字之差为1，2，3，4…的等差数列。其实对这个问题的解答过程实现的就是简单的智能，需要通过经验分析来发现规律和模式，并且发现提取模式中的特征。那么如何判断人或动物是否具有智能的属性？如果有智能，又该如何评估智能的等级？

大多数人可以很容易地回答出第一个问题，我们可以通过与其他人交流（如做出评论或提出问题）来观察他们的反应，每天多次重复这一过程，以此评估他们的智力。虽然没有直接进入他们的思想，但是相信通过问答这种间接的方式，可以对内部大脑活动做出较为准确的评估。

如果坚持使用问答的方式来评估智力，那么如何评估动物智力呢？观察一下，小狗似乎记得一两个月没见到过的人，并且可以在迷路后找到回家的路；小猫在晚餐时间听到开罐头的声音时常常表现得很兴奋。动物们出现的这些反应只是简单的巴甫洛夫反射，还是它们有意识地将经验与结果预测联系起来了？再来看一则有趣的轶事：大约在1900年，德国柏林有一匹据说精通数学的马，它可以做加法或计算平方根，人称“聪明的汉斯（Clever Hans）”（见图1-1）。然而有人观察发现，汉斯计算的成功率与观众的数量相关，如果没有观众在场，它的表现就不会很出色。事实上，汉斯的“智能”在于它能识别人类的情感，而非对数学的精通。研究人员猜测，因为马一般都具有敏锐的听觉，当汉斯接近正确的答案时，观众们都变得相对兴奋、心跳加速，汉斯也许有一种出奇的能力，它能够检测出这些微小的变化，从而得出正确的答案。

有些生物智能的体现具有群体性特点，而这种集体智慧的实现根源于个体之间的有效沟通。举个例子来说，蜜蜂是一种具有超强生存智慧的的昆虫，单只蜜蜂行为并不属于人工智能的范畴，但是蜂群往往会利用群体的智慧解决复杂的问题。为了在寒冷的天气下生存，蜜蜂们在蜂巢内相互靠近，形成球形结构，随着温度的逐渐降低，结团越来越紧，蜜蜂还会轮换自己的位置，蜂球表面的蜜蜂向球心钻，球心的蜜蜂则向外移，使每个同伴都可以安全越冬。

人类大脑的质量及大脑与身体的质量比通常被视为动物智能的指标。有研究发现，海豚在这两个指标上都与人类相当，在动物自我意识测试——镜子测试中，海豚得到了很好的分数，它们可以认识到镜子中的图像实际上是它们自己的形象；海豚可以完成复杂的游戏，这说明海豚具有记忆序列和执行复杂身体运动的能力。

使用工具是智能的另一个“试金石”，这一特征常常用于将直立人与人类祖先进行区分。倭黑猩猩和人一样，都具备使用工具的特质，他们甚至还会制造工具。科学家发现，倭黑猩猩会主动将树枝的前端削尖，或者用大石块敲碎小石块找到尖锐的部分用来抵御敌人的攻击。由此可见，智能不是人类独有的特性。

人工智能希望创建可以与人类思维相类似的能够表现出与人类智能相关特征的计算机软件和（或）硬件系统。其中，一个关键的问题就是——机器能思考吗？许多人对待这个问题时怀有偏见，有人说：“计算机只是由硬件系统和软件系统组成的用于高速计算的机器，并不具备思考的能力。”但还有人认为：“在不久的未来，计算机可以赶上甚至超过人类的智慧。”真相可能就存在于两种极端情况之间。思考是推理、分析、评估和形成思想和概念的工具，并不是所有能够思考的物体都有智能。不同的动物物种具有不同程度的智能，同样的人工智能领域开发的软件和硬件系统也具有不同程度的智能。

◎　定义1.1　智能（Intelligence）

人的智能是他们理解和学习事务的能力。也就是说，智能是思考和理解的能力，而不是本能的做事能力。

◎　定义1.2　智能机器（Intelligent Machine）

智能机器可以呈现人类的智能行为。而这种智能行为表现为人类通过大脑思考解决问题进而创造新的想法。

◎　定义1.3　人工智能

斯坦福大学尼尔逊（Nilsson）提出：人工智能是关于知识的科学（知识的表示、知识的获取及知识的运用）。

◎　定义1.4　人工智能学科

人工智能研究者们认为：人工智能学科是计算机科学中的一个分支领域，它主要涉及的是研究、设计和应用智能机器等方面的内容。近期主要致力于研究如何利用机器来模仿和执行类似于人脑的某些智力功能，并在研究的基础上进行相关理论和技术的开发。

而人工智能和智能系统研究者们认为：人工智能学科是智能科学中涉及研究、设计和应用智能机器和智能系统的一个分支。而智能科学是一门与计算机科学并行的学科。

◎　定义1.5　人工智能能力

人工智能能力可以看作智能机器执行与人类智能相关的智能行为的技术。

1.1.2 人工智能发展史

“人工智能”一词最初在1956年美国的达特茅斯（Dartmouth）大学举办的一场长达两个月的研讨会中被提出，从那以后，人工智能作为新鲜事物开始进入人们的视野中，研究人员不断探索发展了众多相关的理论和技术，人工智能的概念也随之扩展。在任何领域，都是“万事开头难”，当出现了第一个引路人后，后面的发展就会是不可估量的，人工智能也是如此。会议与会专家在当时怎么也不会想到，当时所提出的“人工智能”会在今天得到如此蓬勃的发展。我们一起站在巨人的肩膀来回顾几十年来人工智能的发展。

1.20世纪50年代，人工智能的兴起和冷落

在首次提出人工智能的概念之后，一些重要的理论结果也层出不穷。但是，由于消化方法的推理能力有限，机器翻译技术也不够成熟，在两者的共同作用下导致了最终的失败。人工智能技术逐渐进入了它的瓶颈期。思考这一阶段的发展可以发现，人工智能的冷落源于人们对问题求解方法的迫切关注，而忽略了知识本身的重要性。做任何事情一定要有良好的理论基础，否则就会形成“基础不牢，地动山摇”的被动局面。

2.20世纪60年代末—70年代，专家系统带来的新高潮

1968年，美国斯坦福大学研制成功了一种帮助化学家判断某待定物质分子结构的专家系统——DENDRAL系统。1976年，斯坦福大学的研究人员耗时五六年开发了一种使用了人工智能的早期模拟决策系统，用来进行严重感染时的感染菌诊断，以及抗生素给药的推荐系统——MYCIN系统。从那时起，还开发了许多著名的专家系统，如PROSPECTIOR探矿系统、Hearsay-II语音理解系统等。后续的研究和开发专家系统使人工智能得以实际应用。值得一提的是，为了更好地发展人工智能，在各国科学家们的号召下于1969年召开了国际人工智能联合会议，这也标志着人工智能新高潮的出现。

3.80年代，神经网络的快速发展

1982年，日本开始实施“第五代计算机发展计划”，计划的实施将逻辑推理的速度提升到与数值运算相同。尽管该计划没有达到满意的效果，但它的发展引来了一股热情，使得越来越多的专家学者将目光转向人工智能的研究上。1987年，在美国举行的神经网络的第一次国际会议，宣布建立一个新的学科——“神经网络”。从那时起，世界上许多国家都逐步加大了对神经网络的投资，给神经网络的迅猛发展带来了前所未有的机遇。

4.90年代，人工智能的网络化发展

由于以互联网技术为核心的网络技术的飞速发展，人工智能的研究内容也发生了巨大的变化。以单个智能实体为起点，逐步成为基于网络环境的分布式人工智能。巨大的转变为基于同一目标的分布式问题的探索提供了更有效的求解方法，还扩展到对多个智能主体的多目标问题的求解方法，使人工智能技术朝着实践的方向上不断发展。除此之外，Hopfield多层神经网络模型为人工神经网络研究与应用提供了更多的可能，人工智能技术逐步走进人们的生产生活中，带来了更加便捷高效的生活方式。

5.21世纪以来，人工智能的技术腾飞

随着社会的发展和科技的进步，人工智能技术已经日趋完善。同时，这项技术也已在诸多领域得到应用和拓展，如智能控制领域、机器人学领域、语言和图像理解领域、遗传编程领域、法学信息系统，以及智能接口领域、数据挖掘领域、主体及多主体系统领域等。随着人工智能与生活的完美融合，人工智能技术的前景会愈发光明。