• 易迪拓培训,专注于微波、射频、天线设计工程师的培养
首页 > 测试测量 > 技术文章 > 21世纪人工智能的发展趋势

21世纪人工智能的发展趋势

录入:edatop.com    点击:

   1、引言

  21世纪肯定是人工智能大行其道的世纪,但不是以冯机为基础的机器智能,而是以人脑为摹本的智能机器。智能机器,是提高机器本身的基础性能,使其更接近于人脑的结构与功能机制。这意味着必须变革目前的计算理论与技术,且一定是革命性的原理变革。

  众所周知,人工智能基本上是在沿着三个途径前进:一是符号机制;二是连接机制;三是控制论机制。从目前的状态来看,三者都难以实现计算理论与技术的根本性变革。

  为达到根本变革的目的,必须寻求最优化计算模型,必须从基础理论寻求出路。

  2、人工智能的基础

  迄今为止,人工智能都是机器智能,欲有效模拟人脑智能,机器智能不能取代智能机器。认识脑是如何工作的机理,建立各种“脑模型”,搞智能机器才是智能模拟的根本出路。鉴于揭示脑工作的原理机制不能用还原论方法解决,也不能靠发现脑神经元或单个细胞以至分子结构解决。因而揭示出能把大量神经元组装成一个整体系统的设计原理,及研究神经计算的基本原理,并弄清楚如何将其应用于智能机器,是当前面临的主要任务。

  Mccllelland和Plaut指出:“计算模型”是揭示人类本质认知过程的有用工具,可也有人认为用脑的计算模型来解决有关“意识的问题”十分困难,甚至是不可能的。由于计算上的复杂性,还认为脑功能不能用“计算”来解释。而我们认为提出计算模型是必需的,但必须以与人脑相似同构的计算原理及模型为基础。

  模拟人脑,从某种程度上讲就是构建人脑模型。但我们又不可能完全的与人脑实现同构同功,这就要求我们必须建立介于计算机与人脑之间的同构模型。以便吸收计算机与人脑两个方面的优点。相对于人脑智能,完全相似反而没有意义,而不似则体现不了必要的智能。只有在似与不似之间,既体现人脑功能的本质特征,又能实现传统计算机结构与功能的某些超越。另外,与人脑不完全相似实际上是计算机的一个本质性优点,否则,计算机就不可能毫无条件的听命于人,也不可能不知疲倦的在危险环境中连续工作。因而我们的目标不是毫无二致的模拟人脑智能,而是综合符号机制、连接机制与行为机制的特点,提高计算机的基础性能,使其成为模拟人脑智能的理想工具。计算机只有不完全象人脑,才有可能在某些方面超越人脑。这就象人类模拟鸟飞的飞机,正因为和鸟不同――不象鸟一样飞得那么灵活,才比鸟飞的更高、更远、更快、更能承重。

  与人脑及计算机同构的模型

  ①、必须以自然原型为基础

  早在80年代初,威尔森就相信对人工智能的研究已走入误区,他说:“在研究各种独立的人类智能方面,人工智能项目可以说是其中的最杰出代表,有些成果是非常令人惊奇的,但这些研究的对象是过于具体化的功能,所以没法从它们中总结出规律性,另一个问题是它们不会直接从周围环境中汲取所需,而只能坐在那儿,直到人们给它们信号,然后也仅仅是复制这些信号而全然不知它的意义。它们中没有一个程序能从周围环境中学习或适应环境,而这些哪怕最简单的生物也会具有的功能,却被我们人工智能学者忽略了。

  ②、以模拟自适应性为基础

  传统机器人的行为往往被事先编制的动作所限制,当出现了设计者没有预计到的情况时,这些动作又显得非常不合理。另外,因其行为受中央控制程序的控制,如果想要增加一个新的功能,往往需要重新编制程序,以保证中央程序能对其有效实施管理。但在兼容性要求成指数增加时,就会难以应付。相比之下,布鲁克斯认为,即使是最低级的智能行为都是自然发生的,而不是用人类的程序明确规定的。因而他的做法可能要实用一些。他的包孕结构控制下的机器人所具有的功能,远远超过机器人所能作的单独动作的总和。环境中涌入的感觉信号触发规则,作出“自然发生行为”的命令,可使简单的单独动作以无法预料的复杂方式结合,可使简单元素间进行复杂的相互作用。布鲁克斯认为用环境因素触发规则,然后自然发生行为无疑是正确的,但必须明确自发行为的自然机制及其结构,且能够总结出明确的理论,但这一问题布鲁克斯事实上并没有解决。他的做法并非真正的遵循了自适应机制,这是因为自适应的前提是自组织。而自组织的含义并非仅仅是有关元素的动态随机整合,其更基本的部分是有关元素建立普遍性的确定性互为因果作用关系,在此基础上实现状态的组合与分解,实现状态随机转换、互相驱动及刺激反映,才是真正的建立在自组织基础上的自适应。

  另外,智能不是被强行插入一个系统里,所有功能都是神经元交互或协同作用的预期自然反应。以往,大多数的神经网络只是在“静态数据”或”外部控制”的条件下才能运行,这也就意味着它们只能处理一系列简单的不变模式,必须在非常紧密的监控下进行训练,且进展非常缓慢。因而格劳斯博格认为,一个真正的类人大脑神经网络应该是自恰的,具有快速学习和适应能力,也就是说,它能很快辨认及处理它所遇到的现场情况。这就要求系统必须以交互或协同作用为基础,随机的刺激能引起预期的反应,这一点对于模拟人脑智能至关重要。

  ②、以自组织结构模拟为基础

  连接机制代表了一种全新的人工智能研究方法。它不是试图去复制大脑高层次功能,而是试图从分类或辨认图象这一相对简单的目标开始,在简单的选择层次上进行深入研究。据此,一部分连接机制研究人员认为,智能不是从深奥的逻辑原则,或复杂的算法中创造出来的,而是成千上万个神经元在不停地互相交流信息,产生出种种可能的组合。人工智能基于连接机制的思路没有错,只是神经元的连结模式并非仅仅限于定向的协同作用方式,还有交互作用方式,且交互作用方式是更基本的方式。因为状态的交互作用结构是统一环境与背景信息的唯一途径,只有以确定性交互作用关系为基础,才能使系统内部与外部状态统一。只有这种统一,才能保证系统面对刺激进行实时反应,及基于某种确定性关系进行预期反应。神经系统之所以能够利用非常简单的神经元特性,实现极其复杂的预期反应,完全取决于神经元连结的自组织结构模式,且不仅限于一种结构模式。

<script type="text/javascript" src=""></script>
 

点击浏览:矢量网络分析仪、频谱仪、示波器,使用操作培训教程

上一篇:NI携手TI 为工程类专业的学生提供便携式教学设备
下一篇:新型便携式数据采集检测系统的实现

微波射频测量操作培训课程详情>>
射频和天线工程师培训课程详情>>

  网站地图