21世纪人工智能的发展趋势

 　　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。