人工智能的發(fā)展,主要經(jīng)歷哪幾個階段? 人工智能經(jīng)歷了幾個發(fā)展階段
1 孕育階段
這個階段主要是指1956年以前。自古以來，人們就一直試圖用各種機器來代替人的部分腦力勞動，以提高人們征服自然的能力，其中對人工智能的產(chǎn)生、發(fā)展有重大影響的主要研究成果包括：
早在公元前384-公元前322年，偉大的哲學家亞里士多德(Aristotle)就在他的名著《工具論》中提出了形式邏輯的一些主要定律，他提出的三段論至今仍是演繹推理的基本依據(jù)。
英國哲學家培根(F. Bacon)曾系統(tǒng)地提出了歸納法，還提出了“知識就是力量”的警句。這對于研究人類的思維過程，以及自20世紀70年代人工智能轉(zhuǎn)向以知識為中心的研究都產(chǎn)生了重要影響。
德國數(shù)學家和哲學家萊布尼茨(G. W. Leibniz)提出了萬能符號和推理計算的思想，他認為可以建立一種通用的符號語言以及在此符號語言上進行推理的演算。這一思想不僅為數(shù)理邏輯的產(chǎn)生和發(fā)展奠定了基礎(chǔ)，而且是現(xiàn)代機器思維設(shè)計思想的萌芽。
英國邏輯學家布爾(C. Boole)致力于使思維規(guī)律形式化和實現(xiàn)機械化，并創(chuàng)立了布爾代數(shù)。他在《思維法則》一書中首次用符號語言描述了思維活動的基本推理法則。
英國數(shù)學家圖靈(A. M. Turing)在1936年提出了一種理想計算機的數(shù)學模型，即圖靈機，為后來電子數(shù)字計算機的問世奠定了理論基礎(chǔ)。
美國神經(jīng)生理學家麥克洛奇(W. McCulloch)與匹茲(W. Pitts)在1943年建成了第一個神經(jīng)網(wǎng)絡(luò)模型(M-P模型)，開創(chuàng)了微觀人工智能的研究領(lǐng)域，為后來人工神經(jīng)網(wǎng)絡(luò)的研究奠定了基礎(chǔ)。
美國愛荷華州立大學的阿塔納索夫(Atanasoff)教授和他的研究生貝瑞(Berry)在1937年至1941年間開發(fā)的世界上第一臺電子計算機“阿塔納索夫-貝瑞計算機(Atanasoff-Berry Computer，ABC)”為人工智能的研究奠定了物質(zhì)基礎(chǔ)。需要說明的是：世界上第一臺計算機不是許多書上所說的由美國的莫克利和埃柯特在1946年發(fā)明。這是美國歷史上一樁著名的公案。
由上面的發(fā)展過程可以看出，人工智能的產(chǎn)生和發(fā)展絕不是偶然的，它是科學技術(shù)發(fā)展的必然產(chǎn)物。
2 形成階段
這個階段主要是指1956-1969年。1956年夏季，由當時達特茅斯大學的年輕數(shù)學助教、現(xiàn)任斯坦福大學教授麥卡錫(J. MeCarthy)聯(lián)合哈佛大學年輕數(shù)學和神經(jīng)學家、麻省理工學院教授明斯基(M. L. Minsky)，IBM公司信息研究中心負責人洛切斯特(N. Rochester)，貝爾實驗室信息部數(shù)學研究員香農(nóng)(C. E. Shannon)共同發(fā)起，邀請普林斯頓大學的莫爾(T.Moore)和IBM公司的塞繆爾(A. L. Samuel)、麻省理工學院的塞爾夫里奇(O. Selfridge)和索羅莫夫(R. Solomonff)以及蘭德(RAND)公司和卡內(nèi)基梅隆大學的紐厄爾(A. Newell)、西蒙(H. A. Simon)等在美國達特茅斯大學召開了一次為時兩個月的學術(shù)研討會，討論關(guān)于機器智能的問題。會上經(jīng)麥卡錫提議正式采用了“人工智能”這一術(shù)語。麥卡錫因而被稱為人工智能之父。這是一次具有歷史意義的重要會議，它標志著人工智能作為一門新興學科正式誕生了。此后，美國形成了多個人工智能研究組織，如紐厄爾和西蒙的Carnegie-RAND協(xié)作組，明斯基和麥卡錫的MIT研究組，塞繆爾的IBM工程研究組等。
自這次會議之后的10多年間，人工智能的研究在機器學習、定理證明、模式識別、問題求解、專家系統(tǒng)及人工智能語言等方面都取得了許多引人注目的成就，例如：
在機器學習方面，1957年Rosenblatt研制成功了感知機。這是一種將神經(jīng)元用于識別的系統(tǒng)，它的學習功能引起了廣泛的興趣，推動了連接機制的研究，但人們很快發(fā)現(xiàn)了感知機的局限性。
在定理證明方面，美籍華人數(shù)理邏輯學家王浩于1958年在IBM-704機器上用3~5min證明了《數(shù)學原理》中有關(guān)命題演算的全部定理(220條)，并且還證明了謂詞演算中150條定理的85%，1965年魯賓遜(J. A. Robinson)提出了歸結(jié)原理，為定理的機器證明作出了突破性的貢獻。
在模式識別方面，1959年塞爾夫里奇推出了一個模式識別程序，1965年羅伯特(Roberts)編制出了可分辨積木構(gòu)造的程序。
在問題求解方面，1960年紐厄爾等人通過心理學試驗總結(jié)出了人們求解問題的思維規(guī)律，編制了通用問題求解程序(General Problem Solver，GPS)，可以用來求解11種不同類型的問題。
在專家系統(tǒng)方面，美國斯坦福大學的費根鮑姆(E. A. Feigenbaum)領(lǐng)導的研究小組自1965年開始專家系統(tǒng)DENDRAL的研究，1968年完成并投入使用。該專家系統(tǒng)能根據(jù)質(zhì)譜儀的實驗，通過分析推理決定化合物的分子結(jié)構(gòu)，其分析能力已接近甚至超過有關(guān)化學專家的水平，在美、英等國得到了實際的應(yīng)用。該專家系統(tǒng)的研制成功不僅為人們提供了一個實用的專家系統(tǒng)，而且對知識表示、存儲、獲取、推理及利用等技術(shù)是一次非常有益的探索，為以后專家系統(tǒng)的建造樹立了榜樣，對人工智能的發(fā)展產(chǎn)生了深刻的影響，其意義遠遠超過了系統(tǒng)本身在實用上所創(chuàng)造的價值。
在人工智能語言方面，1960年麥卡錫研制出了人工智能語言(List Processing，LISP)，成為建造專家系統(tǒng)的重要工具。
1969年成立的國際人工智能聯(lián)合會議(International Joint Conferences On Artificial Intelligence，IJCAI)是人工智能發(fā)展史上一個重要的里程碑，它標志著人工智能這門新興學科已經(jīng)得到了世界的肯定和認可。1970年創(chuàng)刊的國際性人工智能雜志《Artificial Intelligence》對推動人工智能的發(fā)展，促進研究者們的交流起到了重要的作用。
3 發(fā)展階段
這個階段主要是指1970年以后。進入20世紀70年代，許多國家都開展了人工智能的研究，涌現(xiàn)了大量的研究成果。例如，1972年法國馬賽大學的科麥瑞爾(A. Comerauer)提出并實現(xiàn)了邏輯程序設(shè)計語言PROLOG；斯坦福大學的肖特利夫(E. H. Shorliffe)等人從1972年開始研制用于診斷和治療感染性疾病的專家系統(tǒng)MYCIN。
但是，和其他新興學科的發(fā)展一樣，人工智能的發(fā)展道路也不是平坦的。例如，機器翻譯的研究沒有像人們最初想象的那么容易。當時人們總以為只要一部雙向詞典及一些詞法知識就可以實現(xiàn)兩種語言文字間的互譯。后來發(fā)現(xiàn)機器翻譯遠非這么簡單。實際上，由機器翻譯出來的文字有時會出現(xiàn)十分荒謬的錯誤。例如，當把“眼不見，心不煩”的英語句子“Out of sight，out of mind”。翻譯成俄語變成“又瞎又瘋”；當把“心有余而力不足”的英語句子“The spirit is willing but the flesh is weak”翻譯成俄語，然后再翻譯回來時竟變成了“The wine is good but the meat is spoiled”，即“酒是好的，但肉變質(zhì)了”；當把“光陰似箭”的英語句子“Time flies like an arrow”翻譯成日語，然后再翻譯回來的時候，竟變成了“蒼蠅喜歡箭”。由于機器翻譯出現(xiàn)的這些問題，1960年美國政府顧問委員會的一份報告裁定：“還不存在通用的科學文本機器翻譯，也沒有很近的實現(xiàn)前景。”因此，英國、美國當時中斷了對大部分機器翻譯項目的資助。在其他方面，如問題求解、神經(jīng)網(wǎng)絡(luò)、機器學習等，也都遇到了困難，使人工智能的研究一時陷入了困境。
人工智能研究的先驅(qū)者們認真反思，總結(jié)前一段研究的經(jīng)驗和教訓。1977年費根鮑姆在第五屆國際人工智能聯(lián)合會議上提出了“知識工程”的概念，對以知識為基礎(chǔ)的智能系統(tǒng)的研究與建造起到了重要的作用。大多數(shù)人接受了費根鮑姆關(guān)于以知識為中心展開人工智能研究的觀點。從此，人工智能的研究又迎來了蓬勃發(fā)展的以知識為中心的新時期。
這個時期中，專家系統(tǒng)的研究在多種領(lǐng)域中取得了重大突破，各種不同功能、不同類型的專家系統(tǒng)如雨后春筍般地建立起來，產(chǎn)生了巨大的經(jīng)濟效益及社會效益。例如，地礦勘探專家系統(tǒng)PROSPECTOR擁有15種礦藏知識，能根據(jù)巖石標本及地質(zhì)勘探數(shù)據(jù)對礦藏資源進行估計和預(yù)測，能對礦床分布、儲藏量、品位及開采價值進行推斷，制定合理的開采方案。應(yīng)用該系統(tǒng)成功地找到了超億美元的鉬礦。專家系統(tǒng)MYCIN能識別51種病菌，正確地處理23種抗菌素，可協(xié)助醫(yī)生診斷、治療細菌感染性血液病，為患者提供最佳處方。該系統(tǒng)成功地處理了數(shù)百個病例，并通過了嚴格的測試，顯示出了較高的醫(yī)療水平。美國DEC公司的專家系統(tǒng)XCON能根據(jù)用戶要求確定計算機的配置。由專家做這項工作一般需要3小時，而該系統(tǒng)只需要0.5分鐘，速度提高了360倍。DEC公司還建立了另外一些專家系統(tǒng)，由此產(chǎn)生的凈收益每年超過4000萬美元。信用卡認證輔助決策專家系統(tǒng)American Express能夠防止不應(yīng)有的損失，據(jù)說每年可節(jié)省2700萬美元左右。
專家系統(tǒng)的成功，使人們越來越清楚地認識到知識是智能的基礎(chǔ)，對人工智能的研究必須以知識為中心來進行。對知識的表示、利用及獲取等的研究取得了較大的進展，特別是對不確定性知識的表示與推理取得了突破，建立了主觀Bayes理論、確定性理論、證據(jù)理論等，對人工智能中模式識別、自然語言理解等領(lǐng)域的發(fā)展提供了支持，解決了許多理論及技術(shù)上的問題。
人工智能在博弈中的成功應(yīng)用也舉世矚目。人們對博弈的研究一直抱有極大的興趣，早在1956年人工智能剛剛作為一門學科問世時，塞繆爾就研制出了跳棋程序。這個程序能從棋譜中學習，也能從下棋實踐中提高棋藝。1959年它擊敗了塞繆爾本人，1962年又擊敗了一個州的冠軍。1991年8月在悉尼舉行的第12屆國際人工智能聯(lián)合會議上，IBM公司研制的“深思”(Deep Thought)計算機系統(tǒng)就與澳大利亞象棋冠軍約翰森(D. Johansen)舉行了一場人機對抗賽，結(jié)果以1:1平局告終。1957年西蒙曾預(yù)測10年內(nèi)計算機可以擊敗人類的世界冠軍。雖然在10年內(nèi)沒有實現(xiàn)，但40年后深藍計算機擊敗國際象棋棋王卡斯帕羅夫(Kasparov)，僅僅比預(yù)測遲了30年。
1996年2月10日至17日，為了紀念世界上第一臺電子計算機誕生50周年，美國IBM公司出巨資邀請國際象棋棋王卡斯帕羅夫與IBM公司的深藍計算機系統(tǒng)進行了六局的“人機大戰(zhàn)”。這場比賽被人們稱為“人腦與電腦的世界決戰(zhàn)”。參賽的雙方分別代表了人腦和電腦的世界最高水平。當時的深藍是一臺運算速度達每秒1億次的超級計算機。第一盤，深藍就給卡斯帕羅夫一個下馬威，贏了這位世界冠軍，給世界棋壇以極大的震動。但卡斯帕羅夫總結(jié)經(jīng)驗，穩(wěn)扎穩(wěn)打，在剩下的五盤中贏三盤，平兩盤，最后以總比分4:2獲勝。一年后，即1997年5月3日至11日，深藍再次挑戰(zhàn)卡斯帕羅夫。這時，深藍是一臺擁有32個處理器和強大并行計算能力的RS/6000SP/2的超級計算機，運算速度達每秒2億次。計算機里存儲了百余年來世界頂尖棋手的棋局，5月3日棋王卡斯帕羅夫首戰(zhàn)擊敗深藍，5月4日深藍扳回一盤，之后雙方戰(zhàn)平三局。雙方的決勝局于5月11日拉開了帷幕，卡斯帕羅夫在這盤比賽中僅僅走了19步便放棄了抵抗，比賽用時只有1小時多一點。這樣，深藍最終以3.5：2.5的總比分贏得這場舉世矚目的“人機大戰(zhàn)”的勝利。深藍的勝利表明了人工智能所達到的成就。盡管它的棋路還遠非真正地對人類思維方式的模擬，但它已經(jīng)向世人說明，電腦能夠以人類遠遠不能企及的速度和準確性，實現(xiàn)屬于人類思維的大量任務(wù)。深藍精湛的殘局戰(zhàn)略使觀戰(zhàn)的國際象棋專家們大為驚訝。卡斯帕羅夫也表示：“這場比賽中有許多新的發(fā)現(xiàn)，其中之一就是計算機有時也可以走出人性化的棋步。在一定程度上，我不能不贊揚這臺機器，因為它對盤勢因素有著深刻的理解，我認為這是一項杰出的科學成就。”因為這場勝利，IBM的股票升值為180億美元。
4 人工智能的學派
根據(jù)前面的論述，我們知道要理解人工智能就要研究如何在一般的意義上定義知識，可惜的是，準確定義知識也是個十分復(fù)雜的事情。嚴格來說，人們最早使用的知識定義是柏拉圖在《泰阿泰德篇》中給出的，即“被證實的、真的和被相信的陳述”(Justified true belief，簡稱JTB條件)。
然而，這個延續(xù)了兩千多年的定義在1963年被哲學家蓋梯爾否定了。蓋梯爾提出了一個著名的悖論(簡稱“蓋梯爾悖論”)。該悖論說明柏拉圖給出的知識定文存在嚴重缺陷。雖然后來人們給出了很多知識的替代定義，但直到現(xiàn)在仍然沒有定論。
但關(guān)于知識，至少有一點是明確的，那就是知識的基本單位是概念。精通掌握任何一門知識，必須從這門知識的基本概念開始學習。而知識自身也是一個概念。因此，如何定義一個概念，對于人工智能具有非常重要的意義。給出一個定義看似簡單，實際上是非常難的，因為經(jīng)常會涉及自指的性質(zhì)(自指：詞性的轉(zhuǎn)化——由謂詞性轉(zhuǎn)化為體詞性，語義則保持不變)。一旦涉及自指，就會出現(xiàn)非常多的問題，很多的語義悖論都出于概念自指。
自指與轉(zhuǎn)指這一對概念最早出自朱德熙先生的《自指與轉(zhuǎn)指》(《方言》1983年第一期，《朱德熙文集》第三卷)。陸儉明先生在《八十年代中國語法研究》中(第98頁)說：“自指和轉(zhuǎn)指的區(qū)別在于，自指單純是詞性的轉(zhuǎn)化－由謂詞性轉(zhuǎn)化為體詞性，語義則保持不變；轉(zhuǎn)指則不僅詞性轉(zhuǎn)化，語義也發(fā)生變化，尤指行為動作或性質(zhì)本身轉(zhuǎn)化為指與行為動作或性質(zhì)相關(guān)的事物。”
舉例：
①教書的來了(“教書的”是轉(zhuǎn)指，轉(zhuǎn)指教書的“人”)；教書的時候要認真(“教書的”語義沒變，是自指)。
②Unplug一詞的原意為“不使用(電源)插座”，是自指；常用來轉(zhuǎn)指為不使用電子樂器的唱歌。
③colored在表示having colour(著色)時是自指。colored在表示有色人種時，就是轉(zhuǎn)指。
④rich，富有的，是自指。the rich，富人，是轉(zhuǎn)指。
知識本身也是一個概念。據(jù)此，人工智能的問題就變成了如下三個問題：一、如何定義(或者表示)一個概念、如何學習一個概念、如何應(yīng)用一個概念。因此對概念進行深人研究就非常必要了。
那么，如何定義一個概念呢？簡單起見，這里先討論最為簡單的經(jīng)典概念。經(jīng)典概念的定義由三部分組成：第一部分是概念的符號表示，即概念的名稱，說明這個概念叫什么，簡稱概念名；第二部分是概念的內(nèi)涵表示，由命題來表示，命題就是能判斷真假的陳述句。第三部分是概念的外延表示，由經(jīng)典集合來表示，用來說明與概念對應(yīng)的實際對象是哪些。
舉一個常見經(jīng)典概念的例子——素數(shù)(prime number)，其內(nèi)涵表示是一個命題，即只能夠被1和自身整除的自然數(shù)。
概念有什么作用呢？或者說概念定義的各個組成部分有什么作用呢？經(jīng)典概念定義的三部分各有作用，且彼此不能互相代替。具體來說，概念有三個作用或功能，要掌握一個概念，必須清楚其三個功能。
第一個功能是概念的指物功能，即指向客觀世界的對象，表示客觀世界的對象的可觀測性。對象的可觀測性是指對象對于人或者儀器的知覺感知特性，不依賴于人的主觀感受。舉一個《阿Q正傳》里的例子：那趙家的狗，何以看我兩眼呢？句子中“趙家的狗”應(yīng)該是指現(xiàn)實世界當中的一條真正的狗。但概念的指物功能有時不一定能夠?qū)崿F(xiàn)，有些概念其設(shè)想存在的對象在現(xiàn)實世界并不存在，例如“鬼”。
第二個功能是指心功能，即指向人心智世界里的對象，代表心智世界里的對象表示。魯迅有一篇著名的文章《論喪家的資本家的乏走狗》，顯然，這個“狗”不是現(xiàn)實世界的狗，只是他心智世界中的狗，即心里的狗(在客觀世界，梁實秋先生顯然無論如何不是狗)。概念的指心功能一定存在。如果對于某一個人，一個概念的指心功能沒有實現(xiàn)，則該詞對于該人不可見，簡單地說，該人不理解該概念。
最后一個功能是指名功能，即指向認知世界或者符號世界表示對象的符號名稱，這些符號名稱組成各種語言。最著名的例子是喬姆斯基的“colorless green ideas sleep furiously”，這句話翻譯過來是“無色的綠色思想在狂怒地休息”。這句話沒有什么意思，但是完全符合語法，純粹是在語義符號世界里，即僅僅指向符號世界而已。當然也有另外，“鴛鴦兩字怎生書”指的就是“鴛鴦”這兩個字組成的名字。一般情形下，概念的指名功能依賴于不同的語言系統(tǒng)或者符號系統(tǒng)，由人類所創(chuàng)造，屬于認知世界。同一個概念在不同的符號系統(tǒng)里，概念名不一定相同，如漢語稱“雨”，英語稱“rain”。
根據(jù)波普爾的三個世界理論，認知世界、物理世界與心理世界雖然相關(guān)，但各不相同。因此，一個概念的三個功能雖然彼此相關(guān)，也各不相同。更重要的是，人類文明發(fā)展至今，這三個功能不斷發(fā)展，彼此都越來越復(fù)雜，但概念的三個功能并沒有改變。
在現(xiàn)實生活中，如果你要了解一個概念，就需要知道這個概念的三個功能：要知道概念的名字，也要知道概念所指的對象(可能是物理世界)。更要在自己的心智世界里具有該概念的形象(或者圖像)。如果只有一個，那是不行的。
知道了概念的三個功能之后，就可以理解人工智能的三個學派以及各學派之間的關(guān)系。
人工智能也是一個概念，而要使一個概念成為現(xiàn)實，自然要實現(xiàn)概念的三個功能。人工智能的三個學派關(guān)注于如何才能讓機器具有人工智能，并根據(jù)概念的不同功能給出了不同的研究路線。專注于實現(xiàn)AI指名功能的人工智能學派成為符號主義，專注于實現(xiàn)AI指心功能的人工智能學派稱為連接主義，專注于實現(xiàn)AI指物功能的人工智能學派成為行為主義。
1. 符號主義
符號主義的代表人物是Simon與Newell，他們提出了物理符號系統(tǒng)假設(shè)，即只要在符號計算上實現(xiàn)了相應(yīng)的功能，那么在現(xiàn)實世界就實現(xiàn)了對應(yīng)的功能，這是智能的充分必要條件。因此，符號主義認為，只要在機器上是正確的，現(xiàn)實世界就是正確的。說得更通俗一點，指名對了，指物自然正確。
在哲學上，關(guān)于物理符號系統(tǒng)假設(shè)也有一個著名的思想實驗——本章1.1.3節(jié)中提到的圖靈測試。圖靈測試要解決的問題就是如何判斷一臺機器是否具有智能。
圖靈測試將智能的表現(xiàn)完全限定在指名功能里。但馬少平教授的故事已經(jīng)說明，只在指名功能里實現(xiàn)了概念的功能，并不能說明一定實現(xiàn)了概念的指物功能。實際上，根據(jù)指名與指物的不同，哲學家約翰·塞爾勒專門設(shè)計了一個思想實驗用來批判圖靈測試，這就是著名的中文屋實驗。
中文屋實驗明確說明，即使符號主義成功了，這全是符號的計算跟現(xiàn)實世界也不一定搭界，即完全實現(xiàn)指名功能也不見得具有智能。這是哲學上對符號主義的一個正式批評，明確指出了按照符號主義實現(xiàn)的人工智能不等同于人的智能。
雖然如此，符號主義在人工智能研究中依然扮演了重要角色，其早期工作的主要成就體現(xiàn)在機器證明和知識表示上。在機器證明方面，早期Simon與Newell做出了重要的貢獻，王浩、吳文俊等華人也得出了很重要的結(jié)果。機器證明以后，符號主義最重要的成就是專家系統(tǒng)和知識工程，最著名的學者就是Feigenbaum。如果認為沿著這條路就可以實現(xiàn)全部智能，顯然存在問題。日本第五代智能機就是沿著知識工程這條路走的，其后來的失敗在現(xiàn)在看來是完全合乎邏輯的。
實現(xiàn)符號主義面臨的觀實挑成主要有三個。第一個是概念的組合爆炸問題。每個人掌握的基本概念大約有5萬個，其形成的組合概念卻是無窮的。因為常識難以窮盡，推理步驟可以無窮。第二個是命題的組合悖論問題。兩個都是合理的命題，合起來就變成了沒法判斷真假的句子了，比如著名的柯里悖論(Curry’s Paradox)(1942)。第三個也是最難的問題，即經(jīng)典概念在實際生活當中是很難得到的，知識也難以提取。上述三個問題成了符號主義發(fā)展的瓶頸。
2. 連接主義
連接主義認為大腦是一切智能的基礎(chǔ)，主要關(guān)注于大腦神經(jīng)元及其連接機制，試圖發(fā)現(xiàn)大腦的結(jié)構(gòu)及其處理信息的機制、揭示人類智能的本質(zhì)機理，進而在機器上實現(xiàn)相應(yīng)的模擬。前面已經(jīng)指出知識是智能的基礎(chǔ)，而概念是知識的基本單元，因此連接主義實際上主要關(guān)注于概念的心智表示以及如何在計算機上實現(xiàn)其心智表示，這對應(yīng)著概念的指心功能。2016年發(fā)表在Nature上的一篇學術(shù)論文揭示了大腦語義地圖的存在性，文章指出概念都可以在每個腦區(qū)找到對應(yīng)的表示區(qū)，確確實實概念的心智表示是存在的。因此，連接主義也有其堅實的物理基礎(chǔ)。
連接主義學派的早期代表人物有麥克洛克、皮茨、霍普菲爾德等。按照這條路，連接主義認為可以實現(xiàn)完全的人工智能。對此，哲學家普特南設(shè)計了著名的“缸中之腦實驗”，可以看作是對連接主義的一個哲學批判。
缸中之腦實驗描述如下：一個人(可以假設(shè)是你自己)被邪惡科學家進行了手術(shù)，腦被切下來并放在存有營養(yǎng)液的缸中。腦的神經(jīng)末梢被連接在計算機上，同時計算機按照程序向腦傳遞信息。對于這個人來說，人、物體、天空都存在，神經(jīng)感覺等都可以輸入，這個大腦還可以被輸入、截取記憶，比如截取掉大腦手術(shù)的記憶，然后輸入他可能經(jīng)歷的各種環(huán)境、日常生活，甚至可以被輸入代碼，“感覺”到自己正在閱讀這一段有趣而荒唐的文字。
缸中之腦實驗說明即使連接主義實現(xiàn)了，指心沒有問題，但指物依然存在嚴重問題。因此，連接主義實現(xiàn)的人工智能也不等同于人的智能。
盡管如此，連接主義仍是目前最為大眾所知的一條AI實現(xiàn)路線。在圍棋上，采用了深度學習技術(shù)的AlphaGo戰(zhàn)勝了李世石，之后又戰(zhàn)勝了柯潔。在機器翻譯上，深度學習技術(shù)已經(jīng)超過了人的翻譯水平。在語音識別和圖像識別上，深度學習也已經(jīng)達到了實用水準。客觀地說，深度學習的研究成就已經(jīng)取得了工業(yè)級的進展。
但是，這并不意味著連接主義就可以實現(xiàn)人的智能。更重要的是，即使要實現(xiàn)完全的連接主義，也面臨極大的挑戰(zhàn)。到現(xiàn)在為止，人們并不清楚人腦表示概念的機制，也不清楚人腦中概念的具體表示形式表示方式和組合方式等。現(xiàn)在的神經(jīng)網(wǎng)絡(luò)與深度學習實際上與人腦的真正機制距離尚遠。
3. 行為主義
行為主義假設(shè)智能取決于感知和行動，不需要知識、表示和推理，只需要將智能行為表現(xiàn)出來就好，即只要能實現(xiàn)指物功能就可以認為具有智能了。這一學派的早期代表作是Brooks的六足爬行機器人。
對此，哲學家普特南也設(shè)計了一個思想實驗，可以看作是對行為主義的哲學批判，這就是“完美偽裝者和斯巴達人”。完美偽裝者可以根據(jù)外在的需求進行完美的表演，需要哭的時候可以哭得讓人撕心裂肺，需要笑的時候可以笑得讓人興高采烈，但是其內(nèi)心可能始終冷靜如常。斯巴達人則相反，無論其內(nèi)心是激動萬分還是心冷似鐵，其外在總是一副泰山崩于前而色不變的表情。完美偽裝者和斯巴達人的外在表現(xiàn)都與內(nèi)心沒有聯(lián)系，這樣的智能如何從外在行為進行測試？因此，行為主義路線實現(xiàn)的人工智能也不等同于人的智能。
對于行為主義路線，其面臨的最大實現(xiàn)困難可以用莫拉維克悖論來說明。所謂莫拉維克悖論，是指對計算機來說困難的問題是簡單的、簡單的問題是困難的，最難以復(fù)制的反而是人類技能中那些無意識的技能。目前，模擬人類的行動技能面臨很大挑戰(zhàn)。比如，在網(wǎng)上看到波士頓動力公司人形機器人可以做高難度的后空翻動作，大狗機器人可以在任何地形負重前行，其行動能力似乎非常強。但是這些機器人都有一個大的缺點一能耗過高、噪音過大。大狗機器人原是美國軍方訂購的產(chǎn)品，但因為大狗機器人開動時的聲音在十里之外都能聽到，大大提高了其成為一個活靶子的可能性，使其在戰(zhàn)場上幾乎沒有實用價值，美國軍方最終放棄了采購。
工智能（Artificial Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學。人工智能領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，可以產(chǎn)出一種新的可以和人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究主要有機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
自從人工智能誕生以來，理論和技術(shù)越來越成熟，應(yīng)用領(lǐng)域在不斷的擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能可以把人的意識、思維的信息過程的模擬。雖然人工智能不是人的智能，但可以像人那樣思考、最終可能超過人的智能。
優(yōu)點：
1、在生產(chǎn)方面，效率更高且成本低廉的機器及人工智能實體代替了人的各種能力，人類的勞動力將大大被解放。
2、人類環(huán)境問題將會得到一定的改善，較少的資源可以滿足更大的需求。
3、人工智能可以提高人類認識世界、適應(yīng)世界的能力。
缺點：
1、人工智能代替了人類做各種各樣的事情，人類失業(yè)率會明顯的增高，人類就會處于無依靠可生存的狀態(tài)。
2、人工智能如果不能合理利用，可能被壞人利用在犯罪上，那么人類將會陷入恐慌。
3、如果我們無法很好控制和利用人工智能，我們反而會被人工智能所控制與利用，那么人類將走向滅亡，世界也將變得慌亂。
祁凱15753401460： 人工智能未來的發(fā)展前景怎么樣?
大悟縣不平： ______ 當前,國內(nèi)外互聯(lián)網(wǎng)巨頭紛紛將人工智能作為下一次產(chǎn)業(yè)革命的突破口,積極加大投資布局,與此同時,隨著人工智能技術(shù)進步和基礎(chǔ)設(shè)施建設(shè)不斷完善的推動下,全球人工智能應(yīng)用場景將不斷豐富,市場規(guī)模持續(xù)擴大.“人工智能”一詞最初...
祁凱15753401460： 人工智能的發(fā)展怎么樣?
大悟縣不平： ______ 人工智能是計算機科學的一個分支,英文縮寫為AI(Artificial Intelligence).人工智能的目的在于嘗試使用計算機技術(shù)生產(chǎn)出與人類智能相似的智能機器,包括但不僅限于人工智能機器人、語言識別、圖像識別等系統(tǒng).人工智能的智能表現(xiàn)在對人的...
祁凱15753401460： 人工智能的發(fā)展怎么樣呢
大悟縣不平： ______ 雖然“人工智能”(AI)已經(jīng)成為一個幾乎人人皆知的概念,但對人工智能的定義還沒有達成普遍共識.傳統(tǒng)的人工智能發(fā)展思路是研究人類如何產(chǎn)生智能,然后讓機器學習人的思考方式和行為.現(xiàn)代人工智能概念的提出者約翰·麥卡錫認為,機...
這個階段主要是指1956年以前。自古以來，人們就一直試圖用各種機器來代替人的部分腦力勞動，以提高人們征服自然的能力，其中對人工智能的產(chǎn)生、發(fā)展有重大影響的主要研究成果包括：
早在公元前384-公元前322年，偉大的哲學家亞里士多德(Aristotle)就在他的名著《工具論》中提出了形式邏輯的一些主要定律，他提出的三段論至今仍是演繹推理的基本依據(jù)。
英國哲學家培根(F. Bacon)曾系統(tǒng)地提出了歸納法，還提出了“知識就是力量”的警句。這對于研究人類的思維過程，以及自20世紀70年代人工智能轉(zhuǎn)向以知識為中心的研究都產(chǎn)生了重要影響。
德國數(shù)學家和哲學家萊布尼茨(G. W. Leibniz)提出了萬能符號和推理計算的思想，他認為可以建立一種通用的符號語言以及在此符號語言上進行推理的演算。這一思想不僅為數(shù)理邏輯的產(chǎn)生和發(fā)展奠定了基礎(chǔ)，而且是現(xiàn)代機器思維設(shè)計思想的萌芽。
英國邏輯學家布爾(C. Boole)致力于使思維規(guī)律形式化和實現(xiàn)機械化，并創(chuàng)立了布爾代數(shù)。他在《思維法則》一書中首次用符號語言描述了思維活動的基本推理法則。
英國數(shù)學家圖靈(A. M. Turing)在1936年提出了一種理想計算機的數(shù)學模型，即圖靈機，為后來電子數(shù)字計算機的問世奠定了理論基礎(chǔ)。
美國神經(jīng)生理學家麥克洛奇(W. McCulloch)與匹茲(W. Pitts)在1943年建成了第一個神經(jīng)網(wǎng)絡(luò)模型(M-P模型)，開創(chuàng)了微觀人工智能的研究領(lǐng)域，為后來人工神經(jīng)網(wǎng)絡(luò)的研究奠定了基礎(chǔ)。
美國愛荷華州立大學的阿塔納索夫(Atanasoff)教授和他的研究生貝瑞(Berry)在1937年至1941年間開發(fā)的世界上第一臺電子計算機“阿塔納索夫-貝瑞計算機(Atanasoff-Berry Computer，ABC)”為人工智能的研究奠定了物質(zhì)基礎(chǔ)。需要說明的是：世界上第一臺計算機不是許多書上所說的由美國的莫克利和埃柯特在1946年發(fā)明。這是美國歷史上一樁著名的公案。
由上面的發(fā)展過程可以看出，人工智能的產(chǎn)生和發(fā)展絕不是偶然的，它是科學技術(shù)發(fā)展的必然產(chǎn)物。
2 形成階段
這個階段主要是指1956-1969年。1956年夏季，由當時達特茅斯大學的年輕數(shù)學助教、現(xiàn)任斯坦福大學教授麥卡錫(J. MeCarthy)聯(lián)合哈佛大學年輕數(shù)學和神經(jīng)學家、麻省理工學院教授明斯基(M. L. Minsky)，IBM公司信息研究中心負責人洛切斯特(N. Rochester)，貝爾實驗室信息部數(shù)學研究員香農(nóng)(C. E. Shannon)共同發(fā)起，邀請普林斯頓大學的莫爾(T.Moore)和IBM公司的塞繆爾(A. L. Samuel)、麻省理工學院的塞爾夫里奇(O. Selfridge)和索羅莫夫(R. Solomonff)以及蘭德(RAND)公司和卡內(nèi)基梅隆大學的紐厄爾(A. Newell)、西蒙(H. A. Simon)等在美國達特茅斯大學召開了一次為時兩個月的學術(shù)研討會，討論關(guān)于機器智能的問題。會上經(jīng)麥卡錫提議正式采用了“人工智能”這一術(shù)語。麥卡錫因而被稱為人工智能之父。這是一次具有歷史意義的重要會議，它標志著人工智能作為一門新興學科正式誕生了。此后，美國形成了多個人工智能研究組織，如紐厄爾和西蒙的Carnegie-RAND協(xié)作組，明斯基和麥卡錫的MIT研究組，塞繆爾的IBM工程研究組等。
自這次會議之后的10多年間，人工智能的研究在機器學習、定理證明、模式識別、問題求解、專家系統(tǒng)及人工智能語言等方面都取得了許多引人注目的成就，例如：
在機器學習方面，1957年Rosenblatt研制成功了感知機。這是一種將神經(jīng)元用于識別的系統(tǒng)，它的學習功能引起了廣泛的興趣，推動了連接機制的研究，但人們很快發(fā)現(xiàn)了感知機的局限性。
在定理證明方面，美籍華人數(shù)理邏輯學家王浩于1958年在IBM-704機器上用3~5min證明了《數(shù)學原理》中有關(guān)命題演算的全部定理(220條)，并且還證明了謂詞演算中150條定理的85%，1965年魯賓遜(J. A. Robinson)提出了歸結(jié)原理，為定理的機器證明作出了突破性的貢獻。
在模式識別方面，1959年塞爾夫里奇推出了一個模式識別程序，1965年羅伯特(Roberts)編制出了可分辨積木構(gòu)造的程序。
在問題求解方面，1960年紐厄爾等人通過心理學試驗總結(jié)出了人們求解問題的思維規(guī)律，編制了通用問題求解程序(General Problem Solver，GPS)，可以用來求解11種不同類型的問題。
在專家系統(tǒng)方面，美國斯坦福大學的費根鮑姆(E. A. Feigenbaum)領(lǐng)導的研究小組自1965年開始專家系統(tǒng)DENDRAL的研究，1968年完成并投入使用。該專家系統(tǒng)能根據(jù)質(zhì)譜儀的實驗，通過分析推理決定化合物的分子結(jié)構(gòu)，其分析能力已接近甚至超過有關(guān)化學專家的水平，在美、英等國得到了實際的應(yīng)用。該專家系統(tǒng)的研制成功不僅為人們提供了一個實用的專家系統(tǒng)，而且對知識表示、存儲、獲取、推理及利用等技術(shù)是一次非常有益的探索，為以后專家系統(tǒng)的建造樹立了榜樣，對人工智能的發(fā)展產(chǎn)生了深刻的影響，其意義遠遠超過了系統(tǒng)本身在實用上所創(chuàng)造的價值。
在人工智能語言方面，1960年麥卡錫研制出了人工智能語言(List Processing，LISP)，成為建造專家系統(tǒng)的重要工具。
1969年成立的國際人工智能聯(lián)合會議(International Joint Conferences On Artificial Intelligence，IJCAI)是人工智能發(fā)展史上一個重要的里程碑，它標志著人工智能這門新興學科已經(jīng)得到了世界的肯定和認可。1970年創(chuàng)刊的國際性人工智能雜志《Artificial Intelligence》對推動人工智能的發(fā)展，促進研究者們的交流起到了重要的作用。
3 發(fā)展階段
這個階段主要是指1970年以后。進入20世紀70年代，許多國家都開展了人工智能的研究，涌現(xiàn)了大量的研究成果。例如，1972年法國馬賽大學的科麥瑞爾(A. Comerauer)提出并實現(xiàn)了邏輯程序設(shè)計語言PROLOG；斯坦福大學的肖特利夫(E. H. Shorliffe)等人從1972年開始研制用于診斷和治療感染性疾病的專家系統(tǒng)MYCIN。
但是，和其他新興學科的發(fā)展一樣，人工智能的發(fā)展道路也不是平坦的。例如，機器翻譯的研究沒有像人們最初想象的那么容易。當時人們總以為只要一部雙向詞典及一些詞法知識就可以實現(xiàn)兩種語言文字間的互譯。后來發(fā)現(xiàn)機器翻譯遠非這么簡單。實際上，由機器翻譯出來的文字有時會出現(xiàn)十分荒謬的錯誤。例如，當把“眼不見，心不煩”的英語句子“Out of sight，out of mind”。翻譯成俄語變成“又瞎又瘋”；當把“心有余而力不足”的英語句子“The spirit is willing but the flesh is weak”翻譯成俄語，然后再翻譯回來時竟變成了“The wine is good but the meat is spoiled”，即“酒是好的，但肉變質(zhì)了”；當把“光陰似箭”的英語句子“Time flies like an arrow”翻譯成日語，然后再翻譯回來的時候，竟變成了“蒼蠅喜歡箭”。由于機器翻譯出現(xiàn)的這些問題，1960年美國政府顧問委員會的一份報告裁定：“還不存在通用的科學文本機器翻譯，也沒有很近的實現(xiàn)前景。”因此，英國、美國當時中斷了對大部分機器翻譯項目的資助。在其他方面，如問題求解、神經(jīng)網(wǎng)絡(luò)、機器學習等，也都遇到了困難，使人工智能的研究一時陷入了困境。
人工智能研究的先驅(qū)者們認真反思，總結(jié)前一段研究的經(jīng)驗和教訓。1977年費根鮑姆在第五屆國際人工智能聯(lián)合會議上提出了“知識工程”的概念，對以知識為基礎(chǔ)的智能系統(tǒng)的研究與建造起到了重要的作用。大多數(shù)人接受了費根鮑姆關(guān)于以知識為中心展開人工智能研究的觀點。從此，人工智能的研究又迎來了蓬勃發(fā)展的以知識為中心的新時期。
這個時期中，專家系統(tǒng)的研究在多種領(lǐng)域中取得了重大突破，各種不同功能、不同類型的專家系統(tǒng)如雨后春筍般地建立起來，產(chǎn)生了巨大的經(jīng)濟效益及社會效益。例如，地礦勘探專家系統(tǒng)PROSPECTOR擁有15種礦藏知識，能根據(jù)巖石標本及地質(zhì)勘探數(shù)據(jù)對礦藏資源進行估計和預(yù)測，能對礦床分布、儲藏量、品位及開采價值進行推斷，制定合理的開采方案。應(yīng)用該系統(tǒng)成功地找到了超億美元的鉬礦。專家系統(tǒng)MYCIN能識別51種病菌，正確地處理23種抗菌素，可協(xié)助醫(yī)生診斷、治療細菌感染性血液病，為患者提供最佳處方。該系統(tǒng)成功地處理了數(shù)百個病例，并通過了嚴格的測試，顯示出了較高的醫(yī)療水平。美國DEC公司的專家系統(tǒng)XCON能根據(jù)用戶要求確定計算機的配置。由專家做這項工作一般需要3小時，而該系統(tǒng)只需要0.5分鐘，速度提高了360倍。DEC公司還建立了另外一些專家系統(tǒng)，由此產(chǎn)生的凈收益每年超過4000萬美元。信用卡認證輔助決策專家系統(tǒng)American Express能夠防止不應(yīng)有的損失，據(jù)說每年可節(jié)省2700萬美元左右。
專家系統(tǒng)的成功，使人們越來越清楚地認識到知識是智能的基礎(chǔ)，對人工智能的研究必須以知識為中心來進行。對知識的表示、利用及獲取等的研究取得了較大的進展，特別是對不確定性知識的表示與推理取得了突破，建立了主觀Bayes理論、確定性理論、證據(jù)理論等，對人工智能中模式識別、自然語言理解等領(lǐng)域的發(fā)展提供了支持，解決了許多理論及技術(shù)上的問題。
人工智能在博弈中的成功應(yīng)用也舉世矚目。人們對博弈的研究一直抱有極大的興趣，早在1956年人工智能剛剛作為一門學科問世時，塞繆爾就研制出了跳棋程序。這個程序能從棋譜中學習，也能從下棋實踐中提高棋藝。1959年它擊敗了塞繆爾本人，1962年又擊敗了一個州的冠軍。1991年8月在悉尼舉行的第12屆國際人工智能聯(lián)合會議上，IBM公司研制的“深思”(Deep Thought)計算機系統(tǒng)就與澳大利亞象棋冠軍約翰森(D. Johansen)舉行了一場人機對抗賽，結(jié)果以1:1平局告終。1957年西蒙曾預(yù)測10年內(nèi)計算機可以擊敗人類的世界冠軍。雖然在10年內(nèi)沒有實現(xiàn)，但40年后深藍計算機擊敗國際象棋棋王卡斯帕羅夫(Kasparov)，僅僅比預(yù)測遲了30年。
1996年2月10日至17日，為了紀念世界上第一臺電子計算機誕生50周年，美國IBM公司出巨資邀請國際象棋棋王卡斯帕羅夫與IBM公司的深藍計算機系統(tǒng)進行了六局的“人機大戰(zhàn)”。這場比賽被人們稱為“人腦與電腦的世界決戰(zhàn)”。參賽的雙方分別代表了人腦和電腦的世界最高水平。當時的深藍是一臺運算速度達每秒1億次的超級計算機。第一盤，深藍就給卡斯帕羅夫一個下馬威，贏了這位世界冠軍，給世界棋壇以極大的震動。但卡斯帕羅夫總結(jié)經(jīng)驗，穩(wěn)扎穩(wěn)打，在剩下的五盤中贏三盤，平兩盤，最后以總比分4:2獲勝。一年后，即1997年5月3日至11日，深藍再次挑戰(zhàn)卡斯帕羅夫。這時，深藍是一臺擁有32個處理器和強大并行計算能力的RS/6000SP/2的超級計算機，運算速度達每秒2億次。計算機里存儲了百余年來世界頂尖棋手的棋局，5月3日棋王卡斯帕羅夫首戰(zhàn)擊敗深藍，5月4日深藍扳回一盤，之后雙方戰(zhàn)平三局。雙方的決勝局于5月11日拉開了帷幕，卡斯帕羅夫在這盤比賽中僅僅走了19步便放棄了抵抗，比賽用時只有1小時多一點。這樣，深藍最終以3.5：2.5的總比分贏得這場舉世矚目的“人機大戰(zhàn)”的勝利。深藍的勝利表明了人工智能所達到的成就。盡管它的棋路還遠非真正地對人類思維方式的模擬，但它已經(jīng)向世人說明，電腦能夠以人類遠遠不能企及的速度和準確性，實現(xiàn)屬于人類思維的大量任務(wù)。深藍精湛的殘局戰(zhàn)略使觀戰(zhàn)的國際象棋專家們大為驚訝。卡斯帕羅夫也表示：“這場比賽中有許多新的發(fā)現(xiàn)，其中之一就是計算機有時也可以走出人性化的棋步。在一定程度上，我不能不贊揚這臺機器，因為它對盤勢因素有著深刻的理解，我認為這是一項杰出的科學成就。”因為這場勝利，IBM的股票升值為180億美元。
4 人工智能的學派
根據(jù)前面的論述，我們知道要理解人工智能就要研究如何在一般的意義上定義知識，可惜的是，準確定義知識也是個十分復(fù)雜的事情。嚴格來說，人們最早使用的知識定義是柏拉圖在《泰阿泰德篇》中給出的，即“被證實的、真的和被相信的陳述”(Justified true belief，簡稱JTB條件)。
然而，這個延續(xù)了兩千多年的定義在1963年被哲學家蓋梯爾否定了。蓋梯爾提出了一個著名的悖論(簡稱“蓋梯爾悖論”)。該悖論說明柏拉圖給出的知識定文存在嚴重缺陷。雖然后來人們給出了很多知識的替代定義，但直到現(xiàn)在仍然沒有定論。
但關(guān)于知識，至少有一點是明確的，那就是知識的基本單位是概念。精通掌握任何一門知識，必須從這門知識的基本概念開始學習。而知識自身也是一個概念。因此，如何定義一個概念，對于人工智能具有非常重要的意義。給出一個定義看似簡單，實際上是非常難的，因為經(jīng)常會涉及自指的性質(zhì)(自指：詞性的轉(zhuǎn)化——由謂詞性轉(zhuǎn)化為體詞性，語義則保持不變)。一旦涉及自指，就會出現(xiàn)非常多的問題，很多的語義悖論都出于概念自指。
自指與轉(zhuǎn)指這一對概念最早出自朱德熙先生的《自指與轉(zhuǎn)指》(《方言》1983年第一期，《朱德熙文集》第三卷)。陸儉明先生在《八十年代中國語法研究》中(第98頁)說：“自指和轉(zhuǎn)指的區(qū)別在于，自指單純是詞性的轉(zhuǎn)化－由謂詞性轉(zhuǎn)化為體詞性，語義則保持不變；轉(zhuǎn)指則不僅詞性轉(zhuǎn)化，語義也發(fā)生變化，尤指行為動作或性質(zhì)本身轉(zhuǎn)化為指與行為動作或性質(zhì)相關(guān)的事物。”
舉例：
①教書的來了(“教書的”是轉(zhuǎn)指，轉(zhuǎn)指教書的“人”)；教書的時候要認真(“教書的”語義沒變，是自指)。
②Unplug一詞的原意為“不使用(電源)插座”，是自指；常用來轉(zhuǎn)指為不使用電子樂器的唱歌。
③colored在表示having colour(著色)時是自指。colored在表示有色人種時，就是轉(zhuǎn)指。
④rich，富有的，是自指。the rich，富人，是轉(zhuǎn)指。
知識本身也是一個概念。據(jù)此，人工智能的問題就變成了如下三個問題：一、如何定義(或者表示)一個概念、如何學習一個概念、如何應(yīng)用一個概念。因此對概念進行深人研究就非常必要了。
那么，如何定義一個概念呢？簡單起見，這里先討論最為簡單的經(jīng)典概念。經(jīng)典概念的定義由三部分組成：第一部分是概念的符號表示，即概念的名稱，說明這個概念叫什么，簡稱概念名；第二部分是概念的內(nèi)涵表示，由命題來表示，命題就是能判斷真假的陳述句。第三部分是概念的外延表示，由經(jīng)典集合來表示，用來說明與概念對應(yīng)的實際對象是哪些。
舉一個常見經(jīng)典概念的例子——素數(shù)(prime number)，其內(nèi)涵表示是一個命題，即只能夠被1和自身整除的自然數(shù)。
概念有什么作用呢？或者說概念定義的各個組成部分有什么作用呢？經(jīng)典概念定義的三部分各有作用，且彼此不能互相代替。具體來說，概念有三個作用或功能，要掌握一個概念，必須清楚其三個功能。
第一個功能是概念的指物功能，即指向客觀世界的對象，表示客觀世界的對象的可觀測性。對象的可觀測性是指對象對于人或者儀器的知覺感知特性，不依賴于人的主觀感受。舉一個《阿Q正傳》里的例子：那趙家的狗，何以看我兩眼呢？句子中“趙家的狗”應(yīng)該是指現(xiàn)實世界當中的一條真正的狗。但概念的指物功能有時不一定能夠?qū)崿F(xiàn)，有些概念其設(shè)想存在的對象在現(xiàn)實世界并不存在，例如“鬼”。
第二個功能是指心功能，即指向人心智世界里的對象，代表心智世界里的對象表示。魯迅有一篇著名的文章《論喪家的資本家的乏走狗》，顯然，這個“狗”不是現(xiàn)實世界的狗，只是他心智世界中的狗，即心里的狗(在客觀世界，梁實秋先生顯然無論如何不是狗)。概念的指心功能一定存在。如果對于某一個人，一個概念的指心功能沒有實現(xiàn)，則該詞對于該人不可見，簡單地說，該人不理解該概念。
最后一個功能是指名功能，即指向認知世界或者符號世界表示對象的符號名稱，這些符號名稱組成各種語言。最著名的例子是喬姆斯基的“colorless green ideas sleep furiously”，這句話翻譯過來是“無色的綠色思想在狂怒地休息”。這句話沒有什么意思，但是完全符合語法，純粹是在語義符號世界里，即僅僅指向符號世界而已。當然也有另外，“鴛鴦兩字怎生書”指的就是“鴛鴦”這兩個字組成的名字。一般情形下，概念的指名功能依賴于不同的語言系統(tǒng)或者符號系統(tǒng)，由人類所創(chuàng)造，屬于認知世界。同一個概念在不同的符號系統(tǒng)里，概念名不一定相同，如漢語稱“雨”，英語稱“rain”。
根據(jù)波普爾的三個世界理論，認知世界、物理世界與心理世界雖然相關(guān)，但各不相同。因此，一個概念的三個功能雖然彼此相關(guān)，也各不相同。更重要的是，人類文明發(fā)展至今，這三個功能不斷發(fā)展，彼此都越來越復(fù)雜，但概念的三個功能并沒有改變。
在現(xiàn)實生活中，如果你要了解一個概念，就需要知道這個概念的三個功能：要知道概念的名字，也要知道概念所指的對象(可能是物理世界)。更要在自己的心智世界里具有該概念的形象(或者圖像)。如果只有一個，那是不行的。
知道了概念的三個功能之后，就可以理解人工智能的三個學派以及各學派之間的關(guān)系。
人工智能也是一個概念，而要使一個概念成為現(xiàn)實，自然要實現(xiàn)概念的三個功能。人工智能的三個學派關(guān)注于如何才能讓機器具有人工智能，并根據(jù)概念的不同功能給出了不同的研究路線。專注于實現(xiàn)AI指名功能的人工智能學派成為符號主義，專注于實現(xiàn)AI指心功能的人工智能學派稱為連接主義，專注于實現(xiàn)AI指物功能的人工智能學派成為行為主義。
1. 符號主義
符號主義的代表人物是Simon與Newell，他們提出了物理符號系統(tǒng)假設(shè)，即只要在符號計算上實現(xiàn)了相應(yīng)的功能，那么在現(xiàn)實世界就實現(xiàn)了對應(yīng)的功能，這是智能的充分必要條件。因此，符號主義認為，只要在機器上是正確的，現(xiàn)實世界就是正確的。說得更通俗一點，指名對了，指物自然正確。
在哲學上，關(guān)于物理符號系統(tǒng)假設(shè)也有一個著名的思想實驗——本章1.1.3節(jié)中提到的圖靈測試。圖靈測試要解決的問題就是如何判斷一臺機器是否具有智能。
圖靈測試將智能的表現(xiàn)完全限定在指名功能里。但馬少平教授的故事已經(jīng)說明，只在指名功能里實現(xiàn)了概念的功能，并不能說明一定實現(xiàn)了概念的指物功能。實際上，根據(jù)指名與指物的不同，哲學家約翰·塞爾勒專門設(shè)計了一個思想實驗用來批判圖靈測試，這就是著名的中文屋實驗。
中文屋實驗明確說明，即使符號主義成功了，這全是符號的計算跟現(xiàn)實世界也不一定搭界，即完全實現(xiàn)指名功能也不見得具有智能。這是哲學上對符號主義的一個正式批評，明確指出了按照符號主義實現(xiàn)的人工智能不等同于人的智能。
雖然如此，符號主義在人工智能研究中依然扮演了重要角色，其早期工作的主要成就體現(xiàn)在機器證明和知識表示上。在機器證明方面，早期Simon與Newell做出了重要的貢獻，王浩、吳文俊等華人也得出了很重要的結(jié)果。機器證明以后，符號主義最重要的成就是專家系統(tǒng)和知識工程，最著名的學者就是Feigenbaum。如果認為沿著這條路就可以實現(xiàn)全部智能，顯然存在問題。日本第五代智能機就是沿著知識工程這條路走的，其后來的失敗在現(xiàn)在看來是完全合乎邏輯的。
實現(xiàn)符號主義面臨的觀實挑成主要有三個。第一個是概念的組合爆炸問題。每個人掌握的基本概念大約有5萬個，其形成的組合概念卻是無窮的。因為常識難以窮盡，推理步驟可以無窮。第二個是命題的組合悖論問題。兩個都是合理的命題，合起來就變成了沒法判斷真假的句子了，比如著名的柯里悖論(Curry’s Paradox)(1942)。第三個也是最難的問題，即經(jīng)典概念在實際生活當中是很難得到的，知識也難以提取。上述三個問題成了符號主義發(fā)展的瓶頸。
2. 連接主義
連接主義認為大腦是一切智能的基礎(chǔ)，主要關(guān)注于大腦神經(jīng)元及其連接機制，試圖發(fā)現(xiàn)大腦的結(jié)構(gòu)及其處理信息的機制、揭示人類智能的本質(zhì)機理，進而在機器上實現(xiàn)相應(yīng)的模擬。前面已經(jīng)指出知識是智能的基礎(chǔ)，而概念是知識的基本單元，因此連接主義實際上主要關(guān)注于概念的心智表示以及如何在計算機上實現(xiàn)其心智表示，這對應(yīng)著概念的指心功能。2016年發(fā)表在Nature上的一篇學術(shù)論文揭示了大腦語義地圖的存在性，文章指出概念都可以在每個腦區(qū)找到對應(yīng)的表示區(qū)，確確實實概念的心智表示是存在的。因此，連接主義也有其堅實的物理基礎(chǔ)。
連接主義學派的早期代表人物有麥克洛克、皮茨、霍普菲爾德等。按照這條路，連接主義認為可以實現(xiàn)完全的人工智能。對此，哲學家普特南設(shè)計了著名的“缸中之腦實驗”，可以看作是對連接主義的一個哲學批判。
缸中之腦實驗描述如下：一個人(可以假設(shè)是你自己)被邪惡科學家進行了手術(shù)，腦被切下來并放在存有營養(yǎng)液的缸中。腦的神經(jīng)末梢被連接在計算機上，同時計算機按照程序向腦傳遞信息。對于這個人來說，人、物體、天空都存在，神經(jīng)感覺等都可以輸入，這個大腦還可以被輸入、截取記憶，比如截取掉大腦手術(shù)的記憶，然后輸入他可能經(jīng)歷的各種環(huán)境、日常生活，甚至可以被輸入代碼，“感覺”到自己正在閱讀這一段有趣而荒唐的文字。
缸中之腦實驗說明即使連接主義實現(xiàn)了，指心沒有問題，但指物依然存在嚴重問題。因此，連接主義實現(xiàn)的人工智能也不等同于人的智能。
盡管如此，連接主義仍是目前最為大眾所知的一條AI實現(xiàn)路線。在圍棋上，采用了深度學習技術(shù)的AlphaGo戰(zhàn)勝了李世石，之后又戰(zhàn)勝了柯潔。在機器翻譯上，深度學習技術(shù)已經(jīng)超過了人的翻譯水平。在語音識別和圖像識別上，深度學習也已經(jīng)達到了實用水準。客觀地說，深度學習的研究成就已經(jīng)取得了工業(yè)級的進展。
但是，這并不意味著連接主義就可以實現(xiàn)人的智能。更重要的是，即使要實現(xiàn)完全的連接主義，也面臨極大的挑戰(zhàn)。到現(xiàn)在為止，人們并不清楚人腦表示概念的機制，也不清楚人腦中概念的具體表示形式表示方式和組合方式等。現(xiàn)在的神經(jīng)網(wǎng)絡(luò)與深度學習實際上與人腦的真正機制距離尚遠。
3. 行為主義
行為主義假設(shè)智能取決于感知和行動，不需要知識、表示和推理，只需要將智能行為表現(xiàn)出來就好，即只要能實現(xiàn)指物功能就可以認為具有智能了。這一學派的早期代表作是Brooks的六足爬行機器人。
對此，哲學家普特南也設(shè)計了一個思想實驗，可以看作是對行為主義的哲學批判，這就是“完美偽裝者和斯巴達人”。完美偽裝者可以根據(jù)外在的需求進行完美的表演，需要哭的時候可以哭得讓人撕心裂肺，需要笑的時候可以笑得讓人興高采烈，但是其內(nèi)心可能始終冷靜如常。斯巴達人則相反，無論其內(nèi)心是激動萬分還是心冷似鐵，其外在總是一副泰山崩于前而色不變的表情。完美偽裝者和斯巴達人的外在表現(xiàn)都與內(nèi)心沒有聯(lián)系，這樣的智能如何從外在行為進行測試？因此，行為主義路線實現(xiàn)的人工智能也不等同于人的智能。
對于行為主義路線，其面臨的最大實現(xiàn)困難可以用莫拉維克悖論來說明。所謂莫拉維克悖論，是指對計算機來說困難的問題是簡單的、簡單的問題是困難的，最難以復(fù)制的反而是人類技能中那些無意識的技能。目前，模擬人類的行動技能面臨很大挑戰(zhàn)。比如，在網(wǎng)上看到波士頓動力公司人形機器人可以做高難度的后空翻動作，大狗機器人可以在任何地形負重前行，其行動能力似乎非常強。但是這些機器人都有一個大的缺點一能耗過高、噪音過大。大狗機器人原是美國軍方訂購的產(chǎn)品，但因為大狗機器人開動時的聲音在十里之外都能聽到，大大提高了其成為一個活靶子的可能性，使其在戰(zhàn)場上幾乎沒有實用價值，美國軍方最終放棄了采購。
人工智能的發(fā)展可以被劃分為以下幾個階段：
規(guī)則引擎階段（1950s-1970s）：在這個階段，人工智能主要是基于專家系統(tǒng)和規(guī)則引擎等技術(shù)，通過人工編寫規(guī)則來實現(xiàn)推理和決策。這個階段的代表性成果包括 DENDRAL 系統(tǒng)和 MYCIN 系統(tǒng)等。
統(tǒng)計學習階段（1980s-2010s）：這個階段的主要特點是采用基于數(shù)據(jù)驅(qū)動的統(tǒng)計學習方法，通過訓練模型從數(shù)據(jù)中學習規(guī)律。這個階段的代表性成果包括支持向量機、決策樹、神經(jīng)網(wǎng)絡(luò)、深度學習等。
深度學習階段（2010s-至今）：這個階段的主要特點是采用深度神經(jīng)網(wǎng)絡(luò)等技術(shù)，通過多層次的非線性變換來實現(xiàn)高級別的抽象和表示，取得了在圖像識別、自然語言處理等領(lǐng)域的重大突破。
自主學習階段（未來）：這個階段的目標是讓機器能夠像人類一樣具有自主學習的能力，即不需要人類進行標注和指導，就能夠從環(huán)境中自主學習和發(fā)現(xiàn)規(guī)律。這個階段的代表性技術(shù)包括增強學習、元學習、遷移學習等。
工智能（Artificial Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學。人工智能領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，可以產(chǎn)出一種新的可以和人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究主要有機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
自從人工智能誕生以來，理論和技術(shù)越來越成熟，應(yīng)用領(lǐng)域在不斷的擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能可以把人的意識、思維的信息過程的模擬。雖然人工智能不是人的智能，但可以像人那樣思考、最終可能超過人的智能。
優(yōu)點：
1、在生產(chǎn)方面，效率更高且成本低廉的機器及人工智能實體代替了人的各種能力，人類的勞動力將大大被解放。
2、人類環(huán)境問題將會得到一定的改善，較少的資源可以滿足更大的需求。
3、人工智能可以提高人類認識世界、適應(yīng)世界的能力。
缺點：
1、人工智能代替了人類做各種各樣的事情，人類失業(yè)率會明顯的增高，人類就會處于無依靠可生存的狀態(tài)。
2、人工智能如果不能合理利用，可能被壞人利用在犯罪上，那么人類將會陷入恐慌。
3、如果我們無法很好控制和利用人工智能，我們反而會被人工智能所控制與利用，那么人類將走向滅亡，世界也將變得慌亂。
人工智能的發(fā)展,主要經(jīng)歷哪幾個階段?
2. 人工智能的發(fā)展歷程可以大致分為六個階段：- 起步與發(fā)明期：1956年至20世紀60年代初。人工智能概念一經(jīng)提出，便迅速取得了一系列令人矚目的成果，如機器定理證明和跳棋程序等，引發(fā)了人工智能發(fā)展的第一個高潮。3. 從20世紀50年代到70年代初，人工智能進入了基礎(chǔ)階段。這一時期，重點在于人工智能理論...
人工智能的發(fā)展,主要經(jīng)歷哪幾個階段?
1. 孕育階段：人工智能的孕育階段主要發(fā)生在1956年以前。自古以來，人類一直在嘗試用機器來代替部分腦力勞動，以增強人類征服自然的能力。這一階段的重要成果包括亞里士多德提出的邏輯定律，培根提出的歸納法，萊布尼茨提出的符號和推理計算思想，布爾創(chuàng)立的布爾代數(shù)，圖靈提出的圖靈機模型，以及麥克洛奇和匹茲建...
人工智能發(fā)展的階段和成果
人工智能的發(fā)展主要經(jīng)歷了這五個階段：（1）萌芽階段，上世紀50年代，科學家們共同研究了機器模擬的相關(guān)問題，人工智能從此正式誕生；（2）上世紀60年代是人工智能的第一個發(fā)展黃金階段，該階段的人工智能主要以語言翻譯、證明等研究為主；（3）瓶頸階段，上世紀70年代經(jīng)過科學家深入的研究，發(fā)現(xiàn)機器模仿人...
人工智能的發(fā)展經(jīng)歷了哪幾個主要階段
人工智能的發(fā)展主要經(jīng)歷了以下幾個階段：1. 起步階段：人工智能的概念剛剛形成，研究集中在理論和基礎(chǔ)技術(shù)探索上。系統(tǒng)基于硬編碼規(guī)則，功能簡單，應(yīng)用領(lǐng)域有限。2. 知識推理階段：人工智能開始利用知識表示和推理技術(shù)模擬人類思維。知識圖譜和推理機的廣泛應(yīng)用是這一階段的重要標志。3. 數(shù)據(jù)驅(qū)動階段：依賴于...
人工智能的發(fā)展經(jīng)歷了哪些階段?
人工智能的發(fā)展經(jīng)歷了六個主要階段：1. 起步發(fā)展期（1956年—20世紀60年代初）：人工智能概念在1956年的達特茅斯會議上被提出，隨后在定理證明、棋類游戲等領(lǐng)域取得顯著成果，引發(fā)了人工智能的首次熱潮。2. 反思發(fā)展期（20世紀60年代—70年代初）：初期成果激發(fā)了人們對人工智能的過高期望，導致了不切實際...
人工智能的發(fā)展經(jīng)歷了哪些階段?
人工智能的發(fā)展經(jīng)歷了六個主要階段：1. 起步發(fā)展期（1956年—20世紀60年代初）：在這一時期，人工智能的概念被提出，并取得了一些顯著的研究成果，如機器定理證明和跳棋程序，從而引發(fā)了人工智能發(fā)展的第一個高潮。2. 反思發(fā)展期（20世紀60年代—70年代初）：人工智能初期突破性的進展提高了人們的期望，...
人工智能發(fā)展的階段包括
人工智能的發(fā)展主要經(jīng)歷了以下幾個階段：萌芽階段：這個階段主要是在20世紀50年代至60年代，以申農(nóng)為首的科學家開始研究機器模擬的相關(guān)問題，標志著人工智能的誕生。第一發(fā)展期：20世紀60年代是人工智能的第一個發(fā)展黃金階段，這個時期的人工智能研究主要集中在語言翻譯、證明等方面。瓶頸階段：到了20世紀70...
人工智能的發(fā)展歷程
人工智能的發(fā)展歷程可分為六個階段：1. 起步發(fā)展期（1956年—20世紀60年代初）：人工智能概念提出后，迅速取得了一批顯著的研究成果，如機器定理證明和跳棋程序，引發(fā)了人工智能發(fā)展的首個高潮。2. 反思發(fā)展期（20世紀60年代—70年代初）：初期突破性進展提升了人們對人工智能的期望，嘗試更具挑戰(zhàn)性的...
人工智能發(fā)展經(jīng)歷了哪三個階段?
人工智能的發(fā)展經(jīng)歷了三個主要階段：1. 狹窄人工智能（弱人工智能）階段：在人工智能的早期，研究集中在創(chuàng)建只能處理特定任務(wù)的系統(tǒng)。這些系統(tǒng)在其專門領(lǐng)域內(nèi)表現(xiàn)出智能，但無法超越這些限制。例如，早期的棋類游戲計算機程序就屬于這一類。2. 強人工智能階段：這一階段的目標是開發(fā)出具有廣泛認知能力的系統(tǒng)...
人工智能的發(fā)展經(jīng)歷了哪幾個主要階段,每個階段有哪些標志性成果_百度知 ...
1. 符號主義階段：以專家系統(tǒng)為標志性成果，人工智能研究主要基于符號邏輯和規(guī)則推理。例如，MYCIN專家系統(tǒng)能夠根據(jù)癥狀和實驗室測試結(jié)果診斷血液感染并推薦抗生素。2. 連接主義階段：人工神經(jīng)網(wǎng)絡(luò)成為顯著成果，模仿人腦神經(jīng)元連接方式構(gòu)建大規(guī)模并行分布式處理系統(tǒng)。反向傳播算法是該階段重要的學習算法，使神經(jīng)...
相關(guān)評說：
大悟縣不平： ______ 當前,國內(nèi)外互聯(lián)網(wǎng)巨頭紛紛將人工智能作為下一次產(chǎn)業(yè)革命的突破口,積極加大投資布局,與此同時,隨著人工智能技術(shù)進步和基礎(chǔ)設(shè)施建設(shè)不斷完善的推動下,全球人工智能應(yīng)用場景將不斷豐富,市場規(guī)模持續(xù)擴大.“人工智能”一詞最初...
大悟縣不平： ______ 人工智能是計算機科學的一個分支,英文縮寫為AI(Artificial Intelligence).人工智能的目的在于嘗試使用計算機技術(shù)生產(chǎn)出與人類智能相似的智能機器,包括但不僅限于人工智能機器人、語言識別、圖像識別等系統(tǒng).人工智能的智能表現(xiàn)在對人的...
大悟縣不平： ______ 雖然“人工智能”(AI)已經(jīng)成為一個幾乎人人皆知的概念,但對人工智能的定義還沒有達成普遍共識.傳統(tǒng)的人工智能發(fā)展思路是研究人類如何產(chǎn)生智能,然后讓機器學習人的思考方式和行為.現(xiàn)代人工智能概念的提出者約翰·麥卡錫認為,機...
