人工智能是数字化的趋向和表现吗？

1. 人工智能是数字化的趋向和表现吗？

由于计算机有记忆、运算能力，所以人们希望用它来实现人的智能活动。这些活动包括识别、分析、推理、判断、学习等。1深蓝计算机系统956年诞生的人工智能学科，就是研究如何利用机器来实现人的智能活动的科学。
由于人工智能的难度超过预想，它的进展也远远落后于计算机科学本身。然而，人类在实现了自动化以后，需要实现智能化。因此科学家们对人工智能一直在进行锲而不舍的研究。美国IBM的“深蓝”计算机战胜棋王卡斯帕罗夫以及在日本大阪举行的机器人世界杯足球赛就引起公众对人工智能的关心。
人工智能经历着艰难而曲折的过程。
早期的人工智能被用于解难题、游戏、下棋等方面，并取得了不少成绩，使人对它抱有不切实际的乐观。然而，一旦将它用于解决实际问题，便暴露出它的弱点，最著名的例子便是机器翻译的失败。于是20世纪60年代人工智能走向了低谷，直到70年代专家系统取得成功，才使人工智能又恢复了活力。总结人工智能发展中正、反两方面的经验，人们知道了知识在智能中所起的重要作用。早期机器翻译的失败，就在于没有充分利用有关知识。由于语法和词语的多义性，必然导致翻译出来的东西前后矛盾、笑话百出。以“Time flies like a narrow”这样简单的句子为例，便有三种不同的译法。第一种译为“时间像箭一样地飞”，即“光阴似箭”；第二种可译为“时蝇喜欢箭”；第三种可译为“像箭那样对苍蝇计时”。单从语法和词义上看，这三种译法都可以，但如果结合知识来判断，只有第一种译法才是正确的。
鉴于知识对智能的重要作用，1977年便从人工智能中分化出“知识工程”这一新学科，成为人工智能的基础技术。知识工程所要研究解决的是如何使计算机有效地利用知识。
由于知识工程是以知识作为信息处理的对象，因此需要区分知识和数据之间的差别。首先，数据是信息的明显表示，而知识则是信息的含蓄表示。例如“中国有13亿人口”就是一个数据型信息，因为“13亿”这个信息很明确，可直接利用。而“感冒时一定不要淋雨”尽管也是日常生活中的普通常识，而且“淋”字也有明确意义，但“不要淋”具体指什么并不明确，这就是知识型信息。如果要使计算机明白它的含义，就必须告诉计算机，所谓“不要淋”是指不要出门，还是出门时要带雨具。
由于许多知识都是用自然语言表示，因此以计算机作为工具来处理知识，目前还有许多困难。但是，目前知识已被应用到人工智能的各个领域中，特别是专家系统和机器翻译。鉴于知识对智能的重要性，所以“深蓝”也配备有一个庞大的数据库(知识库)，它收集了近100年来世界最高水平棋手对弈的棋谱，还收集了许多残局，也就是终局前5步棋的棋谱。目前，这一数据库已收集了超过10亿个棋谱。它对“深蓝”战胜棋王，发挥了巨大作用。
认知科学是使人工智能取得突破的关键，数字化技术的应用是人工智能的重要方式。人工智能所以进展缓慢，根本原因在于：人对自己的脑子是如何工作的，人是怎样认识事物的，人的智能是怎么一回事等许多问题还没有完全搞清楚。只有弄清这些问题才能使人工智能取得突破性进展，使计算机、机器人变得更加聪明，能为我们做更多的事。于是，融信息科学、哲学、心理学于一体的边缘学科——认知科学便应运而生。认知科学主要研究人的认识原理、智能本质、人脑是怎样进行信息处理等问题。根据对心和脑之间关系的不同认识，目前认知科学分成两大流派，即符号主义和连接主义符号主义认为，认知(智能)的基本元素是符号，认知过程是对符号表示的运算。人类的语言、文字和思维都可用符号来描述，而且思维过程只不过是这些符号的存储、变换、输入和输出。总之，其为心和脑的二元论者，认为心和脑是可以分离的。由于人类的思维被认为能用符号来描述，所以只要把这种描述表示出来，让能够处理符号的机器进行运算，那么实现认知便没有什么困难。所以它认为实现认知的关键，便是如何把知识表示为计算机能够认识的符号。这是人工智能诞生以来一直采用的基本方法。多年来的实践经验表明，它在一定程度上是成功的。这次“深蓝”的原理也是立足于这一理论上。它战胜棋王也说明符号主义仍然可以解决实际问题。
与之相反，连接主义认为符号是不存在的，认知的基本元素就是神经元(神经细胞)这个实体本身。认知过程是大量神经之间的相互连接以及这种连接所引起的神经元产生不同兴奋状态的过程。其认为心和脑是不可分离的，因为离开了神经元的连接，也就无从进行信息处理。连接主义是在出现了神经计算机后才出现的，是对传统符号主义的挑战。需要指出，虽然这两大流派存在巨大的分歧，但它们都承认人脑是智能的物质基础，而思维则是某种形式的信息处理过程。符号主义在解决一些较简单的问题时是成功的，但存在很大局限性。因为人的许多思维过程难以用符号表示。一些涉及模糊性的事物，如人的相貌、心情便无法用符号描述。甚至像“什么样的鸟能飞”这样简单的事情，也难以滴水不漏地描述出来。如果回答：“除鸵鸟、企鹅……之外，一切鸟都能飞。”那么还会提出：“死鸟会飞吗？”即使把死鸟排除在外，还存在“翅膀受伤的鸟能飞吗”之类的问题。就以机器人参加足球赛来说，对来球的情况，便难以用符号描述。
连接主义由于不用符号，所以不存在难以描述的困难。它已在视觉处理、识别和理解以及语音识别上显示出优势。但是为了实现柔性很大的连接，对计算机的硬件和软件要求都更高了。在可以预见的未来，这两种流派将同时并存，取长补短，各有其用武之地。
人工智能的成功应用——专家系统。人工智能的应用大体上可分为3大类：专家系统、模式识别(包括图像识别、语音识别、机器翻译等)、行动规划(如计算机下棋、机器人足球赛等)。其中，最容易实现和取得最大成功者，是专家系统。专家系统是一种计算机软件，它使计算能像专家一样解决某一类问题，所以俗称机器专家。它是人工智能得到最广泛应用的分支。
1979年美国三里岛核电站事故以及1986年苏联切尔诺贝利核电站的灾难性事故，都是由于没有及时对故障做出正确判断造成的。
随着科学技术的发展，人们需要在错综复杂、瞬息万变的情况下及时做出正确判断，否则就会引起严重后果，如对大型电站、化工厂的生产过程控制，国民经济的宏观决策等。对这些事情，如果完全由人来做出判断，有时难免会发生失误。因为人的反应速度远不如计算机，而且因主观、片面、遗忘等造成“智者千虑，必有一失”。因此有专家系统帮助人类一起来做出判断、决策，便可取长补短、相得益彰。
此外，人类专家的数量总是有限的，经验丰富的为数不多，无法满足所有求诊患者的要求。如果专家系统能同名医一样进行诊断、开方，就可以有效地解决名医(专家)不足的矛盾。再说，每个专家都有自己的专长和不足，如果把许多专家的绝招都教给专家系统，便可以集思广益、博采众长。而且人总会衰老、死亡的，及时把处于巅峰时期的专家经验教给专家系统，就可以系统整理、总结专家的经验，并使其不至于失传。
总之，人类迫切需要专家系统这样的助手，而且这种需要是多方面、多层次的。70年代在知识工程的支持下，出现了第一批专家系统。早期专家系统的杰出表现，使它获得社会承认。其中最著名的例子是美国华盛顿州大钼矿的确定。自第一次世界大战以来，人们便想确定它的主矿床所在，但由于地质构造过于复杂，历时半个世纪都未能解决。最后靠找矿专家系统轻而易举地找到了主矿床。建立专家系统，就是要收集、整理专家的知识，并将其整理成计算机能够利用的形式存入知识库中。当要解决问题时，计算机从知识库中取出有关的知识，经过推理，便可像专家一样得出结论。所以专家系统中，以知识库和推理机构最为重要，它们是专家系统的核心。
智能化是推动人工智能发展的动力，人类在实现自动化之后便要求实现智能化。如在工业生产中大量使用机器人实现自动化后，便希望机器人有高度智能，能在更复杂环境下面对千变万化的情况，自觉地进行工作，以便能把机器人用到第一产业、第三产业，全面地取代人的工作。让机器人参加世界杯足球赛，也就是要达到这一目正是人类要实现智能化的伟大目标，成为推动人工智能不断发展的动力，改变我们生活的智能技术。随着科学技术的飞速发展，各种高技术不断涌入我们的世界，正在改变着我们的生活、工作，也改变着我们的认识。融入一定智慧的各类智能技术，正在悄悄走近我们，并将会成为21世纪技术的焦点。
另外，美国最近合成出一种能贮藏和释放热量的塑性智能伪装技术。美国波士顿城郊的陆军研究与发展中心的一些科技专家多年来一直在研究“自适应色彩技术”，其中一项就是智能仿生伪装技术，对人和装备进行伪装。这种智能仿生伪装是采用能改变光输出量的光敏器件和材料作为织物的基础纤维，并与背景色(环境颜色)光传感器和微电脑组合，依靠计算机的比较处理功能，控制织物纤维的光输出量，并让光谱的成分与背景色接近，已达到伪装的目的。
目前荷兰正在一段10千米长的高速公路上试验用智能灯照明，这种灯的发光强度由电脑控制，并与当时的气候条件和车流量相适应。据该试验研究人员格贝尔·福勒介绍，这是世界上首次使用智能灯照明。在进行该试验的高速公路沿线，设置了一些小型气象站，这些气象站可随时测定天气状况，并将测量信息发送给中心电脑；在公路的地面上铺设了压电材料制作的感应器，将路面上的车流量及路况信息传送给中心电脑。中心电脑根据这些信息再向智能灯发送指令，令这些灯发出不同等级的光。