對(duì)人工智能研究路徑的研究

亓關(guān)霖

摘要： 人工智能是一種模仿人類思維感知、判斷和決策的過程。傳統(tǒng)研究針對(duì)人工智能的這一過程，分別簡化了不同部分，形成了結(jié)構(gòu)模擬、功能模擬和行為模擬三種研究路徑。通過對(duì)三種研究路徑的優(yōu)劣勢(shì)分析，發(fā)現(xiàn)只有抓取人類感知、判斷和決策過程的所有數(shù)據(jù)，才能實(shí)現(xiàn)真正的人工智能，而這種人工智能就是以大數(shù)據(jù)為基礎(chǔ)的研究路徑。最后針對(duì)人類思維過程，對(duì)大數(shù)據(jù)的未來主要研究方向進(jìn)行了系統(tǒng)分析，認(rèn)為研究應(yīng)該集中在數(shù)據(jù)的采集分類、數(shù)據(jù)的挖掘分析和數(shù)據(jù)的處理三個(gè)方向。

關(guān)鍵詞： 人工智能;研究路徑;大數(shù)據(jù)

中圖分類號(hào)： F49??? 文獻(xiàn)標(biāo)識(shí)碼： A??? 文章編號(hào)： 1672-9129（2018）09-0200-01

Abstract：? Artificial intelligence is a process of imitating human perception， judging and making decisions. Traditional research simplifies different parts of the process of artificial intelligence and forms three research paths： structure simulation， function simulation and behavior simulation. Through the analysis of the advantages and disadvantages of the three research paths， it is found that only by grasping all the data of human perception， judgment and decision-making process can we realize the real artificial intelligence， which is the research path based on big data. Finally， aiming at the human thinking process， the main research directions of big data in the future are analyzed systematically. The research should focus on three directions： data collection and classification， data mining and analysis， and data processing.

Key words：?? Artificial intelligence;Research path;Big data

以人工智能（Artificial Intelligence，簡稱 AI）為核心的新技術(shù)革命已經(jīng)成為科技界關(guān)注的熱點(diǎn)，尤其在李世石輸給AlphaGo之后，更是在全球都掀起了人工智能的研究熱潮。這一概念由Mc Carthy在Dartmouth學(xué)會(huì)上提出，主要是指通過計(jì)算機(jī)的硬件平臺(tái)，運(yùn)行軟件來模擬人類的邏輯思維功能。這種功能所體現(xiàn)的技術(shù)模型可以用圖1 來表示。

所謂感知，通常是對(duì)計(jì)算機(jī)給定規(guī)則或者通過各種傳感器獲取到外界信息。所謂判斷，主要是指計(jì)算機(jī)對(duì)得到的種種信息進(jìn)行處理。所謂決策，則是指計(jì)算機(jī)根據(jù)感知，通過判斷得到最后的結(jié)論。感知、判斷、決策，這樣一種模仿過程在過去事實(shí)上形成了基于結(jié)構(gòu)模擬、功能模擬和行為模擬的三種人工智能研究路徑[1]。

1 人工智能的現(xiàn)有研究路徑

1.1基于結(jié)構(gòu)模擬的研究路徑。人類要完成圖1所示的過程，主要靠大腦來實(shí)現(xiàn)。而人類的大腦是由神經(jīng)元組成的復(fù)雜網(wǎng)絡(luò)來處理思維邏輯相關(guān)的功能。隨著腦神經(jīng)科學(xué)研究的進(jìn)展，研究者們從腦神經(jīng)結(jié)構(gòu)出發(fā)，通過數(shù)理方法將其進(jìn)行抽象，建立了神經(jīng)網(wǎng)絡(luò)模型。這一研究路徑，本質(zhì)上是通過再建人類思維結(jié)構(gòu)的方式來模仿人類的信息處理過程，因此是一種基于結(jié)構(gòu)模擬的研究。這種研究主要針對(duì)神經(jīng)網(wǎng)絡(luò)的模型和算法進(jìn)行，其優(yōu)點(diǎn)是通過簡化后的數(shù)理模型就能夠自我學(xué)習(xí)，并實(shí)現(xiàn)全局最優(yōu)。缺點(diǎn)是模型越要有效果，就要越復(fù)雜，導(dǎo)致制造困難。而最主要的，由于對(duì)大腦的完整工作過程缺乏了解，使得神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展緩慢，也缺乏方向。

1.2基于功能模擬的研究路徑。由于結(jié)構(gòu)模擬過于復(fù)雜，為了完成圖1所示的過程，有研究者提出另一種思路：不管人類的大腦如何運(yùn)作，也不管感知、判斷和決策是如何做出的，人工智能在模仿人類的時(shí)候，只要能替代人類所要完成的功能即可[2]。這一研究路徑，本質(zhì)上是用計(jì)算機(jī)來實(shí)現(xiàn)人類的某一功能，因此是一種基于功能模擬的研究。這種研究主要針對(duì)實(shí)際物體的仿真研究，比如雷達(dá)仿真、汽車仿真等。其優(yōu)點(diǎn)是不考慮或簡化感知和判斷，而只將決策的最后結(jié)果模擬出來即可，較為簡單方便。缺點(diǎn)是因?yàn)闊o法窮盡各種方案和感知條件，因此只能在限定的條件或環(huán)境下使用，應(yīng)用范圍較窄，一般表現(xiàn)為專家系統(tǒng)或故障診斷系統(tǒng)。

1.3基于行為模擬的研究路徑。結(jié)構(gòu)模擬是對(duì)人類思維全流程的模擬，過于復(fù)雜;而功能模擬簡化感知和判斷，只模擬決策，過于簡單。因此，從中間路線考慮，研究者又提出了行為模擬研究路徑，即準(zhǔn)確捕捉外界環(huán)境傳遞的感知，針對(duì)不同感知給予不同的行為反應(yīng)。這一研究路徑將感知和決策一一對(duì)應(yīng)，實(shí)際上簡化了中間的判斷。由于以最后的行為實(shí)現(xiàn)作為完成效果，因此又被稱為行為模擬。這種研究主要以交互技術(shù)的仿真為主，比如多自由度機(jī)器人等。其優(yōu)點(diǎn)是避免了結(jié)構(gòu)模擬的復(fù)雜性和功能模擬的限定性。缺點(diǎn)是由于中間判斷的簡化或缺乏，導(dǎo)致這種模擬只能實(shí)現(xiàn)比較外在或淺顯的行為，涉及到思維演繹的行為很難被模擬出來。

人工智能的這三種研究路徑各有各的優(yōu)點(diǎn)和缺陷，也有融合的趨勢(shì)，比如將神經(jīng)網(wǎng)絡(luò)應(yīng)用于多自由度機(jī)器人，或者將神經(jīng)網(wǎng)絡(luò)應(yīng)用于雷達(dá)仿真等等。但是總的來說，依然缺少更深度的智能模擬。

2 依托大數(shù)據(jù)的人工智能研究路徑

從圖1可以看出，無論是結(jié)構(gòu)模擬、功能模擬還是行為模擬，都是將人類思維的某一特征抽象出來，將其數(shù)理化，而這種抽象注定不能將所有的信息包括進(jìn)來，有所缺失，這也導(dǎo)致以這三種模擬為基礎(chǔ)的人工智能其實(shí)還不夠“智能”。

那么，怎么樣才能實(shí)現(xiàn)完全的人工智能呢？

人工智能模仿人類，模仿的是人類的信息處理過程，而這種信息處理過程，本質(zhì)上是一種數(shù)據(jù)處理。如果能夠從感知過程開始，將所有的數(shù)據(jù)——無論是關(guān)于感知、關(guān)于判斷還是關(guān)于決策的數(shù)據(jù)，全部抓取出來，進(jìn)行細(xì)致的挖掘，理清其中的脈絡(luò)，最后所得到的數(shù)據(jù)處理過程，就必然能實(shí)現(xiàn)一種真正的人工智能。而這樣的人工智能系統(tǒng)，其實(shí)就是一種以大數(shù)據(jù)為基礎(chǔ)的人工智能研究。

所謂大數(shù)據(jù)，其實(shí)是一種海量的數(shù)據(jù)集，一般用“3Vs”來描述，即容量 （volume）、多樣性（variety）和速度（velocity），其未來的研究發(fā)展方向，可以從圖1所示的人類思維過程中確定。針對(duì)感知部分進(jìn)行研究，主要是研究數(shù)據(jù)的采集和分類。規(guī)模龐大的無結(jié)構(gòu)數(shù)據(jù)，采集方面要保證沒有缺失，而分類則是要保證能快速的查詢和使用。針對(duì)判斷部分進(jìn)行研究，主要是研究數(shù)據(jù)的挖掘和分析。顯然在海量數(shù)據(jù)中，不是所有的數(shù)據(jù)都是有價(jià)值的。如何挖掘到最關(guān)鍵的數(shù)據(jù)并進(jìn)行分析，是相當(dāng)重要的一步。針對(duì)決策部分進(jìn)行研究，主要是研究數(shù)據(jù)的處理。能夠得到最優(yōu)化的結(jié)果讓用戶滿意，這才是人工智能的最終目的。

3 結(jié)語

人工智能是科技未來的發(fā)展方向，而要實(shí)現(xiàn)真正的人工智能，則要依托大數(shù)據(jù)的研究。當(dāng)大數(shù)據(jù)技術(shù)發(fā)展到一定程度，使計(jì)算機(jī)得到和處理的數(shù)據(jù)量能夠匹配人工智能所需要的數(shù)據(jù)量時(shí)，人工智能的時(shí)代就將真正到來。

參考文獻(xiàn)：

[1]鐘義信. 人工智能的突破與科學(xué)方法的創(chuàng)新[J]. 模式識(shí)別與人工智能，2012， 25 （3） ：456-461.

[2]馬欽果. 基于功能模型的航空雷達(dá)故障診斷專家系統(tǒng)研究[D]. 吉林大學(xué)， 2005.