1.3 人工智能

人工智能（Artificial Intelligence，AI）定义为：一门融合了计算机科学、统计学、脑神经学和社会科学的综合性学科，其目标是希望计算机拥有像人一样的智力，可以替代人类实现识别、认知和决策等多种能力。

在发展过程中，人工智能主要形成了 3 大学术流派，即符号主义（Symbolicism）、连接主义（Connectionism）和行为主义（Actionism）。

（1）符号主义又称逻辑主义或计算机学派。符号主义最早在1956年提出“人工智能”的概念，学派的代表人物有纽厄尔（Newell）和西蒙（Simon）等。符号主义认为，人工智能起源于数学逻辑，人的过程就是符号操作的过程，通过了解和分析人的认知过程，让计算机来模拟实现人所具有的相应功能。符号主义的发展大概经历了2个阶段：推理期（20世纪50～70年代）和知识期（20世纪70年代以后）。在“推理期”，人们基于符号知识表示，通过演绎推理技术取得了很大的成就；在“知识期”，人们基于符号表示，通过获取和利用领域知识来建立专家系统，在人工智能走向工程应用中取得了很大的成功。

（2）连接主义又称仿生学派或生理学派。连接主义认为，人工智能源于仿生学，特别是对人脑模型的研究，人的思维基元是神经元，而不是符号处理过程。20世纪60～70年代，连接主义（尤其是对以感知机（Perceptron）为代表的脑模型的研究）出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到霍普菲尔德（Hopfield）教授在1982年和1984年发表2篇重要论文，提出用硬件模拟神经网络以后，连接主义再次焕发生机。1986年，鲁梅尔哈特（Rumelhart）等人提出多层网络中的反向传播算法（BP）算法。进入21世纪后，连接主义卷土重来，提出了“深度学习”的概念。

（3）行为主义又称进化主义或控制论学派。行为主义认为，人工智能源于控制论，早在20世纪40～50 年代，控制论思想就成为时代思潮的重要内容，对早期人工智能工作者有较大的影响。早期的研究工作重点是在研究模拟人在控制过程中的智能行为和作用，例如：对自适应、自寻优、自组织，以及自学习等控制论体系的基础上，进行对“控制论动物”的研制。20世纪60～70年代，基于上述控制论体系的研究取得了一定的进展，为80年代出现的智能控制和智能机器人奠定了基础。在20 世纪末，行为主义以人工智能新学派的面孔出现，麻省理工学院教授布鲁克斯（Brooks）的六足行走机器人是典型代表，该机器人是一个基于感知-动作模式模拟昆虫行为的控制系统，被认为是新一代的“控制论动物”。

20世纪80年代，机器学习成为一个独立的科学领域，各种机器学习技术百花初绽。费根鲍姆等人在著名的《人工智能手册》一书中，把机器学习分为机械学习、示教学习、类比学习和归纳学习。机械学习将外界的输入信息全部存储下来，等到需要时原封不动地取出来；示教学习和类比学习就是“从指令中学习”和“通过观察和发现学习”；归纳学习就是“从样例中学习”。80 年代后研究最多的就是归纳学习，它包括：监督学习、无监督学习、半监督学习、强化学习等。

归纳学习有两大主流：符号主义学习和连接主义学习。前者代表算法有决策树和基于逻辑的学习，后者代表算法有基于神经网络的学习。

20世纪90年代中期，统计学习闪亮登场，并迅速占据主流舞台，代表性技术是支持向量机，以及更一般的“核方法”。目前所说的机器学习方法，一般认为是统计机器学习方法。

人工智能的“智能”之处主要体现在计算智能、感知智能和认知智能 3 个方面。计算智能是机器可以智能化存储和运算的能力，感知智能是使机器具有像人类一样的“听、看、说、认”的能力，认知能力是使机器具有思考和理解的能力。推动人工智能发展的 3 大要素是数据资源、核心算法和计算能力。当前人工智能领域技术主要包括语言识别、机器人、自然语言处理、图像识别和专家系统等。

人工智能、机器学习和深度学习三者之间是包含关系，人工智能的研究最早包含了机器学习，或者说机器学习是其核心组成部分，人工智能与机器学习密不可分。目前，人工智能的热点是深度学习，深度学习是机器学习的一种方法或技术。深度学习在图像识别和语音识别中识别精度的大幅提高，加速了人脸识别、无人驾驶、电影推荐、机器人问答系统和机器翻译等各个领域的应用进程，逐步形成了“人工智能+”的趋势。