从自组织理论看人工智能的发展
摘 要:文章从系统科学的自组织理论出发,对传统人工智能和新人工智能进行了剖析,指出新人工智能的核心思想——智能体与环境之间交互,是人工智能大发展的突破口,强调传统的认知——建模道路和新兴的基于行为的机器人学的结合。
关键词:智能;人工智能;自组织;开放性;智能体
中图分类号:N031文献标识码:A文章编号:1000-8136(2010)02-0153-02
1 人工智能研究概况
1.1 人工智能的含义
要解析人工智能的定义,必须对智能这个概念进行澄清。一般来说,智能是指个体对客观事物进行合理分析、判断及有目的的行动和有效地处理周围环境事宜的综合能力。
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的综合性学科。人工智能领域的研究正式开始于1956年,人工智能(Artificial Intelligence,AI)这个术语就是在当年于达特茅斯大学召开的会议上确定的。会上探讨了人类各种学习和其他智能的特征,以及如何对人的智能进行精确的描述和用计算机进行模拟。这次会议标志着人工智能这门学科的正式诞生。此后,人们沿着人工智能的研究方向,在利用计算机模拟人的智能这一领域取得了一系列重要成果。
1.2 人工智能的学派
人工智能的主要学派有以下3家:符号主义、联结主义和行为主义。
(1)符号主义。也被称为逻辑主义(logicism)、心理学派(psychologism)、计算机学派(computerism),该学派的代表人物是西蒙(H.A.Simen)和纽厄尔(A.Newell)。其主要思想是物理符号系统(即符号操作系统)假设和有限合理性原理。传统的人工智能研究大多以该学派的思想为指导。
(2)联结主义。也被称为生理学派(physiologism)、仿生学派(bionicsism),其主要原理为神经网络及神经网络间的连接机制与学习算法,研究的主要方向是人工神经网络。联结主义的研究开始于20世纪40年代,神经生理学专家卡洛克(W.S.McCulloch)与数学家皮兹(W.Pitts)共同提出了形式神经元的数学模型。20世纪80年代末,随着计算机硬件水平的飞速发展,联结主义迅速崛起,在其擅长的领域如声音识别、图像处理等方面取得了很大成就。
(3)行为主义。也被称为进化主义(evolutionism)或控制论学派(cyberneticsism),其代表人物是布鲁克斯(R.Brooks)。该学派的代表思想是认为智能行为可以在没有明显推理系统的情况下产生,其主要原理为控制论和感知-动作型控制系统。他们的研究是从复制动物的智能开始的,其代表作是罗德尼·布鲁克斯研制的6腿“机器昆虫”。
2 从自组织理论分析人工智能的发展
自组织(self-organization)理论是复杂系统的演化理论,即研究客观事物自身的结构化、有机化、有序化和系统化过程的理论,它主要从系统、突变、分岔等角度探索复杂系统的自组织形成机制、条件和规律。20世纪50年代,阿什比首先提出自组织系统这一概念,20世纪60年代以来,一批关于进化机制的自组织理论相继而生,其中最著名的有普里高津(I.Prigogine,1967)的耗散结构(Dissipative Structure)理论,哈肯(H.Haken,1971)的协同学(Synergetics)和艾根(M.Eigen,1970)的超循环(HyPercycle)理论。自组织系统理论是一组新的横断学科群,各个理论的知识背景与对象有很大差别,但它们都试图解决有序和无序相互转化的机制与条件问题,这些理论从不同角度说明了各种物质系统如何从较低级的结构功能形式演化为较高级的形式。自组织理论的研究对自然科学、社会科学、自动控制系统都有重要意义,成为当代探索世界复杂性问题的新的科学观念和新的科学思潮。
2.1传统人工智能
人工智能是一门从计算机科学中分离出来的横断学科。受计算机科学的影响,符号主义成为早期人工智能的主流,传统人工智能的发展主要是基于符号主义学派的推动。1956年,西蒙、纽厄尔和另一位著名学者约翰·肖(John Cliff Shaw)一起,成功开发了世界上最早的启发式程序“逻辑理论家”LT(1ogic Theorist),从而使机器迈出了逻辑推理的第一步。在卡内基·梅隆大学的计算机实验室,西蒙和纽厄尔从分析人类解答数学题的技巧入手,让一些人对各种数学题作周密的思考,要求他们不仅写出求解的答案,而且要说出自己推理的方法和步骤。通过对实例的大量观察,西蒙和纽厄尔广泛收集了人类求解一般性问题的各种方案。他们发现,人们求解数学题时,通常采用试凑的办法。试凑时并不一定列出所有的可能性,而是用逻辑推理来迅速缩小搜索的范围。人类证明数学定理也有类似的思维规律,通过把一个复杂问题分解成几个简单的子问题,以及利用已知常量代入未知变量等方法,用已知的公理、定理或解题规则进行试探性推理,直到所有的子问题最终都变成已知的,然后根据记忆中的公理和已被证明的定理,运用代入法、替换法来解决子问题,最终解决整个问题。人类求证数学定理同样也是一种启发式搜索,与电脑下棋的原理有异曲同工之妙。在这一基础上,他们利用“逻辑理论家”程序向数学定理发起挑战,建立了机器证明数学定理的启发式搜索法,并用计算机证明了罗素、怀特海的数学名著《数学原理》一书第二章52个定理中的38个定理(1963年,经过改进的“逻辑理论家”程序在一台更大的电脑上,最终完成了第二章全部52条数学定理的证明)。基于这一成功,西蒙和纽厄尔把“逻辑理论家”程序扩充到了人类求解一般问题的过程,设想用机器模拟具有普遍意义的人类思维活动。此后,人工智能技术进一步发展,归结原理推动了定理证明技术的发展,专家系统和知识工程技术已应用到各种计算机应用系统中,出现了智能管理信息系统、智能决策支持系统、智能控制系统、智能CAD系统、智能CAI系统、智能数据库系统和智能多媒体系统等等。
但是,传统人工智能在“知识工程”和“专家系统”之后,再没有大的突破性进展,长期处于沉寂状态。
2.1.1 传统人工智能是过度开放的
系统的开放不仅是自组织形成的条件,而且是系统得以在动态之中保持稳定并继续发展的前提。系统的开放性即系统与环境之间不断交换物质、能量和信息,使系统的总熵不断降低,熵值负增长,从而使系统走向有序。所以开放是系统自组织的一个必要条件。
实际上,传统人工智能不过是一组组计算机代码,是计算机系统的软件,所以对它的开放性的考察,必须放到整个计算机系统中来分析。
首先,我们必须承认,计算机系统是开放的。这是因为:①它的运行有赖于外界的能量输入(主要是电能);②人类为了提升计算机的功能,不断地为其升级,于是其物理组成也在持续更新。然而对自组织系统来说,仅仅具有开放性是不够的,还必须保持适当的开放度。如果系统与外界的物质、能量、信息的交换毫无限制不加选择,那么系统就是对于外界过度开放了。过度开放的系统实际上已丧失了自己的相对独立性,变成了环境或另一个系统的组成部分,当然也就无从谈起自组织了。
其次,计算机系统对于人类是开放的,同时它对人类又是过度开放的。这主要表现在两个方面:①计算机的功能和结构皆是由人设定的,计算机从选材、制造到发挥作用,从硬件到软件的各个方面都离不开人类,它是人类实践活动的的产物,是人类大脑的工具性的延伸。②计算机的生产、运行是在人类的全程精确监控下进行的。有时候计算机的运行会脱离人们的预期,但那只是由固有的软件或硬件缺陷造成的,最终人类总能找到解决的办法。
2.1.2 传统人工智能是相对封闭的,根基不牢
用简化的微观世界来评判理论是人工智能研究中普遍采用的方法。研究人员把他们认为的真实环境的重要属性提炼到虚拟环境中。但是微观世界并非真正意义上的世界,而是一个个无意义的、孤立的范畴。它们无法结合起来扩展成人们日常生活的世界,这一点已日趋明朗。所以说,传统人工智能是相对封闭的,因为它被关在一个虚拟的微观世界中,不能接触到我们日常生活的世界,顶多也就能让人类对这个微观世界修修补补而已。
传统人工智能的基础也并非人们想象的那么牢靠。传统人工智能的成就大多数应该归功于“从上到下”的人工智能研究途径。“从上到下”的人工智能是建立在逻辑基础上的,也就是说建立在对整个世界进行描述的符号系统之上。如果对整个世界的数学证明获得成功的话,传统人工智能的基础就扎实了。但是,哥德尔不完备定律证明:不可能探求到完美无缺的数学定理,其中一个结论就是逻辑推理不可能完全正确。数学家已经做了无数尝试,但还是不能只用数学逻辑来描述世界。这就对人工智能的逻辑基础提出了疑问。
2.2新人工智能
格里高利·贝特森认为:“我们过去一直在争论机器是否能思考。答案是不能。进行思考的是一个整体,可能包括计算机、人及环境。同样,我们可能会问人脑本身能否思考,答案仍旧是‘不能’。进行思考的是包括环境和人在内的整个系统中的人脑。”这个结论产生了一整套新原理,我们通常将其称为新人工能。
新人工智能主要体现于以下3条原则:
(1)实体化。该原则认为,拥有一个躯体在理论上具有重要意义,躯体对智能体的限制对于智能体与外界的交互是至关重要的。
(2)现场性。它是指将智能体置于复杂的环境中,而不是高度抽象的微观世界中。真实环境的复杂性与抽象的“微观世界”不可同日而语。事实上,智能体被置于现实环境之中,就可以充分利用环境中的结构成分,从而减轻内部表示的负担。
(3)自下而上设计。传统人工智能通常采用的方法是自上而下的建造,也就是先把推理和知识这样较高级的功能设定为目标,然后再设定“清洁地面”之类的一些简单功能。新人工智能则相反,一切从最基本的开始。
新人工智能渗透着进化论、生物学、仿生学和系统科学的闪光点。从自组织理论的角度来看,新人工智能设计的智能体符合适度开放的原则,它与真实环境交互作用,人类不再对其进行直接和精确的干预;进化是层层叠加的,是增量的过程。它对现有的设计进行巧妙地调整和充实,从而生成新的设计,新智能体是仿生学指导下的产物,它很好地模仿了自然界的进化机制,故此非线性相互作用是其有序演化的内在依据;人类通过对它的了解和对人工环境的控制使其远离平衡态,并促进其内部正反馈机制的运行,在一定程度上控制其内部涨落。新人工智能是自组织和他组织的的结合,人工控制的外部参量可以及时纠正进化误区,大大加快新人工智能体的进化速度,使其朝着人们所希望的方向发展。
3 结论
人工智能是一门极富挑战性的学科。由于它的专业性和前沿性,始终走在科学和技术发展的前沿。但由于历史的延续性和研究成果的较高实用性,大多数人工智能实践者仍然在沿用符号主义和联结主义的方法来探索人工智能。基于智能行为是智能体和环境之间的复杂交互这个结果的观察,新人工智能仍需获得更多的支持。
The Development of Artificial Intelligence from Self-organization Theory
Ma Ming
Abstract: Article proceed from self-organization theory of systematic science,to traditional artificial intelligence and new Artificial intelligence has analysed,points out the key thought of new artificial intelligence——mutual between intellectual body and environment,it is the breach of artificial intelligence great development,emphasize traditional recognizing know——The road to modeling and new developing combination based on robotics of the behavior.
Key words: intelligence;artificial intelligence;self-organization;opening;intellectual body
上一篇：中国传感器的发展趋势