前言

20世紀(jì)70年代末、80年代初，人工智能進(jìn)入了第二次浪潮，其中代表性的工作是1976年蘭德?tīng)枴ご骶S斯（Randall Davis）構(gòu)建和維護(hù)的大規(guī)模的知識(shí)庫(kù)，1980年德魯·麥狄蒙（Drew McDermott）和喬恩·多伊爾（Jon Doyle）提出的非單調(diào)邏輯，以及后期出現(xiàn)的機(jī)器人系統(tǒng)。

1980年，漢斯·貝利納（Hans Berliner）打造的計(jì)算機(jī)戰(zhàn)勝雙陸棋世界冠軍成為標(biāo)志性事件。隨后，基于行為的機(jī)器人學(xué)在羅德尼·布魯克斯（Rodney Brooks）和薩頓（R. Sutton）等人的推動(dòng)下快速發(fā)展，成為人工智能一個(gè)重要的發(fā)展分支。這其中格瑞·特索羅（Gerry Tesauro）等人打造的自我學(xué)習(xí)雙陸棋程序又為后來(lái)的增強(qiáng)學(xué)習(xí)的發(fā)展奠定了基礎(chǔ)。

機(jī)器學(xué)習(xí)算法方面，這個(gè)時(shí)期可謂是百花齊放，百家爭(zhēng)鳴。Geoffrey Hinton等人提出的多層感知機(jī)，解決了Perceptron存在的不能做非線性分類(lèi)的問(wèn)題；Judea Pearl倡導(dǎo)的概率方法和貝葉斯網(wǎng)絡(luò)為后來(lái)的因果推斷奠定基礎(chǔ)；以及機(jī)器學(xué)習(xí)方法在機(jī)器視覺(jué)等方向取得快速發(fā)展。

3.1知識(shí)表示（Knowledge Representation）

1975年，馬文·明斯基(Marvin Minsky)在論文《知識(shí)表示的框架》(A Framework for Representing Knowledge)中提出框架理論，用于人工智能中的“知識(shí)表示”。

明斯基框架不是一種單純的理論。除了數(shù)據(jù)結(jié)構(gòu)上有單純的一面外，在概念上是相當(dāng)復(fù)雜的。針對(duì)的是人們?cè)诶斫馐挛锴榫盎蚰骋皇录r(shí)的心理學(xué)模型。它將框架看作是知識(shí)的基本單位，將一組有關(guān)的框架連接起來(lái)整合成框架系統(tǒng)。系統(tǒng)中不同框架可用有共同節(jié)點(diǎn)，系統(tǒng)的行為由系統(tǒng)的子框架的具體功能來(lái)實(shí)現(xiàn)。推理過(guò)程由子框架的協(xié)調(diào)來(lái)完成?？蚣芾碚擃?lèi)似于人工智能中的面向?qū)ο蠡绦蛟O(shè)計(jì)。它的成功之處是它利用框架這種結(jié)構(gòu)將知識(shí)有機(jī)的整合起來(lái)，使其有一種特定的結(jié)構(gòu)約束。同時(shí)保持了結(jié)構(gòu)的相對(duì)獨(dú)立性、封閉性。

明斯基的框架理論體現(xiàn)出來(lái)的模塊化思想和基于事例的認(rèn)知推理為其理論增添了永恒的魅力，這也是認(rèn)知哲學(xué)家關(guān)注它的一個(gè)重要原因。作為認(rèn)知可計(jì)算主義核心代表的明斯基將心智與計(jì)算機(jī)類(lèi)比，把認(rèn)知過(guò)程理解為信息加工過(guò)程，把一切智能系統(tǒng)理解為物理符號(hào)系統(tǒng)。雖然這樣做使人們能從環(huán)境到心智，又從心智到到環(huán)境的信息流中來(lái)分析問(wèn)題，使心智問(wèn)題研究具有實(shí)驗(yàn)上的嚴(yán)格性。但是機(jī)械性的缺陷也非常明顯。

同時(shí)，框架跟軟件工程領(lǐng)域面向?qū)ο笳Z(yǔ)言中的“類(lèi)”相似，只是兩者的基本設(shè)計(jì)目標(biāo)不同。

3.2啟發(fā)式搜索（Heristic Search）

Douglas Lenat（道格拉斯·布魯斯·勒納特）（生于1950年）是德克薩斯州奧斯汀市Cycorp公司的首席執(zhí)行官，一直是人工智能領(lǐng)域的杰出研究者。他從事過(guò)機(jī)器學(xué)習(xí)（與他的AM和Eurisko程序）、知識(shí)表示、黑板系統(tǒng)和“本體工程”（在MCC和Cycorp的Cyc程序）。他還從事軍事模擬，并發(fā)表了一篇對(duì)傳統(tǒng)隨機(jī)突變達(dá)爾文學(xué)說(shuō)的批判，這是基于他對(duì)尤里斯科的經(jīng)驗(yàn)。列納特是AAAI的最初成員之一。

在賓夕法尼亞大學(xué)，勒納特獲得數(shù)學(xué)和物理學(xué)士學(xué)位，并于1972年獲得應(yīng)用數(shù)學(xué)碩士學(xué)位。1976年，他從斯坦福大學(xué)獲得博士學(xué)位，并發(fā)表論文《數(shù)學(xué)中發(fā)現(xiàn)的人工智能方法——啟發(fā)式搜索》。

該文章描述了一個(gè)名為“AM”的程序，它模擬了初等數(shù)學(xué)研究的一個(gè)方面：在大量啟發(fā)式規(guī)則的指導(dǎo)下開(kāi)發(fā)新概念數(shù)學(xué)被認(rèn)為是一種智能行為，而不是一種成品。本地啟發(fā)式通過(guò)一個(gè)議程機(jī)制、系統(tǒng)要執(zhí)行的任務(wù)的全局列表以及每個(gè)任務(wù)合理的原因進(jìn)行通信。一個(gè)單獨(dú)的任務(wù)可以指導(dǎo)AM定義一個(gè)新的概念，或者探索一個(gè)現(xiàn)有概念的某個(gè)方面，或者檢查一些經(jīng)驗(yàn)數(shù)據(jù)的規(guī)律性等。程序從議程中反復(fù)選擇具有最佳支持理由的任務(wù)，然后執(zhí)行它。每個(gè)概念都是一個(gè)活躍的、結(jié)構(gòu)化的知識(shí)模塊。最初提供了一百個(gè)非常不完整的模，每個(gè)模對(duì)應(yīng)于一個(gè)基本的集合論概念（如并集）。這提供了一個(gè)明確但巨大的“空間”，AM開(kāi)始探索。AM擴(kuò)展了它的知識(shí)庫(kù)，最終重新發(fā)現(xiàn)了數(shù)百個(gè)常見(jiàn)的概念和定理。

3.3大規(guī)模知識(shí)庫(kù)構(gòu)建與維護(hù)（Large Scale Knowledge-Base Construction）

1976年，Randall Davis在斯坦福大學(xué)獲得人工智能博士學(xué)位，并發(fā)表文章?Applications of Meta Level Knowledge to the Construction, Maintenance and Use of Large Knowledge Bases，此文提出：使用集成的面向?qū)ο竽Ｐ褪翘岣咧R(shí)庫(kù)（KB）開(kāi)發(fā)、維護(hù)和使用的完整性的解決方案。共享對(duì)象增加了模型之間的跟蹤能力，增強(qiáng)了半自動(dòng)開(kāi)發(fā)和維護(hù)功能。而抽象模型是在知識(shí)庫(kù)構(gòu)造過(guò)程中創(chuàng)建的，推理則是在模型初始化過(guò)程中執(zhí)行的。

Randall Davis在基于知識(shí)的系統(tǒng)和人機(jī)交互領(lǐng)域做出了開(kāi)創(chuàng)性的貢獻(xiàn)，發(fā)表了大約100多篇文章，并在多個(gè)系統(tǒng)的開(kāi)發(fā)中發(fā)揮了核心作用。他和他的研究小組通過(guò)創(chuàng)建能夠理解用戶圖像、手勢(shì)和交談的軟件，開(kāi)發(fā)先進(jìn)的工具，并與計(jì)算機(jī)進(jìn)行自然的多模式交互。

3.4計(jì)算機(jī)視覺(jué)（Computer Vision）

視覺(jué)計(jì)算理論（computational theory of vision）是在20世紀(jì)70年代由馬爾（David Marr）提出的概念，他在1982發(fā)表代表作《視覺(jué)計(jì)算理論》。他的工作同時(shí)對(duì)認(rèn)知科學(xué)（CognitiveScience）也產(chǎn)生了很深遠(yuǎn)的影響。

David Marr生于1945年1月19日，早年就讀于劍橋大學(xué)三一學(xué)院，獲得數(shù)學(xué)碩士、神經(jīng)生理學(xué)博士學(xué)位，同時(shí)還受過(guò)神經(jīng)解剖學(xué)、心理學(xué)、生物化學(xué)等方面的嚴(yán)格訓(xùn)練。他在英國(guó)曾從事新皮層、海馬，特別是小腦方面的理論研究。

1974年訪問(wèn)美國(guó)，并應(yīng)M.Minsky教授之請(qǐng)，留在麻省理工學(xué)院開(kāi)展知覺(jué)和記憶方面的研究工作。他從計(jì)算機(jī)科學(xué)的觀點(diǎn)出發(fā)，集數(shù)學(xué)、心理物理學(xué)、神經(jīng)生理學(xué)于一體，首創(chuàng)人的視覺(jué)計(jì)算理論，使視覺(jué)研究的面貌為之一新。

他的理論由他創(chuàng)建的一個(gè)以博士研究生為主體的研究小組繼承、豐富和發(fā)展，并由其學(xué)生歸納總結(jié)為一本計(jì)算機(jī)視覺(jué)領(lǐng)域著作：Vision: A computational investigation into the human representation and processing of visual information，于他后發(fā)表。

計(jì)算機(jī)視覺(jué)是一門(mén)研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步的說(shuō)，就是指用攝影機(jī)和計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺(jué)，并進(jìn)一步做圖像處理，用計(jì)算機(jī)處理成更適合人眼觀察或進(jìn)行儀器檢測(cè)的圖像。學(xué)習(xí)和運(yùn)算能讓機(jī)器能夠更好的理解圖片環(huán)境，并且建立具有真正智能的視覺(jué)系統(tǒng)。當(dāng)下環(huán)境中存在著大量的圖片和視頻內(nèi)容，這些內(nèi)容亟需學(xué)者們理解并在其中找出模式，來(lái)揭示那些我們以前不曾注意過(guò)的細(xì)節(jié)。?

3.5電腦擊敗世界雙陸棋冠軍（Computer beats world Backgammon champion）

1979年?7?月，一款名為?BKG 9.8?的計(jì)算機(jī)程序在蒙特卡洛舉行的世界西洋雙陸棋錦標(biāo)賽中奪得冠軍。這款程序的發(fā)明者是匹茲堡卡內(nèi)基梅隆大學(xué)的計(jì)算機(jī)科學(xué)教授?Hans Berliner(漢斯·柏林格)，它在卡內(nèi)基梅隆的一臺(tái)大型計(jì)算機(jī)上運(yùn)行，并通過(guò)衛(wèi)星連接到蒙特卡洛的一個(gè)機(jī)器人上。?這個(gè)名為?Gammonoid?的機(jī)器人胸前有一個(gè)西洋棋顯示屏，可以顯示它自己，以及其意大利對(duì)手?Luigi Villa?的動(dòng)作。Luigi Villa?在短時(shí)間內(nèi)擊敗了所有人類(lèi)挑戰(zhàn)者，贏得了與?Gammonoid?對(duì)弈的權(quán)利。競(jìng)賽的獎(jiǎng)勵(lì)是五千美元，Gammonoid?最終以?7:1?贏得了比賽。

全世界都知道了：BKG9.8于1979年擊敗了西洋雙陸棋世界冠軍。

3.6專(zhuān)家系統(tǒng)（Expert System）

專(zhuān)家系統(tǒng)產(chǎn)生于六十年代中期，以Bruce G Buchanan在1968年發(fā)表的文章《?啟發(fā)式DENDRAL:一個(gè)在有機(jī)化學(xué)中生成解釋性假說(shuō)的程序》為始。在美國(guó)國(guó)家航空航天局要求下，斯坦福大學(xué)成功研制了DENRAL專(zhuān)家系統(tǒng)，該系統(tǒng)具有非常豐富的化學(xué)知識(shí)，可根據(jù)質(zhì)譜數(shù)據(jù)幫助化學(xué)家推斷分子結(jié)構(gòu)。這個(gè)系統(tǒng)的完成標(biāo)志著專(zhuān)家系統(tǒng)的誕生。在此之后,?麻省理工學(xué)院開(kāi)始研制MACSYMA系統(tǒng)，現(xiàn)經(jīng)過(guò)不斷擴(kuò)充,?它能求解600多種數(shù)學(xué)問(wèn)題。雖然它只有不到三十年的歷史，但其發(fā)展速度相當(dāng)驚人，它的應(yīng)用幾乎已滲透到自然界的各個(gè)領(lǐng)域。

專(zhuān)家系統(tǒng)定義為：使用人類(lèi)專(zhuān)家推理的計(jì)算機(jī)模型來(lái)處理現(xiàn)實(shí)世界中需要專(zhuān)家作出解釋的復(fù)雜問(wèn)題，并得出與專(zhuān)家相同的結(jié)論。簡(jiǎn)專(zhuān)家系統(tǒng)可視作“知識(shí)庫(kù)(knowledge base)”和“推理機(jī)(inference machine)”?的結(jié)合。它同自然語(yǔ)言理解、機(jī)器人學(xué)并列為人工智能的三大研究方向，并且是人工智能中最活躍的分支。

3.7貝葉斯網(wǎng)絡(luò)（Baysian Network）

朱迪亞·珀?duì)?Judea Pearl)，以色列裔美國(guó)計(jì)算機(jī)科學(xué)家和哲學(xué)家，以倡導(dǎo)人工智能的概率方法和發(fā)展貝葉斯網(wǎng)絡(luò)而聞名（。他還因發(fā)展了一種基于結(jié)構(gòu)模型的因果和反事實(shí)推理理論而受到贊譽(yù)。2011年，計(jì)算機(jī)械協(xié)會(huì)授予Judea Pearl圖靈獎(jiǎng)，原因?yàn)椤巴ㄟ^(guò)發(fā)展概率和因果推理微積分對(duì)人工智能做出了根本性貢獻(xiàn)”。

貝葉斯網(wǎng)絡(luò)(Bayesian network)，又稱(chēng)信念網(wǎng)絡(luò)(Belief Network)，或有向無(wú)環(huán)圖模型(directed acyclic graphical model)，是一種概率圖模型，于1985年由Judea Pearl首先提出。它是一種模擬人類(lèi)推理過(guò)程中因果關(guān)系的不確定性處理模型，其網(wǎng)絡(luò)拓樸結(jié)構(gòu)是一個(gè)有向無(wú)環(huán)圖(DAG)。

貝葉斯網(wǎng)絡(luò)的有向無(wú)環(huán)圖中的節(jié)點(diǎn)表示隨機(jī)變量{X1,X2,...,Xn}{X1,X2,...,Xn}

它們可以是可觀察到的變量，或隱變量、未知參數(shù)等。認(rèn)為有因果關(guān)系（或非條件獨(dú)立）的變量或命題則用箭頭來(lái)連接。若兩個(gè)節(jié)點(diǎn)間以一個(gè)單箭頭連接在一起，表示其中一個(gè)節(jié)點(diǎn)是“因(parents)”，另一個(gè)是“果(children)”，兩節(jié)點(diǎn)就會(huì)產(chǎn)生一個(gè)條件概率值。

簡(jiǎn)言之，把某個(gè)研究系統(tǒng)中涉及的隨機(jī)變量，根據(jù)是否條件獨(dú)立繪制在一個(gè)有向圖中，就形成了貝葉斯網(wǎng)絡(luò)。其主要用來(lái)描述隨機(jī)變量之間的條件依賴(lài)，用圈表示隨機(jī)變量(random variables)，用箭頭表示條件依賴(lài)(conditional dependencies)。

此外，對(duì)于任意的隨機(jī)變量，其聯(lián)合概率可由各自的局部條件概率分布相乘而得出：P(x1,...,xk)=P(xk|x1,...,xk?1)...P(x2|x1)P(x1)

3.8基于行為的機(jī)器人（Behavior-based robotitcs）

1986年，Brooks發(fā)表論文《移動(dòng)機(jī)器人魯棒分層控制系統(tǒng)》，標(biāo)志著基于行為的機(jī)器人學(xué)的創(chuàng)立。文章介紹了一種新的移動(dòng)機(jī)器人控制體系結(jié)構(gòu)。為了讓機(jī)器人在不斷提高的能力水平上操作，建立了多層次的控制系統(tǒng)。層由異步模塊組成，這些模塊通過(guò)低帶寬信道進(jìn)行通信。每個(gè)模塊都是一個(gè)相當(dāng)簡(jiǎn)單的計(jì)算機(jī)實(shí)例。較高級(jí)別的層可以通過(guò)抑制其輸出來(lái)容納較低級(jí)別的角色。但是，隨著更高級(jí)別的添加，較低級(jí)別繼續(xù)發(fā)揮作用。其結(jié)果是一個(gè)魯棒和靈活的機(jī)器人控制系統(tǒng)。該系統(tǒng)已用于控制移動(dòng)機(jī)器人在無(wú)限制的實(shí)驗(yàn)室區(qū)域和計(jì)算機(jī)機(jī)房中漫游。最終，它的目標(biāo)是控制一個(gè)在我們實(shí)驗(yàn)室的辦公區(qū)域徘徊的機(jī)器人，用一個(gè)內(nèi)置的手臂來(lái)完成簡(jiǎn)單的任務(wù)，繪制出周?chē)h(huán)境的地圖。

基于行為的機(jī)器人學(xué)的理論提出了與基于符號(hào)的人工智能完全不同的有關(guān)智能的觀點(diǎn)和結(jié)構(gòu),主要是實(shí)現(xiàn)以下二個(gè)觀念上的轉(zhuǎn)變：第一，智能不是符號(hào)化的模型；第二，智能不是由輸入得到輸出的計(jì)算過(guò)程。

2023年Openai的ChatGPT 4.0火爆出圈，這么好的東西卻不對(duì)中國(guó)用戶（包括港澳臺(tái)）開(kāi)放。我們希望通過(guò)自己的內(nèi)容、技術(shù)和服務(wù)，些許的抹平差異，讓中國(guó)用戶，也能更方便、更便宜的了解和使用到全球最強(qiáng)大的對(duì)話式AI大模型。

文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-840337.html

到了這里，關(guān)于人工智能發(fā)展簡(jiǎn)史第三章：第二次浪潮期-20世紀(jì)70年代末、80年代的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！