計算科學思想(4)-bcmihomepage

1、人工智能的歷史和啟示:人機對弈作為案例,趙 海zhaohai@cs.sjtu.edu.cn,2,人工智能,人工智能（Artificial Intelligence或簡稱AI）有時也稱作機器智能，是指由人工制造出來的系統(tǒng)所表現出來的智能。通常人工智能是指通過普通計算機實現的智能。該詞同時也指研究這樣的智能系統(tǒng)是否能夠實現，以及如何實現的科學領域。 美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知

2、識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學?！倍硪粋€美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規(guī)律，構造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。 涉及學科 *

3、 哲學和認知科學 * 數學 * 心理學 * 計算機科學 * 控制論 * 決策論 * 不確定性原理,3,人工智能,研究范疇 自然語言處理(NLP; Natural Language Processing) 知識表示 (Knowledge Representation) 知識獲取智能搜索 (Intelligent Search) 推理 規(guī)劃 (Planni

4、ng) 機器學習 (Machine Learning) 模式識別增強式學習 (Reinforcement Learning) 數據挖掘 (Data Mining),,邏輯程序設計 軟計算 (Soft Computing) 非單調和不確定推理 人工生命 (Artificial Life) 遺傳算法 人工神經網絡 (Artificial Neural Network) 模糊控

5、制 復雜系統(tǒng) 感知問題,4,人工智能,人工智慧Artificial intelligence人工智能(artificial intelligence, AI)的歷史源遠流長. 在古代的神話傳說中, 技藝高超的工匠可以制作人造人, 并為其賦予智能或意識. 正如Pamela McCorduck所說, AI的起源是“古人成為造物神的愿望”.現代意義上的AI始于古典哲學家用機械符號處理的觀點解釋人類思考過程的嘗試. 二十世紀四十年

6、代基于抽象數學推理的可編程數字計算機的發(fā)明標志著這一工作的高潮. 計算機的出現及其背后的原理使一批科學家開始嚴肅地探討構造一個電子大腦的可能性.,人工智能的三大流派,,6,符號主義,西蒙和紐厄爾為代表的物理符號系統(tǒng)假說（physical symbol system hypothesis）由一組稱為符號的實體組成系統(tǒng)，這些符號可作為組分出現在另一符號實體中。任何時候系統(tǒng)內部均有一組符號結構，以及作用在這些符號結構上生成其他符號結構的一

7、組過程。任一物理符號系統(tǒng)如果是有智能的，則必能執(zhí)行對符號的輸入、輸出、存儲、復制、條件轉移和建立符號結構這樣6種操作。反之，能執(zhí)行這6種操作的任何系統(tǒng)，也就一定能夠表現出智能。,7,符號主義,認知基元是符號，智能行為通過符號操作來實現，以美國科學家Robinson提出的歸結原理為基礎，以LISP和Prolog語言為代表著重問題求解中的啟發(fā)式搜索和推理過程，在邏輯思維的模擬方面取得成功，如自動定理證明和專家系統(tǒng)。,8,符號主義,197

8、7年吳文俊(1919- )院士給出了一類平面幾何問題的機械化證明理論，在計算機上證明了一大批平面幾何定理。1984年科學出版社出版了他的《幾何定理機器證明的基本原理》一書，被稱為吳方法。,9,聯結主義方法,J. J. Hopfield為代表的人工神經網絡方法，思維的基元是神經元，把智能理解為相互聯結的神經元競爭與協作的結果，其中以反向傳播網絡模型和Hopfield網絡模型更為突出。著重結構模擬，研究神經元特征、神經元網絡拓樸、學習規(guī)

9、則、網絡的非線性動力學性質和自適應的協同行為。,10,聯結主義方法,1975年，John Holland提出遺傳算法，模仿生物染色體中基因的選擇(selection)、交叉(crossover)和變異(mutation)的自然進化過程，通過個體結構重組，形成一代代新群體（populations)，最終收斂于近似優(yōu)化解。用于處理多變量、非線性、不確定、甚至混沌的大搜索空間的有約束的優(yōu)化問題；,11,行為主義方法,以R. A. Brook

10、s為代表。反饋是控制論中的基石，沒有反饋就沒有智能。強調智能系統(tǒng)與環(huán)境的交互，從運行的環(huán)境中獲取信息（感知），通過自己的動作對環(huán)境施加影響；控制論研究導致機器人和智能控制，機器人是“感知--行為”模式,是沒有知識的智能，強調直覺和反饋的重要性；智能行為體現在系統(tǒng)與環(huán)境的交互之中，功能、結構和智能行為不可分割。,人工智能發(fā)展史,,13,人工智能：歷史概述,1956年, 在Dartmouth學院校園里舉行的一次會議上正式確立了人工智能的

11、研究領域. 會議的參加者在接下來的數十年間是AI研究的領軍人物. 他們中有許多人預言, 經過一代人的努力, 與人類具有同等智能水平的機器將會出現. 同時, 上千萬美元被投入到AI研究中, 以期實現這一目標.最終研究人員發(fā)現自己大大低估了這一工程的難度. 由于James Lighthill爵士的批評和國會方面的壓力, 美國和英國政府于1973年停止向沒有明確目標的人工智能研究項目撥款. 七年之后受到日本政府研究規(guī)劃的刺激, 美國政府和企

12、業(yè)再次在AI領域投入數十億研究經費, 但這些投資者在八十年代末重新撤回了投資. AI研究領域諸如此類的高潮和低谷不斷交替出現; 至今仍有人對AI的前景作出異常樂觀的預測.盡管在政府官僚和風投資本家那里經歷了大起 大落, AI領域仍在取得進展. 某些在二十世紀七十年代被認為不可能解決的問題今天已經獲得了圓滿解決并已成功應用在商業(yè)產品上. 與第一代AI研究人員的樂觀估計不同, 與人類具有同等智能水平的機器至今仍未出現. Alan Tur

13、ing在1950年發(fā)表的一篇催生現代智能機器研究的著名論文中稱, “我們只能看到眼前的一小段距離… 但是, 我們可以看到仍有許多工作要做”.,14,先驅,McCorduck在其著作“會思考的機器(Machines Who Think)”(2004)中寫道, “在西方文明史中隨處可見關于人工智能的設想. 這是人們迫切希望實現的一個夢想.” 先民對人工智能的追求表現在諸多神話, 傳說, 故事, 預言以及各種發(fā)條機器人之中.1.1 神話,

14、幻想和預言中的AI希臘神話中已經出現了機械人和人造人, 例如Hephaestus的金色機器人Pygmalion的Galatea. 中世紀出現了使用巫術或煉金術將意識賦予無生命物質的傳說, 例如Jābir ibn Hayyān的Takwin, Paracelsus的侏儒Rabbi Judah Loew的Golem. 十九世紀的幻想小說中出現了人造人和會思考的機器之類題材, 例如Marry Shelley的“弗蘭肯斯坦(F

15、rankenstein)”, Karel ?apek的“R.U.R(Rossum’s Universal Robots, 盧梭的通用機器人)”. Samuel Butler的“機器中的達爾文(Darwin among the Machines)”一文(1863)探討了機器通過自然選擇進化出智能的可能性. 至今人工智能仍然是科幻小說的重要元素.,15,自動機器人,許多文明中都有創(chuàng)造人形機器人的杰出工匠, 例如偃師(中國西周),

16、Alexandria的Hero(希臘): 10-70，蒸汽機、風力鼓風機Al-Jazari(阿拉伯)：1136-1206，機器人樂隊！Wolfgang von Kempelen(匈牙利).：1734-1804，the Turk, 下棋機已知最古老的“機器人”是古代埃及和希臘的圣像, 忠實的信徒認為工匠為這些神像賦予了思想, 使它們具有智慧和激情. Hermes Trismegistus寫道, “自從發(fā)現神的本原, 人類就能使之

17、重現.”,16,自動機器人: 偃師,《列子湯問》： 周穆王西巡狩道，有獻工人名偃師。偃師所造倡者，趣步俯仰，頷其頤則歌合律，捧其手則舞應節(jié)，千變萬化，惟意所適。王以為實人也，與盛姬內御并觀之。伎將終，倡者瞬其目，而招王之左右侍妾。王大怒，欲殺偃師。偃師大懾，立剖散倡者以示王，皆傅會革木膠漆白黑丹青之所為,17,形式推理,人工智能的基本假設是人類的思考過程可以機械化. 對于機械化推理(即所謂“形式推理(formal reasoning

18、)”)的研究已有很長歷史. 中國, 印度和希臘哲學家均已在公元前的第一個千年里提出了形式推理的結構化方法. 他們的想法為后世的哲學家所繼承和發(fā)展, 其中著名的有Aristotle(對三段論邏輯進行了形式分析), Euclid(其著作“幾何原本”是形式推理的典范), al-Khwārizmī(代數學的先驅, “algorithm”一詞由他的名字演變而來)以及歐洲經院哲學家Ockham的William, Duns Scotus等.

19、,18,形式推理,馬略卡(今西班牙)哲學家Ramon Llull(1232-1315)開發(fā)了一些邏輯 “機”, 試圖通過邏輯方法獲取知識. Llull的機器能夠將基本的, 無可否認的真理通過機械手段用簡單的邏輯操作進行組合, 以求生成所有可能的知識. Llull的工作對Gottfried Leibniz產生了很大影響, 后者進一步發(fā)展了他的思想.在十七世紀中, Leibniz, Thomas Hobbes和René Desc

20、artes嘗試將理性的思考系統(tǒng)化為代數學或幾何學那樣的體系. Hobbes在其著作“利維坦(Leviathan, 又譯巨靈論)”中有一句名言: “推理就是計算(reason is nothing but reckoning).” Leibniz設想了一種用于推理的普適語言(他的“通用表意文字(characteristica universalis)”), 能將推理規(guī)約為計算, 從而使“哲學家之間, 就像會計師之間一樣, 不再需要爭辯

21、. 他們只需拿出鉛筆放在石板上, 然后向對方說(如果想要的話,可以請一位朋友作為證人), 我們開始算吧.” 這些哲學家已經開始明確提出形式符號系統(tǒng)的假設, 而這一假設將成為AI研究的指導思想.,19,形式推理,在二十世紀, 數理邏輯研究上的突破使得人工智能好像呼之欲出. 這方面的基礎著作包括Boole的“思維的定律(The Laws of Thought)”與Frege (Friedrich Ludwig Gottlob Frege,

22、1848 –1925)的“概念文字(Begriffsschrift)”. 基于Frege的系統(tǒng), Russell(Bertrand Arthur William Russell, 1872-1970)和Whitehead在他們于1913年出版的巨著“數學原理(Principia Mathematica)”中對數學的基礎給出了形式化描述?！袄戆l(fā)師悖論”悖論一位理發(fā)師說：“我只幫所有不自己刮臉的人刮臉?！蹦敲蠢戆l(fā)師是否給自己刮臉呢？如

23、果他給的話，但按照他的話，他就不該給自己刮臉（因為他"只"幫 不自己刮臉的人刮臉）；如果他不給的話，但按照他的話，他就該給自己刮臉（因為是"所有"不自己刮臉的人，包含了理發(fā)師本人），于是矛盾出現了。羅素悖論我們通常希望：任給一個性質，滿足該性質的所有類可以組成一個類。但這樣的企圖將導致悖論：設性質P(x)表示“x?x”，現假設由性質P確定了一個類A——也就是說“A={x|x ? x}”。那么現

24、在的問題是：A∈A是否成立？首先，若A∈A，則A是A的元素，那么A具有性質P，由性質P知A?A；其次，若A?A，也就是說A具有性質 P，而A是由所有具有性質P的類組成的，所以A∈A。這一成就激勵了David Hilbert, 后者向二十世紀二十和三十年代的數學家提出了一個基礎性的難題: “能否將所有的數學推理形式化?”,20,形式推理,這個問題的最終回答由Gödel的不完全性證明, Turing機和Church (Alonz

25、o Church, 1903-1995)的Lambda演算給出. 他們的答案令人震驚: 首先, 他們證明了數理邏輯的局限性; 其次(這一點對AI更重要), 他們的工作隱含了任何形式的數學推理都能在這些限制之下機械化的可能性. Church-Turing論題暗示, 一臺僅能處理0和1這樣簡單二元符號的機械設備能夠模擬任意數學推理過程. 這里最關鍵的靈感是Turing機: 這一看似簡單的理論構造抓住了抽象符號處理的本質. 這一創(chuàng)造激

26、發(fā)科學家們探討讓機器思考的可能.,21,哥德爾不完備定理,哥德爾不完備定理是庫爾特·哥德爾（Kurt Gödel  1906—1978）于1931年證明并發(fā)表的兩條定理。第一條定理：任何一個相容的數學形式化理論中，只要它強到足以蘊涵皮亞諾算術公理，就可以在其中構造在體系中既不能證明也不能否證的命題。第二條定理：任何相容的形式體系不能用于證明它本身的相容性。,22,歌德爾不完全定理對認知科學哲學的影響

27、,羅杰·彭羅斯聲稱“可被機械地證明的”和“對人類來說看起來是真的”的這一區(qū)別表明人類智能不同于自然的無意識過程。這一觀點未被普遍接受，因為正如Marvin Minsky 所指出的，人類智能有犯錯誤和理解不相容和謬誤句子的能力。但Marvin Minsky透露說庫爾特·哥德爾私下告訴他，他相信人類有一種到達真理的直覺方法，但因為跟計算機式的方法不同，人類可以知道為真的事情并不受他的定理限制。不完備性的結論影響了數

28、學哲學以及形式化主義（使用形式符號描述原理）中的一些觀點。我們可以將第一定理解釋為“我們永遠不能發(fā)現一個萬能的公理系統(tǒng)能夠證明一切數學真理，而不能證明任何謬誤”以下對第二定理的另一種說： 如果一個（強度足以證明基本算術公理的）公理系統(tǒng)可以用來證明它自身的相容性，那么它是不相容的。,23,計算機科學,用于計算的機器古已有之; 歷史上許多數學家(包括上面提到過的Gottfried Leibniz)對其作出了改進. 十九世紀初,

29、 Charles Babbage設計了一臺可編程計算機(“分析機”), 但未能建造出來. Ada Lovelace預言, 這臺機器“將創(chuàng)作出無限復雜, 無限寬廣的精妙的科學樂章”. (她常被認為是第一個程序員, 因為她留下的一些筆記完整地描述了使用這一機器計算Bernoulli數的方法.)第一批現代計算機是二戰(zhàn)期間建造的大型譯碼機(包括Z3, ENIAC和Colossus等). 這些機器的理論基礎是Alan Turing和John

30、Von Neumann提出和發(fā)展的學說.,24,人工智能的誕生,人工智能的誕生: 1943 – 1956在二十世紀四十和五十年代, 來自不同領域(數學, 心理學, 工程學, 經濟學和政治學)的一批科學家開始探討制造人工大腦的可能性. 1956年, 人工智能被確立為一門學科.,25,控制論與早期神經網絡,最初的人工智能研究是三十年代末到五十年代初的一系列科學進展交匯的產物. 神經學研究發(fā)現大腦是由神經元組成的電子網絡, 其激勵電平

31、只存在“有”和“無”兩種狀態(tài), 不存在中間狀態(tài). Norbert Weiner的控制論描述了電子網絡的控制和穩(wěn)定性. Claude Shannon提出的信息論則描述了數字信號(即高低電平代表的二進制信號). Alan Turing的計算理論證明數字信號足以描述任何形式的計算. 這些密切相關的想法暗示了構建電子大腦的可能性.這一階段的工作包括一些機器人的研發(fā), 例如W. Grey Walter的“烏龜(turtles)”, 還有“

32、約翰霍普金斯獸”(Johns Hopkins Beast). 這些機器并未使用計算機, 數字電路和符號推理; 控制它們的是純粹的模擬電路.,26,控制論與早期神經網絡,Walter Pitts(1923-1969)和Warren McCulloch(1898-1969)分析了理想化的人工神經元網絡, 并且指出了它們進行簡單邏輯運算的機制. 他們是最早描述所謂“神經網絡”的學者. Marvin Minsky是他們的學生, 當時是一名24

33、歲的研究生. 1951年他與Dean Edmonds一道建造了第一臺神經網絡機, 稱為SNARC. 在接下來的五十年中, Minsky是AI領域最重要的領導者和創(chuàng)新者之一.Warren McCulloch and Walter Pitts, "A Logical Calculus of Ideas Immanent in Nervous Activity", 1943, Bulletin of Mathemati

34、cal Biophysics 5:115-133. Jerome Lettvin, Humberto Maturana, Warren McCulloch, and Walter Pitts, "What the Frog's Eye Tells the Frog's Brain", 1959, Proceedings of the Institute of Radic Engineers 47:

35、1940-1959,27,游戲AI,1951年, Christopher Strachey(1916–1975)使用Manchester大學的Ferranti Mark 1機器寫出了一個西洋棋(checkers)程序; Dietrich Prinz則寫出了一個國際象棋程序. Arthur Samuel(1901–1990)在五十年代中期和六十年代初開發(fā)的西洋棋程序的棋力已經可以挑戰(zhàn)具有相當水平的業(yè)余愛好者. 游戲AI一直被認為

36、是評價AI進展的一種標準.,28,Turing測試,1950年, Alan Turing發(fā)表了一篇劃時代的論文, 文中預言了創(chuàng)造出具有真正智能的機器的可能性. 由于注意到“智能”這一概念難以確切定義, 他提出了著名的Turing測試: 如果一臺機器能夠與人類展開對話(通過電傳設備)而不能被辨別出其機器身份, 那么稱這臺機器具有智能. 這一簡化使得Turing能夠令人信服地說明“思考的機器”是可能的. 論文中還回答了對這一假說的各種

37、常見質疑. Turing測試是人工智能哲學方面第一個嚴肅的提案."Computing machinery and intelligence" (Mind, October 1950),29,符號推理與“邏輯理論家”程序,五十年代中期, 隨著數字計算機的興起, 一些科學家直覺地感到可以進行數字操作的機器也應當可以進行符號操作, 而符號操作可能是人類思維的本質. 這是創(chuàng)造智能機器的一條新路.1955 年, Al

38、len Newell和(后來榮獲Nobel獎的)Herbert Simon在J. C. Shaw的協助下開發(fā)了“邏輯理論家(Logic Theorist)”. 這個程序能夠證明Russell和Whitehead所著“數學原理”前52個定理中的38個, 其中某些證明比原著更加新穎和精巧. Simon認為他們已經“解決了神秘的心/身問題, 解釋了物質構成的系統(tǒng)如何獲得心靈的性質.” (這一斷言的哲學立場后來被John Searle稱為“強

39、人工智能”, 即機器可以像人一樣具有思想.),30,AI的誕生,1956年Dartmouth會議的組織者是Marvin Minsky, John McCarthy (1927.09.04- 2011.10.24)和另兩位資深科學家Claude Shannon以及Nathan Rochester, 后者來自IBM. 會議提出的斷言之一是“學習或者智能的任何其他特性的每一個方面都應能被精確地加以描述, 使得機器可以對其進行模擬.” 與會

40、者包括Ray Solomonoff, Oliver Selfridge, Trenchard More, Arthur Samuel, Allen Newell和Herbert Simon, 他們中的每一位都將在AI研究的第一個十年中作出重要貢獻. 會上Newell和Simon討論了“邏輯理論家”（the Logic Theorist）, 而McCarthy則說服與會者接受“人工智能”一詞作為本領域的名稱. 1956年Dartmo

41、uth會議上AI的名稱和任務得以確定, 同時出現了最初的成就和最早的一批研究者, 因此這一事件被廣泛承認為AI誕生的標志.,31,Dartmouth會議的AI宣言,The proposal introduction statesWe propose that a 2 month, 10 man study of artificial intelligence be carried out during the summer of 19

42、56 at Dartmouth College in Hanover, New Hampshire. The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that

43、 a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves. We think

44、that a significant advance can be made in one or more of these problems if a carefully selected group of scientists work on it together for a summer.(McCarthy et al. 1955)McCarthy, John; Minsky, Marvin; Rochester, Nat

45、han; Shannon, Claude (1955), A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence,32,AI的黃金年代: 1956 – 1974,Dartmouth會議之后的數年是大發(fā)現的時代. 對許多人而言, 這一階段開發(fā)出的程序堪稱神奇: 計算機可以解決代數應用題, 證明幾何定理, 學習和使用英語. 當時大多數

46、人幾乎無法相信機器能夠如此“智能”. 研究者們在私下的交流和公開發(fā)表的論文中表達出相當樂觀的情緒, 認為具有完全智能的機器將在二十年內出現. ARPA (Advanced Research Projects Agency, 高等研究計劃局)等政府機構向這一新興領域投入了大筆資金.,33,黃金時代的研究工作,從五十年代后期到六十年代涌現了大批成功的AI程序和新的研究方向. 下面列舉其中最具影響的幾個.搜索式推理 自然語言 微世界

47、,34,搜索式推理,許多AI程序使用相同的基本算法. 為實現一個目標(例如贏得游戲或證明定理), 它們一步步地前進, 就像在迷宮中尋找出路一般; 如果遇到了死胡同則進行回溯. 這就是“搜索式推理”.這一思想遇到的主要困難是, 在很多問題中, “迷宮”里可能的線路總數是一個天文數字(所謂“指數爆炸”). 研究者使用啟發(fā)式算法去掉那些不太可能導出正確答案的支路, 從而縮小搜索范圍.Newell和Simon試圖通過其“通用解題器(Gen

48、eral Problem Solver)”程序, 將這一算法推廣到一般情形. 另一些基于搜索算法證明幾何與代數問題的程序也給人們留下了深刻印象, 例如Herbert Gelernter的幾何定理證明機(1958)和Minsky的學生James Slagle開發(fā)的SAINT(1961).還有一些程序通過搜索目標和子目標作出決策, 如Stanford為控制機器人Shakey而開發(fā)的STRIPS系統(tǒng).,35,自然語言,AI研究的一個重要目

49、標是使計算機能夠通過自然語言(例如英語)進行交流. 早期的一個成功范例是Daniel Bobrow的程序STUDENT, 它能夠解決高中程度的代數應用題.如果用節(jié)點表示語義概念(例如“房子”, “門”), 用節(jié)點間的連線表示語義關系(例如“有 — 一個”), 就可以構造出“語義網(semantic net)”. 第一個使用語義網的AI程序由Ross Quillian開發(fā); 而最為成功(也是最有爭議)的一個則是Roger Schan

50、k的“概念依存(Conceptual Dependency)”.Joseph Weizenbaum(1923-2008)的ELIZA是第一個聊天機器人, 可能也是最有趣的會說英語的程序. 與ELIZA“聊天”的用戶有時會誤以為自己是在和人類, 而不是和一個程序, 交談. 但是實際上ELIZA根本不知道自己在說什么. 它只是按固定套路作答, 或者用符合語法的方式將問題復述一遍.,36,ELIZA: A Dialogue

51、 User: ELIZA: Men are all alike. In what way? They’re always b

52、ugging us about something or other. Can you think of a specific example? Well, my boyfriend made me come here. Your boyfriend made you

53、 come here. He says I’m depressed much of the time. I am sorry to hear you are depressed. It’s true, I am unhappy. Do you think coming here

54、 will help you not to be unhappy? I need some help; that much seems certain. What would you mean to you if you got

55、 some help? Perhaps I could learn to get along with my mother. Tell me more

56、about your family. My mother takes care of me. Who else in your family takes care of you? My father.

57、 Your father. You are like my father in some days. What resemblance do you see?,自然語言,37,微世界,六十年代后期, MIT AI實驗室的Marvin Minsky和Seymour Papert建議AI研究者們專注于被稱為“微世界”的簡單場景. 他們指出在成熟的學科中往往使用簡化模型幫助基

58、本原則的理解, 例如物理學中的光滑平面和完美剛體. 許多這類研究的場景是“積木世界”, 其中包括一個平面, 上面擺放著一些不同形狀, 尺寸和顏色的積木.在 這一指導思想下, Gerald Sussman(研究組長), Adolfo Guzman, David Waltz(“約束傳播(constraint propagation)”的提出者), 特別是Patrick Winston等人在機器視覺領域作出了創(chuàng)造性貢獻. 同時, Min

59、sky和Papert制作了一個會搭積木的機器臂, 從而將“積木世界”變?yōu)楝F實. 微世界程序的最高成就是Terry Winograd(1946- )的SHRDLU, 它能用普通的英語句子與人交流, 還能作出決策并執(zhí)行操作.,38,SHRDLU,Here is an extract from a famous demonstration of SHRDLU (with messages converted from their origi

60、nal upper case for ease of reading):Person: Pick up a big red block.Computer: OK.Person: Grasp the pyramid.Computer: I don't understand which pyramid you mean.Person (changing their mind): Find a block which is

61、taller than the one you are holding and put it into the box.Computer: By "it", I assume you mean the block which is taller than the one I am holding.Computer: OK.Person: What does the box contain?Computer:

62、The blue pyramid and the blue block.Person: What is the pyramid supported by?Computer: The box.Person: How many blocks are not in the box?Computer: Four of them.Person: Is at least one of them narrower than the one

63、which I told you to pick up?Computer: Yes, the red cube.etc.,39,樂觀思潮,第一代AI研究者們曾作出了如下預言:1958年, H. A. Simon, Allen Newell: “十年之內, 數字計算機將成為國際象棋世界冠軍.” “十年之內, 數字計算機將發(fā)現并證明一個重要的數學定理.”1965年, H. A. Simon: “二十年內, 機器將能完成人能做到

64、的一切工作.”1967年, Marvin Minsky: “一代之內… 創(chuàng)造`人工智能’的問題將獲得實質上的解決.”1970年, Marvin Minsky (在生命雜志(Life Magazin)上): “在三到八年的時間里我們將得到一臺具有人類平均智能的機器.”,40,經費,1963年六月, MIT從新建立的ARPA(即后來的DARPA, 國防高等研究計劃局)獲得了二百二十萬美元經費, 用于資助MAC工程, 其中包括Mins

65、ky和McCarthy五年前建立的AI研究組. 此后ARPA每年提供三百萬美元, 直到七十年代為止.ARPA還對Newell和Simon在CMU的工作組以及Stanford AI項目(由John McCarthy于1963年創(chuàng)建)進行類似的資助. 另一個重要的AI實驗室于1965年由Donald Michie在Edinbugh大學建立. 在接下來的許多年間, 這四個研究機構一直是AI學術界的研究(和經費)中心.經費幾乎是無條件地提

66、供的: 時任ARPA主任的J. C. R. Licklider相信他的組織應該“資助人, 而不是項目”, 并且允許研究者去做任何感興趣的方向. 這導致了MIT無約無束的研究氛圍及其hacker文化的形成. 但是好景不長.,41,第一次AI低谷: 1974 – 1980,到了七十年代, AI開始遭遇批評, 隨之而來的還有資金上的困難. AI研究者們對其課題的難度未能作出正確判斷: 此前的過于樂觀使人們期望過高, 當承諾無法兌現

67、時, 對AI的資助就縮減或取消了. 同時, 由于Marvin Minsky對感知器的激烈批評, 聯結主義(即神經網絡)銷聲匿跡了十年. 七十年代后期, 盡管遭遇了公眾的誤解, AI在邏輯編程, 常識推理等一些領域還是有所進展.,42,問題,七十年代初, AI遭遇了瓶頸. 即使是最杰出的AI程序也只能解決它們嘗試解決的問題中最簡單的一部分, 也就是說所有的AI程序都只是“玩具”. AI研究者們遭遇了無法克服的基礎性障礙. 盡管某些局

68、限后來被成功突破, 但許多至今仍無法滿意地解決.計算機的運算能力. 當時的計算機有限的內存和處理速度不足以解決任何實際的AI問題. 例如, Ross Quillian在自然語言方面的研究結果只能用一個含二十個單詞的詞匯表進行演示, 因為內存只能容納這么多. 1976年Hans Moravec指出, 計算機離智能的要求還差上百萬倍. 他做了個類比: 人工智能需要強大的計算能力, 就像飛機需要大功率動力一樣, 低于一個門限時是無法實現的