人工智能研究与发展-人工智能论文.doc

. PAGE .. 内容摘要： 50多年来,人工智能在模式识别、知识工程、机器人等领域已取得重大成就,但离真正的人类智能还相差甚远。当今网络时代,人工智能科学要在学科交叉研究中实现人工智能的发展与创新,会更加关注认知科学、脑科学、生物智能、物理学、网络科学与人工智能之间的交叉渗透,重视认知物理学的研究;自然语言是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无标度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络智能。本文对这3个重要方向进行了阐述,并提出了建议。 关键词： 网络时代;人工智能;不确定性人工智能;网络智能 Abstract: Pattern recognition, knowledge engineering, and robotics have made significant progress in the 50 year history of artificial intelligence, yet AI disp lays far from human intelligence. In the current networks, if researchers in artificial intelligence want to maximize developments and innovations in interdiscip linary studies, they must pay more attention to the intersections and infiltrations of cognitive science,brain science, physics, network，science, computer science, and artificial intelligence. Research in cognitive physicswill be an especially important direction in AI. Natural language is an important objective in AI research; we need to establish an uncertainty transformation model that can quantitatively rep resent its concep ts. This dictates that an AI science with uncertainty will be developed. Considering the small world model and scale2free features of comp lex networks in real life, we need to use network topology as a new way for knowledge rep resentation. Thiswill aid study of the progress of network topology, network dynamics and intelligence. This paper discusses these three directions in detail. Some concrete suggestions for further research are also provided. Keywords: network age; artificial intelligence; intelligence with uncertainty; networked intelligence 人工智能研究与发展 人工智能学科诞生已半个多世纪,先后出现有逻辑学派(符号主义)、控制论学派(联结主义)和仿生学派(行为主义)。符号主义方法以物理符号系统假设和有限合理性原理为基础,联结主义方法以人工神经网络和进化计算为核心,行为主义方法则侧重研究感知和行动之间的关系。这些理论和方法在模式识别、知识工程、机器人等领域取得了伟大成就,极大地推动了科技进步和社会发展。 人工智能自诞生起就引发了人们无限美丽的想象和憧憬,但其发展过程也存在着不少争议和困惑:什么才算是真正的“智能”? 为什么再高级的电脑、再智能的机器与人类的智能相比仍然那么幼稚? 回顾最近十几年来,我们在国家自然科学基金项目、国家863计划、973计划的支持下,承担的人工智能研究工作,也让我们深深陷入了对在网络时代人工智