人工智能数学理论基础综述.pdfVIP

人工智能数学理论基础综述

人工智能、空间技术和原子能技术被称为20世纪的三大科

学技术成就，人工智能的研究开展是智能机器人技术、信息技术、

自动化技术以及探索人类自身智能奥秘的需要。科学界有一个共

识，即智能化是管理、自动化、计算机以及通信等技术领域的新

方法、新技术、新产品的重要发展方向。人工智能是由数学、哲

学、心理学、神经生理学、语言学、信息论、控制论、计算机科

学等多学科相互渗透而发展起来的综合性新学科。数学使人工智

能成为一门规范的科学，是人工智能发展必不可少的基础，在人

工智能的各个发展阶段都起着关键的作用。目前，关于人工智能

数学发展史的研究综述还很少。本文以人工智能发展的三个阶段

——萌芽期、诞生期、发展期为视角，介绍了人工智能的数学基

础发展史，并对其数学基础的发展趋势进行了展望。

1人工智能萌芽期的数学基础

1956年以前被称为人工智能的萌芽期，在这个期间，布尔

逻辑、概率论、可计算理论取得了长足的发展。布尔逻辑是英国

数学家GeorgeBoole于19世纪中叶提出，典型的一元算符叫做

逻辑非（NOT），基本的二元算符为逻辑或（OR）和逻辑与（AND），

衍生的二元算符为逻辑异或（XOR）。在Boole逻辑的基础上，

Frege发展出了一阶逻辑，研究了命题及由这些命题和量词、连

1/5

接词组成的更复杂的命题之间的推理关系与推理规则，从而出现

了谓词演算。这就奠定了人工智能抽取合理结论的形式化规则—

—命题逻辑和一阶谓词逻辑。

人工智能要解决各种不确定问题如天气预测、经济形势预测、

自然语言理解等，这需要数学为其提供不确定推理的基础，概率

理论则是实现不确定推理的数学基础。概率理论源于17世纪，

有数百年的发展。瑞士数学家JacobBernoulli证明了伯努力大数

定理，从理论上支持了频率的稳定性；P.S.Laplace和

J.W.Lindeberg证明了中心极限定理；20世纪初，俄国数学家

A.N.Kolmogrov逐步建立了概率的公理化体系；K.Pearson将标

准差、正态曲线、平均变差、均方根误差等统计方法用于生物统

计研究，为概率论在自然科学中的应用做出了卓越的贡献；

R.Brown发现了布朗运动，维纳提出了布朗运动的数学模型，奠

定了随机过程的基础；A.K.Erlang提出了泊松过程，成为排队论

的开创者。概率论、随机过程、数理统计构成了概率理论，为人

工智能处理各种不确定问题奠定了基础。

支持向量机是人工智能的主要分类方法之一，其数学基础为

核函数。1909年，英国学者JamesMercer用Mercer定理证明

了核函数的存在。可计算理论是人工智能的重要理论基础和工具，

建立于20世纪30年代。为了回答是否存在不可判定的问题，数

理逻辑学家提出了关于算法的定义（把一般数学推理形式化为逻

2/5

辑演绎）。可以被计算，就是要找到一个解决问题的算法。1900

年，DavidHilber提出了著名的“23个问题”，其最后一个问题：

是否存在一个算法可以判定任何涉及自然数的逻辑命题的真实

性。1931，KurtGodel证明了这一问题，确实存在真实的局限

——整数的某些函数无法用算法表示，即不可计算。在不可计算

性以外，如果解决一个问题需要的计算时间随着实例规模呈指数

级增长，则该问题被称为不可操作的，对这个问题的研究产生了

计算复杂性。计算复杂性是讨论P=NP的问题，这个问题到现在

都是计算机科学中最大的未解决问题之一。关于P与NP问题有

很多定义，较为典型的一种定义是在确定图灵机（人工智能之父

——英國数学家图灵1937年提出的一种机器计算模型，包括存

储器、表示语言、扫描、计算意向和执行下一步计算）上能用多

项式求解的问题是P问题，在非确定图灵机上能用多项式求解的

问题是NP问题。可计算性和计算复杂性为人工智能判断问题求

解可能性奠定了数学基础。

2人工智能诞生期的数学基础