计算机人工智能的发展及前沿摘要人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。

也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。

这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。

人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。

可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。

从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

关键词：人工智能；数学基础；发展预测；一、什么是人工智能智能是知识与智力的总合。

知识是智能行为的基础；智力是获取知识并运用知识求解问题的能力。

智能具有以下特征：(1)具有感知能力——指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；(2)具有记忆与思维的能力——这是人脑最重要的功能，亦是人之所以有智能的根本原因；(3)具有学习能力及自适应能力；(4)具有行为能力。

人工智能是计算机科学的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言能理解、能学习、能推理）。

[1]美国斯坦福大学人工智能研究中心的尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科———怎样表示知识以及怎样获得知识并使用知识的科学。

”美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。

”[2]二、人工智能的发展简史(1)孕育（1956年前）[3]•古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。

•英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。

“知识就是力量”•德国数学家、哲学家Leibnitz（布莱尼茨）（1646-1716）。

提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。

做出了能做四则运算的手摇计算机•英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数。

•美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。

意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。

•英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文。

[4]•美国数学家Mauchly，1946发明了电子数字计算机ENIAC•美国神经生理学家McCulloch，建立了第一个神经网络数学模型。

•美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，代表了“信息论”的诞生。

(2)形成（1956-1969）•1956年提出了“Artificial Intelligence（人工智能）”•1956年夏由麻省理工学院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,贝尔实验室的 C.E.Shannon共同发起，邀请了Moore,Samuel,Selfridge, Solomonff,Simon,Newell等人，10位数学家、信息学家、心理学家、神经生理学家、计算机科学家，在Dartmouth大学召开了一次关于机器智能的研讨会，会上McCarthy提议正式采用了Artificial Intelligence（人工智能）这一术语。

这次会议，标志着人工智能作为一门新兴学科正式诞生了。

•McCarthy（麦卡锡）——人工智能之父。

这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就：•在机器学习方面：塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；•在定理证明方面：王浩于1958年在IBM机上证明了《数学原理》中有关命题演算的全部定理（220条），还证明了谓词演算中150条定理85%；1965年，鲁宾逊（Robinson）提出了消解原理；•在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；1965年罗伯特（Robert）编制出可辨别积木构造的程序；•在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序GPS,可以用来求解11种不同类型的问题；•在专家系统方面：斯坦福大学的费根鲍姆（E.A.Feigenbaum）自1965年开始进行专家系统DENDRAL（化学分析专家系统），1968年完成并投入使用；•在人工智能语言方面：1960年McCarthy等人建立了人工智能程序设计语言Lisp，该语言至今仍是建造智能系统的重要工具；•1969年成立了国际人工智能联合会议（International Joint Conferences On Artificial Intelligence）(3)发展（1970年以后）•70年代，开始从理论走向实践，解决一些实际问题。

同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。

以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。

著名专家系统[5]的有：•DENDRAL化学分析专家系统（斯坦福大学1968）•MACSYMA符号数学专家系统（麻省理工1971）•MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）•CASNET(Causal ASsciational Network)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）•CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；•HEARSAY I和II语音理解系统（卡内基-梅隆大学）•PROSPECTOR地质勘探专家系统（斯坦福大学1976）•XCON计算机配置专家系统（卡内基-梅隆大学1978）•80年代，人工智能发展达到阶段性的顶峰。

•87,89年世界大会有６－７千人参加。

硬件公司有上千个。

并进行Lisp硬件、Lisp 机的研究。

•在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。

应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。

•同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。

从此，神经网络的研究进入新的高潮。

•90年代，计算机发展趋势为小型化、并行化、网络化、智能化。

•人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。

•日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。

并开始了为期十年的实况计算（Real Word Computing）计划。

[6]三、人工智能的数学基础简介人类智能在计算机上的模拟就是人工智能，而智能的核心是思维，因而如何把人们的思维活动形式化、符号化，使其得以在计算机上实现，就成为人工智能研究的重要课题。

在这方面，逻辑的有关理论、方法、技术起着十分重要的作用，它不仅为人工智能提供了有力的工具，而且也为知识的推理奠定了理论基础。

此外，概率论及模糊理论的有关概念及理论也在不确定性知识的表示与处理中占有重要地位。

因此，在系统学习人工智能的理论与技术之前，先掌握一些有关逻辑、概率论及模糊理论方面的知识是很有必要的。

人工智能中用到的逻辑可概括地划分为两大类。

一类是经典命题逻辑和一阶渭词逻辑，其特点是任何一个命题的真值或者为“真”，或者为“假”，二者必居其一。

因为它只有两个真值，因此又称为二值逻辑。

另一类是泛指除经典逻辑外的那些逻辑，主要包括三值逻辑、多值逻辑、模糊逻辑、模态逻辑及时态逻辑等，统称为非经典逻辑。

在非经典逻辑中，又可分为两种情况，一种是与经典逻辑平行的逻辑，如多值逻辑、模糊逻辑等，它们使用的语言与经典逻辑基本相同，主要区别是经典逻辑中的一些定理在这种非经典逻辑中不再成立，而且增加了一些新的概念和定理。

另一种是对经典逻辑的扩充，如模态逻辑、时态逻辑等。

它们一般承认经典逻辑的定理，但在两个方面进行了扩充：一是扩充了经典逻辑的语言；二是补充了经典逻辑的定理。

例如模态逻辑增加了两个新算子L(……是必然的)和A4(……是可能的)，从而扩大了经典逻辑的词汇表。

概率论在人工智能中的应用主要体现在有关概率、条件概率等的概念以及BaYes定理等，多年来它一直是人工智能中处理不确定性的理论基础。

[7]在科学研究和日常生活中，人们一直追求用确定的数学模型[8]来描述现象或解决问题。

随着通信、计算机和网络技术的飞速发展，随着基础软件、中间件和应用软件的广泛应用，计算机在数值计算、数据处理、信息查询、工业控制、符号推理乃至知识工程等方面发挥出来的能力已大大提高。

但是，计算机在这些领域中所解决的问题往往都是“良性设定问题”，即求解问题的前提条件明确、数学模型精确，并且可以用计算机程序设计语言进行描述。

人工智能从来就是在数学的基础上发展起来的，为了解决人工智能中的各种不确定性问题，同样需要数学的支持。

为了提高本书的系统性，也为了方便读者，我们将重点介绍并讨论与不确定性强相关的基础数学知识。

[9]四、人工智能的发展预测（1）应用阶段（1980年至今）：在这一阶段里，人工智能技术在军事、工业和医学等领域中的应用显示出了它具有明显的经济效益潜力。

适合人们投资的这一新天地浮出了水面。

（2）融合阶段（2010—2020年）：★在某些城市，立法机关将主要采用人工智能专家系统来制定新的法律。