发布时间 : 星期四 文章人工智能技术课程综述- 更新完毕开始阅读
3 理论和实际脱节
大脑的实际工作，在宏观上我们已知道得不少；但是智能的千姿百态，变幻莫测，复杂得难以理出清晰的头绪。在微观上，我们对大脑的工作机制却知之甚少，似是而非，使我们难以找出规律。在这种背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出”智能”就算相当成功了。
从整个发展的过程来看，人工智能发展曲折，而且还面临不少难题，具体表现在以下几个主要方面：
1 计算机博弈的困难
博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或智力竞争上。博弈不仅存在于下棋之中，而且存在于政治、经济、军事和生物的斗智和竞争之中。尽管西洋跳棋和国际象棋的计算机程序已经达到了相当高的水平，然而计算机博弈依然面临着巨大的困难。这主要表现在以下两个方面的问题：其一是组合爆炸问题，状态空间法是人工智能中基本的形式化方法。若用博弈树来表示状态空间，对于几种常见的棋类，其状态空间都大得惊人，例如，西洋跳棋为10的40次方，国际象棋为10的120次方，围棋则是10的700次方。如此巨大的状态空间，现有计算机是很难忍受的。其二是现在的博弈程序往往是针对二人对弈、棋局公开、有确定走步的一类棋类进行研制的。而对于多人对弈、随机性的博弈这类问题，至少目前计算机还是难以模拟实现的。
2 机器翻译所面临的问题
在计算机诞生的初期，有人提出了用计算机实现自动翻译的设想。目前机器翻译所面临的问题仍然是1964年语言学家黑列尔所说的构成句子的单词和歧义性问题。歧义性问题一直是自然语言理解（NLU）中的一大难关。同样一个句子在不同的场合使用，其含义的差异是司空见惯的。因此，要消除歧义性就要对原文的每一个句子及其上下文进行分析理解，寻找导致歧义的词和词组在上下文中的准确意义。然而，计算机却往往孤立地将句子作为理解单位。另外，即使对原文有了一定的理解，理解的意义如何有效地在计算机里表示出来也存在问题。目前的NLU系统几乎不能随着时间的增长而增强理解力，系统的理解大都局限于表层上，没有深层的推敲，没有学习，没有记忆，更没有归纳。导致这种结果的原因是计算机本身结构和研究方法的问题。现在NLU的研究方法很不成熟，大多数研究局限在语言这一单独的领域，而没有对人们是如何理解语言这个问题做深入有效的探讨。
3 自动定理证明和GPS的局限
自动定理证明的代表性工作是1965年鲁宾逊提出的归结原理。归结原理虽然简单易行，但它所采用的方法是演绎，而这种形式上的演绎与人类自然演绎推理方法是截然不同的。基于归结原理演绎推理要求把逻辑公式转化为子句集合，从而丧失了其固有的逻辑蕴含语义。前面曾提到过的GPS是企图实现一种不依赖于领域知识求解人工智能问题的通用方法。GPS想摆脱对问题内部表达形式的依赖，但是问题的内部表达形式的合理性是与领域知识密切相关的。不管是用一阶谓词逻辑进行定理证明的归结原理，还是求解人工智能问题的通用方法GPS，
都可以从中分析出表达能力的局限性，而这种局限性使得它们缩小了其自身的应用范围。
4 模式识别的困惑
虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制是全然不同的。人的识别手段、形象思维能力，是任何最先进的计算机识别系统望尘莫及的，另一方面，在现实世界中，生活并不是一项结构严密的任务，一般家畜都能轻而易举地对付，但机器不会，这并不是说它们永远不会，而是说目前不会。
上述存在问题和其它问题说明，人脑的结构和功能要比人们想象的复杂得多，人工智能研究面临的困难要比我们估计的重大得多，人工智能研究的任务要比我们讨论过的艰巨得多。同时也说明，要从根本上了解人脑的结构和功能，解决面临的难题，完成人工智能的研究任务，需要寻找和建立更新的人工智能框架和理论体系，打下人工智能进一步发展的理论基础平。我们至少需要经过几代人的持续奋斗，进行多学科联合协作研究，才可能基本上解开“智能”之谜，使人工智能理论达到一个更高的水。
5 人工智能研究的展望
技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能
和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
人工智能的近期研究目标在于建造智能计算机，用以代替人类从事脑力劳动，即使现有的计算机更聪明更有用。正是根据这一近期研究目标，我们才把人工智能理解为计算机科学的一个分支。人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机（automata）模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。
人工智能的技术是其他信息处理技术及相关学科技术的集成。实现这一集成面临许多挑战，如创造知识表示和传递的标标准形式、理解各个子系统间的有效交互作用以及开发数值型与非数值知识综合表示的新方法，也包括定量模型与定性模型的结合，以便以较快的速度进行定性推理。
要集成的信息技术除数字技术以外，还包括计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行计算、量子计算、光计算和生物信息处理等技术。除信息技术以外，未来的智能系统还要集成认知科学、心理学、社会学、语言学、系统学和哲学等。近年来，真体技术和数据挖掘技术的开发，也为人工智能的而技术集成提供了广泛的支持。
人工智能的实现固然需要硬件的保证，然而，软件应是人工资能的核心技术。许多人工智能应用问题需要开发复杂的软件系统，这有利于促进软件工程学科的出现与发展。软件工程能为一定类型的问题求解提供标准化程序；知识软件则能为人工智能问题求解提供有效的编程手段。由于人工智能应用问题的复杂性和广泛性，传统的软件设计方法显然不够用也是不适用的。人工智能软件所要执行的功能很可能随着系统的开发而发生变化。人工智能方法必须支持人工智能系统的开发试验，并允许系统有组织地从一个较小的核心原型逐渐发展成为一个完整的应用系统。
随着人工智能应用方法的日渐成熟，人工智能的应用领域必将不断扩大。可以这样说，对于未来的发展，人工智能、智能机器和智能系统会比现在的电子计算机有着更为广泛的应用领域。任何科学或学科的发展都不是一帆风顺的，对于人工智能的未来的发展，我们需要保持乐观的态度，我们更加要相信人工智能一定会有一个更加美好的未来。