对人工智能研究路径的研究

亓关霖

摘要： 人工智能是一种模仿人类思维感知、判断和决策的过程。传统研究针对人工智能的这一过程，分别简化了不同部分，形成了结构模拟、功能模拟和行为模拟三种研究路径。通过对三种研究路径的优劣势分析，发现只有抓取人类感知、判断和决策过程的所有数据，才能实现真正的人工智能，而这种人工智能就是以大数据为基础的研究路径。最后针对人类思维过程，对大数据的未来主要研究方向进行了系统分析，认为研究应该集中在数据的采集分类、数据的挖掘分析和数据的处理三个方向。

关键词： 人工智能;研究路径;大数据

中图分类号： F49    文献标识码： A    文章编号： 1672-9129（2018）09-0200-01

Abstract：  Artificial intelligence is a process of imitating human perception， judging and making decisions. Traditional research simplifies different parts of the process of artificial intelligence and forms three research paths： structure simulation， function simulation and behavior simulation. Through the analysis of the advantages and disadvantages of the three research paths， it is found that only by grasping all the data of human perception， judgment and decision-making process can we realize the real artificial intelligence， which is the research path based on big data. Finally， aiming at the human thinking process， the main research directions of big data in the future are analyzed systematically. The research should focus on three directions： data collection and classification， data mining and analysis， and data processing.

Key words：   Artificial intelligence;Research path;Big data

以人工智能（Artificial Intelligence，简称 AI）为核心的新技术革命已经成为科技界关注的热点，尤其在李世石输给AlphaGo之后，更是在全球都掀起了人工智能的研究热潮。这一概念由Mc Carthy在Dartmouth学会上提出，主要是指通过计算机的硬件平台，运行软件来模拟人类的逻辑思维功能。这种功能所体现的技术模型可以用图1 来表示。

所谓感知，通常是对计算机给定规则或者通过各种传感器获取到外界信息。所谓判断，主要是指计算机对得到的种种信息进行处理。所谓决策，则是指计算机根据感知，通过判断得到最后的结论。感知、判断、决策，这样一种模仿过程在过去事实上形成了基于结构模拟、功能模拟和行为模拟的三种人工智能研究路径[1]。

1 人工智能的现有研究路径

1.1基于结构模拟的研究路径。人类要完成图1所示的过程，主要靠大脑来实现。而人类的大脑是由神经元组成的复杂网络来处理思维逻辑相关的功能。随着脑神经科学研究的进展，研究者们从脑神经结构出发，通过数理方法将其进行抽象，建立了神经网络模型。这一研究路径，本质上是通过再建人类思维结构的方式来模仿人类的信息处理过程，因此是一种基于结构模拟的研究。这种研究主要针对神经网络的模型和算法进行，其优点是通过简化后的数理模型就能够自我学习，并实现全局最优。缺点是模型越要有效果，就要越复杂，导致制造困难。而最主要的，由于对大脑的完整工作过程缺乏了解，使得神经网络的研究进展缓慢，也缺乏方向。

1.2基于功能模拟的研究路径。由于结构模拟过于复杂，为了完成图1所示的过程，有研究者提出另一种思路：不管人类的大脑如何运作，也不管感知、判断和决策是如何做出的，人工智能在模仿人类的时候，只要能替代人类所要完成的功能即可[2]。这一研究路径，本质上是用计算机来实现人类的某一功能，因此是一种基于功能模拟的研究。这种研究主要针对实际物体的仿真研究，比如雷达仿真、汽车仿真等。其优点是不考虑或简化感知和判断，而只将决策的最后结果模拟出来即可，较为简单方便。缺点是因为无法穷尽各种方案和感知条件，因此只能在限定的条件或环境下使用，应用范围较窄，一般表现为专家系统或故障诊断系统。

1.3基于行为模拟的研究路径。结构模拟是对人类思维全流程的模拟，过于复杂;而功能模拟简化感知和判断，只模拟决策，过于简单。因此，从中间路线考虑，研究者又提出了行为模拟研究路径，即准确捕捉外界环境传递的感知，针对不同感知给予不同的行为反应。这一研究路径将感知和决策一一对应，实际上简化了中间的判断。由于以最后的行为实现作为完成效果，因此又被称为行为模拟。这种研究主要以交互技术的仿真为主，比如多自由度机器人等。其优点是避免了结构模拟的复杂性和功能模拟的限定性。缺点是由于中间判断的简化或缺乏，导致这种模拟只能实现比较外在或浅显的行为，涉及到思维演绎的行为很难被模拟出来。

人工智能的这三种研究路径各有各的优点和缺陷，也有融合的趋势，比如将神经网络应用于多自由度机器人，或者将神经网络应用于雷达仿真等等。但是总的来说，依然缺少更深度的智能模拟。

2 依托大数据的人工智能研究路径

从图1可以看出，无论是结构模拟、功能模拟还是行为模拟，都是将人类思维的某一特征抽象出来，将其数理化，而这种抽象注定不能将所有的信息包括进来，有所缺失，这也导致以这三种模拟为基础的人工智能其实还不够“智能”。

那么，怎么样才能实现完全的人工智能呢？

人工智能模仿人类，模仿的是人类的信息处理过程，而这种信息处理过程，本质上是一种数据处理。如果能够从感知过程开始，将所有的数据——无论是关于感知、关于判断还是关于决策的数据，全部抓取出来，进行细致的挖掘，理清其中的脉络，最后所得到的数据处理过程，就必然能实现一种真正的人工智能。而这样的人工智能系统，其实就是一种以大数据为基础的人工智能研究。

所谓大数据，其实是一种海量的数据集，一般用“3Vs”来描述，即容量 （volume）、多样性（variety）和速度（velocity），其未来的研究发展方向，可以从图1所示的人类思维过程中确定。针对感知部分进行研究，主要是研究数据的采集和分类。规模庞大的无结构数据，采集方面要保证没有缺失，而分类则是要保证能快速的查询和使用。针对判断部分进行研究，主要是研究数据的挖掘和分析。显然在海量数据中，不是所有的数据都是有价值的。如何挖掘到最关键的数据并进行分析，是相当重要的一步。针对决策部分进行研究，主要是研究数据的处理。能够得到最优化的结果让用户满意，这才是人工智能的最终目的。

3 结语

人工智能是科技未来的发展方向，而要实现真正的人工智能，则要依托大数据的研究。当大数据技术发展到一定程度，使计算机得到和处理的数据量能夠匹配人工智能所需要的数据量时，人工智能的时代就将真正到来。

参考文献：

[1]钟义信. 人工智能的突破与科学方法的创新[J]. 模式识别与人工智能，2012， 25 （3） ：456-461.

[2]马钦果. 基于功能模型的航空雷达故障诊断专家系统研究[D]. 吉林大学， 2005.