|
||||
|
||||||||
计算智能： 一个重要的研究方向 国家智能计算机研究开发中心主任 李国杰李国杰 |
|
８６３计划智能机主题已经进行６年了，现在回顾一下近十几年国际上人工智能研 究的历史和分析考察这一领域的新动向，是件十分有意义的事。８０年代中期，人工智能 曾经被认为是“下一件最大的事情”，有４００多个厂商标榜自己生产人工智能产品。到 １９９３年，只有少数几家保存下来，绝大多数人工智能技术与产品已溶入主流计算机产 品，成为更大市场的一部分。现在一些成熟的ＡＩ技术已像空气一样渗透到计算机企业， 而一些基础性的研究又回到了实验室。世界上第一本关于人工智能研究的杂志“ＡＩＴｒ ｅｎｄｓ”，于１９９４年开始改名为“Ｃｒｉｔｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ Ｔ ｒｅｎｄｓ”。编者在更名启事中讲到，遗传算法、自适应系统、细胞自动机和混沌理论 与人工智能一样都是对今后十年的计算技术有重大影响的关键技术。这些关键技术大多属 于日益被重视的“计算智能”（Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃ ｅ）。 计算智能与人工智能 世界上有“计算智能”学术会议，其规模不亚于人工智能会议，也有“计算智能”学 术刊物，但究竟什么是计算智能，并没有确切的定义。如同人工智能一样，不同的人对计 算智能有不同的理解。我们不必急于为计算智能下定义，更不必像争论“智能计算机”一 样在名词上浪费时间，重要的是弄明白“计算智能”究竟包含哪些新思想。 广义地讲，人工智能也是试图用计算机来实现人的智能，所以人工智能也可以看作计 算智能。当加拿大的学者创办“计算智能”学术刊物时，人们只觉得增添了一种人工智能 学报，并未仔细考虑这两者的区别。随着人工神经网络、遗传算法、进化程序、混沌计算 等研究逐渐兴旺，而每年召开的人工智能学术会议，如ＡＡＡＩ等，又不太乐意接受这方 面的论文与产品演示，从事上述研究的学者逐步组织自己的有相当规模的国际学术会议， 取名为计算智能，似乎造成一种与人工智能分庭抗礼的局面。但从学术上讲，把计算智能 看成人工智能研究的新方向也许更恰当。 本世纪３０至４０年代，当图灵等著名学者提出计算模型时，并没有强调数字计算与 符号计算的区别。到６０年代，采用数字计算来模拟思维的各种研究一直是很活跃的。６ ０年代中后期，尤其是７０年代以后，建立在心理学刺激／反应模型基础上的物理符号系 统逐渐成为思维模拟的主流，符号处理也几乎成了人工智能的代名词。近些年来，人们一 谈到人工智能就马上想到逻辑、规则、推理；而一谈到计算就联想到矩阵运算、解微分方 程等，似乎智能与计算是两股道上跑的车。人工智能走过几十年曲折道路之后，现在是需 要认真反思的时候了。 研究思维模拟主要的道路有四条：基于心理学的符号处理方法，基于社会学层次型的 智能体（Ａｇｅｎｔ）方法，基于生物进化的进化计算与自适应方法，以及基于生理学的 人工神经网络方法。目前集聚在计算智能大旗下的主要是后两个学派的学者（加上从事模 糊计算和混沌计算等方面的学者）。实际上，只要在计算机上（不考虑模拟量计算）模拟 人类思想，不管用什么方法，其本质的基础还是二进制数字计算。所谓Ｃｈｕｒｃｈ—Ｔ ｕｒｉｎｇ假设的原始论述只是对数论函数（以自然数为输入）而言，后来人们有意无意 地推广到任意函数、人脑功能甚至一切物理现象，这一推广是否有道理一直有争议。我们 不应过份强调数字计算与符号计算的区别，而应强调综合集成。在当前符号处理主宰人工 智能的情况下，更应强调遗传算法等以数字计算为基础的方法对推动人工智能发展有特殊 的作用。 人工智能研究中处处碰到组合爆炸，而局部搜索等进化计算是对付组合爆炸的有力工 具。在局部搜索中甚至可以把离散优化问题转换成连续量优化问题，采用经典的数学方法 求解。近年来已经证明符号逻辑的基础问题——ＳＡＴ问题以及许多典型的ＮＰ完全问题 ，可以转换为类似波动方程的微分方程问题，为有效地求解这些困难问题提供了新思路。 因为进化计算中算法已不是经典意义下的算法，神经网本质上是一动力学系统，这些新思 想的引入可能使计算复杂性和可计算性的研究出现新局面。例如，Ｓ．Ｆｒａｎｋｌｉｎ 已经证明给定任意二进制表示的实数，用图灵机无法判定是不是整数，但用与图灵机相对 应的具有无限离散量神经元的神经网络可以判定。在集成神经网络与符号计算方面国外已 做了大量工作，预示了其光明前景。 进化计算 人的智能是从哪里来的？归根结蒂是从生物进化中得到的，反映在遗传基因中。脑的 结构变化也是通过基因的变化一代一代遗传下来。每一种基因产生的生物个体（看成一种 结构）对环境有一定的适应性，或叫适合度（ｆｉｔｎｅｓｓ），杂交和基因突变可能产 生对环境适应性强的后代，通过优胜劣汰的自然选择，适合度高的结构被保存下来。因此 ，从进化的观点来看，结构是适合度的结果。在这种观点启发下，６０年代Ｆｏｇｅｌ等 提出了进化程序（Ｅｖｏｌｕｔｉｏｎａｌ Ｐｒｏｇｒａｍｍｉｎｇ）思想，７０年代 Ｈｏｌｌａｎｄ提出了遗传算法。如同神经网络研究一样，经过２０年的沉寂，到８０年 代后期，由于在经济预测等应用领域获得成功，进化计算成为十分热门的研究课题。 进化计算实质上是自适应的机器学习方法，它的核心思想是利用进化历史中获得的信 息指导搜索或计算。常用的进化计算包括遗传算法、遗传程序（Ｇｅｎｅｔｉｃ Ｐｒｏ ｇｒａｍｍｉｎｇ）、进化程序、爬山法即局部搜索、人工神经网络、决策树的归纳以及 模拟退火等等。这些不同的方法具有以下几项共同的要素：自适应的结构、随机产生的或 指定的初始结构、适合度的评测函数或判据、修改结构的操作、每一步中系统的状态即存 储器、终止计算的条件、指示结果的方法、控制过程的参数。上述几种进化计算方法中， 只有遗传算法与遗传程序是一组结构（ａ ｐｏｐｕｌａｔｉｏｎ）同时进化，其他方法 是一个结构的进化。所谓遗传程序与通常的遗传算法的主要区别在于采用的“结构”（即 问题的表示）不同。最初的遗传算法的自适应结构为定长的二进制字符串；而遗传程序的 结构是分层的树，表示ＬＩＳＰ语言中的Ｓ表达式，即一个解决指定问题的程序。遗传程 序的目标是自动生成程序。不同进化计算方法采用不同的结构，实质是不同的问题表示。 一个问题的复杂性决定于它的问题表示，因为一种表示限制了系统观察世界的窗口。笔者 认为在进化计算方面做研究应当从问题表示入手，即选择表示能力强又操作方便的结构。 众所周知，任何一种传统的科学或工程方法都具有正确性、一致性、可验证性、确定 性、次序性及简洁性等特点。进化计算是模拟自然界的进化过程，自然界是靠适应性而不 是靠简洁性解决问题，常常采用间接的复杂的方法。与自然进化类似，进化计算一般不提 供简洁的求解方法。在进化计算中，随机选择是关键的因素，因此往往具有不确定性，甚 至同时支持用不一致的相互矛盾的途径去求解。进化计算一般不采用严格同步控制。与传 统算法最大的不同是计算不是自动终止，往往是人为限制进化多少代结束，或通过控制进 化结果的一致性程度设定终止条件。在进化过程中即使达到了最优解或要求的目标，程序 本身并不知道（除非设置一个全局监视器）。许多从事神经网求解优化问题和进化计算的 学者都深有体会，常常无法判断自己得到的结果好坏如何。进化计算的这些新特点给我们 带来许多新的研究课题。国家智能计算机研究开发中心的一些学者研究用局部搜索和Ｄ— Ｐ算法求解ＳＡＴ问题，对ＳＡＴ问题的难易分布做了深入分析，得到了一些很有价值的 研究成果，用统计的方法可以准确地指出最难的问题实例在问题空间的什么地方。 进化计算的主要优点是简单、通用、鲁棒性强和适于并行处理。目前进化计算已广泛 用于最优控制、符号回归、自动生成程序、发现博奕策略、符号积分微分及许多实际问题 求解。它比盲目的搜索效率高得多，又比专门的针对特定问题的算法通用性强，它是一种 与问题无关的求解模式。当然，如果配合与领域有关的知识，求解效率会明显提高。总之 ，进化计算不论从理论上还是实际应用上，都为我们提供了一片广阔的研究天地。 进化计算与并行处理 从事人工智能研究的权威学者，如Ｓｉｍｏｎ、Ｆｅｉｇｅｎｂａｕｍ等都认为并行 处理不是人工智能的重要研究课题，强调思维本质是串行的。日本进行的五代机研究将并 行推理作为关键目标，结果碰到了困难，因为传统人工智能的推理过程确实只包括少量并 行性。笔者曾深入研究过并行处理与启发式搜索的相互制约关系，发现启发式函数质量越 高，越缺乏“或”并行。所以并行处理在以符号逻辑推理为中心的人工智能领域中没有找 到合适的位置。 但是，对于进化计算情况则大不一样。进化计算非常适合大规模并行。神经网络计算 本身是大规模并行，在此不赘述。对于遗传算法、遗传程序等计算，最有效的并行方式是 让几百甚至数千台计算机各自独立进行不同个体或个体子集的遗传计算，运行过程中不需 要任何通信，等到最后运算结束时才通信比较，选出最佳结果。显而易见，进化计算需要 大规模并行来提高速度与解的精度，而并行处理的平台可以是松耦合的系统，如工作站群 集，甚至在局部计算网上都可实现，因为即使只在粗粒度级上并行，进化计算的并行度也 很高。 目前，国内外人工智能的应用研究大部分还是在ＰＣ机或工作站上进行，已经取得一 些可喜的成果。但是，对于真正的智能应用，比如实时的连续语音识别、机器翻译、通用 的自然语言理解、全局性的复杂的计算辅助决策等等，只有在大规模并行机上才能真正实 现。人工智能的实际应用一定要解决可扩展（Ｓｃａｌａｂｉｌｉｔｙ）问题，这是在９ ０年代对人工智能学者的巨大挑战。停留在微机与工作站研究上，串行推理不可能完成这 一艰巨任务。１９９３年在法国召开的国际人工智能大会（ＩＪＣＡＩ’９３）上，日本 学者关于大规模并行人工智能的论文获得最佳论文奖，会上还专门举行了关于人工智能的 巨大挑战（Ｇｒａｎｄ Ｃｈａｌｌｅｎｇｅ）的专题讨论会，这一动向反映了人工智能 研究的发展趋势。 我们应十分重视计算智能及其并行处理的研究，将我国人工智能与智能计算机的研究 推向新高度。 （计算机世界报 1994年 第25期） |
周报全文频道联系方式：010-68130909 |
||||||
| 【关于我们】 【广告服务】 【周报发行】 【投稿指南】 【投稿声明】 【联系方式】 【法律声明】 【媒体手册】 【编读往来】 |
||||||
| Copyright© ccw.com.cn,All rights reserved | ||||||
| 中国计算机世界出版服务公司版权所有 | ||||||