智能計算機

“智能計算機” 在工具書中的解釋

1、能存儲大量信息和知識,會推理(包括演繹與歸納),具有學習功能,能以自然語言、文字、聲音、圖形、圖像和人交流信息和知識的非馮諾依曼(John.VonNeumann)結構的通用高速並行處理計算機。是現代計算技術、通信技術、人工智能和仿生學的有機結合，供知識處理用的一種工具。

“智能計算機”在學術文獻中的解釋

1、智能計算機是指能夠模擬、延伸、擴展、人類智能的一種新型計算機。它與目前人們使用的馮諾依曼型計算機無論在體系結構，還是在工作方式及功能上都有很大不同。

2、進入八十年代以來日本、美國等發達國家曾開始研製第五代計算機也稱為智能計算機.它突出了人工智能方法和技術的作用在系統設計中考慮了建造知識庫管理系統和推理機使得機器本身能根據存儲的知識進行推理和判斷。

3、為了實現人類智能在計算機上的模擬、延伸、擴展,必須對其體系結構、工作方式、處理能力、接口方式等進行徹底的變革,這樣造出來的計算機才能稱為智能計算機.我們可以把構造這樣的智能機器看作為人工智能研究的遠期目標.日本提出的第五代計算機研製計劃就是向遠期目標邁進的重要一步,被稱為第一代智能計算機。

迄今未有公認的定義 。計算理論的奠基人之一A.圖靈定義計算機為處理離散量信息的數字計算機。而對數字計算機能不能模擬人的智能這一原則問題，存在截然對立的看法。1937年A.丘奇和圖靈分別獨立地提出關於人的思維能力與遞歸函數的能力等價的假説。這一未被證明的假説後來被一些人工智能學者表述為：如果一個可以提交給圖靈機的問題不能被圖靈機解決，則這個問題用人類的思維也不能解決。這一學派繼承了以邏輯思維為主的唯理論與還原論的哲學傳統，強調數字計算機模擬人類思維的巨大潛力。另一些學者，如H.德雷福斯等哲學家肯定地認為以圖靈機為基礎的數字計算機不能模擬人的智能。他們認為數字計算機只能做形式化的信息處理，而人的智能活動不一定能形式化，也不一定是信息處理，不能把人類理智看成是由離散、確定的與環境局勢無關的規則支配的運算。這一學派原則上不否認用接近於人腦的材料構成智能機的可能性，但這種廣義的智能機不同於數字計算機。還有些學者認為不管什麼機器都不可能模擬人的智能，但更多的學者相信大腦中大部分活動能用符號和計算來分析。必須指出，人們對於計算的理解在不斷加深與拓寬。有些學者把可以實現的物理過程都看成計算過程。基因也可以看成開關，一個細胞的操作也能用計算加以解釋，即所謂分子計算。從這種意義講，廣義的智能計算機與智能機器或智能機範疇幾乎一樣。

對智能計算機的不同看法還來源於不同的目標和出發點。一種是科學研究的觀點，強調理解人腦的機制，要求計算機按照人腦的工作方式表現出智能行為。另一種是工程的觀點，強調用計算機解決需要人的智慧才能解決的實際問題，不管人腦和計算機的工作方式是否相同。從工程觀點看智能計算機，所關心的是它具有的功能而不限制其實現途徑。也就是説，所謂智能計算機就是指具有感知、識別、推理、學習等能力，能處理定性的、不完全不確定的知識，能與人類以自然語言、文字及圖形圖像通信並在實際環境中有適應能力的計算機。要達到這一目標需要長時期的努力。

一部計算機表現出某種智能行為並不一定被認為它本身有智能。為了判定計算機是否具有智能，圖靈曾設計了一種測試方法，即有名的圖靈試驗。設想一個測試者用計算機終端分別與被測的人及計算機聯繫（測試者不能直接看到被測人與計算機），如果從回答測試者問題的信息中不能正確區分被測者是人還是計算機，即把計算機當成人了，就應認為計算機具有智能。這是一種關於智能機的行為主義的觀點。以回答問題的能力做為具有智能的判據有一定侷限性，因為人的智能涉及許多方面，有些智能如形象思維就不可以言傳。這種測試也難以反映自學習自適應能力。人們一方面追求用機器實現智能，另一方面又不大相信電子器件的自動開與關能實現人的思維。因此當一種實現智能應用的方法很有效時，往往認為這是一種已知的技術，與其他計算機程序運行沒什麼不同，人們對於機器模擬人類思維的矛盾心理趨向於認為一個能工作的系統是有用的但不是真正有智能的。

實際上，智能計算機已經成為一個動態的發展的概念，它始終處於不斷向前推進的計算機技術的前沿。人工智能的權威學者M.明斯基定義人工智能的任務是研究還沒有解決的計算機問題。這一觀點反映了人工智能與智能機研究有別於其他學科的顯著特點。智能應用問題往往沒有確定的求解算法而採用搜索的辦法，一旦人們對某一問題掌握了足夠豐富的知識，即已找到了不需要搜索的確定型算法，可以預見其行為與效果時，這個問題一般就不再認為是一個智能問題了。從應用的角度看，如果一項人工智能的研究成果已經成熟並被廣泛採用，人們已經瞭解它的運行機制，就不再把它視為智能技術了。可以預言，目前被看成是智能計算機主要組成部分的知識庫在不久的將來就會像數據庫一樣被當成一般的計算機技術。因此，智能計算機與其看成是與傳統計算機完全不同的一種機器，還不如看成是帶動計算機不斷髮展的一項高技術。這種壓力迫使從事智能計算機研究的科研人員必須不斷提出新概念、新方法，不斷攻克新的技術難關。

研製智能計算機的目的不是用計算機代替人的腦力勞動，而是充分發揮人和計算機各自的特長，形成互補、協調的人機合作環境。不怎麼聰明的智能計算機可以使聰明的人更加聰明。在人機合作的和諧環境中，人主要負責提供涉及面很廣的常識和從事有創造性的工作，機器作為人的助手從事需要一定智能的其他工作。智能機往往是某些方面聰明過人而其他方面又十分愚笨，因此設計一個高效率高智商的人機協作智能系統必須合理地確定哪些事由人做，哪些事由機器做，而且要建立十分友好的人機對話界面。

儘管各國學者為研製智能機進行長期不懈的努力，但究竟通過什麼途徑才能使計算機具有智能或者説表現出智能行為，還是一個未解決的問題。概括來説，已提出的主要途徑有以下幾條，它們分別以認知心理學、神經生理學、人類社會學及生物進化論為模擬的基礎。①符號處理與知識處理。把智能問題當成符號處理與知識處理問題是人工智能的主流。紐威爾和西蒙教授在1975年的圖靈獎演説中提出物理符號系統假設：物理符號系統是智能行為的充分必要條件。這一假設把符號處理技術擺到智能機研製的關鍵位置。60年代關於推理機制和問題求解技術的研究使人們認識到一個智能系統的能力主要在於系統中包含的知識而不是它的推理機制，這就是E.費根鮑姆教授倡導的知識原則。根據這一原則，構造智能機系統的關鍵是建立包含大量常識和專門知識的知識庫，其技術難點在於知識的自動獲取和自動維護以及知識共享等。這一途徑的基礎是邏輯理論與認知心理學。

②人工神經網絡。構造智能機的另一途徑根源於神經生理學的研究成果，即用大量相對簡單的處理單元（人工神經元）通過複雜的互連構成神經網絡計算機。這一途徑強調大規模並行、分佈式的表示與處理、非線性的動力學系統行為、系統的訓練與學習以及模擬量的處理等等。儘管目前提出的人工神經網模型及已研製的各種人工神經網系統與人腦的神經網結構相距甚遠，但這種以整體的統計行為取代邏輯推理，以樣本訓練與學習取代執行某種算法的新思路對傳統的唯理論與還原論是一種衝擊。神經網計算機在模式識別和低層次感知模擬等方面有發展潛力，但也有一定侷限性。它與傳統的符號處理有某種互補關係。這兩者的結合可以發揮各自的優勢。

③層次化的智力社會模型。錯綜複雜的人類社會是由許多個人和不同層次的團體組成。與此類似，智能行為也可看成是許多在不同層次上的相互影響的並行操作的進程。層次越低，其智力越差，最底層的處理應是非智能的行為。按這種思路，關鍵是要弄明白非智能的活動的聯合如何才能浮現智能行為，其奧秘應在其相互聯繫之中。這就是明斯基教授主張的所謂“智力社會”模型。這一學派強調理解智能的層次和系統中各部分的聯繫，主要從人類社會的行為來看待思維與智能，其實現上較側重分佈式的人工智能和複雜的巨系統。

④基於生物進化的智能系統。人類的智能是通過極其漫長的生物進化產生的，進化是智能的源泉。如果把機器智能的提高也當成是一種進化過程，其進化速度將比形成人的智能快得多。生物進化的關鍵是在動態環境中的適應能力。基於這一觀點，布魯克斯教 授 提出研製智能 機的另一種途徑：建立在現實世界中具有真正感知和行動能力的智能系統，由簡單到複雜逐步提高其智能水平。這一方法強調自適應控制，主張無需表示無需推理的智能系統。

上述每一條途徑都有各自的理論背景和應用前景。鑑於腦的功能是成千上萬具有不同專門功能的子系統協作的結果，是上百萬條生物進化纏繞組合的結果，人類智能的本質不可能歸結為幾個像波函數或運動學三定律那樣規整、簡潔、漂亮的基本原理。智能機也不可能按某一種固定模式製造。研究智能計算機應當採取綜合集成的方法，在上述幾條途徑和可能的新途徑基礎上，將定性與定量、數字與模擬、邏輯與統計、電子與非電子等互補的技術綜合集成起來，特別是將存於機器的知識與人的經驗知識集成起來，發揮系統的整體優勢與綜合優勢。

智能計算機技術還很不成熟，現主要在做模式識別、知識處理及開發智能應用等方面的工作。儘管所取得的成果離人們期望的目標還有很大距離，但已經產生明顯的經濟效益與社會效益。專家系統已在管理調度、輔助決策、故障診斷、產品設計、教育諮詢等方面廣泛應用。文字、語音、圖形圖像的識別與理解以及機器翻譯等領域也取得了重大進展，這方面的初級產品已經問市。計算機產品的智能化和智能機系統的研究開發將對國防、經濟、教育、文化等各方面產生深遠影響。計算機智能化是21世紀信息產業的重要發展方向。發展智能計算機將加速以信息產業為標誌的新的工業革命。智能計算機的應用將放大人的智力，減少對自然資源的利用。它只需要極少的能量和材料，其價值主要在於知識。另一方面，研製智能計算機可以幫助人們更深入地理解人類自己的智能，最終揭示智能的本質與奧秘。