第1章 绪论
本章阐述人工智能与智能制造概况、定义、研究途径，以及它们的演化发展和应用现状，同时面向理工科教育对人工智能与智能制造的需求以及本书主要内容做简要说明，以便读者对人工智能和智能制造以及它们的关联有一个概括性认识，并且阐明在工科专业将两者进行融合教学的必要性。
1.1 人工智能概述
人工智能（Artificial Intelligence，AI）作为一门学科，于1956年问世，是由“人工智能之父”麦卡锡（J. McCarthy）及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在美国达特茅斯学院召开的会议上*次提出的。自问世以来AI经过波波折折，终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。它主要研究如何用机器（计算机）来模拟和实现人类与其他生物的智能行为。
1.1.1 人工智能的概念
目前人工智能尚无统一的定义。从字面上看，人工智能就是用人工的方法和技术模拟、延伸和扩展人的智能，研究与开发各种机器智能和智能机器的理论、方法与技术的综合性学科。但要给人工智能这个科学名词下一个准确的定义却很困难，至今人工智能尚无统一的定义。不同科学或学科背景的学者对人工智能有不同的理解，所以提出了不同的观点或定义。
要研究人工智能，*先涉及什么是智能的问题，但关于智能，至今还没有一个确切的公认的定义。这是由于智能是脑特别是人脑的属性或者产物，但人脑的奥秘至今还未完全揭开。所以，这就导致了对于智能有多种说法。例如，有人说智能的基础是知识，有人说智能的关键是思维，还有人说智能取决于感知和行为，认为智能是在系统与周围环境不断“刺激-反应”的交互中发展和进化的。从内涵来讲，智能应该是知识+思维；从外延来讲，智能就是发现规律、运用规律的能力（或者说获取知识、运用知识的能力）和分析问题、解决问题的能力。
斯坦福大学人工智能研究中心的尼尔逊教授认为人工智能是关于知识的科学，即怎样表示知识、怎样获取知识和怎样使用知识的科学。麻省理工学院的温斯顿教授则认为“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富有智能的工作”。斯坦福大学的费根鲍姆教授认为“人工智能是一个知识信息处理系统”。
从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。
广义的人工智能学科是模拟、延伸和扩展人的智能，研究与开发各种机器智能和智能机器的理论、方法与技术的综合性学科。
尽管学术界有各种各样的说法和定义，但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。
1.1.2 人工智能的研究学派
1. 人工智能研究的主要学派
人们对人工智能研究形成了三个主要学派。
（1）符号主义（Symbolicism），又称逻辑主义（Logicism）、心理学派（Psychologism）或计算机学派（Computerism）。其特点是以知识为基础，侧重逻辑推理。其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理，认为人的认知基元是符号，而且认知过程即符号操作过程。
（2）连接主义（Connectionism），又称仿生学派（Bionicsism）或生理学派（Physiologism）。其原理主要为神经网络及神经网络间的连接机制与学习算法，认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于计算机，并提出连接主义的大脑工作模式，用于取代符号操作的计算机工作模式。
（3）行为主义（Actionism），又称进化主义（Evolutionism）或控制论学派（Cyberneticsism）。其原理为控制论及感知-动作型控制系统，认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中与周围环境交互作用而表现出来。
2. 人工智能研究的方法
由于各学派对人工智能研究的基本理论框架不同，因此所采用的研究方法也不相同。其中，符号主义采用功能模拟方法，连接主义采用结构模拟方法，而行为主义则采用行为模拟方法。
1）功能模拟方法
由于人脑的奥秘至今还未彻底揭开，所以人们就在当前的数字计算机上，对人脑从功能上进行模拟，来实现人工智能，这种途径称为功能模拟方法。具体来讲，功能模拟方法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。
基于功能模拟的符号推演，是人工智能研究中*早使用且直至目前还主要使用的方法。人工智能的许多重要成果也都是用该方法取得的，如自动推理、定理证明、专家系统、机器博弈等。这种方法一般是利用显式的知识（库）和推理（机）来解决问题的，所以，它擅长模拟人脑的逻辑思维，便于实现人脑的高级认知功能，如推理、决策等。
2）结构模拟方法
所谓结构模拟，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。人脑的生理结构是由大量神经细胞组成的神经网络。由于这个网络太庞大、太复杂——研究表明，人脑是由大约1011个神经细胞组成的一个动态的、开放的、高度复杂的巨系统，以至于人们至今对它的生理结构和工作机理还未完全弄清楚。因此，对人脑的真正和完全模拟，一时还难以办到。所以，目前的结构模拟只是对人脑的局部或近似模拟。具体来讲，就是用人工神经元（神经细胞）组成的人工神经网络来作为信息和知识的载体，用所谓神经计算的方法实现学习、联想、识别和推理等功能，从而来模拟人脑的智能行为，使计算机表现出某种智能。
神经网络基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能，侧重于模拟和实现人的认知过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程，具有很强的鲁棒性和容错性。它擅长模拟人脑的形象思维，便于实现人脑的低级感知功能，如图像、声音信息的识别和处理。
以上两种方法是当前人工智能研究的两条主要途径。它们各有所长，也各有所短。从这两种方法所擅长处理的问题来看，它们都有一定的局限性，而且刚好互为补充。因此，至少从目前来看，这两种研究途径并不是互相取代，而是并存和互补的关系。事实上，功能模拟虽然仅是对大脑的功能模拟，但它对揭示大脑生理奥秘仍有许多借鉴之处；结构模拟虽然主观上是要对大脑实现仿真，但由于至今人们对大脑的工作原理还没有完全搞清楚，因而也带有一定程度的功能模拟性。因此，将功能模拟与结构模拟相结合是当前人工智能研究的发展方向。
3）行为模拟方法
除了上述两种研究途径和方法外，还有一种基于感知-行为模型的研究途径和方法。这种方法是通过模拟人在控制过程中的智能活动和行为特性，如自寻优、自适应、自学习、自组织等，来研究和实现人工智能。基于这一方法研究人工智能的典型代表是麻省理工学院的R.Brooks教授，他研制的六足行走机器人（也称为人造昆虫或机器虫），曾引起人工智能界的轰动。这个机器虫可以看**一代的“控制论动物”，它具有一定的适应能力，是一个运用行为模拟即控制进化方法研究人工智能的代表作。
行为主义强调智能系统与环境的交互，认为智能取决于感知和行动，智能行为可以不需要知识，提出“没有表示的智能”“没有推理的智能”的观点，主张智能行为的“感知-动作”模式，认为智能只能在现实世界与周围环境的交互中体现出来，智能的高低主要表现在对环境的适应性上。
由于行为主义与连接主义间的差距小，特别是以强化学习为代表的行为主义走向深度强化学习，可将它们归并到同一个类中，因此人工智能大体上分为两大类：符号智能和计算智能（亚符号智能）。
1.1.3 符号智能与计算智能
人工智能及其分类如表1-1所示，表中罗列出了符号智能与计算智能的研究内容及方法。
1. 符号智能
符号智能的主要目标是应用符号逻辑的方法模拟人的问题求解、推理、学习等方面的能力。计算智能（Computational Intelligence，CI）是以数据为基础，以生物进化的观点认识和模拟智能，其主要方法有人工神经网络、进化计算、模拟退火等。
符号智能主要研究基于知识的智能，从原理来说它包括3个方面：知识表示、知识利用和知识获取，从应用角度可分为专家系统、模式识别、自然语言处理和智能机器人等。符号智能的特点是以知识为基础，侧重于逻辑推理，而计算智能则是以数据为基础，侧重于数值计算。
表1-1 人工智能及其分类
传统的人工智能是符号主义（符号智能），它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统假设认为物理符号系统是智能行为的充分和必要条件，其主要工作是“通用问题求解程序”：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。而计算智能则以生物进化观点认识和模拟智能，以数据为基础，通过训练建立联系而进行问题求解。
2. 计算智能
计算智能是在神经网络、模糊系统、进化计算三个分支发展相对成熟的基础上，通过相互之间的有机融合而形成的新的科学方法。这些不同的成员方法从表面上看各不相同，但实际上它们是紧密相关、互为补充和促进的。神经网络反映大脑思维的高层次结构；模糊系统模仿低层次的大脑结构；进化计算则与一个生物体种群的进化过程有着许多相似的特征。这些研究方法各自可以在某些特定方面起到特殊的作用，但是也存在一些固有的局限。因此，将它们结合起来研究已经成为一种发展趋势。
需要指出的是，模糊系统还能实现不确定性的知识推理，往往又归到符号智能之列；符号智能除了谓词逻辑、产生式表示、语义网络、框架、本体等表示方法外，还有新兴知识表示方法——知识图谱，详见第2章介绍。与此同时，连接主义已向深度学习方向发展，促进了数据驱动的机器学习发展新高潮，也形成了数据驱动的深度学习。因此，AI大体上又可分为知识驱动的符号智能和数据驱动的机器智能。
1.1.4 人工智能理论体系
近年来，全球智能技术的发展突飞猛进，发展智能科学与技术已经提升到各国的战略高度。我国的《新一代人工智能发展规划》，明确将人工智能作为未来国家重要的发展战略，对完善中国人工智能领域研究布局、部署构筑我国人工智能发展先发优势等目标和任务提出了指导意见，其中新一代人工智能基础理论体系包括以下方面。
（1）大数据智能理论：研究数据驱动与知识引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算理论与方法、综合深度推理和创意人工智能理论与方法、非完全信息下智能决策基础理论与框架、数据驱动的通用人工智能数学模型与理论等。
（2）跨媒体感知计算理论：研究超越人类视觉能力的感知获取、面向真实世界的主动视觉感知及计算、自然声学场景的听知觉感知及计算、自然交互环境的言语感知及计算、面向异步序列的类人感知及计算、面向媒体智能感知的自主学习、城市全维度智能感知推理引擎等。
（3）混合增强智能理论：研究“人在回路”的混合增强智能、人机智能共生的行为增强与脑机协同、机器直觉推理与因果模型、联想记忆模型与知识演化方法、复杂数据和任务的混合增强智能学习方法、云机器人协同计算方法、真实世界环境下的情境理解及人机群组协同。
（4）群体智能理论：研究群体智能结构理论与组织方法、群体智能激励机制与涌现机理、群体智能学习理论与方法、群体智能通用计算范式与模型。
（5）自主协同控制与优化决策理论：研究面向自主无人系统的协同感知与交互、面向自主无人系统的协同控制与优化决策、知识驱动的人机物三元协同与互操作等理
展开
