迈向第三代人工智能
本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在学习摘录和笔记专栏：
学习摘录和笔记（8）---《迈向第三代人工智能》
迈向第三代人工智能原文/论文出处：
题目：《迈向第三代人工智能》
作者：张钹,朱军,苏航
时间：2020–09–22
来源：中国科学:信息科学
文章摘要：人工智能(artifificialintelligence，AI)自1956年诞生以来，在60多年的发展历史中，一直存在两个相互竞争的范式， 即符号主义与连接主义(或称亚符号主义)。二者虽然同时起步， 但符号主义到20世纪80年代之前一直主导着AI的发展，而连接主义从20世纪90年代才逐步发展起来，到21世纪初进入高潮，大有替代符号主义之势。
这两种范式只是从不同的侧面模拟人类的心智(或大脑)，具有各自的片面性，依靠单个范式不可能触及人类真正的智能.需要建立新的可解释和鲁棒的AI理论与方法，发展安全、可信、可靠和可扩展的AI技术。
为实现这个目标，需要将这两种范式结合起来，这是发展AI的必经之路。 本文将阐述这一思想，为叙述方便，称符号主义为第一代AI，称连接主义为第二代AI，将要发展的AI称为第三代AI。
1第一代人工智能符号AI与人类理性智能一样具有可解释性和容易理解.。符号AI也存在明显的局限性， 目前已有的方法只能解决完全信息和结构化环境下的确定性问题。
其中最具代表性的成果是IBM“深蓝”国际象棋程序。
2第二代人工智能对于感官信息：
符号主义主张：以某种编码的方式表示在(记忆)神经网络中，符号AI属于这一学派。
连接主义主张： 感官的刺激并不存储在记忆中，而是在神经网络中建立起“刺激–响应”的连接(通道)， 通过这个“连接”保证智能行为的产生。
1958年罗森布拉特(Rosenblatt)按照连接主义的思路， 建立一个人工神经网络(artifificialneuralnetwork， ANN)的雏形——感知机(perceptron)。
如果拥有一定质量的大数据， 由于深度神经网络的通用性(universality)，它可以逼近任意的函数， 因此利用深度学习找到数据背后的函数具有理论的保证。
2016年3月谷歌围棋程序AlphaGo打败世界冠军李世石，是第二代AI巅峰之作，因为在2015年之前计算机围棋程序最高只达到业余五段。
3第三代人工智能第一代知识驱动的AI，利用知识、算法和算力3个要素构造AI，第二代数据驱动的AI，用数据、算法与算力3个要素构造AI。
第三代AI其发展的思路：
把第一代的知识驱动和第二代的数据驱动结合起来，通过同时利用知识、数据、算法和算力等4个要素，构造更强大的AI.。目前存在双空间模型与单一空间模型两个方案。
3.1双空间模型双空间模型如图2所示，它是一种类脑模型，符号空间模拟大脑的认知行为，亚符号(向量)空间模拟大脑的感知行为。
这两层处理在大脑中是无缝融合的， 如果能在计算机上实现这种融合，AI就有可能达到与人类相似的智能，从根本上解决目前AI存在的不可解释和鲁棒性差的问题。
为了实现这种目标，需要解决以下3个问题：（1）知识与推理：Watson关于知识表示和推理方法的以下经验值得借鉴:
1)从大量非结构化的文本自动生成结构化知识表示的方法，
2)基于知识质量的评分表示知识不确定性的方法，
3)基于多种推理的融合实现不确定性推理的方法。
（2）感知：目前的研究只能提取部分的语义信息，还不能做到提取不同层面上的语义信息,如整体”、“部件”和“子部件”等,达到符号化的水平，因此仍有许多工作有待研究。
（3） 强化学习：通过感官信息有可能学到一些基本知识(概念)，不过仅仅依靠感官信息还不够，比如“常识概念”，如“吃饭”“睡觉”等仅依靠感官难以获取，只有通过与环境的交互，即亲身经验之后才能获得，这是人类最基本的学习行为，也是通往真正AI的重要道路。
强化学习(reinforcementlearning)就是用来模拟人类的这种学习行为，它通过“交互–试错”机制，与环境不断进行交互进而学习到有效的策略，很大程度上反映了人脑做出决定的反馈系统运行机理。
-------语义空间即语言意义的世界。一般来说，信息是意义和符号的统一体，内在的意义只有通过一定的外在形式（动作、表情、文字、音声、图画、影像等符号）才能表达出来。因此，每一种符号体系在广义上都是传达意义的语言，它们所表达的意义构成了特定的语义空间。
强化学习的核心目标就是选择最优的策略，使得预期的累计奖励最大。
但是在不确定性、不完全信息、数据或者知识匮乏的场景下， 目前强化学习算法的性能往往会出现大幅度的下降， 这也是目前强化学习所面临的重要挑战。
存在的典型问题：
(1)部分观测马氏决策过程中强化学习
(2)领域知识在强化学习中的融合机制
(3)强化学习和博弈论的结合
3.2单一空间模型单一空间模型是以深度学习为基础，将所有的处理都放在亚符号(向量)空间，这显然是为了利用计算机的计算能力，提高处理速度。
关键问题：
1.符号表示的向量化
2.深度学习方法的改进
3.贝叶斯深度学习
4.单一空间中的计算
总结为了实现第三代AI的目标，最好的策略是同时沿着这两条路线前进，即三空间的融合，如图10所示。这种策略的好处是，既最大限度地借鉴大脑的工作机制，又充分利用计算机的算力，二者的结合，有望建造更加强大的AI。
文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。
人工智能的发展史
前言本文隶属于专栏《人工智能》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！
本专栏目录结构和参考文献请见人工智能
人工智能的发展史孕育期（1956年以前）数理逻辑-符号主义学派在数理逻辑初创期，亚里斯多德（公元前384一322，古希腊伟大的哲学家和科学家），创立演绎法，提出了演绎推理的一般原则-三段论在逻辑代数时期，莱布尼茨（1646一1716，德国数学家和哲学家）把形式逻辑符号化，奠定了数理逻辑的基础。人工神经网络-连接主义学派1890年美国生物学家詹姆士首次阐明人脑的结构及功能，及记忆、学习、联想相关功能的规律。1943年美国神经生理学家麦克洛奇和皮兹建成第一个神经网络模型（MP模型）。1949年加拿大心理学家赫布提出了改变神经网络连接强度的Hebb规则。行为主义学派维纳(1874一1956)：美国著名数学家、控制论创始人。1948年创立了控制论。控制论对人工智能的影响，形成了行为主义学派。人工智能的载体-计算机美国数学家莫克利和艾克特于1946年2月14日研制成功了第一台通用计算机ENIAC。
它每秒能完成5000次加法，400次乘法等运算。
ENIAC为人工智能研究奠定物质基础。
图灵（1912一1954）：英国数学家1936年创立了自动机理论亦称图灵机。1950年在其著作《计算机与智能》中首次提出“机器也能思维”图灵设计了一个图灵试验，试图通过让机器模仿人回答某些问题，判断它是否具备智能。图灵的机器智能思想是人工智能的直接起源之一，被誉为“人工智能之父”。2019年7月，英国政府宣布图灵登上50英镑钞票。荣耀比肩牛顿、达尔文。人工智能诞生（1956年）AI诞生于一次历史性的聚会。
时间：1956年夏季地点：达特莫斯(Dartmouth)大学目的：为使计算机变得更“聪明”，或者说使计算机具有智能发起人：麦卡锡（J.McCarthy），Dartmouth的年轻数学家、计算机专家，后为MIT教授明斯基（M.L.Minsky），哈佛大学数学家、神经学家，后为MIT教授洛切斯特（N.Lochester)，IBM公司信息中心负责人香农（C.E.Shannon），贝尔实验室信息部数学研究员参加人：莫尔（T.more）、塞缪尔（A.L.Samuel），IBM公司塞尔夫里奇（O.Selfridge）、索罗蒙夫（R.Solomonff），MIT纽厄尔（A.Newell），兰德（RAND）公司西蒙（H.A.Simon），卡内基（Carnagie）工科大学会议结果：由麦卡锡提议正式采用了ArtificialIntelligence这一术语。形成期（1956-1974）形成期（1956-1974）：迅速发展1956年，塞缪尔在IBM计算机上研制成功了的西洋跳棋程序，它顺利战胜了当时的西洋棋大师罗伯特尼赖。1957年，纽厄尔、肖和西蒙等研制了一个称为逻辑理论机(LT)的数学定理证明程序。1960年，麦卡锡开发了LISP语言，成为以后几十年来人工智能领域最主要的编程语言！1965年，鲁宾逊提出了归结（消解)原理。1968年，美国斯坦福研究所（SRI）研发的首台智能机器人Shakey，它拥有类似人的感觉，如触觉、听觉等。低谷期（1974-1980）过高预言的失败，给AI的声誉造成重大伤害。“20年内，机器将能做人所能做的一切。”一西蒙，1965“在3-8年时间里，我们将研制出具有普通人智力的计算机。这样的机器能读懂莎士比亚的著作，会给汽车上润滑油，会玩弄政治权术，能讲笑话，会争吵。…它的智力将无以伦比。”——明斯基，1977塞缪尔的下棋程序在与世界冠军对弈时，以1比4告负。归结法的能力有限。当用归结原理证明“两连续函数之和仍然是连续函数”时，推了10万步也没证明出结果来。把“心有余而力不足”（Thespiritiswillingbutthefleshisweak）的英语句子翻译成俄语，再翻译回来时竟变成了“酒是好的，肉变质了”英国剑桥大学数学家詹姆士按照英国政府的旨意，发表一份关于人工智能的综合报告，声称人工智能即使不是骗局也是庸人自扰。黄金时期（1980-1987年）专家系统实现了人工智能从理论研究走向专门知识应用，是AI发展史上的一次重要突破与转折。1976年，费根鲍姆研制MYCN专家系统，用于协助内科医生诊断细菌感染疾病，并提供最佳处方。1976年，斯坦福大学的杜达等人研制地质勘探专家系统PROSPECTOR。AI被引入了市场，并显示出实用价值1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话、翻译语言、解释图像、并且像人一样推理的机器。英国开始了耗资三亿五千万英镑的Alvey工程。美国国防部高级研究计划(DARPA)1988年向AI的投资是1984年的三倍。第二次低谷（1987-1993）最初大获成功的专家系统维护费用居高不下。它们难以升级，难以使用，脆弱，成了已经暴露的各种各样的问题的牺牲品。到了80年代晚期，战略计算促进会大幅削减对AI的资助。
十年前日本人宏伟的“第五代工程”并没有实现。事实上其中一些目标，比如“与人展开交谈”，直到2010年也没有实现。与其他AI项目一样，期望比真正可能实现的要高得多。
平稳发展期（1993-2011）机器学习、人工神经网络、智能机器人和行为主义研究趋向深入。智能计算（CI）弥补了人工智能在数学理论和计算上的不足，更新和丰富了人工智能理论框架，使人工智能进入一个新的发展时期。1997年，“深蓝”战胜国际象棋世界冠军2000年，本田公司发布了机器人产品ASIMO，经过十多年的升级改进，目前已经是全世界最先进的机器人之一。2011年，IBM开发的人工智能程序“沃森”(Watson)参加了一档智力问答节目并战胜了两位人类冠军。蓬勃发展期：2012-至今数据的爆发式增长为人工智能提供了充分的养料，泛在感知数据和图形处理器等计算平台及新型的以深度学习为代表的新方法等因素合力造势，人工智能迎来它的蓬勃发展期。
人类已经正式跨入了人工智能的时代。
人工智能的发展现状专用人工智能有了突破性的进展，就是让人工智能专门去做一件事，比如下围棋，爬楼梯，组装某一件设备等。在这些面向特定领域或者单一任务方面，人工智能可以超越人类智能。
通用人工智能尚处于起步阶段通用人工智能的研究与应用任重道远人类大脑是一个通用的智能系统，能举一反三，融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑百用”。
目前，人工智能距离人类智能水平还有巨大差距，人工智能还有很多不足。
“智能+X”成为人工智能应用的创新模式“智能+X”应用范式日趋成熟，AI向各行各业快速渗透融合进而重塑整个社会发展，这是人工智能驱动第四次技术革命的最主要表现方式。
世界上的人工智能人工智能领域的国际竞争将日益激烈，世界主要国家纷纷出台人工智能战略、策略和政策。
当前中国人工智能国家高度重视并大力支持发展人工智能。2017年7月，国家发布《新一代人量双冠工智能发展规划》，将新一代人工智能放在国家战略层面进行部署。中国AI企业数量全球第二，视觉类技术最受欢迎。中国AI领域融资规模占全球60%。全球AI论文：中国反超美国，夺质、量双冠总结人工智能经过60多年的发展已取得了重大进展，但总体上还处于初级阶段；
它既具有巨大的理论与技术创新空间，也具有广阔的应用前景；
中国目前已经处列全球人工智能开发第一梯队，假以时日定能在这一领域独领风骚！
然而，前路漫漫，需要全员共同努力！
基础理论是根本，基础技术是主干，应用是枝叶。
只有根底深厚庞大，主干强劲，中国的人工智能产业才能日益兴荣昌盛。