摘要：人工智能起源以来，经过科学工作者们的大量研究与实践，向着体系化、理论化方向发展。专家系统、模式识别与机器翻译被广泛的应用到人们的工作、生活中来。在人们对它寄予厚望的赞誉声中也不乏深刻的质疑，在探索之路上科学工作者们经历着什么样的困难，人工智能的未来将会怎样。
关键词：人工智能；起源；专家系统；困境
一、人工智能的起源
人工智能是一门起步晚却发展快速的科学。20世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。30年代末到50年代初的人工智能领域已经出现一些电缆控制的机器人，可以行走并能说出简单的词组。与此同时，科学界已经提出描述电子信息的二进制信号，A.M.Turing证明了任何形式的计算都可以用数字方式传递，这两大突破再一次提供了创造智能机器的可行性。1955年Newell和Simon的Logic Theorist证明了《数学原理》中前52个定理中的38个。Simon断言他们已经解决了物质构成的系统如何获得心灵性质的问题（这种论断在后来的哲学领域被称为“强人工智能”），认为机器具有像人一样逻辑思维的能力。1956年Samuel研制的一款具有学习能力的跳棋程序，它已经实现通过学习棋谱、与对手博弈等方式进行自主学习。
1956年，“人工智能”（AI）由美国的JohnMcCarthy提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。
二、人工智能的应用
人工智能作为一门前沿科技备受瞩目，国内外对于人工智能相关领域的研究方兴未艾。下面就对人工智能的几个应用领域进行简要介绍。
专家系统是人工智能的领域中最实用、发展最快、研究成果最为丰硕的一个应用。Feigenbaum 1982年给出的定义为：“专家系统是一种智能的计算机程序，这种程序使用知识与推理过程，求解那些需要杰出人物的专门知识才能解决的高难度问题。”一个完整的专家系统主要知识库、推理机、解释器及知识获取部分组成。知识获取部分存储着问题的相关数据及其中间结论，解释器提供结论必要的解释。解答专业问题用到的知识就存储在知识库中，这部分知识可以是专业领域中的权威数据、专家学者提供的经验与结论，或者是自身学习到的新知识，这些知识以“条件”+“结论”模式存在，当发现用户咨询的问题满足相关知识的前提条件，专家系统就能产生相应的结论，给出专业的解答。推理机提供演绎推理、非单调推理和定性推理等，其中演绎推理更接近我们的左脑思维，但机器不能依靠完全模拟人脑来处理所有问题，所以单一的推理方式是远远不够的。专家系统的特殊之处就在于它既不是单纯的罗辑思维也不是繁琐的程序代码，而是建立在知识与经验之上的思维方式，它能够更加快速的作出判断，并且理论上完善的系统设计可以避免人类思维所存在的纰漏。如今，专家系统被广泛应用于医学诊断、地质勘探、工程设计等方面，但目前的专家系统与真正的人类专家还有一定的差距，应急问题的处理还远不及人类水平，但是我们相信随着科学技术的精进这些问题也将在不久的将来得到完美的解决。
此外，模式识别与机器翻译也是人工智能的重大应用，有望代替人类去完成枯燥、重复的信息处理工作。模式识别就是用智能机器对模式进行区分与界定，实现对复杂的信息进行处理（图像、声音、物体等等统称为“模式”）。以图像信息为例，机器把获取的图像特征转化为机器代码存储起来，并与计算机中的特征样板相匹配得出机器识别的结论。门禁系统、指纹识别系统及无人驾驶系统等都是模式识别的实际应用。机器翻译可以用机器实现自然语言间的转化，目前为止还没有出现一个高精准的翻译系统，但作为翻译工作的一种辅助工具节省了大量的时间与精力，在国际化的时代大背景下得到了广泛的应用。
人工智能在各类计算机游戏中的作用也越来越重要，让游戏中的“非玩家控制角色”具有人类一样的思维判断能力可以大大提高游戏可玩性。有限状态机（FSM）、加入了随机性的模糊状态机（FuSM）、可以赋予地形特殊性的智能地形（Smart Terrain）等都是游戏AI设计中的内容。此外，还有电子设备中的芯片、智能处理系统等等都是人工智能技术的领域。
三、人工智能的困境与发展
伴随人工智能的探索研究者们面临的问题也越来越多，似乎人工智能时代远没有到来，那么要实现人工智能，创造出真正接近人类智慧的机器又面临着哪些问题呢。
一是人工神经网络的困境。人脑的计算是建立在大规模并行计算之上的，并具有强大的容错与联想机制，大脑还具有缓慢的生长过程，在成长中形成自己的认知以及独特的个性，而机器遵循严格的数学算法、它的神经元类型单一、仅支持点对点的方式运送信息，这些都不同与人类复杂的神经网络。目前的人工神经网络的研究往往是忽略了神经末梢细胞的感知而进行的，这也就造成了整体情感的缺失，这依旧是机器的思维而不是接近人类的强人工智能。以机器代替肉体成为产生意识的物质基础，这个理论看似是行得通，但又未尝不是困难重重。
再者，机器需要储备大量的知识，人类自诞生以来经过不断地探索积累了不计其数的知识财富，这对机器来说无疑是一个十分庞大的信息量，机器知识的来源依赖于有一定规则的数学表达式，这些数学表达式大部分都是面向问题，都一在定程度上存在着领域的限制，即相同的方法跨越学科领域对机器来说就是完全不同的两件事情，而人类知识在本质上没有领域限制。因此，一味追求大量信息的录入是无意义的，一种更智能、更通用的知识系统还有待开发。
实现人工智能存在的问题还远远不止这些。一方面，现在智能的应用偏重于移动终端而不是人形机器，机器人技术进展缓慢。对此，部分研究者提出利用日渐成熟的3D打印技术，3D打印技术已经能够利用更加复杂的材料打印更加精密的设备，目前该项技术仍处在试验阶段，但若能够以此制作出更为精妙的机器人部件，无疑将带来智能机器人领域的又一次技术革新。另一方面，搜索引擎在这个大数据时代得到了长足发展，并承载着信息的智慧，人工智能有望利用其背后不可计数的信息资源实现真正的智能，信息形式的多样化伴随信息的累积会不会带来智能的产生，人工智能能不能就此实现如同人类的思维方式，信息是否可以形成情感，种种一切猜想都在等待技术发展来印证，人工智能的发展之路才刚刚开启。
参考文献：
[1]是兆雄.人工智能：历史、现状及展望[J]. 自然杂志，1987，10（4）.
[2]邢会民.专家系统原型概述[N]. 西南民族大学学报 ， 2004，30（4）.
[3]伊红风，戴汝为.论思维及模拟智能 [J].计算机研究与发展 ，1990 ，27（4）.
作者简介：董惠雯（1994——），女，山东淄博人，学生，山东科技大学电气信息系信息管理与信息系统专业。