周丽娜, 马志强
(中国电子科学研究院,北京 100041)
云计算、大数据技术以及移动网络的快速发展开启了一个大规模生产、分析和应用数据的时代。数据源中的数据之所以有用,是因为它们建立了现实世界及其主题的部分模型[1]。随着数据量的暴涨,利用大数据量来智能决策只是应用的一个方面,知识图谱和机器学习等技术正全面推进人工智能技术的快速发展。
自达特茅斯AI夏季研讨会开始,人工智能研究经历了3次技术浪潮。第一次浪潮专注于人类知识,始于上世纪80年代,专注于知识库和专家库系统的构建。1977年,美国斯坦福大学计算机科学家费根鲍姆(E.A.Feigenballm)在第五届国际人工智能联合会议上提出知识工程的概念,认为“知识工程是人工智能的原理和方法,对那些需要专家知识才能解决应用难题提供求解的手段,专家知识的获取、表达和推理过程的构成与解释,是设计基于知识的系统的重要技术问题”。在知识工程推动下,涌现出了一批成功的专家系统,如医药专家系统MYCIN,探矿专家系统PROSPECTOR等。我国分别在1977年、1985年建立了中医肝病诊治和砂姜黑小麦施肥专家咨询等实用的专家系统。
2000年以后,随着机器学习的兴起,利用数学模型和大数据量的训练求解非确定的解的问题开启了第二次人工智能的浪潮。例如IBM的深蓝系统、谷歌的ALPHAGO系统等。这种人工智能只能解决可建模、可学习的问题,在有限的目标中求解,得到的是可接受的解但不保证是最优解。……