蔣昌俊，王俊麗

（同濟(jì)大學(xué)嵌入式系統(tǒng)與服務(wù)計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室，上海 201804）

一、前言

人工智能（AI）是與計(jì)算機(jī)和控制學(xué)科密切相關(guān)的一個(gè)研究領(lǐng)域，20世紀(jì)70年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、AI），也被認(rèn)為是21世紀(jì)三大尖端技術(shù)（基因工程、納米科學(xué)、AI）之一。隨著信息技術(shù)的不斷發(fā)展與向生產(chǎn)生活、經(jīng)濟(jì)社會(huì)發(fā)展各方面的滲透，特別是在互聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算等新一代信息技術(shù)的飛速發(fā)展基礎(chǔ)上，AI以模擬人腦中信息存儲(chǔ)和處理機(jī)制等智能行為，使機(jī)器具有一定程度上的智能水平。目前AI領(lǐng)域的研究已經(jīng)取得重要進(jìn)展，特別是由于擅長發(fā)現(xiàn)高維數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)，深度學(xué)習(xí)正被應(yīng)用于科學(xué)、商業(yè)和政府等領(lǐng)域，對(duì)信息科學(xué)領(lǐng)域的發(fā)展起到了很重要的推動(dòng)作用。

本文將從兩個(gè)維度深入剖析和解讀AI發(fā)展過程，第一個(gè)維度是橫向視角，從來自于神經(jīng)科學(xué)、人腦智能等智能啟發(fā)的源頭追溯，探討了AI各個(gè)分支重要的發(fā)展歷程，綜合分析AI的發(fā)展和演進(jìn)過程；第二個(gè)維度是縱向視角，從與AI密切相關(guān)的幾個(gè)學(xué)科，包括計(jì)算機(jī)科學(xué)、控制科學(xué)、人腦智能、類腦智能等一些相關(guān)的科學(xué)的發(fā)展，通過它們?cè)诓煌瑲v史時(shí)期與AI之間的相互作用，分析這些學(xué)科或領(lǐng)域之間的交融與歷史演進(jìn)，更清晰地對(duì)AI的本質(zhì)進(jìn)行認(rèn)知。

二、智能的定義與歷史演進(jìn)

（一）智能的定義

在心理學(xué)領(lǐng)域，將智能定義為智力和能力的總稱。其中，“智”指進(jìn)行認(rèn)識(shí)活動(dòng)的某些心理特點(diǎn)，“能”則指進(jìn)行實(shí)際活動(dòng)的某些心理特點(diǎn)[1]。下面將從與智能密切相關(guān)的人腦智能、AI、類腦智能三個(gè)方面探討智能的定義。

人腦是由一千多億個(gè)高度互聯(lián)的神經(jīng)元組成的復(fù)雜生物網(wǎng)絡(luò)，是人類分析、聯(lián)想、記憶和邏輯推理等能力的來源。人腦智能正是反應(yīng)人類大腦具有的感知世界、理解世界和管理世界的智慧和能力，其研究主要圍繞人類智能活動(dòng)的規(guī)律，揭示大腦信息表征、轉(zhuǎn)換機(jī)理和學(xué)習(xí)規(guī)則，以期建立大腦信息處理過程的智能計(jì)算模型。伴隨著神經(jīng)解剖學(xué)的發(fā)展，人腦信息處理的奧秘也正在被逐步揭示。在此基礎(chǔ)上，AI是模擬人類大腦信息處理、記憶、邏輯推理等智能行為的基本理論、方法和技術(shù)，通過應(yīng)用計(jì)算機(jī)的軟硬件技術(shù)，構(gòu)造具有一定智能的人工系統(tǒng)，讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作。而類腦計(jì)算則渴求通過模仿人類神經(jīng)系統(tǒng)的工作原理，開發(fā)出快速、可靠、低耗的運(yùn)算技術(shù)。借助神經(jīng)科學(xué)、腦科學(xué)與認(rèn)知科學(xué)的研究成果，建立智能計(jì)算模型，使機(jī)器掌握人類的認(rèn)知規(guī)律，是“類腦智能”的研究目標(biāo)。

（二）智能的歷史演進(jìn)

1950年，“AI之父”——英國人圖靈（A. M.Turing）的一篇里程碑式論文《機(jī)器能思考嗎？》為人類帶來了一個(gè)新學(xué)科——AI [2]。在1956年夏季的“達(dá)特茅斯會(huì)議”中，以麥卡錫（J. R. McCarthy）、明斯基（M. Minsky）、羅切斯特（N. Rochester）和香農(nóng)（C. Shannon）等為首的一批有遠(yuǎn)見卓識(shí)的年輕科學(xué)家，共同研究和探討用機(jī)器模擬智能的一系列問題，首次提出了AI這一術(shù)語，標(biāo)志著AI的正式誕生。

AI作為一門新興的科學(xué)技術(shù)，其發(fā)展演進(jìn)過程與信息科學(xué)領(lǐng)域的演進(jìn)過程密切相關(guān)，特別是計(jì)算機(jī)科學(xué)、控制科學(xué)這兩大學(xué)科。在AI的發(fā)展中，不同學(xué)科背景的學(xué)者對(duì)AI做出了各自的理解，提出了不同的觀點(diǎn)。為此，本文將首先綜合分析計(jì)算機(jī)科學(xué)、AI、控制科學(xué)發(fā)展過程中的主要演變環(huán)節(jié)和相互作用，如圖1所示。

首先在計(jì)算機(jī)科學(xué)發(fā)展過程中，從基礎(chǔ)理論來說，形成了一套堅(jiān)實(shí)的計(jì)算機(jī)科學(xué)理論。20世紀(jì)30年代，可計(jì)算理論取得突破性進(jìn)展，當(dāng)時(shí)提出四個(gè)重要的計(jì)算模型：λ演算、圖靈機(jī)、哥德爾遞歸函數(shù)、Post系統(tǒng)。在理論意義上，這些模型之間在能力上是等價(jià)的，其中以圖靈機(jī)更接近常人計(jì)算，成為計(jì)算機(jī)的計(jì)算理論基礎(chǔ)。在此基礎(chǔ)上，20世紀(jì)50年代喬姆斯基（N. Chomsky）建立了形式語言的理論體系[3]，從語言、文法到機(jī)器模型，給出了計(jì)算機(jī)科學(xué)的能級(jí)空間的層次劃分，對(duì)計(jì)算機(jī)科學(xué)有著深刻的影響，特別是對(duì)程序設(shè)計(jì)語言和編譯方法等有重要的作用。同時(shí)，20世紀(jì)60年代的計(jì)算復(fù)雜性和20世紀(jì)70年代的程序驗(yàn)證理論都為整個(gè)計(jì)算機(jī)科學(xué)的發(fā)展奠定了堅(jiān)實(shí)的理論基礎(chǔ)。另一方面是計(jì)算機(jī)技術(shù)的發(fā)展。20世紀(jì)50年代馮·諾依曼提出計(jì)算機(jī)體系結(jié)構(gòu)，以程序存儲(chǔ)為基礎(chǔ)，程序指令和數(shù)據(jù)公用一個(gè)存儲(chǔ)空間。1945年，第一代計(jì)算機(jī)ENIAC誕生。1964年IBM宣布推出的一款計(jì)算機(jī)系統(tǒng)IBM360，在業(yè)界引起了轟動(dòng)。到20世紀(jì)80年代，IBM一直在PC領(lǐng)域保持領(lǐng)先優(yōu)勢。當(dāng)時(shí)討論的是單個(gè)電腦的計(jì)算組成、原理和相應(yīng)的機(jī)器，即單機(jī)系統(tǒng)。在這個(gè)范疇內(nèi)，無論是理論還是技術(shù)都比較完備。后來，隨著時(shí)間的推進(jìn)，20世紀(jì)90年代出現(xiàn)的互聯(lián)網(wǎng)，不同于單機(jī)系統(tǒng)的確定和完備，是一個(gè)非確定、開放共享、動(dòng)態(tài)的系統(tǒng)。近些年，出現(xiàn)了物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)，以及現(xiàn)在的云平臺(tái)?？梢钥闯觯?jì)算機(jī)系統(tǒng)經(jīng)歷了從單機(jī)時(shí)代進(jìn)化到能夠共享資源的專用局域網(wǎng)系統(tǒng)，然后發(fā)展到資源可整合、共享的互聯(lián)網(wǎng)時(shí)代，逐步演進(jìn)到目前資源動(dòng)態(tài)分配、服務(wù)高度發(fā)達(dá)共享的網(wǎng)絡(luò)信息服務(wù)時(shí)代。

圖1 計(jì)算機(jī)科學(xué)、AI、控制科學(xué)的演進(jìn)過程

基于這樣的計(jì)算機(jī)科學(xué)理論與系統(tǒng)的發(fā)展，AI發(fā)展最早可以追溯到20世紀(jì)50年代以符號(hào)主義為代表的邏輯推理和定理證明研究。之后，20世紀(jì)60年代其模擬人類專家的行為，概括成經(jīng)驗(yàn)性的規(guī)則形成規(guī)則系統(tǒng)，推演應(yīng)用領(lǐng)域知識(shí)的生成。專家系統(tǒng)在醫(yī)療診斷、化學(xué)邏輯關(guān)系推演等方面發(fā)揮了很好的作用。但因?yàn)槿斯ぶ贫ǖ囊?guī)則一旦抽取出來就是固定的，不便于系統(tǒng)的成長和拓展，而且規(guī)則是確定的，專家系統(tǒng)難以處理一些新的問題，后來又出現(xiàn)了數(shù)據(jù)庫和知識(shí)庫，建立了知識(shí)單元支持規(guī)則的推演；語義網(wǎng)絡(luò)，將概念與概念間的關(guān)系組織起來形成網(wǎng)絡(luò)，后來又結(jié)合大數(shù)據(jù)出現(xiàn)了知識(shí)圖譜?？梢钥闯鲞@一層面是模擬和學(xué)習(xí)人的邏輯思維推演過程，這也正是受到底層計(jì)算機(jī)科學(xué)理論和系統(tǒng)結(jié)構(gòu)的影響而發(fā)展起來的。

AI的另外一條主線是以連接主義為代表，模擬發(fā)生在人類神經(jīng)系統(tǒng)中的認(rèn)知過程。20世紀(jì)50年代提出的感知機(jī)是最早的模擬神經(jīng)元細(xì)胞和突觸機(jī)制的計(jì)算模型。之后模擬人的神經(jīng)系統(tǒng)，建立了多層感知機(jī)等人工神經(jīng)網(wǎng)絡(luò)，一直到現(xiàn)在的深度學(xué)習(xí)都是沿著這層發(fā)展起來的。

與此同時(shí)，在AI發(fā)展過程中另外一個(gè)重要學(xué)派行為主義認(rèn)為智能是系統(tǒng)與環(huán)境的交互行為。因此，形成了強(qiáng)化學(xué)習(xí)、進(jìn)化計(jì)算等智能方法，可以看作是控制學(xué)科對(duì)AI的啟發(fā)。控制科學(xué)的發(fā)展經(jīng)歷了三個(gè)重要時(shí)期：20世紀(jì)40至50年代：經(jīng)典控制理論（PID控制、反饋控制），這一時(shí)期是單變量專一事務(wù)的控制，而且是試錯(cuò)性的；20世紀(jì)60至70年代：現(xiàn)代控制理論（最優(yōu)控制、模糊控制、自適應(yīng)控制），在線性系統(tǒng)的狀態(tài)空間表示基礎(chǔ)上建立狀態(tài)方程，卡爾曼濾波最具代表性。20世紀(jì)80年代以后：先進(jìn)控制理論（魯棒控制、智能控制、集成控制）具有代表性的有離散事件動(dòng)態(tài)系統(tǒng)和混雜系統(tǒng)。此外，20世紀(jì)50年代開始的機(jī)器人也比較有代表性，后來出現(xiàn)了服務(wù)機(jī)器人，特別是最近的自主智能系統(tǒng)，如無人機(jī)、無人駕駛等。

以上從三條主線縱觀了智能的情況和背景，另一方面，換個(gè)角度，從計(jì)算機(jī)科學(xué)和類腦智能的發(fā)展角度來看AI，如圖2所示。

AI從20世紀(jì)50年代開始經(jīng)歷了三次浪潮。第一次浪潮是從1956年開始，其核心是符號(hào)主義，用機(jī)器證明的辦法去證明和推理一些知識(shí)，建立了邏輯定理證明、專家系統(tǒng)、知識(shí)庫等。但專家的經(jīng)驗(yàn)規(guī)則是有限的、確定的，難以進(jìn)行知識(shí)的更新。所以在這個(gè)階段，人們?cè)瓉砥谕慕柚鶤I可以解決很多問題，實(shí)際上沒有得到解決，AI走向低潮。第二次浪潮是20世紀(jì)80年代，受到算法復(fù)雜性理論、硬件支撐系統(tǒng)、數(shù)據(jù)庫管理系統(tǒng)等方面的推動(dòng)，以神經(jīng)網(wǎng)絡(luò)為代表的連接主義再次受到學(xué)者們的廣泛關(guān)注，提出了多層感知機(jī)、反向傳播（BP）網(wǎng)絡(luò)等，成功解決復(fù)雜的非線性分類和回歸問題，再次引起了AI的熱潮。但當(dāng)時(shí)機(jī)器的計(jì)算能力還是很有限，缺乏強(qiáng)力計(jì)算設(shè)備，同時(shí)缺少類似于人類社會(huì)這樣開放式的學(xué)習(xí)環(huán)境，無法提供神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的大量數(shù)據(jù)樣本，導(dǎo)致20世紀(jì)90年代神經(jīng)網(wǎng)絡(luò)再次走向低潮，AI研究者將目光轉(zhuǎn)向統(tǒng)計(jì)學(xué)習(xí)。20世紀(jì)90年代互聯(lián)網(wǎng)興起，互聯(lián)網(wǎng)是一個(gè)不確定的、不斷成長的系統(tǒng)，包括云計(jì)算和大數(shù)據(jù)的出現(xiàn)，提供了一套更加有效地對(duì)數(shù)據(jù)獲取、處理的機(jī)制和平臺(tái)。這樣一來，再次刺激了神經(jīng)網(wǎng)絡(luò)的復(fù)蘇，出現(xiàn)了以深度學(xué)習(xí)為代表的第三次浪潮。2006年，辛頓（G. Hinton）提出神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法，使得至少具有7層的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練成為可能[4]，由于能夠比較好地模擬人腦神經(jīng)元多層深度傳遞的過程，在解決一些復(fù)雜問題時(shí)有著突破性的表現(xiàn)。與此同時(shí)，類腦智能研究也逐步引起學(xué)術(shù)界和工業(yè)界的關(guān)注，其核心是受腦啟發(fā)構(gòu)建神經(jīng)擬態(tài)架構(gòu)和處理器，包括IBM TrueNorth等硬件方面模擬人的神經(jīng)元芯片和深度學(xué)習(xí)芯片，如Google TPU、中國科學(xué)院的寒武紀(jì)系列等。

圖2 計(jì)算機(jī)科學(xué)、AI、類腦智能的演進(jìn)過程

三、智能的驅(qū)動(dòng)與發(fā)展關(guān)系

神經(jīng)科學(xué)、腦科學(xué)與認(rèn)知科學(xué)所揭示的有關(guān)腦結(jié)構(gòu)與功能機(jī)制為構(gòu)建智能計(jì)算模型提供了重要的啟發(fā)。本節(jié)將在上述發(fā)展脈絡(luò)分析的基礎(chǔ)上，從智能的起源開始追溯，分別從智能驅(qū)動(dòng)的專題版塊進(jìn)行闡述，包括：邏輯模型及系統(tǒng)、神經(jīng)元及網(wǎng)絡(luò)模型、視覺神經(jīng)分層機(jī)制、脈沖神經(jīng)網(wǎng)絡(luò)模型、學(xué)習(xí)與記憶機(jī)制、語言模型、進(jìn)化與強(qiáng)化，綜合分析AI的發(fā)展和演進(jìn)過程，設(shè)計(jì)了智能版塊“五線譜”，其中5條線分別為5個(gè)不同的領(lǐng)域，7種不同顏色分別表示7個(gè)智能專題，如圖3所示。以下將從7個(gè)基本智能領(lǐng)域探討AI的重要發(fā)展歷程。

（一）邏輯模型及系統(tǒng)

人類神經(jīng)系統(tǒng)具有邏輯思維的潛力，可以通過學(xué)習(xí)和訓(xùn)練，逐漸形成具體的邏輯思考能力。以人的邏輯思維和推演過程為智能驅(qū)動(dòng)，經(jīng)歷了20世紀(jì)50至70年代初的邏輯推理與定理證明、之后發(fā)展到20世紀(jì)80年代出現(xiàn)大量的專家?guī)旌椭R(shí)庫、到1998年出現(xiàn)語義網(wǎng)、2012年谷歌提出知識(shí)圖譜等?？梢钥闯?，在這一層面AI領(lǐng)域通過模擬和學(xué)習(xí)人類的邏輯推理能力，經(jīng)歷了邏輯推理與定理證明、專家?guī)?、知識(shí)庫、語義網(wǎng)、知識(shí)圖譜等一些重要的歷程。

（二）神經(jīng)元及網(wǎng)絡(luò)模型

人的大腦通過神經(jīng)元傳輸信息，數(shù)量巨大的神經(jīng)元構(gòu)成了神經(jīng)網(wǎng)絡(luò)。以神經(jīng)元及網(wǎng)絡(luò)模型[5]為智能驅(qū)動(dòng)，20世紀(jì)50年代出現(xiàn)模仿人類神經(jīng)元模型的感知機(jī)[6～8]；之后發(fā)展了模擬人腦信息傳遞與處理過程的多層感知機(jī)[9]、Hop field網(wǎng)絡(luò)[10]、波爾茲曼機(jī)[11]，這些模型在當(dāng)時(shí)都引起了較大轟動(dòng)；在此基礎(chǔ)上，發(fā)展了可以通過學(xué)習(xí)獲得所需要的信息處理能力的BP算法[12]，用于訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)，以解決復(fù)雜學(xué)習(xí)問題?？梢钥闯?，在這一層面AI領(lǐng)域基于模仿生物大腦的結(jié)構(gòu)和功能構(gòu)建信息處理系統(tǒng)，發(fā)展了感知機(jī)、多層感知機(jī)、Hopifeld網(wǎng)絡(luò)、BP算法等一系列重要的人工神經(jīng)網(wǎng)絡(luò)理論與方法。

圖3 智能版塊“五線譜”

（三）神經(jīng)分層機(jī)制

以神經(jīng)分層機(jī)制[13]為智能驅(qū)動(dòng)，探索新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，具有代表性的成果有：1989年提出的模擬人腦可視皮層信息分層處理機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)[14]、2012年在百萬量級(jí)的ImageNet數(shù)據(jù)集合上奪冠的受限波爾茲曼機(jī)[15]、2017年提出一種新型神經(jīng)網(wǎng)絡(luò)架構(gòu)——膠囊網(wǎng)絡(luò)等，在計(jì)算和智能模擬能力上取得重要突破。在深度學(xué)習(xí)算法芯片方面，有代表性的包括寒武紀(jì)系列芯片[16]和谷歌的張量處理器（TPU）?？梢钥闯?，在這一層面AI領(lǐng)域基于人腦在腦區(qū)尺度進(jìn)行層次化信息處理的機(jī)制，發(fā)展了卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、膠囊網(wǎng)絡(luò)等一系列重要的深度學(xué)習(xí)模型和架構(gòu)。

（四）脈沖神經(jīng)網(wǎng)絡(luò)模型

以脈沖神經(jīng)網(wǎng)絡(luò)模型為智能驅(qū)動(dòng)，基于人腦神經(jīng)元之間突觸的信號(hào)傳遞機(jī)制與突觸可塑性法則，探索新型的脈沖神經(jīng)網(wǎng)絡(luò)模型[17,18]和神經(jīng)擬態(tài)架構(gòu)，代表性成果有IBM TrueNorth [19]計(jì)算機(jī)架構(gòu)，在并行計(jì)算中實(shí)現(xiàn)更高效的通信；憶阻器[20]作為一種特殊的電子元器件，具有與神經(jīng)系統(tǒng)突觸十分相似的傳輸特性[21]，同時(shí)具有布爾邏輯運(yùn)算的功能[22]，已被應(yīng)用于脈沖神經(jīng)網(wǎng)絡(luò)中構(gòu)建多記憶突觸結(jié)構(gòu)[23]?？梢钥闯?，在這一層面AI領(lǐng)域基于更高級(jí)的生物神經(jīng)傳遞機(jī)制的模擬，發(fā)展了脈沖神經(jīng)網(wǎng)絡(luò)和以IBM TrueNorth、憶阻器為代表的一系列神經(jīng)擬態(tài)架構(gòu)。

（五）學(xué)習(xí)與記憶機(jī)制

1997年提出的長短時(shí)程記憶網(wǎng)絡(luò)（LSTMs）是模擬人腦神經(jīng)系統(tǒng)短期記憶與長期記憶機(jī)制，以學(xué)習(xí)與記憶機(jī)制為智能驅(qū)動(dòng)，探索新型的神經(jīng)網(wǎng)絡(luò)模型[24]。另一方面，神經(jīng)科學(xué)家發(fā)現(xiàn)大腦神經(jīng)系統(tǒng)中存在著神經(jīng)元位置細(xì)胞和網(wǎng)格細(xì)胞，參與大腦記憶活動(dòng)。受此啟發(fā)，2018年提出的基于網(wǎng)格細(xì)胞的定位模擬系統(tǒng)[25] 能自動(dòng)生成與大腦細(xì)胞活動(dòng)非常相似的網(wǎng)格模式，并幫助小鼠自動(dòng)找到捷徑?？梢钥闯?，在這一層面AI領(lǐng)域基于模擬人類大腦通過學(xué)習(xí)來獲取和存儲(chǔ)知識(shí)的能力，取得了LSTMs和網(wǎng)格細(xì)胞定位系統(tǒng)等重要的成果。

（六）語言模型

以語言模型為智能驅(qū)動(dòng)，探索機(jī)器的語義信息加工編碼機(jī)制[26]，發(fā)展了語義Web和知識(shí)圖譜，將概念和實(shí)體組成具有層次的網(wǎng)絡(luò)系統(tǒng)；另一方面，在大腦神經(jīng)系統(tǒng)視覺字母識(shí)別[27]的基礎(chǔ)上，探索基于神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)語言模型，發(fā)展了神經(jīng)網(wǎng)絡(luò)語言模型（NNLM）[28]、詞嵌入[29]、基于深度神經(jīng)網(wǎng)絡(luò)的字母識(shí)別計(jì)算模型[30]等，廣泛應(yīng)用于各種自然語言處理問題?？梢钥闯?，在這一層面AI領(lǐng)域基于模擬人類大腦對(duì)語言的學(xué)習(xí)和組織能力，分別發(fā)展了語義Web、知識(shí)圖譜和NNLM、詞嵌入等重要成果。

（七）進(jìn)化與強(qiáng)化

以進(jìn)化與強(qiáng)化為智能驅(qū)動(dòng)，基于模擬生物進(jìn)化過程中“優(yōu)勝劣汰”的自然選擇機(jī)制和遺傳信息的傳遞規(guī)律等，發(fā)展了一系列的遺傳算法、進(jìn)化策略、蟻群算法等進(jìn)化方法，通過自然演化尋求最優(yōu)解；另一方面，受控制理論[31]發(fā)展的影響，形成了動(dòng)態(tài)規(guī)劃和馬爾科夫決策過程等最優(yōu)控制方法，之后發(fā)展了Q學(xué)習(xí)、狀態(tài)-動(dòng)作-獎(jiǎng)勵(lì)-狀態(tài)-動(dòng)作（SARSA）算法、深度強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)（DQN）等強(qiáng)化學(xué)習(xí)方法[32]，通過與環(huán)境進(jìn)行交互獲得的獎(jiǎng)賞以指導(dǎo)行為?？梢钥闯?，一方面借鑒生物進(jìn)化和遺傳學(xué)理論，發(fā)展了遺傳算法、進(jìn)化策略、蟻群算法等進(jìn)化方法；另一方面，基于模擬人類與外界環(huán)境交互式學(xué)習(xí)過程，發(fā)展了動(dòng)態(tài)規(guī)劃、Q學(xué)習(xí)、SARSA算法、DQN等一系列重要的強(qiáng)化學(xué)習(xí)方法。

四、人工智能的現(xiàn)狀與趨勢

（一）人工智能的現(xiàn)狀

AI受到各國政府的高度重視。2016年10月，美國白宮發(fā)布報(bào)告《國家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃》，提出了美國優(yōu)先發(fā)展AI的七大戰(zhàn)略方向：投資研發(fā)戰(zhàn)略、人機(jī)交互戰(zhàn)略、社會(huì)影響戰(zhàn)略、安全戰(zhàn)略、開放戰(zhàn)略、標(biāo)準(zhǔn)戰(zhàn)略、人力資源戰(zhàn)略，將AI上升到國家戰(zhàn)略層面。2017年7月，我國國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年我國新一代AI發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施，部署構(gòu)筑我國AI發(fā)展的先發(fā)優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國。2017年2月，中國工程院院刊《信息與電子工程前沿（英文）》出版了“AI 2.0”專題，對(duì)“AI 2.0”中所涉及的大數(shù)據(jù)智能、群體智能、跨媒體智能、混合增強(qiáng)智能和自主智能等進(jìn)行了深度闡述[33～39]。

圖4 AI發(fā)展的特點(diǎn)

（二）人工智能的發(fā)展趨勢

首先是對(duì)AI發(fā)展特點(diǎn)的認(rèn)知，如圖4所示。傳統(tǒng)的AI注重從感知到認(rèn)知的過程，實(shí)現(xiàn)從邏輯到計(jì)算的不斷提升。當(dāng)前的AI由弱到強(qiáng)的智能，是從閉環(huán)到開環(huán)、從確定到不確定的系統(tǒng)。未來的AI將是從理性到感性，從有限到無限，從專門到綜合。這樣的過程更具有挑戰(zhàn)性，所以AI發(fā)展之路還很漫長，現(xiàn)在只是始于足下，深入探索傳統(tǒng)AI，并為向當(dāng)前AI和未來AI邁進(jìn)奠定基礎(chǔ)。

目前，AI的基礎(chǔ)理論和技術(shù)已取得了一系列重要的研究成果。未來計(jì)算機(jī)科學(xué)、AI、類腦智能、人腦智能的研究還有許多亟待解決的問題與挑戰(zhàn)。

1. 互聯(lián)網(wǎng)的計(jì)算理論

當(dāng)前互聯(lián)網(wǎng)基礎(chǔ)設(shè)施的不斷完善和提升，應(yīng)用創(chuàng)新和商業(yè)模式創(chuàng)新層出不窮，在智能交通、互聯(lián)網(wǎng)金融、智慧醫(yī)療等領(lǐng)域已經(jīng)取得了一些初步應(yīng)用成果。但是互聯(lián)網(wǎng)計(jì)算理論的研究有待加強(qiáng)。早期的單機(jī)系統(tǒng)具有堅(jiān)實(shí)的理論基礎(chǔ)，但互聯(lián)網(wǎng)是一個(gè)開放的不確定系統(tǒng)，以智能應(yīng)用為垂直場景，在確定有效前提或邊界的條件下，建立互聯(lián)網(wǎng)的計(jì)算理論將具有挑戰(zhàn)性。

2. AI的演算和計(jì)算的融合

盡管深度神經(jīng)網(wǎng)絡(luò)在語音識(shí)別和圖像識(shí)別等任務(wù)中顯示出很大的成功，現(xiàn)有的深度學(xué)習(xí)結(jié)構(gòu)還遠(yuǎn)遠(yuǎn)不及生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，目前的神經(jīng)網(wǎng)絡(luò)模型大都側(cè)重于數(shù)據(jù)的計(jì)算層面，而事實(shí)上一個(gè)高級(jí)的智能機(jī)器應(yīng)該具有環(huán)境感知與邏輯推理的能力。將AI的演算和計(jì)算進(jìn)行融合，反映人腦的交互迭代過程，這樣的交互和融合將是下一步的主要研究方向。

3. 類腦智能的模型和機(jī)理

在構(gòu)建類腦認(rèn)知模型中，目前脈沖神經(jīng)網(wǎng)絡(luò)的神經(jīng)元以電脈沖的形式對(duì)信息進(jìn)行編碼，更接近真實(shí)神經(jīng)元對(duì)信息的編碼方式，能夠很好地編碼時(shí)間信息。但由于脈沖訓(xùn)練缺乏高效的學(xué)習(xí)方法而且需要耗費(fèi)大量算力，在性能上與深度網(wǎng)絡(luò)等模型還存在一定差距。未來，兩類模型仍需要不斷從腦科學(xué)中吸取營養(yǎng)并不斷融合，發(fā)展性能更好、效能更高的新一代神經(jīng)網(wǎng)絡(luò)模型。

4. AI對(duì)神經(jīng)科學(xué)的推動(dòng)作用

正如上文所述，目前AI得以在許多方面達(dá)到人類水平，與來自神經(jīng)科學(xué)的啟發(fā)是密不可分的。心理學(xué)家和神經(jīng)科學(xué)家發(fā)現(xiàn)與揭示的關(guān)于大腦智力的相關(guān)機(jī)制，激發(fā)了AI研究人員的興趣，并提供了初步線索。另一方面，通過AI領(lǐng)域定量地形式化研究，對(duì)神經(jīng)科學(xué)智能行為研究的必要性和充分性提供洞察，例如，依據(jù)機(jī)器學(xué)習(xí)的重要進(jìn)展提出假說：人類大腦可能是由一系列互相影響的成本函數(shù)支撐的混雜優(yōu)化系統(tǒng)[40]，將為神經(jīng)科學(xué)的實(shí)證研究提供新的線索。因此，未來神經(jīng)科學(xué)與AI之間將有更好的合作并帶來良性循環(huán)。

5. 反饋計(jì)算的算法設(shè)計(jì)與控制系統(tǒng)的能級(jí)

計(jì)算機(jī)科學(xué)基礎(chǔ)的理論有：可計(jì)算性理論、計(jì)算復(fù)雜性理論和算法等，定義了機(jī)器不能算和能算、計(jì)算的時(shí)（空）開銷層次、算法的設(shè)計(jì)優(yōu)化，建立了計(jì)算能行和度量開銷的計(jì)算理論。還有形式語言自動(dòng)機(jī)理論，定義了有限自動(dòng)機(jī)、上下文無關(guān)自動(dòng)機(jī)、上下文有關(guān)自動(dòng)機(jī)、圖靈機(jī)四個(gè)能級(jí)，建立了機(jī)器、語言和文法的能級(jí)等價(jià)及層次關(guān)系，對(duì)計(jì)算機(jī)科學(xué)有著深刻的影響，特別是對(duì)程序設(shè)計(jì)語言的設(shè)計(jì)和編譯方法等方面具有重要的作用。而控制科學(xué)的優(yōu)勢是反饋機(jī)制，在迭代過程中不斷修正迭代梯度等，快速接近目標(biāo)。但在做控制器設(shè)計(jì)時(shí)缺少相應(yīng)的能級(jí)理論，反過來，在計(jì)算機(jī)的迭代計(jì)算過程中，從起點(diǎn)到終點(diǎn)，給定迭代梯度，沒有中間過程的反饋修正。因此，計(jì)算機(jī)科學(xué)和控制科學(xué)之間不斷地互相借鑒，創(chuàng)造出更智能、更有效的理論方法，值得下一步探索研究。

五、結(jié)語

本文圍繞AI的發(fā)展和主要研究進(jìn)展，深入探討了與AI密切相關(guān)的計(jì)算機(jī)科學(xué)、控制科學(xué)、類腦智能、人腦智能等學(xué)科之間的交融與歷史演進(jìn)；結(jié)合腦神經(jīng)科學(xué)對(duì)AI的潛在啟發(fā)，從邏輯模型及系統(tǒng)、神經(jīng)元網(wǎng)絡(luò)及模型、視覺神經(jīng)分層機(jī)制等角度闡述AI的歷史演進(jìn)；最后，分析了AI的發(fā)展現(xiàn)狀，并指出其特點(diǎn)和未來發(fā)展趨勢?？梢哉f，以神經(jīng)科學(xué)、腦科學(xué)與認(rèn)知科學(xué)所揭示的有關(guān)腦結(jié)構(gòu)與功能機(jī)制的研究成果為構(gòu)建智能計(jì)算模型提供了重要的啟發(fā)，為智能之源；而以計(jì)算和控制的數(shù)學(xué)物理等形式化、模型化開展分析與優(yōu)化，為智能之工，概括起來即為AI。