[发明专利]一种智能计算机

说明书

技术领域

本发明涉及数据处理领域，特别涉及一种智能计算机。

背景技术

传统的计算机所能够完成的工作大都停留在计算这个概念上，难以达到智能层面。到底什么是智能，怎么样才算有智能？究竟通过什么样的途径才能使计算机具有智能或表现出智能行为？简而言之，智能的实现在于模仿人类大脑思维的实现。当智能实现时，计算机的整个架构都将实现智能化，计算机的数据、硬件、软件、存储、计算、通信、应用等都将附上智能属性。

一台计算机表现出某种智能行为并不一定被认为它本身就具有了智能。为了判定计算机是否具有智能，“人工智能之父”图灵曾设计了一种测试方法——图灵试验。他设想一个测试者用计算机终端分别与被测试的人及计算机联系(测试者不能直接看到被测试的人和计算机)，如果测试者从被测试的人和计算机回答问题的信息中，不能正确地区分被测者是计算机还是被测试的人，即把计算机当成了被测试的人，那就可以认为计算机具有智能。这是一种关于计算机是否具有智能的行为主义观点。但是，以回答问题的能力来作为计算机是否具有智能的判据有一定局限性，因为人的智能涉及许多方面，有些智能如形象思维就不可以言传。这种测试也难以反映自学习和自适应能力。人们一方面追求用计算机来实现智能，另一方面又不大相信计算机中电子器件的自动开或关能实现人的思维。因此当一种实现智能应用的方法很有效时，往往认为这是一种已知的技术，与其他计算机程序运行没什么不同。人们对于计算机模拟人类思维的矛盾心理趋向于认为一个能工作的计算机系统是有用的，但不是真正的智能计算机。

实际上，智能是一个动态的和发展的概念，它始终处于不断向前推进的计算机技术的前沿。人工智能的权威学者M·明斯基定义人工智能的任务是研究还没有解决的计算机问题。这一观点反映了人工智能与计算机研究有别于其他学科的显著特点。智能应用问题往往没有确定的求解算法，而要采用搜索的办法。一旦人们对某一问题掌握了足够丰富的知识，即已找到了不需要搜索的确定型算法，可以预见其行为与效果时，这个问题一般就不再认为是一个智能问题了。从应用的角度看，如果一项人工智能的研究成果已经成熟并被广泛的采用，人们已经了解它的运行机制，就不再把它视为智能技术了。因此，智能计算机与其看成是与传统计算机完全不同的一种机器，还不如看成是带动计算机不断发展的一项高新技术。

尽管各国学者为研制智能计算机进行了长期不懈的努力，但究竟通过什么途径才能使计算机具有智能或者说表现出智能行为？概括来说，已经提出的主要途径有以下几条，它们分别以认知心理学、神经生理学、人类社会学及生物进化论为模拟的基础。

①符号处理与知识处理。把智能问题当成是符号处理与知识处理问题是人工智能的主流。纽威尔和西蒙教授在1975年的图灵奖演说中提出物理符号系统假设：物理符号系统是智能行为的充分必要条件。这个假设把符号处理技术摆到了智能计算机研制的关键位置。上个世纪60年代关于推理机制和问题求解技术的研究使人们认识到一个智能系统的能力主要在于它包含的知识而不是它的推理机制，这就是E·费根鲍姆教授倡导的知识原则。根据这一原则，构造智能计算机的关键是建立包含大量常识和专门知识的知识库，其技术难点在于知识的自动获取和自动维护，以及知识共享等。这个途径的基础是逻辑理论与认知心理学。

②人工神经网络。构造智能计算机的另一个途径根源于神经生理学的研究成果，即用大量相对简单的处理单元(人工神经元)通过复杂的互连构成人工神经网络(也即与人脑的神经网结构类似)。这个途径强调大规模并行、分布式的表示与处理、非线性的动力学系统行为、系统的训练与学习以及模拟量的处理等等。尽管目前已经提出的人工神经网模型和研制的各种人工神经网系统与人脑的神经网结构相距甚远，但这种以整体的统计行为取代逻辑推理，以样本训练与学习取代执行某种算法的新思路对传统的唯理论与还原论是一种冲击。基于人工神经网的计算机在模式识别和低层次感知模拟方面有发展潜力，但也有一定的局限性。它与传统的符号处理与知识处理有某种互补关系。这两者的结合可以发挥各自的优势。

③层次化的智力社会模型。错综复杂的人类社会是由许许多多的个人和不同层次的团体组成。与此类似，智能行为也可看成是许多在不同层次上相互影响的并行操作进程。层次越低，智力越差，最底层的处理应该是非智能的。按照这种思路，实现智能计算机的关键是要弄明白非智能活动的联合如何才能够浮现出智能行为，其奥秘应该在层次间的相互联系之中。这就是明斯基教授主张的所谓“智力社会”模型，强调智能的层次和智能系统中各部分的联系，即从人类社会的行为来看待智能，其实现上侧重于分布式的人工智能和复杂的巨系统。