1.3　人工智能特点与应用

1.3.1　人工智能研究的特点

人工智能是自然科学和社会科学的交叉学科。信息论、控制论和系统论是人工智能诞生的基础。除了计算机科学以外，人工智能还涉及哲学、心理学、认知学、语言学、医学、数学、物理学、生物学等多门学科及各种工程学方法。参与人工智能研究的人员也来自于各个领域，所以人工智能是一门综合性、理论性、实践性、应用性都很强的科学。人工智能研究的一个原因是为了理解智能实体，为了更好地理解我们自身，但是这和同样也研究智能的心理学和哲学等学科不一样。人工智能努力构造智能实体并且理解它们。再者，人工智能所构造出的实体都是可直接帮助人类的，都是对人类有直接意义的系统。虽然人们对人工智能的未来存在争议，但是毋庸置疑，人工智能将会对人类未来的生活产生巨大影响。虽然人工智能涉及众多学科，从这些学科中借鉴了大量的知识、理论，并在很多方面得到了成功应用，但是，人工智能还是一门不成熟的学科，与人们的期望还有着巨大的差距。

现在的计算机系统仍未彻底突破传统的冯·诺依曼体系结构。CPU的微观工作方式仍然是对二进制指令进行串行处理，具有很强的逻辑运算功能和很快的算术运算速度。这与人类对大脑结构和组织功能的认识有相当大的差异。人类的大脑约有1011个神经元，按照并行分布式方式工作，具有很强的演绎、归纳、联想、学习和形象思维等能力，具有直觉，可以对图像、图形、景物、声音等信息进行快速响应和处理，而目前的智能系统在这方面的能力还非常弱。

从长远角度来看，人工智能的突破将会依赖于分布式计算和并行计算，并且需要全新的计算机体系结构，如光子计算、量子计算、分子计算等。从目前的条件来看，人工智能还主要依靠智能算法来提高现有计算机的智能化程度。人工智能系统和传统的计算机软件系统相比有很多特点。

首先，人工智能系统以知识为主要研究对象，而传统软件一般以数值（或者字符）为研究对象。虽然机器学习或者模式识别算法也处理大量数值，但是它们的目的却是为了从数据中发现知识（规则），从而获取知识。知识是一切智能系统的基础，任何智能系统的活动过程都是一个获取知识或者运用知识的过程。

其次，人工智能系统大多采用启发式（Heuristics）方法而不用穷举的方法来解决问题。启发式就是关于问题本身的一些特殊信息。用启发式来指导问题的求解过程，可以提高问题的求解效率，但是往往不能保证结果的最优性，一般只能保证结果的有效性或者可用性。

再次，人工智能系统中一般允许出现不正确的结果。因为智能系统大多是处理非良结构问题，或者时空资源受到较强约束，或者知识不完全，或者数据包含较多不确定性等，在这些条件下，智能系统有可能会给出不正确的结果，所以在人工智能研究中一般采用准确率或者误差等来衡量结果质量，而不要求结果一定百分之百正确。