人工智慧專欄 - 人工智慧簡介 (1)

人工智慧(Artificial Intelligence)是研究如何讓機器擁有智慧的學門，跟他很接近的有人工生命(Artificial Life)這個分支，而他又跟演化式計算(或有人稱為基因演算法Genetic Algorithm)的關係比較密切。但是基本上，主要在從最底層的神經生物學，到極抽象自然語言(Natual Language)研究，甚至是心理學中研究潛意識的精神病理學中間，有許多種從上而下，或是下而上的研究路徑。概略介紹一些比較接近工程方面的學門。





類神經網路(或有人稱人工神經網路Artificial Nerual Network)，主要是從基底的神經生理為基礎，去建構從簡單到非常複雜的網路，期望能達到學習和容錯的目的。因為他牽涉到平行運算，所以有許多模型都是期望減少運算而產生的，但基本上還是脫離不了大量運算的空間，和效能的兩難問題。





模糊邏輯(Fuzzy)和模糊控制(Fuzzy Control)，這個學門是從數學開始建構的，基本上他的介於抽象的邏輯判斷，和現實世界的真實訊號處理的灰色地帶。因為牽涉到數學理論，所以比較多是當作基礎研究來討論，但是他的工程延伸品，模糊控制則是廣泛的被運用到工程上面，舉凡洗衣機，冷氣，冰箱，微波爐，電視，甚至燈光控制，汽車穩定系統，通通都有他的蹤影，工程上的應用已經是一個完整的工程學科，但是缺乏彈性和學習能力，是他的一大缺點。經常結合其他的人工智慧學門產生諸如，Nero-Fuzzy，Fuzzy Inference等等的應用。





專家系統(Expert System)和機器學習(Machine Learning)，基本上前者是最初人工智慧被稱之為智慧的來源，基本上他就是演算法的一種而已。並沒有特殊的地方，把邏輯符號用最擅長的程式去執行，往往可以得到極佳的邏輯判斷，比如下棋這種高度符號邏輯的遊戲，但是不久就發現，因為僵硬邏輯而產生的問題，常完電腦遊戲的人往往發覺，電腦對手的招式千篇一律，方法總是千變萬變脫離不了一個局限。很容易預測下一部他會做什麼反應。這和人類思考和應變的能力相當不同(往往也缺乏不少樂趣)。因此就有人專門去研究如何讓"機器"也能"學習"，從錯誤中找尋新的解答和方法。但是往往遇到寫程式最頭痛的N-P問題，近乎無限的組合爆炸。因此，漸漸的他也朝向和其他學門結合的趨勢，如上述的Fuzzy一起合作的Fuzzy-Inference。但是目前來說，這仍是死板的電腦目前表現最好的"智慧"。





作者 北海牧羊人 TLS 2003/03/24