网站地图985论文网
主要服务：硕士论文、论文发表、论文修改服务 
工商管理论文：复杂性与人工智能的关系初探
来源：985论文网 添加时间：2020-06-07 15:27
北京科技大学远程与成人教育学院
毕业设计（论文）
题 目：复杂性与人工智能的关系初探
学习中心： 首联大
专 业： 工商管理
年 级： 2011年
姓 名： 郭 萌
学 号： 1120780026
指导教师： 林 梅
2013年 12 月 6 日
1 复杂性概述
1.1 复杂性（Complexity）的基本概念
如今，关于复杂性的概念尚没有共同的说法。因为复杂性触及面很宽，在美国国会图书馆1975年至1999年2月15日的入藏书目中，标题里含复杂性(Complexity)一词的就有489种。其间触及算法复杂性、核算复杂性、生物复杂性、生态复杂性、演化复杂性、发育复杂性、语法复杂性，甚至经济复杂性、社会复杂性，凡此种种，不胜枚举。需求阐明的是：社会科学范畴中适当多数量的“复杂性”指的是紊乱、杂多、重复等意思，而并非科学研讨范畴中与混沌、分形和非线性相有关的“复杂性”。因为复杂性概念在不一样的学科范畴，研讨方针和选用的剖析办法不一样，因而对复杂性概念的界说也不一样，所以，到如今为止，对复杂性还没有一个严厉界说。。
1.2 复杂系统
杂乱体系的描绘性界说：杂乱体系（complex system）是具有中等数目依据有些信息做出举动的智能性、自习惯性主体的体系。杂乱体系是一个很难界说的体系，它存在于这个国际各个旮旯。如此，咱们也能够这么界说它:
（1）不是简略体系，也不是随机体系。
（2）是一个复合的体系，而不是纷乱的体系（It's complex system, not complicated.）
（3）杂乱体系是一个非线性体系。
（4）杂乱体系内部有许多子体系（subsystem）， 这些子体系之间又是彼此依赖的（interdependence），子体系之间有许多协同效果，能够一起进化（coevolving）。在杂乱体系中，子体系会分为许多层次，大小也各不一样（multi-level & multi-scale）。
杂乱体系是具有中等数目依据有些信息做出举动的智能性、自习惯性主体的体系。杂乱体系是相对牛顿年代以来构成科学事业焦点的简略体系比较而言的，具有根本性的不一样。简略体系它们之间的彼此效果比较弱，比方关闭的气体或悠远的星系，以至于咱们能够使用简略的核算均匀的办法来研讨它们的做法。而杂乱并不必定与体系的方案成正比，杂乱体系要有必定的方案，杂乱体系中的个别通常来讲具有必定的智能性，例如安排中的细胞、股市中的股民、城市交通体系中的司机，这些个别都能够依据自身地点的有些环境经过自个的规矩进行智能的判别或决议方案。
1.3 复杂性系统的特点
1）秩序特点
复杂性体系具有次序与混沌的两层的特色。 首要它有必定的次序：咱们身体中的血液循环管道体系、肺脏气管分岔进程、大脑皮层、消化道 小肠绒毛……蕴涵了谨慎的构造，参天的大树、绵绵的山脉、皎白的雪花、奇特的矿石，更是具有近乎完美的次序。一个复杂性体系不管表现出怎么杂乱的做法，它老是有着潜在的次序，尽管有时它们或许不为人知。
2）混沌特点
其次，复杂性体系还具有混沌的特色：一个复杂性体系的杂乱做法并非出自杂乱的根本构造，而是由许多独立的甚至适当简略的单元的彼此效果构成的，它的操控力是适当涣散的。在分形理论中，分形图构造适当杂乱，层层叠叠，无量环绕，有着无量的嵌套构造和多重自相似性，可是它是由核算机经过断定的算法得到的，并且这些算法往往是适当简略。（如将f(u,v)=z*z(z是复数)在三维空间里作映射就能够得到一个分形图）。
1987年，洛杉矶新柏利克斯公司（symbolics corporation）的Craig Reynolds在一个人工生命研讨会上展出了一个核算机模型，它将若干鸟类模型随机的放入到处是墙和障碍物的屏幕环境当中。每一个“鸟”都遵循3个简略的规矩： 1：它极力与别的障碍物包含其它“鸟”坚持最小的距离。 2：它极力与其相邻的“鸟”坚持一样的速率。 3：它极力朝其相邻群的集合基地移动。这个模型每一次运转的效果都是“鸟”集构成群。有时“鸟”群甚至能分红更小的集体从障碍物的两旁飞过，又从障碍物的另一端从头集构成群。而这些规矩中没有一条这么说，而仅仅对每一个独自的“鸟”发出指令。 由此看来，每个复杂性体系都具有某种动力，这种动力使最简略的底层的规矩发作极端杂乱的做法，可是这些做法与决定论不行猜测的混沌相差甚远。分形图形的构造是杂乱的，它老是有无量的环绕在里面，可是它却杂而不乱，它有内在的次序，有自相似构造。而实际上，复杂性体系不只不是不行猜测，而是能够预示将来。
3）超出混沌
复杂性体系除了具有混沌的有些特性，还有着超出混沌的特色：
发作杂乱做法的许多的彼此效果使每个别系作为一个全体发作了自发性的自安排。 “柏德”集构成群，原子经过彼此化合找到最小的能量状况。人类为满意自个的物质交流的需求树立的经济体制，等等。在一切这些情形中，一组组单个的动因在寻求彼此满意的一起取得了许多单个动因永久不或许具有的集成的特征；
这些杂乱的，具有自安排性的体系能够自我调整。柏德”群分红小的集体从障碍物的两旁飞过，又从障碍物的另一端从头集合。人类在与国际的触摸中不断学习，人脑随之不断加强或削弱神经元之间的许多的彼此有关，经济中的价值规律即报价随价值动摇但长时刻的总的效果使趋于平衡；
一切的复杂性体系都能够预示将来。 “柏德”在遇到障碍物分红更小的集体，但之前的集合状况预示着它仍然会再次集合。一个长时刻的经济的阑珊会使大家花费决心下降，这反过来又预示经济会进一步阑珊。从微小的细菌到一切的生物体，其基因中都富含猜测的暗码，以习惯某种未曾呈现过的新环境
2 2 人工智能概述
2.1 人工智能介绍
人工智能(ArtificialIntelligence,简称AI )是核算机学科的一个分支,二十世纪七十年代以来被称为国际三大尖端技能之一(空间技能､能源技能､人工智能)｡也被以为是二十一世纪(基因工程､纳米科学､人工智能)三大尖端技能之一｡这是因为近三十年来它取得了敏捷的开展,在许多学科范畴都取得了广泛使用,并取得了丰硕的效果,人工智能已逐渐变成一个独立的分支,不管在理论和实习上都已自成一个别系｡ 人工智能范畴的研讨是从1956年正式开端的,这一年在达特茅斯大学举行的会议上正式使用了“人工智能”这个术语｡随后 的几十年中,大家从疑问求解､ 逻辑推理与定理证实､天然言语了解､博弈､主动程序方案､专家体系､学习以及机器人学等多个视点展开了研讨,现已树立了一些具有不一样程度人工智能的核算机体系,例如能够求解微分方程､方案剖析集成电路､构成人类天然 言语,而进行情报检索,供给语音辨认､ 手写体辨认的多办法接口,使用于疾病诊断的专家体系以及操控太空飞行器和水下机器人愈加靠近咱们的日子｡咱们熟知的IBM的“深蓝”在棋盘上打败了国际象棋大师卡斯帕罗夫即是比较突出的比如｡90年代以来,人工智能理论方面有了新的开展,核算机硬件日新月异的开展,核算机速度的不断前进､存储容量的不断拓展､报价的不断下降以及网络技能的不断开展,许多本来无法完结的作业如今现已能够完结｡如今人工智能研讨的3个热门是:智能接口､数据发掘､主体及多主体系统｡
智能”源于拉丁语Legere,字面意思是搜集(特别是果实)､搜集､集合,并由此进行挑选,构成一个东西｡Intelegere是从中进行挑选,进而了解､领悟和知道｡正如帕梅拉•麦考达克在《机器思想》中所提出的:在杂乱的机械设备与智能之间存在长时刻的联络｡从几个世纪前呈现的神话般的巨钟和机械主动机开端,大家已对机器操作的复杂与自身的某些活动进行直观联络｡经过几个世纪以后,新技能已使咱们所树立的机器的复杂大为前进｡1936年,24岁的英国数学家图灵提出了“主动机”理论,把研讨会思想的机器和核算机的作业大大向前推进了一步,他也因而被称为“人工智能之父”｡
人工智能也称机器智能,它是核算机科学､操控论､信息论､神经生理学､心思学､言语学等多种学科互相浸透而开展起来的一门归纳性学科｡人工智能的研讨从1956 年正式开端,这一年在达特茅斯大学举行的会议上正式使用了“人工智能”(Artificial Intelligence,AI)这个术语｡ 从核算机使用体系的视点出发,人工智能是研讨怎么制作智能机器或智能体系,来仿照人类智能活动的才能,以延伸大家智能的科学｡假如仅从技能的视点来看,人工智能要处理的疑问是怎么使电脑表现智能化,使电脑能更灵敏方效地为人类服务｡只要电脑能够表现出与人类相似的智能做法,就算是到达了意图,而不在乎在这进程中电脑是依托某种算法仍是真正了解了｡ 人工智能是核算机科学中触及研讨､方案和使用智能机器的—个分支,它的方针是研讨怎样用电脑来仿照和履行人脑的某些智力功用,并开发有关的技能商品,树立有关的理论｡因而,“人工智能”与核算机软件有密切的联络｡一方面,各种人工智能使用体系都要用核算机软件去完结,另一方面,许多聪明的核算机软件也使用了人工智能的理论办法和技能｡例如,专家体系软件,机器博奕软件等｡可是,“人工智能”不等于“软件”,除了软件以外,还有硬件及别的主动化的通讯设备｡
2.2 人工智能的发展现况
人类正向信息化的年代跨进,信息化是当时年代的主旋律｡信息笼统结晶为常识,常识构成智能的根底｡因而,信息化到常识化再到智能化,必将变成人类社会开展的趋势｡人工智能现已并且广泛而有深化的联系到科学技能的各门学科和社会的各个范畴中,她的概念,办法和技能正在各行各业广泛浸透｡ 智能是一个广泛的概念｡智能是人类具有的特征之一｡可是,关于啥是人类智能(或许说智力),科学界至今还没有给出令人满意的界说｡有人从生物学视点界说为“中枢神经体系的功用”,有人从心思学视点界说为“进行笼统思想的才能”,甚至有人同义重复地把它界说为“取得才能的才能”,或许囫囵吞枣地说它“即是智力测验所丈量的那种东西”｡这些都不能精确的阐明人工智能的切当内在｡ 尽管难于下界说,但人工智能的开展现已是当时信息化社会的迫切请求,一起研讨人工智能也对探求人类自身智能的奥妙供给有利的帮忙｡所以每一次人工智能技能的前进都将股动核算机科学的大跨步前进｡假如将现有的核算机技能､人工智能技能及天然科学的某些有关范畴联系,并有必定的理论实习依据,核算机将具有一个新的开展方向｡
当时人工智能的开展方向能够分为两种:一种受控于人类的智能机器或智能程序,人类输入指令后让其到达预期的意图;另一类,能自立推理,逻辑,判别,学习,前进的智能, 然后一种而有吸引力,更添加了人工智能无量的魅力｡ 人工智能是研讨使核算机来仿照人的某些思想进程和智能做法(如学习､推理､思考､方案等)的学科,主要包含核算机完结智能的原理､制作类似于人脑智能的核算机,使核算机能完结更高层次的使用｡人工智能触及到核算机科学､心思学､哲学和言语学等学科｡能够说几乎是天然科学和社会科学的一切学科,其规模已远远超出了核算机科学的范畴,在不断的接近｡他并不像许多人想象的是几个科学家的作业,而是跟着社会各学科开展而默默开展的｡在智能范畴里,最要害的疑问之一,即是机器学习的疑问｡一旦机器有了学习的才能,谁还(敢)猜测将来呢?人类的社会开展其实也是在不断堆集中开展而来,人的智能也即是实际依据库+推理机制所构成了的｡当一切范畴的规律都能用特定的公式推理出来,黑客帝国的完结就要到来了｡ 研讨人工智能的意图,一方面是要发明出具有智能的机器,另一方面是要澄清人类智能的实质,因而,人工智能既归于工程的范畴,又归于科学的范畴｡经过研讨和开发人工智能,能够辅佐,有些代替甚至拓展人类的智能,使核算机十分好的造福人类｡人工智能是机器仿照人脑的具体表现办法,当时以智能查找､深度学习､云操作处理等为代表的大方案联网使用现已变成信息通讯技能引人瞩意图主要方向｡2013年美欧相继发动的人脑研制方案,力求发明依据信息通讯技能的归纳性研讨渠道,推进人工智能､机器人和神经形状核算体系的开展,估计将助推信息通讯技能甚至人类社会生发日子发作深入的革命性改动｡
2.3 人工智能的发展趋势
不一样研讨分支的专家不断对了人工智能范畴或许的打破点进行讨论¸咱们大致能够从下面六个方面了解人工智能范畴进一步深化研讨的开展方向。
（1）面向交互的程序方案与社会构造：敞开的信息体系是人工智能甚至悉数核算机范畴研讨的主要议题之一。所谓敞开的信息体系是指由异构的、散布的、动态的、大方案的、自立的成分构成的体系。对这类体系的研讨请求将人工智能与传统技能相联系¸以取得更大的可拓展性与习惯性。
（2）并发束缚模型¸智能核算的根底：咱们需求一种混合型的并发程序方案言语¸这种言语既能描绘体系的环境¸又能描绘体系所要履行的使命；既可完结含接连时刻参数的模型¸又能完结含离散操作的模型。以这种混合型程序言语为根底能够树立一类可复合的模型¸以描写一起富含不一样类型时刻参数及并发束缚的更杂乱的疑问类。
（3）一种依据DAI 的新型软件方案风范：过错永久存在于杂乱体系中¸请求程序的无错性或许致使对体系复杂的制约或添加其它开销¸因而无过错的代码未必必定是好的。应该引入一种全新的软件方案风范¸以这种办法方案的软件体系应是由多个能交互、带有验证内核的模块构成的敞开式构造。
（4）常识表明：在常识表明范畴中¸往后十年内最具挑战性的研讨疑问是动态常识体系的描写及关于Agent程序方案的理论与完结的研讨。
（5）树立与了解杂乱的自习惯体系：下一个十年人工智能研讨应着重于对未必能符号化、信息未必彻底的杂乱的自习惯体系的研讨¸其间最要害的是怎么了解与树立这么的体系。树立这么的体系需求开展一些新的理论与技能。首要有必要开展能了解与处理上下文的技能¸使所树立的体系能在不一样的上下文情境下合理地处理各类疑问；其次应开展多路学习机制¸使体系能从杂乱的改动的环境中一起学到多种技能(如机器人足球运动员就需求有这么的功用)；别的还应讨论体系的可主动进化机制¸使体系能从简略的被动式的体系逐渐进化为杂乱的具有自习惯才能的体系。
（6）言语技能与界面：如今关于言语的研讨没有打破语义障碍¸如今还看不出在处理天然言语中迷糊含糊的成份方面或许会取得多大的开展¸也很难想象在近期内能完结对恣意输入均可发作高质量译文的机器翻译体系或十分理想的华章了解体系¸咱们所能看到的是一些有必定约束的但与人类日子密切有关的言语处理技能的开展。跟着言语技能商品市场的不断强大¸言语技能也会得到更快的开展
3 3 复杂性与人工智能之间的关系
3.1 从人工智能的发展看它与复杂系统的关系
复杂体系表如今部件之间或子体系之间有着很强的耦协效果和非线性等特征。体系研讨进程是从简略体系到杂乱体系¸能够分为两条头绪：一是起源于操控论¸并以操控论为象征的操控体系；别的一条头绪起源于人工智能¸以人工智能为象征的常识体系。[2](p34)让咱们先从人工智能的开展看看它与复杂有啥样的联络。
1956 年夏天在美国的达特茅斯曾举行了一场为期两个月的研讨会。这次讨论会象征着现代人工智能（AI）研讨的开端。明斯基（J.Minskey）把人工智能界说为“让机器做自身需求人的智能才能做的作业的一门科学”。也有人以为¸“人工智能被看作是通常性智能科学¸或更切当地说¸看作是认知科学的智力内核。这么¸它的方针是供给一个别系的理论¸该理论既能够解说（或许还能复制）意向性的通常范畴¸也能够解说为以此为根底的各种不一样的心思才能。它不只要包含地球上各种生物的心思¸并且还包含悉数或许存在的心灵。”[3](p1-2)
人工智能是仅有企图在杂乱和改动的环境中主动表现像人的功用的机器的范畴。从它的发作来看¸它就和复杂严密联络在一起¸因为人类智能是杂乱体系。
首次人工智能会议后¸人工智能前期是以纽厄尔、西蒙为代表的研讨符号处理、常识表征、启示式程序、疑问求解、逻辑推理为中心的传统 AI¸他们企图经过办法规矩操作符号来生成智能做法。纽厄尔、西蒙把他们的观念陈说为一个假定：“关于通常智能做法来说¸物理符号体系具有的手法既是必要的¸也是充沛的。所谓必要的意思是：任何表现出通常智能的体系¸经过剖析¸都能够证实是一个物理符号体系。所谓‘充沛’的意思是¸任何足够大的物理符号体系¸都能够经过进一步的安排¸而表现出通常智能。”[4](p119-120)纽厄尔、西蒙的假定能够追溯到弗雷格、罗素和怀特海¸他们承继了哲学中的理性主义和复原论传统并取得了巨大成功¸但人工智能范畴的逻辑学家在力求将平时日子中纷乱杂乱的思想程序化、浓缩化的进程中遇到了难题¸许多疑问是逻辑程序无法处理的。
人工智能的另一派以为应当树立大脑模型¸而不是树立心灵关于国际的符号表述的模型的办法来发明人工智能。这种知道遭到后来称之为神经科学的启示。D•O 赫布在 1949年提出¸假如当神经元 A 和 B 一起被影响时¸该影响使它们之间的联合强度增高¸那么一团神经元就能够进行学习。在神经科学的影响下¸洛森布雷特想要建造一个物理设备¸或是在数字核算机上仿照这一设备¸然后由该设备生成自个的才能。他在一种他称之为感知机的设备上将他的主意付诸完结。
以上每一派别的办法都能够处理某些简便的疑问¸但都不能将其能够处理某些简便的疑问的办法推行到实际国际的杂乱状况中去。
1991 年悉尼的第 12 届国际 AI 联合会议上¸美国年青教授布鲁克斯（R•Brooks）给出了不一样于符号处理的“容纳体系构造”（subsumption architecture）¸关于机器人或别的智能体系¸建议周围国际有必要包含在体系的模型当中¸并提出了研讨机器人的三个概念：1. 机器人地点的现场（Situated-ness）：机器人处于必定的国际当中¸它们不触及笼统的描绘¸而是直接对其地点的外部国际做出反响。2.具体化（em-bodiment）：机器人有躯干¸双眼在啥地方是具体的¸有直接来自周围国际的经验¸它的效果是地点现场的动态做法的一有些。机器人的感官起效果后会当即反应。3.突现（emer-gence）：机器人的智能来历不仅仅核算机设备¸也来自周围国际的情感、灵敏器之间的信息传送¸以及机器人与周围环境的交互效果。机器人能习惯环境的做法是许多部件的交互效果¸与环境交互效果所发作的体系的总的做法的突现。
人工智能的开展从传统转入现代又开展到习惯做法的研讨标明¸传统的依赖于逻辑元素复原的办法遭到新的全体论的挑战¸遭到杂乱体系科学的影响。来自人工智能体系范畴的复杂探求进一步标明¸“复杂探求代表着改动向来进行科学探求的简略化、复原论办法¸它意味着走向复杂科学的国际观和办法论¸知道国际和改造国际之旅的进程已开端。”[5]
3.2 从人工智能中两个技术的范例看它与复杂性的关系
1）模式识别
模式识别（Pattern Recognition）是人工智能最早和最重要的研究领域之一¸其研究目标是指应用电子计算机对某些复杂事物（一组事件或一组过程等）进行鉴别和分类的过程。这些被鉴别或分类的事件或过程¸可以是物理的、化学的或生理的对象¸可以是文字、声音、图像等具体对象¸也可以是状态、程度等抽象对象。从模式识别方法改进的过程中¸我们可以看到它在一步步考虑复杂性的特征。
模式识别方法主要有以下几种：一是统计模式识别（Statistic Pattern Recognition）方法¸简称统计法¸是从模式中抽取一组特征值¸并根据特征值指出目标属于哪一类¸既对特征空间进行划分¸把模式看成是多维空间的一些点或矢量¸通过学习标准模式¸用统计方法确定一些鉴别面¸从而将整个多维空间分成若干区域¸使一个区域对应一类标准模式。二是句法识别模式法¸模仿语言学中句法的层次结构的模式识别方法。其基本思想是将模式用较简单的子模式¸按一定的规则组成¸依此类推。最简单的子模式称为“模式元”¸识别过程中¸不仅要把模式指定到某一类¸而且还要描述区别于其他类的特征。例如在图形识别、语音识别和景物分析中¸所研究的模式十分复杂¸需要的特征也多¸在这些场合中¸用一些较简单的子模式组成多级结构来描述一个复杂的模式。三是模糊模式识别方法¸是计算机模拟人的思维方法¸对客观世界中带有模糊特征的事物进行识别和分类。四是人工神经网络识别方法¸是基于人工神经网络具有并行分布式、容错、学习、自组织、自适应等特点¸对复杂事物进行分类与识别的新方法。
由于现实世界的复杂性、不确定性、多变性、有误差性等原因¸模式识别方法由简单到复杂¸人工神经网络（又称分布式处理系统）研究的再度兴起¸标志着神经生理学和非线性科学向人工智能的渗透¸标志着复杂系统的自组织、自适应思想向人工智能的渗透。正如著名的复杂性研究专家约翰•霍兰所说¸“把非线性思想加进来¸我们可以进一步扩大视野。由形形色色的主体的聚集行为引发的资源再循环¸比个体行为的总和要多得多。鉴于此¸用聚集的能力去促进单个主体的演化是困难的。采用分布式系统¸这种复杂能力就容易获得。”[6](p31)
2）智能体与多智能体技术
复杂性系统由于其思想新颖性及广泛性¸已经成为复杂性科学研究的一个重点问题。复杂性系统是指无需外界特定指令而能自行组织、自行创生、自行演化¸能够自主地从无序走向有序¸形成有结构的系统。正是组成元素之间的局域相互作用扩展¸跃迁为全局性的相互作用¸从而产生了系统的整体模式和突现性质。而利用多智能体（Agent）技术来探讨复杂系统的演化问题是该理论研究的一个新动向。多智能体系统适宜于用来对复杂性问题进行建模¸它不仅是复杂性问题的试验平台¸可以用来仿真模拟复杂性问题¸而且本身所具有的特征（如智能体的自治、移动¸多智能体系统的并行性等）也有利于复杂问题的解决。智能体¸目前尚未有一致的定义。但普遍认为¸智能体是设计完成某类任务的、能在一定环境中自主发挥作用并有生命周期的计算实体¸[7] 是人们期待计算机智能体区别于简单“程序”的属性¸如自主控制的操作、感知环境、持续能力、适应变化以及有能力承担其他智能体的目标。[8](p65)多智能体系统指智能体合作完成一个整体任务。明斯基早在《心灵社会》（The Society of Minds）中¸为了克服人工智能现象的复杂本质就提出了多智能体思想。多智能体是把各智能体以不同范式合并¸合作协调用这些范式去解决一个问题或达到一个目标¸于是扩大了解决问题的范围¸增强了解决复杂问题的能力。由于多智能体由复杂而又相互不独立的组件（如智能体）组成¸所以它通常易于修改组件结构以便智能体采用最好的合作来解决问题。我们通过改变智能体的数目和外部环境进行仿真试验¸可以直观地演示智能体之间、智能体与环境之间的相互合作、竞争、适应的关系¸利用这种相互关系的结果说明系统的演化过程¸体现竞争与合作在复杂适应系统演化中的作用。
4 结论
从复杂系统理论的视角考察人工智能¸我们可以得到以下结论：
第一¸智能过程是开放的复杂系统¸人工智能需要在复杂性思维方法的指导下构造智能系统。神经科学、系统科学以及非线性科学开始向人工智能渗透¸产生了综合集成科学技术的研究方向。
第二¸在机器人技术、计算机视觉和知识表示等领域的进步¸对于问题和复杂性的更好理解¸引发了一些可行的研究工作和方法。在过去¸形式化和专门化导致了分裂¸如视觉和机器人技术的话题日益从主流人工智能研究工作中分离出来。把人工智能看作是复杂科学的观点¸是一种可以重新给这些分离的领域带来统一的观点。目前人工智能分离的子领域需要重新组织起来¸与其他涉及智能体的领域如控制论和经济学联系拉近。
第三¸基于多智能体系统技术的计算机模拟可用来对复杂性问题进行虚拟实验¸有利于复杂问题的解决。人工智能多智能体的研究也为复杂系统的进化与突现性质提供了解释。复杂自组织系统是诸多简单单元的复合体¸生命的有序是这些单元之间非线性相互作用的结果。
结束语
今天¸许多人工智能学者¸包括一些奠基者¸在对多年的研究工作进行总结和反思之后¸已经离开“还原”之路。简单地运用还原观念———只是孤立地研究部分———在这样的情况下很难有效地研究智能的整体性质。我们必须研究各个部分¸又研究各个部分之间的相互作用。现在的人工智能理论是丰富多彩、各司其职且相互协助的许多小理论的结合¸从而导致了人工智能研究出现多学科交叉的情景¸从方法论上讲¸是把智能作为开放复杂巨系统的理论来研究。可见¸建立具有跨学科性质的自组织复杂性科学方法论¸对开拓一个新的观察智能的视角¸建立与人类智能复杂性同步的人工智能系统具有重要意义。
重要提示：转载本站信息须注明来源：985论文网，具体权责及声明请参阅网站声明。
阅读提示：请自行判断信息的真实性及观点的正误，本站概不负责。
论文服务
专科论文咨询
