人工情感的发展历程与最终归宿-经管之家官网！

扫码加入统计交流群

人工智能是指用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器的智能化，人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感，使机器具有识别、理解和表达情感的能力。从广义的角度来看，情感是一种特殊的认知，意志又是一种特殊的情感，广义的人工智能包括人工智能、人工情感与人工意志三个方面，因此人工情感的发展历程实际上就是广义的人工智能的发展历程。

一、算术运算阶段

1614年苏格兰人John Napier发表了一篇论文 ，其中提到他发明了一种可以进行四则运算和方根运算的精巧装置；1623年Wilhelm Schickard制作了一个能进行6 位数以内加减法运算，并能通过铃声输出答案的“计算钟”，该装置通过转动齿轮来进行操作；1625年William Oughtred发明计算尺；1642年，法国哲学家兼数学家Blaise Pascal发明了第一台真正的机械计算器——滚轮式加法器，其外观上有6个轮子，分别代表着个、十、百、千、万、十万等，只需要顺时针拨动轮子，就可以进行加法，而逆时针则进行减法，原理和手表很像，算是计算机的开山鼻祖了；1668年英国人Samuel Morl制作了一个非十进制的加法装置，适宜计算钱币；1671年德国数学家Gottfried Leibniz 设计了一架可以进行乘法运算，最终答案长度可达16位的计算工具；1822年英国人Charles Babbage设计了差分机和分析机，其设计理论非常超前，类似于百年后的电子计算机，特别是利用卡片输入程序和数据的设计被后人所采用；1834年Babbage 设想制造一台通用分析机，能够完成所有的算术运算，该分析机由四个基本部件构成：存储库、运算室、传送机构和送人取出机构，类似于现代计算机的五大装置：输入、控制、运算、存储和输出装置，因此他被公认为计算机之父；1848年英国数学家George Boole创立二进制代数学，提前近一个世纪为现代二进制计算机的发展铺平了道路；1890年美国人口普查部门希望能得到一台机器帮助提高普查效率，Herman Hollerith (后来他的公司发展成了IBM 公司)借鉴Babbage的发明，用穿孔卡片存储数据，并设计了机器，结果仅用6 周就得出了准确的人口统计数据(如果用人工方法，大概要花10 年时间)。

算术运算主要是以机械方式来实施的。

二、数学运算阶段

在以机械方式运行的计算器诞生百年之后，随着电子技术的突飞猛进，计算机开始了真正意义上的由机械向电子时代的过渡，电磁学、电工学、电子学不断取得重大进展，在元件、器件方面接连发明了真空二极管和真空三极管，电子器件逐渐演变成为计算机的主体，而机械部件则渐渐处于从属位置。1906年美国人Lee De Forest发明电子管，为电子计算机的发展奠定了基础；1924年2月IBM公司成立，从此一个具有划时代意义的公司诞生；1935年IBM推出IBM601机，这是一台能在一秒钟内算出乘法的穿孔卡片计算机；1937年英国剑桥大学的Alan M.Turing出版了他的论文，并提出了被后人称之为“图灵机”的数学模型；1937 年Bell试验室的George Stibitz展示了用继电器表示二进制的装置，尽管仅仅是个展示品，但却是第一台二进制电子计算机；1940年Bell实验室的Samuel Williams 和Stibitz 制造成功了一个能进行复杂运算的计算机，该机器大量使用了继电器，并借鉴了一些电话技术，采用了先进的编码技术；1941年Atanasoff 和学生Berry 完成了能解线性代数方程的计算机，取名叫“ABC ”，用电容作存储器 ，用穿孔卡片作辅助存储器，那些孔实际上是“烧”上去的，时钟频率是60Hz，完成一次加法运算用时一秒；1946年美国宾夕法尼亚大学莫尔学院制成的大型电子数字积分计算机(ENIAC)，最初也专门用于火炮弹道计算，后经多次改进而成为能进行各种科学计算的通用计算机，这台完全采用电子线路执行算术运算、逻辑运算和信息存储的计算机，运算速度比继电器计算机快1000倍，这就是人们常常提到的世界上第一台电子计算机；1945年数学家冯·诺伊曼发表了电子离散变量自动计算机(EDVAC) 方案；1949年英国剑桥大学数学实验室率先制成电子离散时序自动计算机(EDSAC)；美国则于1950年制成了东部标准自动计算机(SFAC)等。

与此同时，数学、物理也相应地蓬勃发展，到了20世纪30年代，物理学的各个领域经历着定量化的阶段，描述各种物理过程的数学方程，其中有的用经典的分析方法已根难解决。于是数值分析受到了重视，研究出各种数值积分、数值微分以及微分方程数值解法，把计算过程归结为巨量的基本运算，从而奠定了现代计算机的数值算法基础。

此阶段的数学运算主要是以机电方式或电子管方式来实施的。

三、逻辑推理阶段

1950年图林发表了一篇划时代论文《计算机与智能》（后来改名为《机器能思维吗？》），引起了巨大的震动，他认为，与人脑的活动方式极为相似的机器是可以制造出来的。1956年美国达特莫斯大学（Dartmouth）召开了一次影响深远的历史性会议，参加这次聚会的青年学者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学等，他们分别从不同的角度共同探讨人工智能的可能性，正是这次会议首次提出了“人工智能”（AI）这一术语，标志着人工智能作为一门新兴学科正式诞生。人工智能科学想要解决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化和解决各种实际问题的能力。

逻辑推理是人类思维的重要方面，包括归纳推理、演绎推理和模糊推理等多种形式。人工智能的核心内容就是要模拟这些推理形式，实现诸如故障诊断、数学定理证明、问题判断与求解、博弈等功能，因此逻辑推理是人工智能的核心内容之一。当机器有了逻辑推理能力以后，就能够比普通机器更加灵活地分析问题和处理问题，从而适用于更加复杂多变的应用场合。

1956年纽厄尔、赫伯特·西蒙 等人合作编制的《逻辑理论机》数学定理证明程序（简称LT），从而使机器迈出了逻辑推理的第一步。在卡内基—梅隆大学的计算机实验室，纽厄尔和西蒙通过大量的观察实例，发现人们求解数学题通常是用试凑的办法进行的，试凑时不一定列出了所有的可能性，而是用逻辑推理来迅速缩小搜索范围，人类证明数学定理也有类似的思维规律，通过“分解”（把一个复杂问题分解为几个简单的子问题）和“代入”（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索，与电脑下棋的原理异曲同工，因此他们利用这个LT程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，一举证明了数学家罗素的数学名著《数学原理》第二章中的38个定理。1963年，经过改进的LT程序在一部更大的电脑上，最终完成了第二章全部52条数学定理的证明。之后，洛克菲勒大学教授王浩用他首创的“王氏算法”，在一台速度不高的IBM704电脑上再次向《数学原理》发起挑战，不到9 分钟，就把这本数学史上视为里程碑的著作中全部（350条以上） 的定理统统证明了一遍，他因此被国际上公认为机器定理证明的开拓者之一。

此阶段的逻辑推理主要是以晶体管方式或集成电路方式来实施的。

四、专家系统阶段

　　费根鲍姆（E.Feigenbaum）在1977年第五届国际人工智能大会上提出了“知识工程”的概念，标志着AI研究从传统的以推理为中心，进入到以知识为中心的新阶段。他具体介绍了他们所开发的第一个“专家系统”，并指出，专家系统“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平”，这种“专家水平”意味着医学教授作出诊断和治疗的水平，高级工程师从事工程技术研究和开发的水平，特级教师在课堂上传授知识的水平。专家系统的客观目的就是要在机器智能与人类智慧集大成者──专家的知识经验之间建造一座桥梁，它是人类专家可以信赖的高水平智力助手。人类专家的知识通常包括书本知识和实践经验两大类，前者可能是专家在学校读书求学时所获，也可能是从杂志和书籍中自学而来，然而，仅仅掌握了书本知识的学者还不配称为专家，专家最为宝贵的知识是他凭借多年的实践积累的经验，这是他头脑中最具魅力的知识瑰宝。

　　费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，其分析能力已经接近、甚至超过了有关化学专家的水平。该专家系统为AI的发展树立了典范，其意义远远超出了系统本身在实用上创造的价值。在费根鲍姆发表演讲后，专家系统如同雨后春笋迅速遍及世界各地。此外，在极其广泛的领域，人工智能研究者构建了不计其数的“电脑专家”，如数学专家MACSYMA，农业专家PLANT，生物专家MOLGEN，地质探矿专家PROSPECTOR，教育专家GUIDON，法律专家LDS，军事专家ACES、ADEPT、ANALYST等系统。

人如果要灵活地分析问题和处理问题，并且适用于复杂多变的应用场合，就必须不断地吸收新知识和新信息，总结经验与教训，变更计划与步骤，这就需要不断地进行学习，在人工智能中，“学习”具有重要的意义。显然，专家系统已经开始具备了“学习”的功能，专家系统的“学习”过程就是知识的自动积累过程。在数学推理系统中，“学习”过程就是根据一些简单的概念推理形成较复杂的概念，并作出数学猜想等，根据一些简单的公理推理形成较复杂的公理，并作出理论假说等；在问题判断与求解中，“学习”过程就是根据执行情况修改计划。

此阶段的专家系统主要是以大规模集成电路方式来实施的。

五、模式识别阶段

模式识别是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”，或者什么是机器（也包括人）能够辨认的模式，迄今尚无确切的定义。电脑模式识别技术最初起源于图象识别的需要，比如协助警方根据照片从茫茫人海里搜寻某个罪犯，或者帮助医生把显微镜下观察的细菌形态进行分类，确认它是球菌、杆菌还是弧菌。严格地说，模式识别又不是简单的分类学，它的目标包括对于识别对象的描述、理解与综合。

在1973年召开的模式识别第一次国际学术会议基础上，成立了国际模式识别协会（IAPP）。一位专家曾经指出：“模式识别是本世纪雄心最大的学科，需要电脑科学家、数学家、生物学家、心理学家、哲学家和社会学家的通力合作。”

如果不是电脑，而是人脑接受到视觉器官（如眼睛和视网膜）传递来的信息，它究竟是怎样识别和区分大千世界的万物呢？一种可能的解决方案是：图象上的每一点都用一个神经细胞与之对应并逐一判别，最后综合为整体，但是，既使只描述图象局部的大致轮廓，神经元的数目仍不敷使用；另一种可能的方案更符合实际：大脑感知的不是图象上所有的点，而是其轮廓中最典型的特征，如线段、角度、弧度、反差、颜色等等，把它们从图象中抽取出来，然后结合头脑中过去的记忆和有关经验和知识分析判断，即“特征抽取”，它是电脑图象识别的基础。

人类相互之间交流思想，除“读写”之外的重要途径是“听说”，电脑语音识别理所当然被列为与图象识别同等重要的人工智能技术，它包括用口令控制电脑的动作、或者根据口述声音录入文字、设计出“会听话”的电脑等内容。语音识别的基础技术也是模式识别，通常每个人说话的音色和音调都有一定的差异，发声频率各不相同，人脑对语音似乎有一种自适应的能力，既能区分不同性别不同年龄的语音差异，又能调整为能够理解的基本音素，从而听懂各色人等说出的话语。采用模板匹配方式的电脑不可能具备这种本领，它通常只能“听懂”特定某人的声音，而且是经过了一段时间“学习”的结果。学习过程称为“训练”，即对着电脑大声重复地讲述某些字词，直到它把这些字词的声音频谱特征“记住”，存放在参考样本库作为识别这个字词的模板。如果换了另一人说话，电脑就不能正确地识别，这就是对说话者的依赖性，也叫“认人”的识别系统。语音识别技术在近年获得了令人惊异的进展。现有的产品如IBM的ViaVoice已经可以对连续的语言进行比较可靠的识别；微软研究院的语音技术组希望增强PC产生和识别自然语言的能力，并支持所有类型的自然语言输入（包括文字输入和语音输入），并且可以将输入的语言进行结构化处理。

　　人工智能模式识别的进展，已经在一定程度上使电脑具备了“听”、“说”、“读”的能力，但距离理想的目标还有较长的路程。对于人类来说，哪怕你把字写得龙飞凤舞，哪怕你把话说得含糊不清，我们也能根据对上下文的理解做出正确的识别，它表明人脑模式识别的方法，不是或者不完全是什么“模板匹配”。对与模糊信息的识别处理，人脑比电脑要擅长得多。

此阶段的模式识别主要是以超大规模集成电路方式来实施的。

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP