人工智能的历史、现状、前景—人工智能、广义人工智能、

人工智能的历史、现状、前景—人工智能、广义人工智能、内容摘要：

（ Machine Intelligence） MP—机器感知（ Machine Perception） , MT—机器思维（ Machine Thinking） , MB—机器行为（ Machine Behavior）。 IM—智能机器 （ Generalized Intelligent Machine） PM—感知机器（ Perception Machine） , TM—思维机器（ Thinking Machine） , BM—行为机器（ Behavior Machine）。 MP—机器感知 CV—计算机视觉（ Computer Vision） , PR—模式识别（ Pattern Recognition） , NLU—自然语言理解（ Natural Language Understanding） MT—机器思维 ES—专家系统（ Expert System） , KE—知识工程（ Knowledge Engineering） , TP—定理证明（ Theorem Proving）。 MB—机器行为 MG—机器博奕（ Machine Game） , IC—智能控制（ Intelligent Control） , NLG—自然语言生成（ Natural Language Generation）。 PM—感知机器 II—智能仪表（ Intelligent Instrument） , RM—识别机器（ Recognition Machine） , IS—工程感觉装置（ Industrial sensor）。 TM—思维机器， AN —人工神经网络（ Artificial Neural Network） , IC‟—智能计算机（ Intelligent Computer） , AB—人工脑（ Artificial Brain）。 BM—行为机器， IR—智能机器人（ Intelligent Robot） , IM—智能操作机（ Intelligent Manipulator） , IN—智能网络（ Intelligent Network） 2020 International Symposium on AI－ 50 Years’ Achievements, Future Directions and Social Impacts (ISAI’06) 2020 Page 11 2．广义人工智能 — 多学派、多层次、多智体人工智能 “广义人工智能 ” 的理论基础 “广义人工智能 ” 学科的 理论基础是 “ 广义智能信息系统论 ”（ Generalized Intelligence Information System Theory，简称GIIST），包括： (1)广义智能论 : 智能普存论，研究广义智能的普存性及其存在形式和环境。 人有智能，其他动物也有智能，计算机有智能，其他机器也可以有智能。 智能普存性是广义人工智能研究和开发的前提条件。 (2) 智能信息论 : 感知信息论，研究感知活动过程中，广义信息获取、存储、传递、变换、处理的理论和方法。 如文字、图象、声音、语言等多媒体信息的感知理论。 思维信息论，研究思维活动过程中，广义信息的获取、存储、传递、变换、处理的理论和方法。 如联想学习，推理等思维过程的信息理论。 行为信息论，研究行为活动过程中广义信息的传递、变换、处理和利用的理论和方法。 如说话、行走、运动、操作过程的信息处理和利用方法。 (3)智能系统论 : 感知系统论，研究感知系统的建模、分析和设计的理论和方法。 如，视觉系统、听觉系统、嗅觉系统、触觉系统等，以及多重感知系统的多媒体信息融合及情景协同问题。 思维系统论，研究思维系统的建模、分析和设计的理论和方法。 如：逻辑思维系统、形象思维系统、创新思维系统的理论与方法，以及群体思维系统的协同解题与智能集成问题。 行为系统论，研究行为系统的建模、分析和设计的理论和方法。 如人或机器人的行动规划系统、运动控制系统，语言生成系统等，及其相互配合与协调控制问题。 2020 International Symposium on AI－ 50 Years’ Achievements, Future Directions and Social Impacts (ISAI’06) 2020 Page 12 2．广义人工智能 — 多学派、多层次、多智体人工智能 广义人工智能的科学方法 (1) 多学科协同 广义人工智能是跨学科的综合性边缘学科，需要采取信息科学、生物科学、系统科学、思维科学、行为科学等多学科协同的科学研究方法。 (2) 多途径结合 广义人工智能是对广义自然智能的模拟、延伸和扩展，需要采取功能模拟、结构模拟、行为模拟等定性研究与定量分析，综合集成的多途径相结合的科学方法。 (3) 多学派兼容 虽然 , 人工智能领域中存在不同学派的争论，但是，为了取长补短，集思广益，广义人工智能的研究应当也需要采取符号主义，联结主义，行为主义等多学派兼容的科学方法。 2020 International Symposium on AI－ 50 Years’ Achievements, Future Directions and Social Impacts (ISAI’06) 2020 Page 13 3．广义智能学 — 智能科学技术的理论基础 提出和研究“广义智能学”（ Generalized Intelligenics）之目的在于： • 探讨 “ 自然智能 ” （特别是 “ 人的智能 ” ）与“ 人工智能 ” 的共性规律，对自然智能与人工智能进行 “ 协同研究 ” ， • 研究 “ 人的智能 ” 与 “ 人工智能 ” 相互结合的人机 “ 集成智能 ” 、 “ 个体智能 ” 协调涌现的群体 “ 协同智能 ” ， 为“智能科学技术”的发展提供宽广的理论基础。 2020 International Symposium on AI－ 50 Years’ Achievements, Future Directions and Social Impacts (ISAI’06) 2020 Page 14 3．广义智能学 — 智能科学技术的理论基础 “广义智能学”的基本概念： “广义智能学”的基本概念是“ 广义智能观 ”， 其主要观点如下： • “ 智能 ” 富于 “ 内涵 ” ， • “ 智能 ” 基于 “ 信息 ” ， • “ 智能 ” 源于 “ 混沌 ” ， • “ 智能 ” 寓于 “ 系统 ” ， • “ 智能 ” 善于 “ 协调 ” ， • “ 智能 ” 需于 “ 进化 ” ， • “ 智能 ” 待于 “ 开拓 ” ， • “ 智能 ” 度于 “ 相对 ” ， • “ 智能 ” 伴于 “ 情感 ”。 2020 International Symposium on AI－ 50 Years’。