人工智能猴子摘香蕉(人工智能猴子摘香蕉问题并用prolog实现)

人工智能这个术语自1956年正式提出，并作为一个新兴学科的名称被使用以来，已经有40多年的历史。回顾其产生与发展过程，可大致分为孕育、形成、知识应用、综合集成四个阶段。

孕育期（1956年以前）

自远古以来，人类就有着用机器代替人们的脑力劳动的幻想。早在公元前900多年，我国就有歌舞机器人流传的记载。到公元前850年，古希腊也有了制造机器人帮助人们劳动的神话传说。此后，在世界上的许多国家和地区也都出现了类似的民间传说或神话故事。为追求和实现人类的这一美好愿望，很多科学家为之付出了艰辛的劳动和不懈的努力。人工智能可以在顷刻间诞生，而孕育这个学科则需要经历一个相当漫长的历史过程。

（1）古希腊伟大的哲学家和思想家亚里士多德（Aristotle）创立了演绎法。他在其名著《工具论》中提出了形式逻辑中的一些基本规律，为形式逻辑奠定了基础。他提出的三段论至今仍然是演绎推理最基本的出发点。

（2）英国哲学家和自然科学家培根（F.Bacon）创立了归纳法。其归纳法和亚里士多德的演绎法一起，构成了思维的基本法则。此外，培根还提出了知识就是力量的名言。这一名言对研究人类的思维过程，对几百年后人工智能研究从一般思维探讨转向专门知识运用这一重大突破都起到了积极的促进作用。

（3）德国数学家和哲学家莱布尼茨（G.w.Leibnitz）把形式逻辑符号化，奠定了数理逻辑的基础，从而使人们可以对人的思维进行运算和推理。他认为可以建立一种通用的符号语言，以及在此符号语言上进行推理的演算，提出了万能符号和推理计算的思想。这一思想不仅是数理逻辑的基础，同时也是现代机器思维设计思想的萌芽。

（4）法国物理学家和数学家帕斯卡（B.Pascal）成功制造了世界上第一台加法器，对后来计算机领域的许多发明都产生了积极的影响。

（5）英国数学家和发明家巴贝奇（C.Babbage）发明了差分机和分析机，为研制思维机器做出了巨大贡献。在他所发明的分析机中，已经包括了电子计算机的大部分特点，其设计思想与现代电子计算机十分相似。除此之外，巴贝奇还发明了一台通用计算机系统应该包括的重要组成部分：输入（把数字输入机器）、存储器（保存数字和程序指令）、运算器（执行运算）、控制器（控制执行各种命令）和输出（把运算结果告诉用户）。只是由于当时的条件限制而未能实现，但这一思想为计算机的发展奠定了基础。

（6）英国数学家布尔（G.Boo1e）创立了布尔代数。他在其著作《思维法则》中，首次用符号语言描述了思维活动中推理的基本法则，实现了莱布尼茨的理想。并在1854年发表的论文An Investigation on the Law of Thoughts（对思维规律的探讨）中，试图找出思维模拟的机械化规律，并明确提出符号逻辑代数是基于机器是否放大智力的探讨。可见，布尔所关注的是研制智能机器。

（7）英国数学家、超时代的天才、图灵机的发明者图灵（A.M.Turing）1936年创立了自动机理论，并为人工智能做了大量的开拓性工作。自动机理论也称为图灵机，是图灵在他26岁那年提出的一个理论计算机模型。这一理论推进了思维机器的研究，并为电子计算机的诞生奠定了理论基础。

（8）匈牙利数学家、博弈论的创立者冯·诺依曼（John.Von.Neumann）1945年提出了存储程序的概念，在计算机领域建立了不朽的功勋。冯·诺依曼的这一思想被誉为电子计算机时代的开始。至今，计算机的体系结构还基本上是冯·诺依曼型。

互联网小常识：IIS自动将带宽限制上限设置成最小值1024byte/s。IIS6.0可以使用虚拟服务器的方法在一台服务器上构建多个网站：主机头名称、IP地址、非标准TCP的端口号。

（9）美国数学家、电子数字计算机的先驱者莫克利（J.W.Mauchly）与他的研究生埃克特（J.P.Eckert）合作，1946年研制成功了世界上第一台通用电子计算机ENIAC（Electronic Numerical Integrator And Computer），为机器智能的研究与实现提供了物质基础。

（10）美国著名数学家、控制论创始人维纳（N.Wiener）1948年创立了控制论。控制论是一门研究和模拟自控制的生物和人工系统的学科。这一学科的出现，标志着人们根据动物心理和行为学进行计算机模拟研究与分析的基础已经形成。控制论向人工智能的渗透，形成了现在的人工智能行为主义学派。

（11）美国应用数学家、信息论的创始人香农（C.E.shannon）创立了信息论。他认为人的心理活动可用信息的形式来进行研究，并提出了描述心理活动的数学模型。他1956年与麦卡锡（J.McCarthy）一起主编的《自动机研究》一书，汇编了有关思维机器研究的多篇论文。

（12）美国神经生理学家麦克洛奇（W.McCulloch）和皮兹（W.Pitts）一起于1943年建成了第一个神经网络模型（MP模型）。这一研究开创了用微观人工智能方法从结构上模拟人脑的研究途径，并且为后来人工神经元网络的研究奠定了理论基础。

通过上面的讨论可以看出，在人工智能诞生之前世界上的一些著名科学家就已经创立了数理逻辑、自动机理论、控制论和信息论，并发明了通用电子数字计算机。这些成就已经为人工智能的产生准备了必要的思想、理论和物质技术条件。

形成期（1956—1970年）

人工智能诞生于一次历史性的聚会。为使计算机变得更聪明，或者说使计算机具有智能，1956年夏季，当时在达特莫斯（Dartmouth）大学的年轻数学家、计算机专家麦卡锡（后为MIT教授），和他的三位朋友，哈佛大学数学家、神经学家明斯基（M.L.Minsky，后为MIT教授），IBM公司信息中心负责人洛切斯特（N.Lochester），贝尔实验室信息部数学研究员香农共同发起，并邀请IBM公司的莫尔（T.More）和塞缪尔（A.L.Samuel），MIT的塞尔夫里奇（O.Selfridge）和索罗蒙夫（R.Solomonff），以及兰德（RAND）公司和卡内基（Car-nagie）工科大学的纽厄尔（A.Newell）和西蒙（H.A.Simon）共10个人，在美国达特莫斯大学举行了一次为期两个月的夏季学术研讨会。这10位来自美国数学、神经学、心理学、信息科学和计算机科学方面的杰出年轻科学家，在一起共同学习和探讨了用机器模拟人类智能的有关问题，并由麦卡锡提议正式采用了AI（Artificial Intelligence）这一术语。从而，一个以研究如何用机器来模拟人类智能的新兴学科——人工智能诞生了。

这次会议之后，在美国很快就形成了三个以人工智能为研究目标的研究小组。纽厄尔和西蒙的卡内基—兰德小组（也称为心理学小组）、塞缪尔的IBM公司工程课题研究小组及明斯基和麦卡锡的MIT研究小组。人工智能在其诞生以后的10多年中，很快就在定理证明、问题求解、博弈等领域取得了重大突破。这一时期的主要研究大致有以下几个方面。

1.心理学小组

1957年，纽厄尔、肖（J.Shaw）和西蒙等人的心理学小组研制了一个称为逻辑理论机（Logic Theory Machine，LT）的数学定理证明程序。该程序模拟了人类用数理逻辑证明定理时的思维规律，纽厄尔用它证明了怀特海（A.N.Whitehead）和罗素（B.A.W.Russell）的历史名著《数学原理》中的38条定理，开创了用计算机研究人类思维活动规律的工作。

LT程序是针对具体领域的，为打破这种局限性，他们随后又开始研究一种不依赖具体领域的通用问题求解程序。通过心理学实验，他们总结出了人们在解决问题时思维过程的普遍规律。并把它归结为三个阶段：

（1）先想出大致的解题计划；

（2）根据记忆中的公理、定理和解题规划组织解题过程；

（3）在解题过程中不断进行方法和目标分析，修正解题计划。

基于这一规律，他们又于1960年研制了通用问题求解（GeneralProblem Solving，GPS）程序。该程序当时可以解决11种不同类型的问题，如不定积分、三角函数、代数方程、猴子摘香蕉、河内梵塔、人羊过河等。

2.IBM工程课题研究小组

1956年，塞缪尔在IBM 704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。这个程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺。通过不断学习，该程序1959年击败了塞缪尔本人，1962年又击败了一个州的冠军。塞缪尔的下棋程序是用机器模拟人类学习过程的一次成功探索，其主要贡献在于发现了启发式搜索是表现智能行为最基本的机制。

3.MIT小组

（1）1958年，麦卡锡建立了行动规划咨询系统。

互联网小常识：OSPF使用分布式链路状态协议，当链路状态发生变化时用洪泛法向所有路由器发送此信息，一个区域内路由器的个数不超过200个。BGP-4采用了路由向量（path vector）路由协议。BGP发言人之间的通信需要先建立TCP连接。

（2）1960年，麦卡锡又研制了人工智能语言LISP。该语言不仅可以处理数值，而且可以方便地处理符号，作为建造智能系统的重要语言工具在人工智能领域得到了广泛应用。

（3）1961年，明斯基发表了走向人工智能的步骤的论文，推动了人工智能的发展。

4.其他方面

（1）1965年，鲁宾逊（J.A.Robinson）提出了归结（消解）原理。这种与传统自然演绎完全不同的方法为自动定期证明作出了突破性的贡献。

（2）1965年，美国斯坦福大学的费根鲍姆（E.A.Feigenbaum）在他领导的研究小组内开始研究化学专家系统DENDRAL。该专家系统于1968年完成并投入使用，它可以根据质谱仪的实验，通过分析推理决定化合物的分子结构。专家系统DENDRAL的意义并不完全在于它的实用性，还在于它对基于知识建造智能系统所进行的有益探索。DENDRAL被称为专家系统的萌芽，是人工智能研究从一般思维探讨到专门知识应用的一次成功尝试。

（3）1969年，由国际上许多学术团体共同发起成立了国际人工智能联合会议（Interna-tional Joint Conference on Artificial Intelligence，IJCAI），它标志着人工智能作为一门独立学科已经得到了国际学术界的认可。

以上仅是这一时期人工智能代表性成就的一部分。除此之外，人工智能还在其他许多方面也取得了不少成就。例如，1956年乔姆斯基（N.Chomsky）提出的文法体系；1958年塞尔夫里奇研制的模式识别系统程序；1970年，国际性人工智能杂志《Artificial Intelligence》的创刊等。

1.4.3 知识应用期（20世纪70年代年到80年代末）

正当人们在为人工智能所取得的成就而高兴时，人工智能却遇到了许多困难，遭受了很大的挫折。在困难和挫折面前，人工智能的先驱者们没有退缩，他们在反思中认真总结了人工智能发展过程中的经验教训，从而又开创了一条以知识为中心、面向应用开发的研究道路，使人工智能又进入了一个新的蓬勃发展时期。

1.挫折和教训

在成就面前，一些人工智能专家开始盲目乐观，他们认为只要依靠一些推理规则，再加上强大的计算机就可以使机器智能达到专家水平，甚至超过人的能力。20世纪60年代初期，人工智能的创始人西蒙等人就很自信地预言：10年内计算机将成为世界冠军；10年内计算机将证明一个未发现的数学定理；10年内计算机将能谱写出具有优秀作曲家水平的乐曲；10年内大多数心理学理论将在计算机上形成。然而，这些预言至今还未完全实现。

在科学上，前进的道路从来就是不平坦的，成功和失败、顺利和挫折总会交织在一起。人工智能也是如此，在它经过形成时期的快速发展之后，很快就遇到了许多麻烦。例如：

（1）在博弈方面，塞缪尔的下棋程序在与世界冠军对弈时，5局中败了4局。

（2）在定理证明方面，发现鲁宾逊归结法的能力有限。当用归结原理证明两个连续函数之和还是连续函数时，推了10万步也没证明出结果。

（3）在问题求解方面。由于过去研究的多是良结构的问题，而现实世界中的问题又多数为不良结构，如果仍用那些方法去处理，将会产生组合爆炸问题。

（4）在机器翻译方面，原来人们以为只要有一个双解字典和一些语法知识就可以实现两种语言的互译，但后来发现并不那么简单，甚至会闹出笑话。例如，把心有余而力不足的英语句子The spirit is willing but the fleshis weak翻译成俄语，然后再翻译回来时竟变成了酒是好的，肉变质了，即英语句子为The wine is good but the meat is spoiled。

（5）在神经生理学方面，研究发现人脑有1011以上的神经元，在现有技术条件下用机器从结构上模拟人脑是根本不可能的。

（6）在人工智能的本质、理论、思想及机理方面，人工智能受到了来自哲学、心理学、神经生理学等社会各界的指责、怀疑和批评。

在其他方面，人工智能也遇到了这样那样的问题，一时间乌云四起。在英国，1971年剑桥大学应用数学家詹姆士（James）先生应政府要求，发表了人工智能综合报告，指责人工智能研究不是骗局，也是庸人自扰。这个目光短浅的报告被政府采纳后，英国的人工智能研究经费被削减、机构被解散。在美国，曾一度热衷于人工智能研究的IBM公司也下令取消了在该公司范围内的所有人工智能研究活动。从此，形势急转直下，在全世界范围内人工智能研究陷入困境、落入低谷。

在这种极其困难的环境下，仍有一大批人工智能学者不畏艰辛、潜心研究。他们在认真总结前一阶段研究工作经验教训的同时从费根鲍姆以知识为中心开展人工智能研究的观点中找到了新的出路。

2.以知识为中心的研究

早在20世纪60年代中期，当大多数人工智能学者正热衷于对博弈、定理证明、问题求解等进行研究时，另外一个重要的研究领域——专家系统已经悄悄地开始孕育，也正是由于专家系统萌芽的存在，才使得人工智能在后来出现的困难和挫折中能很快找到前进方向，又迅速地再度兴起。专家系统（Expert System，ES）是一个具有大量的专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是人工智能发展史上的一次重要转折。

1972年，费根鲍姆在继化学专家系统DENDRAL之后，又领导他的研究小组开始研究MYCIN专家系统，并于1976年研制成功。MYCIN是一个用于细菌感染患者的诊断和治疗的医学专家系统。从应用角度来看，它可以识别51种病菌，正确使用23种抗生素，能协助内科医生诊断细菌感染疾病，并为患者提供最佳处方。从技术角度来看，他解决了知识表示、不精确推理、搜索策略、人机联系、知识获取及专家系统基本结构等一系列重大技术问题，在人工智能领域有着重要的历史地位。

1976年，斯坦福大学国际人工智能中心杜达（R.D.Duda）等人开始研制地质勘探专家系统PROSPECTOR，到1981年该系统已拥有15种矿藏知识。1982年，美国利用该系统预测了华盛顿州的一个钼矿位置，随后的实际勘探充分证明了预测的准确性。

1977年，在第五届国际人工智能联合会议上，费根鲍姆正式提出了知识工程（Knowl-edgeEngineering，KE）的概念，并预言20世纪80年代是专家系统发展的黄金时代。从此之后，各类专家系统如雨后春笋般地发展起来，大量的商品化专家系统和智能系统纷纷推出。事实的发展证实了这一预言，整个20世纪80年代知识工程和专家系统在全世界得到了迅速发展，其应用范围也扩大到了人类社会的各个领域，并产生了巨大的经济效益。专家系统的成功，说明了知识在智能系统中的重要性。使人们更清楚地认识到人工智能系统应该是一个知识处理系统，而知识表示、知识获取、知识利用则是人工智能系统的三个基本问题。

但是，随着专家系统应用的不断深入和计算机技术的飞速发展，专家系统本身所存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、没有分布式功能、不能访问现存数据库等问题被逐渐暴露出来。人工智能又面临着一次考验。出路何在？人工智能需要走综合集成发展的道路。

综合集成期（20世纪80年代末至今）

在专家系统方面，从20世纪80年代末开始逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言（如LISP、Prolog和C++等）、多种知识表示方法（如产生式规则、框架、逻辑、语义网络、面向对象等）、多种推理机制（如演绎推理、归纳推理、非精确推理和非单调推理等）和多种控制策略（如正向、逆向和双向等）相结合的方式，并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等。

目前，人工智能技术正在向大型分布式人工智能、大型分布式多专家协同系统、广义知识表达、综合知识库（知识库、方法库、模型库、方法库的集成）、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能体（Agent）协同系统等方向发展。

尽管如此，从目前来看，人工智能仍处于学科发展的早期阶段，其理论、方法和技术都不太成熟，人们对它的认识也比较肤浅，甚至连人工智能能否归结、如何归结也还是个问号。这些都还有待于人工智能工作者的长期探索。