盡管人工智能近年來取得了飛速的進(jìn)步,人工智能在現(xiàn)階段任然有很大的局限性,這主要表現(xiàn)在五個(gè)大的方面:
1.認(rèn)識(shí)論的局限性。人們對(duì)于思維的過程的認(rèn)識(shí)是比較片面的,覺得思維過程可以通過物理符號(hào)的運(yùn)算模擬出來,而一些形象思維或者抽象思維的程式是無法被簡(jiǎn)單物化的。
2.智能化方法與途徑方面的局限性。從機(jī)械角度出發(fā),主要分為結(jié)構(gòu)派和功能派。結(jié)構(gòu)派從研究人的大腦神經(jīng)結(jié)構(gòu)出發(fā),企圖模擬人的神經(jīng)網(wǎng)絡(luò),殊不知人的神經(jīng)元數(shù)量眾多,這也使得結(jié)構(gòu)派的智能化道路顯得任重道遠(yuǎn);功能派從研究思維的活動(dòng)和智能行為的心理學(xué)特性出發(fā),但是根本思維還是符號(hào)主義,理論模型仍是圖靈機(jī)模型。
3.數(shù)學(xué)基礎(chǔ)的局限性。人工智能最基本的還是計(jì)算問題,這就涉及到近代數(shù)學(xué)的現(xiàn)狀。近代數(shù)學(xué)具有封閉性,線性,結(jié)構(gòu)不變性,收斂性以及精確性,而人工智能所要求的卻恰好相反,它所需要的是進(jìn)行非結(jié)構(gòu)化的、非線性、模糊發(fā)散的計(jì)算,以滿足智能化的需求。
4.計(jì)算機(jī)模型的局限性。主要表現(xiàn)在四個(gè)方面:
1)問題表示的方法的局限性。
2)需要對(duì)問題本身抽象出一個(gè)數(shù)學(xué)意義上的精確地解析式。
3)需要針對(duì)問題設(shè)計(jì)算法。
4)求解的結(jié)果的唯一性。
5)圖靈計(jì)算機(jī)模型下的問題一般都是可遞歸的問題。
6)很多時(shí)候,要實(shí)現(xiàn)真正的人工智能,我們要求的是滿意解而非是精確解,而這時(shí)以圖靈模型為原型的計(jì)算機(jī)模型所做不到的。
5.形式演繹理論方面的局限性
6.實(shí)現(xiàn)技術(shù)方面的局限性。知識(shí)表示、推理、環(huán)境與工具等都存在較大的局限性,限制其發(fā)展。
對(duì)于已解決或者即將解決的智能問題,通過對(duì)計(jì)算機(jī)的功能程序和它們之間的關(guān)系的深入研究中,或許我們可以找到一條發(fā)展人工智能的新途徑。使用計(jì)算機(jī)解題,都必須通過匯編語言編寫一些程序,將要求解的問題和算法轉(zhuǎn)換成機(jī)器語言,即“0”、“1”代二進(jìn)制機(jī)器指令,方可進(jìn)行。因此用通用的指令集,即代表了計(jì)算機(jī)解決問題的能力。因此或許可以從功能方面去研究一些具有基本功能,但是又無法由其他指令編程實(shí)現(xiàn)的基本指令并通過對(duì)他們的指令集進(jìn)行分析,以研究人工智能。
人工智能誕生的時(shí)間并太久,技術(shù)也顯得不很成熟,某種意義上講,總是面臨著相當(dāng)多的局限。既然,馮諾依曼是現(xiàn)在計(jì)算機(jī)的原型,其機(jī)器指令也是限制人工智能化的一大障礙,或許,可從改善機(jī)器語言的的本身出發(fā),找到新的突破口,將人工智能成熟化。
聯(lián)系客服