1.人工智能的起源

人工智能的快速發(fā)展最早甚至可以追溯到20世紀(jì)50年代，最早的基于人工智能結(jié)構(gòu)技術(shù)的理論流派只有兩種:聯(lián)結(jié)結(jié)構(gòu)主義和數(shù)字符號結(jié)構(gòu)主義。隨著時間的不斷推移，人們又將現(xiàn)代人工智能主義分為五大主要流派:包括符號結(jié)構(gòu)主義、聯(lián)結(jié)結(jié)構(gòu)主義、行為主義、進化結(jié)構(gòu)主義以及貝葉斯派。

符號主義可謂是AI技術(shù)流派中的開山鼻祖以及常青樹。它的理論起源為古典邏輯學(xué)與計算哲學(xué)，常用的演算法為邏輯規(guī)則以及決策樹。他們的主要學(xué)術(shù)思想是其邏輯為基于人工深度智能，并來源于數(shù)理邏輯。因此主要含義是，人類使用各種語義符號、規(guī)則、邏輯等對人類社會知識系統(tǒng)體系本身進行各種具有表征性的語義描述，以及對其進行各種邏輯性的推理。聯(lián)結(jié)主義則是AI技術(shù)派的網(wǎng)紅，因為近些年來常見的深度學(xué)習(xí)方法就是其典型模式。聯(lián)結(jié)神經(jīng)主義的理論起源為現(xiàn)代神經(jīng)科學(xué)，是一種綜合了現(xiàn)代認(rèn)知分析心理學(xué)、心理分析哲學(xué)與現(xiàn)代人工智能等多個科學(xué)領(lǐng)域而發(fā)展形成的一種科學(xué)理論。主要應(yīng)用場景是圖像、聲音識別以及翻譯等。這一派的學(xué)者相信智能的起源是萬物互聯(lián)。模型的基礎(chǔ)建構(gòu)研究參照點是對典型人腦神經(jīng)模型的構(gòu)建研究，常見的構(gòu)建形式為人腦神經(jīng)網(wǎng)絡(luò)處理模型。

進化算法主義概念起源于現(xiàn)代生物遺傳進化學(xué)，常用進化算法為遺傳算法以及生物遺傳代碼編程。整體遵循的原則為遺傳與變異，以及適者生存的原則，然后選擇其中能夠達到目的的最優(yōu)解。

貝葉斯派是AI技術(shù)派中的理性大學(xué)霸，起源是統(tǒng)計學(xué)。這一流派最常使用的算法為樸素貝葉斯以及馬爾可夫。原理為獲取未知狀態(tài)下事件發(fā)生的可能性，然后進行概率推理，并做出主觀的相應(yīng)決策。接著再用貝葉斯運算公式對每個結(jié)果函數(shù)進行一次檢測后，對每個概率函數(shù)進行一個相應(yīng)的數(shù)值修正，最后得出最優(yōu)決策。

我國在距今長達60多年的人工智能研究發(fā)展史中，不同的歷史時期，聯(lián)結(jié)實用主義和深度符號實用主義兩大主要派系分別占據(jù)不同的學(xué)術(shù)主導(dǎo)地位。進入21世紀(jì)以后，特別是最近十年以來，聯(lián)結(jié)實用主義再次重新煥發(fā)勃勃生機，以開展深度機器學(xué)習(xí)計算方法研究為主導(dǎo)，在深度大數(shù)據(jù)、算力及符號算法的不斷提升下，人工智能再次得到爆發(fā)，并逐步取得了許多實質(zhì)性的新進展，尤其在計算機數(shù)字視覺、自然語言處理等多個領(lǐng)域，取得了巨大的新進展。

2.結(jié)合的策略與分析

如今，伴隨著人工智能的進化，也遇到了很多數(shù)據(jù)庫發(fā)展中遇到的問題，都仿照數(shù)據(jù)庫的發(fā)展模式得到了突破。比如，人工智能檢索的方式緩慢，在此基礎(chǔ)上將人工智能的檢索結(jié)構(gòu)做出變革性改進，也從之前比較簡單的結(jié)構(gòu)變得復(fù)雜起來，對于信息的存儲能力越來越大，也可以大面積的訪問，在功能方面有了很大的增加。數(shù)據(jù)庫技術(shù)在近年來的發(fā)展中，也遇到了和人工智能相類似的問題，但在解決問題的過程當(dāng)中，突破了原本的局限，信息處理能力得到很大的提升，還增加了語義信息查詢等功能。將人工智能和數(shù)據(jù)庫技術(shù)相融合，就是指將兩種技術(shù)經(jīng)驗、優(yōu)勢相結(jié)合，從而將組成后的系統(tǒng)功能加以提升，該系統(tǒng)可以解決人工智能或數(shù)據(jù)庫技術(shù)單方面無法解決的問題，從而造福于人類。這樣的融合不單單是人工智能和數(shù)據(jù)庫技術(shù)的集成，其中還接觸到了很多的交互性知識，借鑒雙方的成長經(jīng)驗，取長補短，具體的領(lǐng)域包含了知識表示和模擬信息模型。在該技術(shù)當(dāng)中，將數(shù)據(jù)庫和知識庫進行連接，以此來構(gòu)成一個更為全面的知識數(shù)據(jù)系統(tǒng)，其信息處理能力自然而然也會得到增加，在分系統(tǒng)之中，也有著屬于自己的工作模式，所涉及到的知識和數(shù)據(jù)都有著很強的共享性。也就是說，數(shù)據(jù)和數(shù)據(jù)、知識和知識之間可以進行共享，且時效比較強，在操作時效率更高。

其次，在把人工智能和數(shù)據(jù)庫技術(shù)相結(jié)合之后，人工智能系統(tǒng)可以取長補短。從客觀上來講，人工智能在信息共享和故障恢復(fù)等具體操作上，要比數(shù)據(jù)庫技術(shù)差一點，在和數(shù)據(jù)庫技術(shù)相結(jié)合后，就可以借鑒數(shù)據(jù)庫技術(shù)的管理經(jīng)驗，將人工智能的知識管理、知識庫設(shè)計等進行改良，從而改善人工智能的特性和功能，人工智能可以獲得更好的發(fā)展。比如，數(shù)據(jù)庫處理技術(shù)具有最基本的信息輸入、檢索等各種功能，這樣就可以把它當(dāng)成是基于人工智能專業(yè)知識數(shù)據(jù)庫的一個范例，將知識數(shù)據(jù)庫的三級目標(biāo)設(shè)計當(dāng)成是專業(yè)知識庫的設(shè)計目標(biāo)，而將知識數(shù)據(jù)庫的三級設(shè)計表示和各種設(shè)計應(yīng)用方法結(jié)合當(dāng)成是基于人工智能專業(yè)知識數(shù)據(jù)庫的三級設(shè)計應(yīng)用方法，諸如 E-R方法等。

在以往的數(shù)據(jù)庫管理系統(tǒng)基礎(chǔ)之上，又新添加了一個演繹推理機制，該機制的出現(xiàn)使得直接從存儲數(shù)據(jù)當(dāng)中推演非直接存儲結(jié)論成為可能。比如，在INGRES和UNIFY等數(shù)據(jù)庫當(dāng)中，如果添加PROLOG等類型的推理語言，不但可以使其具有很強的演繹性，也可以擁有大型數(shù)據(jù)庫管理能力。

以往的企業(yè)數(shù)據(jù)庫管理系統(tǒng)主要面向的業(yè)務(wù)對象是一般業(yè)務(wù)職員，為了能夠讓整個數(shù)據(jù)庫系統(tǒng)同時面向高級業(yè)務(wù)管理人員，對高層業(yè)務(wù)管理自動采集分析管理數(shù)據(jù)、提供自動決策，以便于實現(xiàn)高層決策的科學(xué)化、自動化和信息化。因此，引入決策支持系統(tǒng)，也就是演繹數(shù)據(jù)庫。決策支持系統(tǒng)研究的是以計算機為基礎(chǔ)的知識信息系統(tǒng)對決策進行支持，這里的知識信息系統(tǒng)主要指的就是數(shù)據(jù)庫。近幾年來，決策支持也是數(shù)據(jù)庫技術(shù)尤其是數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)要解決的一個中心問題。

所謂專家系統(tǒng)，就是將行業(yè)專家的主要知識點和經(jīng)驗總結(jié)計算出來，形成計算規(guī)則，并將它們以適當(dāng)?shù)挠嬎阈问街苯哟嫒雽I(yè)計算機，即首先建立專家知識庫，然后專家采用合適的邏輯控制策略，按專家輸入的原始計算數(shù)據(jù)順序選擇合適的計算規(guī)則后，再進行邏輯推理、演繹，作出正確判斷和進行決策。

專家信息數(shù)據(jù)庫系統(tǒng)有著一定的技術(shù)專業(yè)性，如果把專家系統(tǒng)中的技術(shù)理念應(yīng)用到以往的專家數(shù)據(jù)庫信息管理服務(wù)系統(tǒng)和專家知識庫信息管理服務(wù)系統(tǒng)當(dāng)中，就一定可以打造出一個大型專家信息數(shù)據(jù)共享管理系統(tǒng)。在該共享系統(tǒng)之中，可以對大量的專家信息管理數(shù)據(jù)進行一一共享，在此基礎(chǔ)之上，面對任何一個問題都會一一解答。這一應(yīng)用系統(tǒng)不僅有著非常強的資源獨立性，在實際使用中看起來也非常獨立，可靠性和使用性能比較好，可以對現(xiàn)有知識庫和數(shù)據(jù)等資源進行日常維護和功能拓展，可以同時在很多虛擬環(huán)境下正常運作，也就是可以用來解決一些操作難度和系數(shù)比較大的虛擬現(xiàn)實應(yīng)用問題。

專家系統(tǒng)的應(yīng)用研究方向是目前人工智能研究領(lǐng)域中較為深入的一個研究方向，甚至已經(jīng)出現(xiàn)了實用的專家系統(tǒng)，比較著名的產(chǎn)品有Andandralrl系統(tǒng)、Mycinim系統(tǒng)等。專家系統(tǒng)中的關(guān)鍵問題就是如何正確表達和有效運用專家專業(yè)知識。因此，專家知識庫管理是專家系統(tǒng)的重要基礎(chǔ)。對數(shù)據(jù)庫而言，一個智能的DBMS首先也應(yīng)當(dāng)具備專家功能，即它可以針對用戶的要求或問題，根據(jù)某種規(guī)則從數(shù)據(jù)庫中提取出必要的數(shù)據(jù)，最后以易于理解的形式回答用戶。

積極數(shù)據(jù)庫有著簡單的特點，雖然很簡單，卻有著很強且有效的推理能力，對于數(shù)據(jù)庫及其管理系統(tǒng)可以隨機性地激發(fā)規(guī)則，還可以在激發(fā)的同時，將規(guī)則激活時候的數(shù)據(jù)庫狀態(tài)記錄下來。

對于數(shù)據(jù)庫，尤其是大型數(shù)據(jù)庫來說，如何存儲和檢索大量數(shù)據(jù)是一個很有意義的課題，智能檢索系統(tǒng)就是針對這個課題產(chǎn)生的。當(dāng)智能檢索技術(shù)與自然語言理解結(jié)合在一起時，DBMS的表現(xiàn)就與人更加接近了，也就是DBMS的智能程度更高了。

知識數(shù)據(jù)庫相當(dāng)于是數(shù)據(jù)庫和知識庫的完整結(jié)合，和傳統(tǒng)的數(shù)據(jù)庫有一點相似之處，就是可以將知識從程序當(dāng)中抽離出來，再添加到數(shù)據(jù)庫中來。知識數(shù)據(jù)庫可以分成兩個種類：一個是面向系統(tǒng)知識，可以在一定程度上提高數(shù)據(jù)庫管理系統(tǒng)的工作質(zhì)量；另一個是面向應(yīng)用知識，包含演繹、語義以及決策等多種知識，目的在于對數(shù)據(jù)庫管理系統(tǒng)加以延伸，使其可以適應(yīng)更多的應(yīng)用領(lǐng)域，在運行中可以給用戶帶來更多的便捷和幫助。

語義數(shù)據(jù)模型就是在數(shù)據(jù)庫模型基礎(chǔ)之上，添加語義表達能力之后形成的，它的出現(xiàn)可以讓數(shù)據(jù)庫表達能力和處理功能更為豐富，也可以處理一些更為復(fù)雜的數(shù)據(jù)。

科技的進步，也是人類史上的一大進步，如果將人工智能和數(shù)據(jù)庫技術(shù)進行有機結(jié)合，那么則可以開發(fā)出推動人類生活進步的高新技術(shù)產(chǎn)品，便捷人們的生活和工作。人工智能和數(shù)據(jù)庫技術(shù)在發(fā)展中都遇到了對方所遇到的問題，在將兩者進行結(jié)合之后，可以朝著演繹數(shù)據(jù)庫、專家數(shù)據(jù)庫、積極數(shù)據(jù)庫、知識數(shù)據(jù)庫、語義數(shù)據(jù)模型等方向設(shè)計，兩者技術(shù)之間相互借鑒，取長補短，從而開發(fā)出一種綜合性的新興技術(shù)。

來源：《網(wǎng)絡(luò)安全和信息化》雜志