譯者序

本書的目標(biāo)在于幫助更多的人從系統(tǒng)角度來(lái)理解并接受人工智能（AI）最新技術(shù)的應(yīng)用模式。近年來(lái)，人工智能從新興技術(shù)走向成熟技術(shù)，全球化和產(chǎn)業(yè)化加劇使人工智能處于高速擴(kuò)張的戰(zhàn)略機(jī)遇期。由此，其為眾多領(lǐng)域帶來(lái)巨大變化，同時(shí)，也將為理論研究和工程開發(fā)方法方面帶來(lái)深層次的影響。正如圖靈獎(jiǎng)得主、貝葉斯網(wǎng)絡(luò)奠基人朱迪亞·珀?duì)枺↗udea Pearl）指出的那樣，從當(dāng)前以數(shù)據(jù)為中心的范式向以科學(xué)為中心的范式的轉(zhuǎn)移進(jìn)程中，一場(chǎng)席卷各個(gè)研究領(lǐng)域的因果革命隨之而來(lái)，其核心是構(gòu)建新邏輯的數(shù)學(xué)語(yǔ)言和推理引擎框架。本書致力于推動(dòng)下一代的人機(jī)自主團(tuán)隊(duì)運(yùn)行概念以及依賴AI的系統(tǒng)工程技術(shù)的發(fā)展，面向懷揣好奇心的系統(tǒng)工程專業(yè)人士，提供有關(guān)人工智能系統(tǒng)的理論、模型、方法和應(yīng)用的回顧、思考和展望，使其更全面地洞悉人機(jī)自主系統(tǒng)這一顛覆性創(chuàng)新所能帶來(lái)的機(jī)會(huì)和面臨的風(fēng)險(xiǎn)。

系統(tǒng)工程和人工智能融合的要素特征

關(guān)于人類智能和機(jī)器智能的認(rèn)識(shí)，決定著未來(lái)人工智能在系統(tǒng)工程中的應(yīng)用模式，有必要真正理解自然智能和人工智能的含義自然智能涉及人類獲取知識(shí)、知識(shí)推理并利用知識(shí)有效地解決問(wèn)題的能力，當(dāng)然也涉及基于現(xiàn)有知識(shí)開發(fā)新知識(shí)的能力；而相比之下，可以這樣界定人工智能機(jī)器利用所模仿人類的知識(shí)來(lái)解決問(wèn)題的能力。當(dāng)我們準(zhǔn)備投入到自然智能與人工智能的融合過(guò)程時(shí)，理所當(dāng)然地期望以系統(tǒng)為中心的方法論能助一臂之力。

人工智能絕非孤立的一個(gè)事物，我們需要以不同的視角來(lái)看待它的出現(xiàn)，其同樣源于各種元素的集合，包括軟件、硬件、數(shù)據(jù)平臺(tái)、策略、程序步驟、規(guī)范、規(guī)則甚至于人的直覺(jué)。我們?nèi)绾卫�用這樣一個(gè)涉及多個(gè)方面的系統(tǒng)，使其從事那些看似智能的事情，并讓它具有人類思考和工作方式的典型特征這將需要秉持以系統(tǒng)為中心的思想來(lái)尋求人工智能技術(shù)元素的融合，也是當(dāng)前系統(tǒng)工程實(shí)現(xiàn)AI的現(xiàn)實(shí)問(wèn)題。

至于AI的應(yīng)用背景，始終存在著各種有爭(zhēng)議的觀點(diǎn)和多樣化的技術(shù)方法。爭(zhēng)議內(nèi)容涉及從智能的基本定義到人類追求人工智能的道德和倫理方面的質(zhì)疑。盡管至今還是存在懸而未決的爭(zhēng)議，但這項(xiàng)技術(shù)仍繼續(xù)創(chuàng)造著實(shí)際的效用。隨著人工智能研究的日益深入，許多爭(zhēng)議已被或?qū)⒈或?yàn)證的技術(shù)方法所解決。

在AI的研究中發(fā)現(xiàn)，計(jì)算機(jī)現(xiàn)在能夠完成曾經(jīng)超乎想象的事情。由于專家系統(tǒng)背后的技術(shù)在過(guò)去十年中變化不大，因此問(wèn)題不在于該技術(shù)是否有用，而在于如何實(shí)現(xiàn)它。這就是為什么本書提出的集成化的方法十分有用。必須用人類智能來(lái)調(diào)和它，最好的混合方式是機(jī)器智能與人類智能的集成。在過(guò)去的幾年中，專家系統(tǒng)已被證明其在解決工程和制造環(huán)境中重要問(wèn)題方面具有潛力。我們發(fā)現(xiàn)現(xiàn)實(shí)世界的問(wèn)題最好通過(guò)由人員、軟件和硬件組成的系統(tǒng)管理所涉及的集成策略予以解決。

驅(qū)動(dòng)人工智能演進(jìn)發(fā)展的技術(shù)特征

歷來(lái)，人類在各種行動(dòng)中向往擁有像智能機(jī)器這樣的朋友，這一信念推動(dòng)著人工智能在科學(xué)、技術(shù)、工程以及數(shù)學(xué)方面的進(jìn)步。

依據(jù)17世紀(jì)英國(guó)哲學(xué)家和思想家托馬斯·霍布斯（Thomas Hobbes）的說(shuō)法，機(jī)器思維涉及由計(jì)算所構(gòu)成的符號(hào)處理和推理過(guò)程。機(jī)器有能力解釋符號(hào)并通過(guò)符號(hào)的操縱來(lái)尋求到新的意義這一過(guò)程被稱為符號(hào)人工智能。與機(jī)器學(xué)習(xí)（ML）和其他一些人工智能方法相比，符號(hào)人工智能通過(guò)創(chuàng)建清晰、可解釋的規(guī)則來(lái)引導(dǎo)推理，從而提供從問(wèn)題到方案的完全透明的過(guò)程�；舨妓拐J(rèn)為思維由符號(hào)的運(yùn)算組成，生活中的一切都可由數(shù)學(xué)來(lái)表示。這些信念直接帶來(lái)了這樣的一種觀念能夠?qū)Ψ��?hào)進(jìn)行數(shù)學(xué)運(yùn)算的機(jī)器可以模仿人類的思維，這也成了AI發(fā)展背后的基本驅(qū)動(dòng)力。正是出于這個(gè)原因，人們將霍布斯稱為人工智能的哲學(xué)祖父。

英國(guó)數(shù)學(xué)家艾倫·麥席森·圖靈在1936年提出了圖靈機(jī)的理論。圖靈機(jī)又稱圖靈計(jì)算機(jī)，它不是真正的機(jī)器，而是一個(gè)數(shù)學(xué)模型、一個(gè)概念，就像狀態(tài)機(jī)、自動(dòng)機(jī)（automata）或組合邏輯一樣。它是純粹的計(jì)算模型，將人們使用紙筆進(jìn)行數(shù)學(xué)運(yùn)算的過(guò)程進(jìn)行抽象，由一個(gè)虛擬的機(jī)器替代人們進(jìn)行數(shù)學(xué)運(yùn)算。艾倫·麥席森·圖靈為問(wèn)題求解機(jī)器概念的構(gòu)思做出了重大貢獻(xiàn)，該機(jī)器僅根據(jù)輸入的可變指令就可普遍用于所有問(wèn)題。

1945年，馮·諾依曼建議將計(jì)算機(jī)構(gòu)建為能夠執(zhí)行各種程序的通用邏輯機(jī)，并堅(jiān)信這樣的機(jī)器具有高度的靈活性，可以根據(jù)計(jì)算的結(jié)果在多個(gè)方案中進(jìn)行選擇，從而做出明智的反應(yīng)。馮·諾依曼也并不是計(jì)算機(jī)的發(fā)明者，而他提出的前所未有的概念，代表了一臺(tái)能夠執(zhí)行指令運(yùn)算而內(nèi)置智能的機(jī)器，為后來(lái)基于計(jì)算機(jī)應(yīng)用而誕生人工智能開辟了道路。

1956年開創(chuàng)人工智能有組織研究先河的達(dá)特茅斯會(huì)議，主要是作為交流信息的渠道，更重要的是成為AI研究工作重點(diǎn)的轉(zhuǎn)折點(diǎn)。會(huì)議并沒(méi)有過(guò)多地關(guān)注硬件如何模仿智能，而是設(shè)立專題來(lái)研討計(jì)算機(jī)處理數(shù)據(jù)的結(jié)構(gòu)，使用計(jì)算機(jī)處理符號(hào)、新語(yǔ)言的需要以及在測(cè)試?yán)碚撝杏?jì)算機(jī)的作用。

1959年艾倫·紐厄爾、克里夫·肖和赫伯特·西蒙開發(fā)了通用問(wèn)題求解器（GPS）程序，之后人工智能技術(shù)的進(jìn)步與軟件技術(shù)的發(fā)展愈加密切。GPS可作為人類問(wèn)題求解的理論方法，在這一框架中的信息處理過(guò)程，試圖解釋所有的記憶操作、控制過(guò)程和規(guī)則等功能行為，從而采用模擬程序的形式來(lái)陳述問(wèn)題，該程序及其相關(guān)理論框架對(duì)認(rèn)知心理學(xué)的后續(xù)發(fā)展方向產(chǎn)生了巨大的影響。使用GPS解決問(wèn)題的關(guān)鍵步驟是根據(jù)所實(shí)現(xiàn)的目標(biāo)和轉(zhuǎn)換規(guī)則來(lái)定義問(wèn)題空間。GPS的手段目的分析（meansend analysis）方法，作為一種解決問(wèn)題的技術(shù)，識(shí)別當(dāng)前狀態(tài)、定義最終目標(biāo)，以模塊化的方式確定達(dá)到最終狀態(tài)的行動(dòng)計(jì)劃。

在同一年，約翰·麥卡錫推出了一種稱為L(zhǎng)ISP（List Processing，列表處理）的新的計(jì)算機(jī)編程語(yǔ)言。由于其具備獨(dú)特的內(nèi)存組織和控制結(jié)構(gòu)，且不是依據(jù)前提條件引導(dǎo)到目標(biāo)，而是從目標(biāo)開始，逆向確定實(shí)現(xiàn)目標(biāo)所需的前提條件，因此大大提高了研究人員開發(fā)AI程序的能力，作為最早的函數(shù)式程序設(shè)計(jì)的開拓者，諸多創(chuàng)新方面深遠(yuǎn)地影響著后續(xù)編程語(yǔ)言的發(fā)展，更是壟斷人工智能領(lǐng)域長(zhǎng)達(dá)30余年的應(yīng)用。

之后的知識(shí)工程是在計(jì)算機(jī)上建立專家系統(tǒng)的技術(shù)。知識(shí)工程這個(gè)術(shù)語(yǔ)最早由美國(guó)人工智能專家E·A·費(fèi)根鮑姆提出，并于1965年與他人合作開發(fā)出第一個(gè)成功的專家系統(tǒng)DENDRAL。專家系統(tǒng)也是AI領(lǐng)域中最早真正進(jìn)入商業(yè)的應(yīng)用。不同于之前AI的一般問(wèn)題求解的期望，專家系統(tǒng)聚焦于解決特定的問(wèn)題，它模仿人類專家在解決特定領(lǐng)域復(fù)雜決策問(wèn)題時(shí)的思維過(guò)程，其研究?jī)?nèi)容主要包括知識(shí)的獲取、知識(shí)的表示以及知識(shí)的運(yùn)用和處理等三大方面。

人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80 年代以來(lái)人工智能領(lǐng)域興起的研究熱點(diǎn)，它將神經(jīng)網(wǎng)絡(luò)當(dāng)作人工智能系統(tǒng)中仿真智能（模擬智能）的基礎(chǔ)之一。神經(jīng)網(wǎng)絡(luò)反映人類大腦的行為，允許計(jì)算機(jī)程序識(shí)別模式并解決人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域的常見(jiàn)問(wèn)題。經(jīng)典人工神經(jīng)網(wǎng)絡(luò)（ANN）從數(shù)據(jù)中學(xué)習(xí)，AI連接主義的系統(tǒng)不僅以自適應(yīng)的增量方式從測(cè)量進(jìn)化過(guò)程的數(shù)據(jù)中學(xué)習(xí)，而且從經(jīng)訓(xùn)練的系統(tǒng)中提取規(guī)則和知識(shí)。盡管連接主義方法使用生理學(xué)數(shù)據(jù)來(lái)指導(dǎo)尋找潛在的原理，但它更傾向于更多地關(guān)注整體系統(tǒng)功能或行為，期望通過(guò)大腦計(jì)算的某些原理來(lái)解釋人類的認(rèn)知現(xiàn)象。

當(dāng)前，在以生物學(xué)和語(yǔ)言學(xué)為基礎(chǔ)的計(jì)算范式理論研究中誕生了計(jì)算智能的概念，有時(shí)也稱其為軟計(jì)算，其在于模仿和實(shí)現(xiàn)人類智能推理過(guò)程，關(guān)鍵的任務(wù)是讓計(jì)算機(jī)從實(shí)驗(yàn)數(shù)據(jù)或觀察中學(xué)習(xí)現(xiàn)實(shí)生活或復(fù)雜的問(wèn)題。因此，需要將問(wèn)題表述為計(jì)算機(jī)可理解的格式，計(jì)算智能使用一些試圖模仿人類質(zhì)疑和推理的技術(shù)。雖然模仿人類智能是復(fù)雜的，但針對(duì)問(wèn)題的推理或質(zhì)疑方式可以復(fù)制。計(jì)算智能綜合地使用模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)、進(jìn)化理論、學(xué)習(xí)理論和概率理論等算法/方法，特別適合解決現(xiàn)實(shí)生活中的復(fù)雜問(wèn)題。

人工智能的系統(tǒng)工程框架

數(shù)字化特征在于提高重復(fù)性和一致性。本書中所提出的數(shù)字系統(tǒng)框架將應(yīng)用于工業(yè)工程、系統(tǒng)工程和數(shù)字工程相結(jié)合的流程，以可持續(xù)和可復(fù)用的方式實(shí)現(xiàn)資源的管理、配置和組織的過(guò)程，從而達(dá)成復(fù)雜組織和系統(tǒng)的運(yùn)行目標(biāo)。典型的決策支持模型是系統(tǒng)的表示方式，可用于回答有關(guān)系統(tǒng)的各種問(wèn)題。雖然系統(tǒng)工程的模型有助于決策，但它們通常并不是傳統(tǒng)的決策支持系統(tǒng)，而是使用系統(tǒng)工程方法將解決方案集成到正常的流程中。

對(duì)于復(fù)雜系統(tǒng)，沒(méi)有哪一種技術(shù)可以輕易地滿足問(wèn)題的所有需求。在尋求解決現(xiàn)實(shí)問(wèn)題的方法時(shí)，需要結(jié)合多種技術(shù)并運(yùn)用混合的系統(tǒng)。混合系統(tǒng)旨在利用各個(gè)系統(tǒng)的優(yōu)勢(shì)，從而避免各個(gè)系統(tǒng)的局限性。對(duì)于大多數(shù)工程和制造問(wèn)題的解決方案，不僅涉及啟發(fā)式方法，還涉及數(shù)學(xué)計(jì)算、大數(shù)據(jù)運(yùn)算、統(tǒng)計(jì)分析、實(shí)時(shí)信息管理、系統(tǒng)優(yōu)化和人機(jī)界面等。這些相關(guān)的主題將在本書中詳細(xì)討論。除專家系統(tǒng)的基本概念外，本書還提供了從問(wèn)題選擇、數(shù)據(jù)分析、知識(shí)獲取以及系統(tǒng)開發(fā)到驗(yàn)證、確認(rèn)、集成、實(shí)現(xiàn)等工作指南。

面對(duì)所有的AI系統(tǒng)和流程，人們期望滿足諸如有效性、高效性、易用性、優(yōu)雅性、安全性、安保性、持續(xù)性等目標(biāo)。本書中提出人工智能的概念化和運(yùn)行化的定義，強(qiáng)調(diào)在系統(tǒng)思維的有關(guān)背景下，每個(gè)元素如何在AI基礎(chǔ)設(shè)施的整體架構(gòu)中發(fā)揮作用。在人工智能的系統(tǒng)工程框架中，我們可以采用構(gòu)建系統(tǒng)視圖的方式來(lái)定義那些達(dá)成的愿望；同時(shí)將采用基于系統(tǒng)的方法，針對(duì)商業(yè)、工業(yè)、政府、軍隊(duì)以及學(xué)術(shù)領(lǐng)域的各個(gè)方面，研究人工智能的普適性作用和獨(dú)特的貢獻(xiàn)，從而由系統(tǒng)方法促進(jìn)設(shè)計(jì)、評(píng)估、證實(shí)和集成等流程的實(shí)現(xiàn)。

本書將討論數(shù)字時(shí)代中，在系統(tǒng)工程（SE）的概念、工具和技術(shù)的背景下，AI是如何迅速發(fā)展的。系統(tǒng)工程是一門致力于集成各種元素來(lái)實(shí)現(xiàn)更強(qiáng)大系統(tǒng)整體能力的學(xué)科。因?yàn)樵诮裉�，人們期望更具快捷、高效、適應(yīng)、一致的系統(tǒng)集成能力，從人工智能（AI）的角度來(lái)看，數(shù)字時(shí)代由基于數(shù)字的科學(xué)、技術(shù)、工程和數(shù)學(xué)（STEM）所構(gòu)成，因而數(shù)字框架對(duì)于AI的實(shí)現(xiàn)至關(guān)重要，關(guān)鍵的特征將涉及模型協(xié)同的生態(tài)、開放式架構(gòu)、系統(tǒng)生命周期的可持續(xù)性集成、大規(guī)模計(jì)算的基礎(chǔ)設(shè)施、安全數(shù)據(jù)存儲(chǔ)和云部署、可用性和可訪問(wèn)性以及支持敏捷運(yùn)用的數(shù)字平臺(tái)等。本書將介紹一種用于系統(tǒng)的設(shè)計(jì)、評(píng)估、證實(shí)和集成（DEJI）的性能增強(qiáng)模型，該模型與數(shù)字系統(tǒng)工程、AI應(yīng)用研究密切相關(guān)。系統(tǒng)工程DEJI模型為數(shù)字系統(tǒng)平臺(tái)提供了一個(gè)可選的方法，通常適用于一般類型的系統(tǒng)建模，但這一結(jié)構(gòu)化框架和系統(tǒng)工程模型特別適合于數(shù)字系統(tǒng)中實(shí)現(xiàn)AI的應(yīng)用。

高星海

2022年4月于北航

致力于自然智能和人工智能的融合

前言

本書在于提供人工智能（Artificial Intelligence,AI）和數(shù)字系統(tǒng)工程的簡(jiǎn)明概述，并非面面俱到，而是針對(duì)一般讀者勾畫出快捷的一覽圖，其更多是面向當(dāng)今的數(shù)字時(shí)代，啟發(fā)人們理解人工智能對(duì)社會(huì)發(fā)展的預(yù)示意義。本書將采用基于系統(tǒng)的方法，就研究貢獻(xiàn)的各個(gè)方面來(lái)表明人工智能的普適性作用，包括商業(yè)、工業(yè)、政府、軍隊(duì)，甚至學(xué)術(shù)領(lǐng)域。系統(tǒng)方法促進(jìn)了設(shè)計(jì)、評(píng)估、證實(shí)和集成流程的實(shí)現(xiàn)。

本書最重要的是明確提出集成在實(shí)現(xiàn)所有人工智能目標(biāo)中的角色。AI 成為現(xiàn)代卓越運(yùn)行的數(shù)字生命線。為實(shí)現(xiàn)人工智能應(yīng)用的科學(xué)和技術(shù)資產(chǎn)的轉(zhuǎn)化，本書簡(jiǎn)要介紹了相關(guān)技能和方法論。人工智能對(duì)于不同的人可能意味著不同的事物，本書提出人工智能的概念化和運(yùn)行化的定義，強(qiáng)調(diào)在系統(tǒng)思維有關(guān)的背景下，每個(gè)元素如何在AI基礎(chǔ)設(shè)施的整體結(jié)構(gòu)中發(fā)揮作用。一些定義用于概念化過(guò)程框架中，而另一些則用于技術(shù)平臺(tái)中。在人工智能工具應(yīng)用方面，某些組織在不斷創(chuàng)新；而另一些組織則善于研究和開發(fā)新的人工智能工具。因此，我們必須澄清人工智能的各種角色、意義和背景，本書聚焦于此，在于達(dá)成這一目標(biāo)。在AI應(yīng)用過(guò)程中，首要問(wèn)題是組織領(lǐng)導(dǎo)者如何接納AI的應(yīng)用及其帶來(lái)的結(jié)果，本書將解釋各種不同之處。

感謝我的同事、學(xué)生和合作伙伴，正是他們多年來(lái)的激勵(lì)，使我堅(jiān)持不懈地撰寫相關(guān)主題的論文，在教學(xué)、研究和知識(shí)拓展方面，對(duì)我而言意義非凡。雖不能一一列出，在此我向所有人致以崇高的敬意。