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(hào)結(jié)構(gòu)主義。隨著時(shí)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(hào)結(jié)構(gòu)主義、聯(lián)結(jié)結(jié)構(gòu)主義、行為主義、進(jìn)化結(jié)構(gòu)主義以及貝葉斯派。
符號(hào)主義可謂是AI技術(shù)流派中的開(kāi)山鼻祖以及常青樹(shù)。它的理論起源為古典邏輯學(xué)與計(jì)算哲學(xué)，常用的演算法為邏輯規(guī)則以及決策樹(shù)。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(lái)源于數(shù)理邏輯。因此主要含義是，人類(lèi)使用各種語(yǔ)義符號(hào)、規(guī)則、邏輯等對(duì)人類(lèi)社會(huì)知識(shí)系統(tǒng)體系本身進(jìn)行各種具有表征性的語(yǔ)義描述，以及對(duì)其進(jìn)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?yàn)榻┠陙?lái)常見(jiàn)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(gè)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(chǎng)景是圖像、聲音識(shí)別以及翻譯等。這一派的學(xué)者相信智能的起源是萬(wàn)物互聯(lián)。模型的基礎(chǔ)建構(gòu)研究參照點(diǎn)是對(duì)典型人腦神經(jīng)模型的構(gòu)建研究，常見(jiàn)的構(gòu)建形式為人腦神經(jīng)網(wǎng)絡(luò)處理模型。
進(jìn)化算法主義概念起源于現(xiàn)代生物遺傳進(jìn)化學(xué)，常用進(jìn)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(dá)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(jì)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(jìn)行概率推理，并做出主觀的相應(yīng)決策。接著再用貝葉斯運(yùn)算公式對(duì)每個(gè)結(jié)果函數(shù)進(jìn)行一次檢測(cè)后，對(duì)每個(gè)概率函數(shù)進(jìn)行一個(gè)相應(yīng)的數(shù)值修正，最后得出最優(yōu)決策。
我國(guó)在距今長(zhǎng)達(dá)60多年的人工智能研究發(fā)展史中，不同的歷史時(shí)期，聯(lián)結(jié)實(shí)用主義和深度符號(hào)實(shí)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(jìn)入21世紀(jì)以后，特別是最近十年以來(lái)，聯(lián)結(jié)實(shí)用主義再次重新煥發(fā)勃勃生機(jī)，以開(kāi)展深度機(jī)器學(xué)習(xí)計(jì)算方法研究為主導(dǎo)，在深度大數(shù)據(jù)、算力及符號(hào)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(shí)質(zhì)性的新進(jìn)展，尤其在計(jì)算機(jī)數(shù)字視覺(jué)、自然語(yǔ)言處理等多個(gè)領(lǐng)域，取得了巨大的新進(jìn)展。
2.結(jié)合的策略與分析
如今，伴隨著人工智能的進(jìn)化，也遇到了很多數(shù)據(jù)庫(kù)發(fā)展中遇到的問(wèn)題，都仿照數(shù)據(jù)庫(kù)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(jìn)，也從之前比較簡(jiǎn)單的結(jié)構(gòu)變得復(fù)雜起來(lái)，對(duì)于信息的存儲(chǔ)能力越來(lái)越大，也可以大面積的訪問(wèn)，在功能方面有了很大的增加。數(shù)據(jù)庫(kù)技術(shù)在近年來(lái)的發(fā)展中，也遇到了和人工智能相類(lèi)似的問(wèn)題，但在解決問(wèn)題的過(guò)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(yǔ)義信息查詢等功能。將人工智能和數(shù)據(jù)庫(kù)技術(shù)相融合，就是指將兩種技術(shù)經(jīng)驗(yàn)、優(yōu)勢(shì)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(kù)技術(shù)單方面無(wú)法解決的問(wèn)題，從而造福于人類(lèi)。這樣的融合不單單是人工智能和數(shù)據(jù)庫(kù)技術(shù)的集成，其中還接觸到了很多的交互性知識(shí)，借鑒雙方的成長(zhǎng)經(jīng)驗(yàn)，取長(zhǎng)補(bǔ)短，具體的領(lǐng)域包含了知識(shí)表示和模擬信息模型。在該技術(shù)當(dāng)中，將數(shù)據(jù)庫(kù)和知識(shí)庫(kù)進(jìn)行連接，以此來(lái)構(gòu)成一個(gè)更為全面的知識(shí)數(shù)據(jù)系統(tǒng)，其信息處理能力自然而然也會(huì)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(shí)和數(shù)據(jù)都有著很強(qiáng)的共享性。也就是說(shuō)，數(shù)據(jù)和數(shù)據(jù)、知識(shí)和知識(shí)之間可以進(jìn)行共享，且時(shí)效比較強(qiáng)，在操作時(shí)效率更高。
其次，在把人工智能和數(shù)據(jù)庫(kù)技術(shù)相結(jié)合之后，人工智能系統(tǒng)可以取長(zhǎng)補(bǔ)短。從客觀上來(lái)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(kù)技術(shù)差一點(diǎn)，在和數(shù)據(jù)庫(kù)技術(shù)相結(jié)合后，就可以借鑒數(shù)據(jù)庫(kù)技術(shù)的管理經(jīng)驗(yàn)，將人工智能的知識(shí)管理、知識(shí)庫(kù)設(shè)計(jì)等進(jìn)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(kù)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(zhuān)業(yè)知識(shí)數(shù)據(jù)庫(kù)的一個(gè)范例，將知識(shí)數(shù)據(jù)庫(kù)的三級(jí)目標(biāo)設(shè)計(jì)當(dāng)成是專(zhuān)業(yè)知識(shí)庫(kù)的設(shè)計(jì)目標(biāo)，而將知識(shí)數(shù)據(jù)庫(kù)的三級(jí)設(shè)計(jì)表示和各種設(shè)計(jì)應(yīng)用方法結(jié)合當(dāng)成是基于人工智能專(zhuān)業(yè)知識(shí)數(shù)據(jù)庫(kù)的三級(jí)設(shè)計(jì)應(yīng)用方法，諸如 E-R方法等。
在以往的數(shù)據(jù)庫(kù)管理系統(tǒng)基礎(chǔ)之上，又新添加了一個(gè)演繹推理機(jī)制，該機(jī)制的出現(xiàn)使得直接從存儲(chǔ)數(shù)據(jù)當(dāng)中推演非直接存儲(chǔ)結(jié)論成為可能。比如，在INGRES和UNIFY等數(shù)據(jù)庫(kù)當(dāng)中，如果添加PROLOG等類(lèi)型的推理語(yǔ)言，不但可以使其具有很強(qiáng)的演繹性，也可以擁有大型數(shù)據(jù)庫(kù)管理能力。
以往的企業(yè)數(shù)據(jù)庫(kù)管理系統(tǒng)主要面向的業(yè)務(wù)對(duì)象是一般業(yè)務(wù)職員，為了能夠讓整個(gè)數(shù)據(jù)庫(kù)系統(tǒng)同時(shí)面向高級(jí)業(yè)務(wù)管理人員，對(duì)高層業(yè)務(wù)管理自動(dòng)采集分析管理數(shù)據(jù)、提供自動(dòng)決策，以便于實(shí)現(xiàn)高層決策的科學(xué)化、自動(dòng)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(kù)。決策支持系統(tǒng)研究的是以計(jì)算機(jī)為基礎(chǔ)的知識(shí)信息系統(tǒng)對(duì)決策進(jìn)行支持，這里的知識(shí)信息系統(tǒng)主要指的就是數(shù)據(jù)庫(kù)。近幾年來(lái)，決策支持也是數(shù)據(jù)庫(kù)技術(shù)尤其是數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)要解決的一個(gè)中心問(wèn)題。
所謂專(zhuān)家系統(tǒng)，就是將行業(yè)專(zhuān)家的主要知識(shí)點(diǎn)和經(jīng)驗(yàn)總結(jié)計(jì)算出來(lái)，形成計(jì)算規(guī)則，并將它們以適當(dāng)?shù)挠?jì)算形式直接存入專(zhuān)業(yè)計(jì)算機(jī)，即首先建立專(zhuān)家知識(shí)庫(kù)，然后專(zhuān)家采用合適的邏輯控制策略，按專(zhuān)家輸入的原始計(jì)算數(shù)據(jù)順序選擇合適的計(jì)算規(guī)則后，再進(jìn)行邏輯推理、演繹，作出正確判斷和進(jìn)行決策。
專(zhuān)家信息數(shù)據(jù)庫(kù)系統(tǒng)有著一定的技術(shù)專(zhuān)業(yè)性，如果把專(zhuān)家系統(tǒng)中的技術(shù)理念應(yīng)用到以往的專(zhuān)家數(shù)據(jù)庫(kù)信息管理服務(wù)系統(tǒng)和專(zhuān)家知識(shí)庫(kù)信息管理服務(wù)系統(tǒng)當(dāng)中，就一定可以打造出一個(gè)大型專(zhuān)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(duì)大量的專(zhuān)家信息管理數(shù)據(jù)進(jìn)行一一共享，在此基礎(chǔ)之上，面對(duì)任何一個(gè)問(wèn)題都會(huì)一一解答。這一應(yīng)用系統(tǒng)不僅有著非常強(qiáng)的資源獨(dú)立性，在實(shí)際使用中看起來(lái)也非常獨(dú)立，可靠性和使用性能比較好，可以對(duì)現(xiàn)有知識(shí)庫(kù)和數(shù)據(jù)等資源進(jìn)行日常維護(hù)和功能拓展，可以同時(shí)在很多虛擬環(huán)境下正常運(yùn)作，也就是可以用來(lái)解決一些操作難度和系數(shù)比較大的虛擬現(xiàn)實(shí)應(yīng)用問(wèn)題。
專(zhuān)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(gè)研究方向，甚至已經(jīng)出現(xiàn)了實(shí)用的專(zhuān)家系統(tǒng)，比較著名的產(chǎn)品有Andandralrl系統(tǒng)、Mycinim系統(tǒng)等。專(zhuān)家系統(tǒng)中的關(guān)鍵問(wèn)題就是如何正確表達(dá)和有效運(yùn)用專(zhuān)家專(zhuān)業(yè)知識(shí)。因此，專(zhuān)家知識(shí)庫(kù)管理是專(zhuān)家系統(tǒng)的重要基礎(chǔ)。對(duì)數(shù)據(jù)庫(kù)而言，一個(gè)智能的DBMS首先也應(yīng)當(dāng)具備專(zhuān)家功能，即它可以針對(duì)用戶的要求或問(wèn)題，根據(jù)某種規(guī)則從數(shù)據(jù)庫(kù)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(kù)有著簡(jiǎn)單的特點(diǎn)，雖然很簡(jiǎn)單，卻有著很強(qiáng)且有效的推理能力，對(duì)于數(shù)據(jù)庫(kù)及其管理系統(tǒng)可以隨機(jī)性地激發(fā)規(guī)則，還可以在激發(fā)的同時(shí)，將規(guī)則激活時(shí)候的數(shù)據(jù)庫(kù)狀態(tài)記錄下來(lái)。
對(duì)于數(shù)據(jù)庫(kù)，尤其是大型數(shù)據(jù)庫(kù)來(lái)說(shuō)，如何存儲(chǔ)和檢索大量數(shù)據(jù)是一個(gè)很有意義的課題，智能檢索系統(tǒng)就是針對(duì)這個(gè)課題產(chǎn)生的。當(dāng)智能檢索技術(shù)與自然語(yǔ)言理解結(jié)合在一起時(shí)，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(shí)數(shù)據(jù)庫(kù)相當(dāng)于是數(shù)據(jù)庫(kù)和知識(shí)庫(kù)的完整結(jié)合，和傳統(tǒng)的數(shù)據(jù)庫(kù)有一點(diǎn)相似之處，就是可以將知識(shí)從程序當(dāng)中抽離出來(lái)，再添加到數(shù)據(jù)庫(kù)中來(lái)。知識(shí)數(shù)據(jù)庫(kù)可以分成兩個(gè)種類(lèi)：一個(gè)是面向系統(tǒng)知識(shí)，可以在一定程度上提高數(shù)據(jù)庫(kù)管理系統(tǒng)的工作質(zhì)量；另一個(gè)是面向應(yīng)用知識(shí)，包含演繹、語(yǔ)義以及決策等多種知識(shí)，目的在于對(duì)數(shù)據(jù)庫(kù)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(yùn)行中可以給用戶帶來(lái)更多的便捷和幫助。
語(yǔ)義數(shù)據(jù)模型就是在數(shù)據(jù)庫(kù)模型基礎(chǔ)之上，添加語(yǔ)義表達(dá)能力之后形成的，它的出現(xiàn)可以讓數(shù)據(jù)庫(kù)表達(dá)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)。