AI领域的知名project

铁锹 3D打印店铺

鸣谢：以下内容来自 知乎 账号 囧神。

·         Symbolic AGI Approaches符号逻辑派

1.    ACT-R（2003）：ACT-R（Adaptive Control of Thought—Rational）是一种认知架构，用以仿真并理解人的认知的理论。ACT-R试图理解人类如何组织知识和产生智能行为，最终的目标是使系统能够执行人类的各种认知任务，如人的感知、思想和行为。ACT-R 目前被用来研究人类性能的不同的方面包括感知和注意力、学习和记忆、问题解决和做决定、语言处理、智能代理、智能辅导系统、人类－计算机交互等方面。
评价：ACT-R是个比较老的系统思想，总体是希望用划分模块的方法来模拟人的生物及心智结构，算是那个年代的代表之一吧。

2.    Cyc（1989）：　Cyc项目始于1984年，由当时的微电子与计算机技术公司开发。该项目最开始的目标是将上百万条知识编码成机器可用的形式，用以表示人类常识。CycL是Cyc项目专有的知识表示语言，这种知识表示语言是基于一阶关系的。1986年Douglas Lenat预测如果想要完成Cyc这样庞大的常识知识系统，这将涉及25万条规则，并将要花费350个人年才能完成。1994年，Cyc项目从该公司独立出去，并以此为基础成立了Cycorp公司。 Cyc知识库中表示的知识一般形如“每棵树都是植物”、“植物最终都会死亡”。当提出“树是否会死亡”的问题时，推理引擎可以得到正确的结论，并回答该问题。该知识库中包含了320万条人类定义的断言，涉及30万个概念，15000个谓词。这些资源都采取CycL语言来进行描述，该语言采取谓词代数描述，语法上与Lisp程序设计语言类似。 目前Cyc项目大部分的工作仍然是以知识工程为基础的。大部分的事实是通过手工添加到知识库中，并在这些知识基础上进行高效推理的。最近Cycorp正致力于使Cyc系统能够和最终用户用自然语言进行交流，并通过具机器学习来辅助形成知识的工作。
评价：这玩意是当初知识工程唯一经历寒冬活到现在的通用型知识库商业公司，就凭这一点就要给个赞！！据说养活了不少逻辑学家，积累到目前总算开始有些用处了， FBI这些有时都会去拜访下。

3.    SNeps（2007）: SNePS是基于逻辑的框架知识库-关系系统，使用知识断言模型，SNePS知识库（KB）由关于各种实体的一组断言（命题）组成。由一些代理人构想的实体，以及它所相信的命题来组成一个精神实体。
      评价：艰难研究中，现在是统计和ANN的时代。

4.    SOAR（2012）：艾伦·纽厄尔（Allen Newell，1927年3月19日－1992年7月19日）是计算机科学和认知信息学领域的科学家，曾在兰德公司，卡内基梅隆大学的计算机学院、泰珀商学院和心理学系任职和教研。他是信息处理语言（IPL）发明者之一，并写了该语言最早的两个AI程序，合作开发了逻辑理论家（Logic Theorist 1956年）和通用问题求解器General Problem Solver。1975年他和赫伯特·西蒙一起因人工智能方面的基础贡献而被授予图灵奖。纽厄尔生前的最后一个重大研究开发项目是和曾经是他的学生的莱尔德(J.Laird)和罗森勃洛姆（P.Rosenbloom）一起完成的更灵巧的AI软件SOAR（State,Operator,andResult）。SOAR是一个通用的问题求解程序，具有从经验中学习的功能，即能够记住自己是如何解决问题的，并把这种经验和知识用于以后的问题求解过程之中，所以和人类的智能更加接近。SOAR已被前述CMU的EDRC用于检索设计中的学习行为和灵活搜索行为。
评价：艰难研究中，中国的史忠植曾经走过这条路，不过成果有限，现在是统计和ANN的  时代。

5.    NARS（2006）：你这是什么逻辑?
评价：王培是王培是美国天普大学（Temple University）计算机与信息科学系副教授。他是国际期刊《Artificial General Intelligence》的主编，《哥德尔、艾舍尔、巴赫：集异璧之大成》的中译者之一，也是侯世达的徒弟。他算是现在AGI界最积极的华人了吧，前几年经常来国内宣传AGI，可以上网看看他的专栏“王培AI专栏”，里面有些观点还是不错的。这个系统他坚持做了30+年，虽然这个系统其实有点简单...
6.    waston（2011）：waston论文翻译
评价：waston和siri都是当初语义网的获益者，waston直接得益于freebase和dbpedia，

·         Emergentist AGI Approaches涌现智能派

1.    Hierarchical Temporal Memory (HTM)（2007）：

HTM是一种新型的神经网络，它的神经元模型（细胞cell）是按列、按层并按区域分布的有等级的结构。它的记忆是分等级的，并且需要大量具有时间性的数据训练。HTM网络中，区域是它的主要记忆和预测单元，每个区域代表层级中的一个等级。层级随着等级的上升不断聚合，下级多个子元素被聚合到一个上级元素中。这样，下层的区域可以分别处理多个数据源和感受器提供的数据，如一个区域处理视觉、一个处理触觉，而在高层聚合，共同或分别得到同样的识别结果。《人工智能的未来》(On Intelligence)一书作者Jeff Hawkins创建的Numenta公司目前在进行HTM算法的实现。
评价：被deep learing冲击了，本身想法还是不错的，现在公司开源了平台NuPIC ，有兴趣可以看看这个课程：NuPIC与HTM脑皮质学习算法

2.    neutral turing machine/DNC（2016）: 这块太多了，就不说了
评价：目前deep   mind很明显是想把ANN和表示学习结合起来，不过目前来看路还很长远，目前展现的更多是从时间序列/空间序列中提pattern的能力。


·         Neuroscience类生物神经系统派

1.    Markram’s IBM “Blue Brain Project”（2006）： " 蓝脑"工程，是在IBM拥有的超级计算机—蓝色基因的构思基础上，企图应用超级计算机的高速度，来虚拟人类大脑的多种功能，比如认知、感觉、记忆等。可以说，这台计算机所作的就是一个翻译工作，只不过想要翻译的，是未知的、神秘的人类大脑。瑞士洛桑大脑与思维学院主任亨瑞·马克兰实验小组花了十多年的时间已经逐步建立起了神经中枢结构数据库，所以现在他们拥有着世界上最大的单神经细胞数据库。而在这个数据库的基础上，蓝脑在第一阶段中将建立新皮层单元在整个大脑中的电子结构模型。而下一阶段的研究是要绘出大脑的反应回路和动态模型，这要求蓝色基因超级计算机至少具备每秒高达 22.8万亿次的浮点计算的运算能力。如果此项工作能完成的话，就可以模拟出新皮层单元的活动，从而再向模拟整个大脑进军。初步预计整个计划至少要十年以上。
评价：IBM的项目一向如此，虽然不一定最时髦，但一定是能耐得住寂寞的。

2.    Boahen’s “Neurogrid Project”（2007）: 斯坦福大学生物工程副教授波尔汉 开发Neurogrid电路板，它由16个按样定制的“Neurocore”芯片组成，这16个芯片可以模拟100万个神经元和数十亿个突触。考虑到其功率损耗，他们的团队在设计这些芯片时，使某些特定的突触能够与硬件电路共享，这样便诞生了Neurogrid，其大小仅仅相当于一台iPad，但是与其他大脑模拟器相比，相同的功耗下它可以模拟更多的神经元和突触。
评价：不了解，待看

·         Hybrid AGI Architectures集成系统派

1.      CogPrime（2011）：CogPrime设计了一个具体的AGI体系结构，包括核心体系结构和算法，基本的概念方式等。一旦一个完整的CogPrime系统经历了适当的经验和训练，能够产生类似人类的智力（目前在某些方面与人类有差异，在未来具有超越此水平的发展潜力）。cogprime是一个通用的集成平台，能够集成多个不同的学习算法，然后在一个知识权重超图上表示出基于概率的语义，从而协调不同的AI算法功能。
       评价：这是大佬通用人工智能学会主席Ben Goertzel的项目，知乎上也有他的团队广告，     就是这个问题下@雷森的答案。据说已经用在金融方面了，效果还行。后面有详细人物    介绍。

2.      DUAL（2004）：DUAL是一个根据“集体智慧”理论构建的系统，用来研究多个agent的相互协作与决策以及自组织等行为，例如群体感知、共同记忆等。agent可以是符号逻辑系统也可以是其他的智能算法系统。
       评价：这属于群体智慧方面的研究，个人比较看好这一块在未来的发展，而且这方面的       研究也很实用。

3.      LIDA（2012）： 1988年，心灵哲学家巴尔斯首次提出“全局工作空间（global workspace theory）”意识模型，运用语境论解释意识运行的基本规则。该模型假设：意识与一个全局“广播系统”相联系，该系统在整个大脑中发布信息。全局工作空间模型包括三个部分：专门处理器、全局工作空间和语境。专门处理器是无意识的，它们可能是一个单一的神经元，也可能是整个神经元网络。这些无意识专门处理器在特定的任务域中非常有效，因为独立分散的行为无需意识的介入，不需要在全局工作空间中显示它们。当遇到无法解决的新问题时，这些专门处理器可以根据情况对信息进行分解、重组，对全局的信息进行综合整理，形成意识经验，获得对问题的处理方案。
   全局工作空间类似于大型专家会议的演示台。为了实现交流，每个专家必须与其他专家竞争，得到专家联盟（专门处理器集合体）的支持后就可以到演示台作报告，发布信息，使其成为全局性的信息。不同语境形成专家处理器的联盟。在功能上它们限制意识内容而没有意识到自己存在的结构。这就像剧作家为演员写剧本而自己不出现在舞台上一样。它唤起、形成并指导全局信息而自己却不进入全局工作空间。
   巴尔斯认为，“全局工作空间”仅是作为一种记忆存在，在这个记忆里不同的系统可以执行它们的任务，“全局”意味着记忆中的符号通过众多的处理器被分配、传递开来。他把“全局工作空间”比喻为一个专家会议，与会者被召集起来解决一系列问题。每个专家可能就问题的不同方面产生一致或分歧意见，解决办法就是在会堂前面的大黑板上公开这个信息，使每一位与会专家都能读到并作出回应。在任何时候都会有一些专家试图传播全局性信息，但这个黑板并不能同时容纳所有的信息，这样，专家之间会形成竞争或通过合作达到传播全局性信息的目的，专家的联合体由此建立起来。
       LIDA即是根据这个模型所建立的程序，它的核心之处在于表达了“全局工作空间”的  认知循环过程，目前LIDA模型无论应用在符号逻辑系统还是神经网络系统上都有一定       的效果，不过对于推理、语言这些较为复杂的过程依然无法解决。
       评价：有一定前途，作为集成模型还是很不错了。

4.      MicroPsi: 根据德国心理学家迪特里希・德尔纳提出的心智模型所开发的集成系统，他提出大脑的主要特点之一是，有意识的信息加工比无意识的信息处理慢很多。另一个主要特点是，记忆存储的容量非常大，但存储速度相对较慢。还有一个特点，那就是基本不考虑“不存在”的问题。我们有一种只看重当下的心理倾向，其注意力始终集中在眼前的事物上，却往往忽略在这些事物的表面之下。针对这些大脑的这些特点及其改进可能，设计了MicroPsi。类似于LIDA，也是简单问题表现可以，复杂了不行。
评价：类似LIDA，不过个人认为没有LIDA适用性广。

·         The Universalist Approach to AGI通用算法理论派

1.    AIXI：AIXI的简介可以看看另外一个答案：到目前为止（2015），人工智能领域有哪些面向强智能（完整的，通用的智能）的模型？ - 机器人

2.    Godel machine：同上，不过godel machine这块是我们目前唯一真正觉得有戏的道路，以后可能会做一些比较大的实验，有兴趣且有条件长期坚持的可以留名，呵呵

3.    因果熵：这个想法感觉挺好，可以看看这篇专栏:知乎专栏。另外广告下，他的其他专栏都还是不错的。不过这个研究自从这一篇论文之后就没有下文了。

·         evolutionary computation进化计算派

1.    Tierra：Tierra是生态学家托马斯·S.雷在20世纪90年代早期的编写的计算机模拟程序，生成的程序互相竞争，争夺CPU时间和访问主内存，可以自我复制并且有一定几率在复制过程中发生变异，并有一个杀手程序负责淘汰那些失败的变异。在这种环境下，生成的程序可进化，并可以发生变异，自我复制和再结合。
评价：tierra程序中生成和很多有意思的程序生命，甚至为了生存它们发展出了一些很高级的策略，有兴趣的可以了解下。

2.    元胞自动机：细胞自动机最早由美籍数学家冯·诺依曼（John von Neumann）在1950年代为模拟生物细胞的自我复制而提出的。但是并未受到学术界重视。英国学者史蒂芬·沃尔夫勒姆（Stephen Wolfram）对初等元胞机256种规则所产生的模型进行了深入研究，并用熵来描述其演化行为，将细胞自动机分为平稳型、周期型、混沌型和复杂型。具体可以看看这个細胞自動機 - Cellular Automata〔生命遊戲〕
评价：人工生命方向的来源之一，冯老祖发起的，目前研究虽然比较冷，仍然比较重要。

3.    蚁群优化：蚁群算法(ant colony optimization, ACO)，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法具有如下一些优点：①通用性较强，能够解决很多可以转换为连通图结构的路径优化问题；②同时具有正负反馈的特点，通过正反馈特点利用局部解构造全局解，通过负反馈特点也就是信息素的挥发来避免算法陷入局部最优；③有间接通讯和自组织的特点，蚂蚁之间并没有直接联系，而是通过路径上的信息素来进行间接的信息传递，自组织性使得群体的力量能够解决问题。但是，基本蚁群算法也存在一些缺点：①从蚁群算法的复杂度来看，该算法与其他算法相比，所需要的搜索时间较长；②该算法在搜索进行到一定程度以后，容易出现所有蚂蚁所发现的解完全一致这种“停滞现象”，使得搜索空间受到限制。
评价：人工生命方向的应用之一，在优化上用的很多，类似的还有人工蜂群、粒子群等算法。