永无止境的人工智能技术（四·完）

这就指出了一个可望而不可及的前景：使遗传算法能为一些即使连定义都无法下的问题找出答案。
股票市场是一个典型例子。人们投入了大量资金用于设计统计模型，希望这种模型能够预测期货和股票价格指数的变化。但是在牛市时预测得很准的统计系统在股市变为熊市时会出现问题，其准确度会不可避免地随着时间推移而下降，因为市场是一个经常变化的非线性环境。
花旗银行正在采用神经—遗传两种技术混合的方法。遗传算法形成的模型能够根据出现过的各种市场情况预测货币走势，但是正如他们在华尔街所说的那样，过去的表现不能保证将来的情况。在这种情况下又引入了神经网络方法。这些像人大脑一样的电路能够分辨出过去的哪一种模型最接近于当前的变化趋势。花旗银行自从１９９２年采用这种方法以来，已经在其货币交易中获得２５％的年利润，比大多数从事交易的人的利润要高得多。
迪尔公司已经开始用混合人工智能方法彻底整顿它的活动。该公司用专家系统在一家工厂中安排生产日程，用遗传算法补充不足。当一台机器出现故障时，遗传算法很快开始生成新的生产日程安排。微电子和计算机技术公司是一家位于得克萨斯州奥斯汀的联合研究公司，该公司的工程师们对一家化工厂采用了一种不同的混合方案。他们将模糊逻辑同神经网络结合起来，神经网络从过去的大量生产操作数据中找出真正使化学反应进行的因素。所得到的这些结果经常与管理人员自上而下的观点相左，这些结果会被用于对模拟反应过程进行细微调整。一旦模拟反应成功，软件就会产生模糊逻辑生产规则，对实际生产进行最优化。１９９０年这种方法在伊士曼化学品公司的一家工厂中首次试用取得巨大成功，使某些产品的生产效率提高了３０％。因此，微电子和计算机技术公司从这一技术派生出一家公司——帕维林技术公司。如今，帕维林公司的软件正帮助化工、造纸和炼油业的５００家工厂保持最高的产量。
今天，最智能化的人工智能系统可能很快就达到类似未来的照顾婴儿机器的水平，也许日本高级电信研究所现在进行的计划是最令人兴奋的。该所设在京都的大脑研制组想用遗传工程技术来培养比人脑要复杂万亿倍的硅脑。
即使没有高级电信研究所的硅脑，卡内基—梅隆大学的西蒙也认为计算机的智能将肯定会比人类高。他说：“人们为什么会感觉受到威胁，我不知道。我们都知道有的人比我们要聪明，而汽车跑得比我们要快。这有什么稀奇的？”因此，西蒙的态度非常乐观，他说：“我们人类将能承受得起某些改进，我们能够利用我们所能得到的一切帮助。”
如果这些奇妙的想法能实现的话——它可能在我们的有生之年成为现实，我们可能会亲眼目睹一种远远超过其创造者的智力的人工智能问世。
（四·完）