人工智能課件緒論

1、Artificial Intelligence (AI)人工智能,主講：戚玉濤,Email：qi_,第一章：緒論,關(guān)于課程,課程類型：必修課，計算機類學科基礎(chǔ)課 課時：46 學分：3 先修課程：離散數(shù)學、程序設(shè)計基礎(chǔ)、數(shù)據(jù)結(jié)構(gòu) 教材 蔡自興 , 徐光祐 主編.人工智能及其應(yīng)用. 北京：清華大學出版社，2010年5月第四版. 參考書籍 史忠植主編.高級人工智能.北京：科學出版社，2011,關(guān)于課程,考核方式 成績評定方法： 期末考試平時成績 考試方式： 閉卷 各教學環(huán)節(jié)占總分的比例 期末考試占考試成績的80% 平時成績占20,內(nèi)容提要,第一章：緒論,1.人工智能的定義與發(fā)展,2.人工智能的各種認

2、知觀,3.人類智能與人工智能,4.人工智能的研究與應(yīng)用領(lǐng)域,5.課程概要,內(nèi)容提要,第一章：緒論,1.人工智能的定義與發(fā)展,2.人工智能的各種認知觀,3.人類智能與人工智能,4.人工智能的研究與應(yīng)用領(lǐng)域,5.課程概要,人工智能的定義與發(fā)展,工業(yè)革命：體力解放 機械化 自動化 現(xiàn)代工業(yè)（計算機化） 信息革命：腦力解放？ 信息化 過度信息化？ 腦力勞動的自動化？ 人工智能,人工智能的定義與發(fā)展,重大挑戰(zhàn),Computer: High performance Low intelligence,Scientific American，2005,虹鳉魚,人工智能的定義與發(fā)展,人工智能的定義與發(fā)展 什么是

3、智能？ 智能的特征？ 什么是人工智能？ 圖靈測試 人工智能的起源與發(fā)展,什么是智能,智能的本質(zhì)是什么？ 模仿，理解，學習，思維，推理，行為 三種關(guān)于智能的觀點 思維理論：思維是智能的核心。通過對思維規(guī)律與思維方法的研究可望揭示智能的本質(zhì)。 知識閾值理論：智能行為取決于知識的數(shù)量及其一般化的程度。智能就是在巨大的知識空間中迅速找到一個滿意解的能力 進化理論： MIT布魯克（R.A.Brook）教授認為對外界事物的感知能力、對動態(tài)環(huán)境的適應(yīng)能力是智能的重要基礎(chǔ)和組成部分,什么是智能,智能（Intelligence）： 智能是知識與智力的總和 知識是智能行為的基礎(chǔ) 智能是獲取知識、運用知識的能力，它

4、來自于人腦的思維活動 對外界事物的感知能力是智能的重要基礎(chǔ)及組成部分 人類大腦是如何實現(xiàn)智能的？ 兩大難題之一：宇宙起源、人腦奧秘 目前對人腦奧秘知之甚少,智能的特征,智能有哪些具體特征？ 具有感知能力（系統(tǒng)輸入）: 機器視覺，機器聽覺，圖像語音識別 具有記憶與思維能力：思維是智能的根本原因，思維是一個動態(tài)的過程。思維分為：邏輯思維，形象思維和頓悟思維。 具有學習能力及自適應(yīng)能力：適應(yīng)環(huán)境的變換、積累經(jīng)驗的能力 具有行為能力（系統(tǒng)輸出）：對外界的智能化反應(yīng),什么是人工智能,人工智能（AI）的定義 形式化定義：目前還沒有。因為人工智能的嚴格定義依賴于對智能的定義，而智能本身也還無嚴格定義。 一般

5、解釋：人工智能就是用人工的方法在機器（計算機）上實現(xiàn)的智能，或稱機器智能 人工智能學科：從學科的角度來說，人工智能是一門研究如何構(gòu)造智能機器或智能系統(tǒng)，使之能模擬、延伸、擴展人類智能的學科 人工智能能力：從智能能力的角度來說，人工智能是智能機器所執(zhí)行的通常與人類智能有關(guān)的智能行為，如判斷、推理、證明、識別、感知、理解、通信、設(shè)計、思考、規(guī)劃、學習和問題求解等思維活動,什么是人工智能,人工智能（AI）的定義 人工智能是那些與人的思維、決策、問題求解和學習等有關(guān)活動的自動化（Bellman,1978） 人工智能是一種使計算機能夠思維，使機器具有智力的激動人心的新嘗試（Haugeland,1985）

6、 人工智能是用計算模型研究智力行為（Charniak和McDermott,1985） 人工智能是一種能夠執(zhí)行需要人的智能的創(chuàng)造性機器的技術(shù)（Kurzwell,1990） 人工智能是一門通過計算過程力圖理解和模仿智能行為的學科（Schalkoff,1990,什么是人工智能,人工智能（AI）的定義 人工智能研究如何使計算機做事讓人過得更好（Rick和Knight,1991） 人工智能是研究那些使理解、推理和行為成為可能的計算（Winston,1992） 人工智能是計算機科學中與智能行為的自動化有關(guān)的一個分支（Luger和Stubblefield,1993）,圖靈測試,Turing測試：1950年圖

7、靈提出了著名的“圖靈測試”，一種測試機器是不是具備人類智能的方法。 圖靈測試的問題： 問：你會下國際象棋嗎？ 答：是的。 問：你會下國際象棋嗎？ 答：是的。 問：請再次回答，你會下國際象棋嗎？ 答：是的,笨機器,圖靈測試,圖靈測試的問題： 問：你會下國際象棋嗎？ 答：是的。 問：你會下國際象棋嗎？ 答：是的，我不是已經(jīng)說過了嗎？ 問：請再次回答，你會下國際象棋嗎？ 答：你煩不煩，干嘛老提同樣的問題,圖靈測試,Turing測試存在的問題 “圖靈測試”沒有規(guī)定問題的范圍和提問的標準 僅反映了結(jié)果的比較，無涉及思維過程 沒指出是什么人 爭論：通過了圖靈檢驗的電腦就具備思維能力了么 ？ 希爾勒的中文屋

8、子：若問題是用中文而不是用英文,人工智能的起源與發(fā)展,50多年來，人工智能走過了一條起伏和曲折的發(fā)展道路?；仡櫄v史，可以按照不同時期的主要特征，將其產(chǎn)生與發(fā)展過程分為5個階段。 1. 孕育期（1956年以前） 2. 形成期（1956-1970年） 3. 暗淡期（1966- 1974年） 4. 知識應(yīng)用期（ 1970- 1988年） 5. 集成發(fā)展期（1986年以來,1.孕育期（1956年以前） 我國古代先人對智能機器的遐想和創(chuàng)造 三千多年前的古代機器人：據(jù)列子湯問記載，傳說周穆王在西巡途中，遇到一位名叫偃師的能工巧匠。偃師獻上一個會歌舞表演的“假倡” ，“鋇（抑）其頤則歌合律，捧其手則舞應(yīng)節(jié)，

9、千變?nèi)f化，惟意所適” 。 兩千多年前的偵察機：據(jù)墨子魯問記載，“公輸子（魯班）削竹木以為鵲”，“三日不下” 。他還造了能載人的大木鳶，在戰(zhàn)爭中擔任偵查的任務(wù)。 指南車：東漢張衡 木牛流馬：魯班？諸葛亮,人工智能的起源與發(fā)展,1.孕育期（1956年以前） 亞里士多德（Aristotle，公元前384-322）：古希臘偉大的哲學家和思想家，創(chuàng)立了演繹法。他提出的三段論至今仍然是演繹推理的最基本出發(fā)點。 弗蘭西斯培根（F. Bacon 1561 -1626）：英國哲學家、作家和科學家，系統(tǒng)地提出了歸納法，成為和亞里士多德的演繹法相輔相成的思維法則。 萊布尼茨(G.W.Leibnitz，1646-17

10、16)：德國數(shù)學家和哲學家把形式邏輯符號化，奠定了數(shù)理邏輯的基礎(chǔ)。從而能夠?qū)θ说乃季S進行運算和推理。 布爾（Boole, 1815 -1864）: 英國數(shù)學家、邏輯學家。實現(xiàn)了萊布尼茨的思維符號化和數(shù)學化的思想，提出了一種嶄新的代數(shù)系統(tǒng)布爾代數(shù),人工智能的起源與發(fā)展,1.孕育期（1956年以前） 圖靈(A.M.Turing，1912-1954)：英國數(shù)學家，1936年創(chuàng)立了自動機理論，自動機理論亦稱圖靈機，是一個理論計算機模型。 莫克利 (J.W.Mauchly，1907-1980)：美國數(shù)學家、電子數(shù)字計算機的先驅(qū)，與他的研究生?？颂?J. P. Eckert)合作，1946年研制成功了世界

11、上第一臺通用電子計算機ENIAC。 麥克洛奇(W.McCulloch)和皮茲(W.Pitts)：美國神經(jīng)生理學家，于1943年建成了第一個神經(jīng)網(wǎng)絡(luò)模型(MP模型)，還提出適當?shù)木W(wǎng)絡(luò)能夠?qū)W習。 香儂(C.E.Shannon，1916-2001 ): 美國數(shù)學家，1948年發(fā)表了通訊的數(shù)學理論，代表信息論的誕生 維納(N.Wiener，1874-1956) ：美國著名數(shù)學家、控制論創(chuàng)始人。1948年創(chuàng)立了控制論?？刂普撗芯肯到y(tǒng)的信息變換和控制過程，為人工智能的行為主義學派的形成奠定了基礎(chǔ),人工智能的起源與發(fā)展,1.孕育期（1956年以前） 在人工智能誕生之前，一些著名科學家就已經(jīng)創(chuàng)立了為人工智能的

12、誕生奠定重要的思想、理論基礎(chǔ)和技術(shù)條件的學科和研究成果： 數(shù)理邏輯 控制論 計算理論 神經(jīng)網(wǎng)絡(luò)模型 電子數(shù)字計算機,人工智能的起源與發(fā)展,2.形成期（1956-1970年） AI誕生于一次歷史性的聚會：麥卡錫正式使用“AI”的術(shù)語 時間地點：1956年夏，美國達特莫斯 (Dartmouth) 大學，歷時兩個月 發(fā)起人： 麥卡錫 (J. McCarthy): 數(shù)學家、計算機專家 明斯基(M. L. Minsky): 哈佛大學數(shù)學家、神經(jīng)學家 洛切斯特(N. Lochester) : IBM公司信息中心負責人 香農(nóng)(C. E. Shannon) : 貝爾實驗室信息部數(shù)學家和信息學家 邀請參加： 莫

13、爾(T.more)、塞繆爾(A.L.Samuel) : IBM公司 塞爾夫里奇(O.Selfridge)、索羅蒙夫(R.Solomonff) : MIT 紐厄爾(A.Newell) :蘭德(RAND)公司，美國 西蒙(H.A.Simon) :卡內(nèi)基梅隆（CMU）大學,AI的創(chuàng)始人們,阿倫圖靈（Alan Turing） 計算機科學理論的創(chuàng)始人 1912年出生于英國倫敦，1954年去世，享年42歲 1936年發(fā)表論文“論可計算數(shù)及其在判定問題中的應(yīng)用”，提出圖靈機理論 1950年發(fā)表論文“計算機與智能”，闡述了計算機可以具有智能的想法，提出圖靈測試 1966年為紀念圖靈的杰出貢獻，ACM設(shè)立圖靈獎

14、,圖靈 （Alan Turing,AI的創(chuàng)始人們,麥卡錫 (J. McCarthy) 首次提出人工智能的概念 發(fā)明剪枝算法 提出人工智能語言Lisp 提出情景演算理 論,明斯基 (M. L. Minsky) 提出思維如何萌發(fā)并形成的基本理論 建造第一個神經(jīng)網(wǎng)絡(luò)模擬器，學習如何穿過迷宮 最早提出agent的概念 提出知識表示的框架理論,西蒙 (H.A.Simon) 符號主義學派的創(chuàng)始人之一 開創(chuàng)了機器定理證明的學科領(lǐng)域 最早的AI語言IPL 開發(fā)了“通用問題求解系統(tǒng)”GPS,紐厄爾 (A.Newell) 符號主義學派的創(chuàng)始人之一 西蒙的學生與同事 1975年與西蒙同獲圖靈獎,人工智能的起源與發(fā)展

15、,2.形成期（1956-1970年） 心理學小組 1957年，西蒙和紐厄爾等人的心理學小組研制了一個稱為邏輯理論機(Logic Theory Machine，簡稱LT)的數(shù)學定理證明程序。 1960年研制了通用問題求解(General Problem Solving)程序。該程序的設(shè)計是從模仿人類問題求解的規(guī)程開始的，不依賴于具體領(lǐng)域。在它能處理的有限類別的問題中，它顯示出程序決定的子目標及可能采取的行動的次序，與人類求解同樣問題是類似的。因此，GPS是第一個實現(xiàn)了“像人一樣思考”方法的程序,人工智能的起源與發(fā)展,2.形成期（1956-1970年） IBM工程小組 1956年，塞繆爾在IBM7

16、04計算機上研制成功了具有自學習、自組織和自適應(yīng)能力的西洋跳棋程序。 這個程序可以從棋譜中學習，也可以在下棋過程中積累經(jīng)驗、提高棋藝。 通過不斷學習，該程序1959年擊敗了塞繆爾本人 1962年又擊敗了一個州的冠軍。 MIT小組 1960年，麥卡錫研制了人工智能語言LISP,人工智能的起源與發(fā)展,2.形成期（1956-1970年） 其他開創(chuàng)性貢獻 1958年，美籍華人數(shù)理邏輯學家王浩在IBM-740計算機上僅用了3-5分鐘就證明了數(shù)學原理命題演算全部 220 條定理 。 1965年，魯賓遜(J.A.Robinson)提出了歸結(jié)（消解）原理。 1965年，費根鮑姆(E. A. Feigenbau

17、m) 開始研究化學專家系統(tǒng)DENDRAL，用于質(zhì)譜儀分析有機化合物的分子結(jié)構(gòu)。 1969年召開了第一屆國際人工智能聯(lián)合會議（International Joint Conference on AI，IJCAI），標志著人工智能作為一門獨立學科登上了國際學術(shù)舞臺。此后IJCAI每兩年召開一次。 1970年International Journal of AI創(chuàng)刊,人工智能的起源與發(fā)展,3. 暗淡期（1966- 1974年） 失敗的預(yù)言給人工智能的聲譽造成重大傷害 60年代初，西蒙預(yù)言：10年內(nèi)計算機將成為世界冠軍、將證明一個未發(fā)現(xiàn)的數(shù)學定理、將能譜寫出具有優(yōu)秀作曲家水平的樂曲、大多數(shù)心理學理論將

18、在計算機上形成。 挫折和困境 在博弈方面：塞繆爾的下棋程序在與世界冠軍對弈時，5局敗了4局。 在定理證明方面：發(fā)現(xiàn)魯賓遜歸結(jié)法的能力有限。當用歸結(jié)原理證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)時，推了10萬步也沒證出結(jié)果,人工智能的起源與發(fā)展,3. 暗淡期（1966- 1974年） 在問題求解方面：對于不良結(jié)構(gòu)，會產(chǎn)生組合爆炸問題。 在機器翻譯方面：發(fā)現(xiàn)并不那么簡單，甚至會鬧出笑話。例如，把“心有余而力不足”的英語句子翻譯成俄語，再翻譯回來時竟變成了“酒是好的，肉變質(zhì)了” 在神經(jīng)生理學方面：研究發(fā)現(xiàn)人腦有1011-12以上的神經(jīng)元，在現(xiàn)有技術(shù)條件下用機器從結(jié)構(gòu)上模擬人腦是根本不可能的。 在其它方面：人工

19、智能也遇到了不少問題。在英國，劍橋大學的詹姆教授指責“人工智能研究不是騙局，也是庸人自擾” 。從此，形勢急轉(zhuǎn)直下，在全世界范圍內(nèi)人工智能研究陷入困境、落入低谷,人工智能的起源與發(fā)展,3. 暗淡期（1966- 1974年） Minsky的批評 1969年 M. Minsky 和 S. Papert 在感知機一書中指出了感知機無法解決異或（XOR）問題的缺陷，并表示出對這方面研究的悲觀態(tài)度，使得神經(jīng)網(wǎng)絡(luò)的研究從興起期進入了停滯期。 該批評對人工智能的發(fā)展造成了重要的影響 在以后的二十年，感知機的研究方向被忽視 基于符號的知識表示成為主流 基于邏輯的推理成為主要研究方向,人工智能的起源與發(fā)展,3.

20、暗淡期（1966- 1974年） 當時的人工智能存在三個方面的局限性 知識局限性：早期開發(fā)的人工智能程序中包含了太少的主題知識，甚至沒有知識，而且只采用簡單的句法處理。 解法局限性：求解方法和步驟的局限性使得設(shè)計的人工智能程序在實際上無法求得問題的解答，或者只能得到簡單問題的解答，而這種簡單問題并不需要人工智能的參與。 結(jié)構(gòu)局限性：用于產(chǎn)生智能行為的人工智能系統(tǒng)或程序在一些基本結(jié)構(gòu)上嚴重局限，如沒有考慮不良結(jié)構(gòu)，無法處理組合爆炸問題，因而只能用于解決比較簡單的問題，影響到人工智能系統(tǒng)的推廣應(yīng)用,人工智能的起源與發(fā)展,4. 知識應(yīng)用期（ 1970 - 1988年） 以知識為中心的研究： 專家系統(tǒng)

21、實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探討走向?qū)ｉT知識運用的重大突破，是AI發(fā)展史上的一次重要轉(zhuǎn)折,1972年，費根鮑姆開始研究MYCIN醫(yī)療專家系統(tǒng)，并于1976年研制成功。從應(yīng)用角度看，它能協(xié)助內(nèi)科醫(yī)生診斷細菌感染疾病，并提供最佳處方。從技術(shù)角度看，他解決了知識表示、不精確推理、搜索策略、人機聯(lián)系、知識獲取及專家系統(tǒng)基本結(jié)構(gòu)等一系列重大技術(shù)問題。 這一時期，與專家系統(tǒng)同時發(fā)展的重要領(lǐng)域還有計算機視覺和機器人，自然語言理解與機器翻譯等,費根鮑姆 （ E. A. Feigenbaum,人工智能的起源與發(fā)展,4. 知識應(yīng)用期（ 1970- 1988年） 整個20世紀80年代，專家系

22、統(tǒng)和知識工程在全世界得到了迅速發(fā)展。專家系統(tǒng)為企業(yè)等用戶贏得了巨大的經(jīng)濟效益。 在開發(fā)專家系統(tǒng)過程中，許多研究者獲得共識，即人工智能系統(tǒng)是一個知識處理系統(tǒng)，而知識表示、知識利用和知識獲取則成為人工智能系統(tǒng)的三大基本問題。 新的問題： 專家系統(tǒng)本身所存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、沒有分布式功能、不能訪問現(xiàn)存數(shù)據(jù)庫等問題被逐漸暴露出來,人工智能的起源與發(fā)展,5. 集成發(fā)展期（1986年以來） 神經(jīng)網(wǎng)絡(luò)的復(fù)興： 1982年，Hopfield模型提出。1984年， J. Hopfield設(shè)計研制了Hopfield網(wǎng)的電路，較好地解決了著名的TSP問題，引起了較大的轟動

23、。 1986年， Rumelhart, Hinton 提出多層感知機與反向傳播(BP) 學習算法，該方法克服了感知器非線性不可分類問題，給神經(jīng)網(wǎng)絡(luò)研究帶來了新的希望,美國加州理工學院 物理學家 J. J. Hopfield教授,人工智能的起源與發(fā)展,5. 集成發(fā)展期（1986年以來） 1995年，Vapnik提出Support Vector Machine（SVM）。 1997年5月11日，由IBM研制的超級計算機“深藍” 首次擊敗了國際象棋特級大師卡斯帕洛夫 。 2000年，中國科學院計算所開發(fā)出知識發(fā)現(xiàn)系統(tǒng)MSMiner。該系統(tǒng)是一種多策略知識發(fā)現(xiàn)平臺，能夠提供快捷有效的數(shù)據(jù)挖掘解決方案，

24、提供多種知識發(fā)現(xiàn)方法。 2011年，IBM超級電腦“沃森”亮相美國最受歡迎的智力競賽節(jié)目危險邊緣戰(zhàn)勝該節(jié)目兩位最成功的選手,人工智能的起源與發(fā)展,5. 集成發(fā)展期（1986年以來） 機器學習，計算智能，人工神經(jīng)網(wǎng)絡(luò)，模糊邏輯，粗集理論，多智能體系統(tǒng)和行為主義等研究深入開展，不時形成高潮 隨著人工神經(jīng)網(wǎng)絡(luò)的再度興起和布魯克（R. A. Brooks）的六足機器蟲的出現(xiàn)，人工智能研究形成了符號主義、連接主義和行為主義三大學派。 隨著研究和應(yīng)用的深入，人們又逐步認識到，三個學派各有所長，各有所短，應(yīng)相互結(jié)合、取長補短，綜合集成,內(nèi)容提要,第一章：緒論,1.人工智能的定義與發(fā)展,2.人工智能的各種認知

25、觀,3.人類智能與人工智能,4.人工智能的研究與應(yīng)用領(lǐng)域,5.課程概要,人工智能的各種認知觀,人工智能的各種認知觀 符號主義（Symbolicism）: 基于物理符號系統(tǒng)假設(shè)和有限合理性原理 連接主義（Connectionism）: 基于神經(jīng)網(wǎng)絡(luò)及其間的連接機制與學習算法 行為主義（Actionism）: 基于控制論及感知動作型控制系統(tǒng) 機制主義（mechanism）：結(jié)構(gòu)（連接）主義、功能（符號）主義、行為主義的和諧統(tǒng)一 鐘義信,人工智能的各種認知觀,符號主義（Symbolicism）: 又稱為邏輯主義、心里學派、計算機學派 符號主義觀點認為：智能的基礎(chǔ)是知識，其核心是知識表示和知識推理；知

26、識可用符號表示，也可用符號進行推理，因而可以建立基于知識的人類智能和機器智能的統(tǒng)一的理論體系。 代表人物：西蒙，紐厄爾等 代表性成果：1957年，西蒙、紐厄爾等人研制的稱為邏輯理論機(Logic Theory Machine，LT)的數(shù)學定理證明程序,人工智能的各種認知觀,連接主義（Connectionism）: 又稱為仿生學派、生理學派 連接主義觀點認為：思維的基元是神經(jīng)元，而不是符號；思維過程是神經(jīng)元的聯(lián)結(jié)活動過程，而不是符號運算過程；反對符號主義關(guān)于物理符號系統(tǒng)的假設(shè)。 代表人物：明斯基 代表性成果： 1943年麥克洛奇和皮茲創(chuàng)立的神經(jīng)網(wǎng)絡(luò)模型MP模型,人工智能的各種認知觀,行為主義（A

27、ctionism）: 又稱為進化主義，控制論學派 行為主義觀點認為：智能取決于感知和行動，提出了智能行為的“感知動作”模型；智能不需要知識、不需要表示、不需要推理；人工智能可以像人類智能那樣逐步進化。 布魯克基于控制論提出了無需知識表示的智能、無需推理的智能。他認為智能只是在與環(huán)境的交互作用中表現(xiàn)出來，在許多方面是行為心理學觀點在現(xiàn)代人工智能中的反映。 代表人物：布魯克 代表性成果：布魯克研制的機器蟲,人工智能的各種認知觀,機制主義（mechanism）： 鐘義信：北京郵電大學教授，曾任中國人工智能學會理事長 機制主義是結(jié)構(gòu)（連接）主義、功能（符號）主義和行為主義的和諧統(tǒng)一,智能活動的過程：任

28、務(wù)給定-信息獲取-知識提煉-策略生成-策略執(zhí)行-反饋優(yōu)化 智能生成的機制：信息-知識-智能的轉(zhuǎn)換 由于采用的知識類型不同，神經(jīng)網(wǎng)絡(luò)（結(jié)構(gòu)模擬，經(jīng)驗知識）、專家系統(tǒng)（功能模擬，規(guī)范知識）、感知-動作系統(tǒng)（行為模擬，常識知識）分別是機制主義方法的特例,內(nèi)容提要,第一章：緒論,1.人工智能的定義與發(fā)展,2.人工智能的各種認知觀,3.人類智能與人工智能,4.人工智能的研究與應(yīng)用領(lǐng)域,5.課程概要,人類智能與人工智能,智能信息處理系統(tǒng)：人類 & 計算機,神經(jīng)系統(tǒng),視覺、聽覺、觸覺,智能思維和智能決策,物理符號系統(tǒng),計算機博弈、定理證明、語言翻譯,計算機程序設(shè)計語言,神經(jīng)計算機、量子計算機,人類智能與人工

29、智能,一個完善的物理符號系統(tǒng)的六種基本功能： 輸入符號Input； 輸出符號Output； 存儲符號Storage； 復(fù)制符號Copy； 建立符號結(jié)構(gòu)：通過找出各個符號之間的關(guān)系，在符號系統(tǒng)中形成一種結(jié)構(gòu)，即：符號結(jié)構(gòu)（Symbol Structure）； 條件性遷移（Conditional transformation）：根據(jù)已有符號，完成活動過程，即某種形式的推理過程,人類智能與人工智能,物理符號系統(tǒng)的假設(shè) 任何一個系統(tǒng)，如果它能表現(xiàn)出智能，那么它就必定能夠執(zhí)行上述6種功能。反之，任何系統(tǒng)如果具有這6種功能，那么它就能夠表現(xiàn)出智能；這種智能指的是人類所具有的那種智能。把這個假設(shè)稱為物理符號

30、系統(tǒng)的假設(shè)。 物理符號系統(tǒng)的3個推論 推論一：既然人具有智能，那么他（她）一定是一個物理符號系統(tǒng)。 推論二：既然計算機是一個物理符號系統(tǒng)，它就一定能夠表現(xiàn)出智能。 推論三：既然人是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，那么就能夠用計算機來模擬人的活動,內(nèi)容提要,第一章：緒論,1.人工智能的定義與發(fā)展,2.人工智能的各種認知觀,3.人類智能與人工智能,4.人工智能的研究與應(yīng)用領(lǐng)域,5.課程概要,人工智能的研究與應(yīng)用領(lǐng)域,人工智能的研究與應(yīng)用領(lǐng)域 人工智能研究的目標 人工智能研究的基本內(nèi)容 人工智能研究的主要方法 人工智能的爭論 人工智能的發(fā)展方向 人工智能應(yīng)用領(lǐng)域,人工智能研究的目標,遠

31、期目標 揭示人類智能的根本機理，用智能機器去模擬、延伸和擴展人類的智能 涉及到腦科學、認知科學、計算機科學、系統(tǒng)科學、控制論等多種學科，并依賴于它們的共同發(fā)展 近期目標 研究如何使現(xiàn)有的計算機更聰明，即使它能夠運用知識去處理問題，能夠模擬人類的智能行為 相互關(guān)系 遠期目標為近期目標指明了方向 近期目標則為遠期目標奠定了理論和技術(shù)基礎(chǔ),人工智能研究的基本內(nèi)容,人工智能研究的基本內(nèi)容主要包括兩個方面：1）利用技術(shù)模擬生物的行為；2）利用計算機構(gòu)造智能系統(tǒng)。具體可細分為： 1、認知建模 認知：可一般地認為是和情感、動機、意志相對應(yīng)的理智或認識過程，或者是為了一定的目的，在一定的心理結(jié)構(gòu)中進行的信息加

32、工過程。 美國心理學家浩斯頓(Houston)等人把認知歸納為以下5種主要類型： (1) 認知是信息的處理過程； (2) 認知是心理上的符號運算； (3) 認知是問題求解； (4) 認知是思維； (5) 認知是一組相關(guān)的活動，如知覺、記憶、思維、判斷、推理、問題求解、學習、想象、概念形成及語言使用等,人工智能研究的基本內(nèi)容,2、知識表示：基礎(chǔ) 3、知識推理：實現(xiàn)問題求解 4、知識應(yīng)用：目的 5、機器感知：就是要讓計算機具有類似于人的感知能力，如視覺、聽覺、觸覺、嗅覺、味覺，是機器獲取外部信息的基本途徑，相當于智能系統(tǒng)的輸入 機器視覺（或叫計算機視覺）：就是給計算機配上能看的視覺器官，如攝像機等

33、，使它可以識別并理解文字、圖像、景物等 機器聽覺（或叫計算機聽覺）：就是給計算配上能聽的聽覺器官，如話筒等，使計算機能夠識別并理解語言、聲音等。 模式識別：對客體的識別與分類 自然語言理解：實現(xiàn)人機對話 機器翻譯,傳統(tǒng)人工智能的三 大核心研究內(nèi)容,人工智能研究的基本內(nèi)容,6、機器思維： 機器思維是讓計算機能夠?qū)Ω兄降耐饨缧畔⒑妥约寒a(chǎn)生的內(nèi)部信息進行思維性加工 包括邏輯思維、形象思維和靈感思維 涉及信息的表示，組織，積累，管理，搜索，推理等過程 神經(jīng)網(wǎng)絡(luò)、人腦結(jié)構(gòu)及其工作原理 7、機器學習： 讓計算機能夠像人那樣自動地獲取新知識，并在實踐中不斷地完善自我和增強能力。 是機器獲取智能的途徑 學習

34、是一個有特定目的的知識獲取過程 學習的本質(zhì)是對信息的理解與應(yīng)用 有多種學習方法,人工智能研究的基本內(nèi)容,8、機器行為： 讓計算機能夠具有像人那樣地行動和表達能力，如走、跑、拿、說、唱、寫畫等。 相當于智能系統(tǒng)的輸出部分 機器人 9、智能系統(tǒng)構(gòu)建 無論是人工智能的近期目標還是遠期目標，都需要建立智能系統(tǒng)或構(gòu)造智能機器 需要開展對系統(tǒng)模型、構(gòu)造技術(shù)、構(gòu)造工具及語言環(huán)境等研究,人工智能研究的主要方法,人工智能研究的主要方法 功能模擬法：認知學觀點，工程觀點 符號主義學派。根據(jù)人腦的心理模型，把問題或知識表示為某種邏輯結(jié)構(gòu)，運用符號演算，實現(xiàn)表示、推理和學習等功能，從宏觀上模擬人腦思維，實現(xiàn)人工智能功

35、能。 從計算機工程的角度出發(fā)，通過運用計算機科學的方法進行研究，實現(xiàn)人類智能在計算機上的模擬。主要研究符號處理為核心的方法。 不足之處： 在用符號表示知識的概念時，有效性很大程度上取決于符號表示的正確性和準確性； 將知識概念轉(zhuǎn)換成符號時，可能丟失一些重要信息； 難于對含噪信息、不確定性信息和不完全性信息進行處理,人工智能研究的主要方法,結(jié)構(gòu)模擬法：生物學觀點，科學觀點 連接主義學派。根據(jù)人腦的生理結(jié)構(gòu)和工作機理來模擬人腦智能，屬于非符號處理范疇 從腦科學的角度出發(fā)，采用生物學的方法進行研究，視圖搞清楚人類智能的本質(zhì)。主要研究神經(jīng)網(wǎng)絡(luò)。 不足之處： 由于大腦的生理結(jié)構(gòu)和工作機理還遠未搞清楚，因而

36、現(xiàn)在只能對人腦的局部進行模擬或進行近似模擬 不適合模擬人的邏輯思維過程 受大規(guī)模人工神經(jīng)網(wǎng)絡(luò)制造的制約 尚不能滿足人腦完全模擬的要求,人工智能研究的主要方法,行為模擬法 行為主義學派。智能不取決于符號和神經(jīng)元，而取決于感知和行動，智能行為只能在現(xiàn)實世界中與周圍環(huán)境交互作用而表現(xiàn)出來。 不足之處： 難以獲得高級智能控制行為 集成模擬法 各學派密切合作，取長補短 逐步建立統(tǒng)一的人工智能理論體系和方法 鐘義信：機制主義,人工智能的爭論,人工智能作為一門學科，已經(jīng)走過了半個世紀的歷程，并獲得了可喜的成就，但同時也面臨著許多困難和挑戰(zhàn)。人工智能在爭論中不斷發(fā)展，爭論的主要問題包括： 人工智能研究方法的爭

37、論 人工智能是否必須模擬人的智能？如何模擬？ 對功能模擬、結(jié)構(gòu)模擬和行為模擬是否可以分離研究？ 對感知、思維和行為是否可以分離研究？ 對認知與學習以及邏輯思維和形象思維等問題是否可以分離研究？ 是否有必要建立人工智能的統(tǒng)一理論體系？ 人工智能技術(shù)路線的爭論 專用路線和通用路線的爭議 硬件路線和軟件路線的爭議,人工智能的發(fā)展方向,近期人工智能的發(fā)展方向 更新的理論框架研究：目前人工智能的研究存在著宏觀與微觀分離、局部與全局分離、理論與實際相脫節(jié)的問題。要從根本上了解人腦的結(jié)構(gòu)和功能，實現(xiàn)人工智能的研究目標，還需要尋找和建立更新的人工智能框架和理論體系。 更好的技術(shù)集成研究：人工智能是一門綜合了信

38、息技術(shù)、認知科學，心理學、社會學、語言學、系統(tǒng)學、哲學、倫理學等學科領(lǐng)域的交叉學科，人工智能的發(fā)展需要從各個學科的發(fā)展中汲取營養(yǎng)。 更成熟的應(yīng)用方法研究：研究更通用更有效的軟件開發(fā)方法，如更高級的人工智能語言，更方便的人工智能開發(fā)環(huán)境和工具；發(fā)掘求解問題的新思路與新方法,人工智能應(yīng)用領(lǐng)域,人工智能應(yīng)用領(lǐng)域主要包括 問題求解 機器學習 自然語言理解 專家系統(tǒng) 模式識別 計算機視覺 機器人學 博弈 計算智能 人工生命,自動定理證明 自動程序設(shè)計 智能控制 智能檢索 智能調(diào)度與智慧 智能決策支持系統(tǒng) 人工神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)挖掘與知識發(fā)現(xiàn),人工智能應(yīng)用領(lǐng)域,問題求解 問題的表示、分解、搜索、歸約等 進行復(fù)

39、雜的數(shù)學公式符號運算求解 機器學習 是使計算具有智能的根本途徑，也是機器具有智能的重要標志 主要研究如何使得計算機能夠模擬和實現(xiàn)人類的學習能力 人工智能領(lǐng)域最活躍，最具研究前景的熱點 自然語言理解 書面語言的理解和口語（語音）的理解 手寫文字的識別 機器翻譯,人工智能應(yīng)用領(lǐng)域,專家系統(tǒng) 專家系統(tǒng)是在某個特定的領(lǐng)域內(nèi)，以專家水平趨解決該領(lǐng)域中困難問題的計算機程序 典型的專家系統(tǒng)結(jié)構(gòu)如下,人工智能應(yīng)用領(lǐng)域,模式識別 模式識別的研究目標使得計算機能夠?qū)o定的事物進行鑒別，并將其歸入相同或相似的模式中 模式識別是計算機對環(huán)境識別的需要，是對人類環(huán)境的感知模擬 計算機視覺 人類80以上的外部信息來自視覺 計算機視覺主要研究目標是使得計算機具有通過二維圖像認知三維環(huán)境信息的能力 低層視覺與高層視覺 前沿研究領(lǐng)域 廣泛應(yīng)用：目標識別與跟蹤，視頻三維重建，CT圖像的臟器三維重建等,人工智能應(yīng)用領(lǐng)域,機器人學 機器人是一種可編程的多功能操作裝置