人工智能緒論10課件

1、計(jì)算機(jī)科學(xué)的重要分支計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的核心課程之一、也是自動化、電子信息工程等專業(yè)的選修課程如何用計(jì)算機(jī)來模擬人類智能，即如何用計(jì)算機(jī)實(shí)現(xiàn)諸如問題求解、規(guī)劃推理、模式識別、知識工程、自然語言處理、機(jī)器學(xué)習(xí)等只有人類才具備的智能，使得計(jì)算機(jī)更好得為人類服務(wù)。課程簡介考試筆試開卷第1講 人工智能概述(Chapter 1 Overview of AI)Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議Stuart Russell, Peter Norvig. “Artificial

2、Intelligence: A Modern Approach”. Pearson Education, 2002. 中譯本：人工智能一種現(xiàn)代方法(第二版)， 姜哲 等譯, 人民郵電出版社, 2004蔡自興，徐光佑. 人工智能及其應(yīng)用(第三版). 北京：清華大學(xué)出版社，2004. 陸汝鈐. 人工智能(上、下冊). 科學(xué)出版社，2000.史忠植. 高級人工智能(第二版). 科學(xué)出版社, 2006.Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議定義1 智能機(jī)器能夠在各類環(huán)境中自主地

3、或交互地執(zhí)行各種擬人任務(wù)(anthropomorphic tasks)的機(jī)器。定義2 人工智能(學(xué)科)計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個分支。近期主要目標(biāo)在于研究用機(jī)器來模仿和執(zhí)行人腦的某些智力功能，并開發(fā)相關(guān)理論和技術(shù)。定義3 人工智能(能力)智能機(jī)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(jì)、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動。定義4 一種使計(jì)算機(jī)能夠思維，使機(jī)器具有智力的激動人心的新嘗試（Haugeland,1985）。定義5 那些與人的思維、決策、問題求解和學(xué)習(xí)等有關(guān)活動的自動化（Bellman,1978）。定義6 用計(jì)算模型研

4、究智力行為（Charniak和McDermott,1985）。定義7 研究那些使理解、推理和行為成為可能的計(jì)算（Winston,1992）。定義4和5涉及擬人思維定義6和7與理性思維有關(guān)定義8 一種能夠執(zhí)行需要人的智能的創(chuàng)造性機(jī)器的技術(shù)（Kurzwell,1990）。定義9 研究如何使計(jì)算機(jī)做事讓人過得更好（Rick和Knight,1991）。定義10 一門通過計(jì)算過程力圖理解和模仿智能行為的學(xué)科（Schalkoff,1990）。定義11 計(jì)算機(jī)科學(xué)中與智能行為的自動化有關(guān)的一個分支（Luger和Stubblefield,1993）。定義8和9涉及擬人行為定義10和11與學(xué)科范圍有關(guān)Outli

5、ne主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議哲學(xué)（428 B. C. 現(xiàn)在） 意識、思維的理性部分的形式化 數(shù)學(xué)（800 現(xiàn)在） 邏輯、計(jì)算、概率 經(jīng)濟(jì)學(xué)（1776 現(xiàn)在） 決策、博弈、運(yùn)籌學(xué) 神經(jīng)科學(xué)（1861 現(xiàn)在） 簡單細(xì)胞的集合能夠?qū)е滤季S、意識和行動1. AI的基礎(chǔ) 心理學(xué)(1879現(xiàn)在) 認(rèn)知心理學(xué)：大腦當(dāng)作信息處理裝置 實(shí)驗(yàn)心理學(xué)： 1879年Wundt在萊比錫大學(xué)首創(chuàng) 控制論(1948現(xiàn)在)：1948年Viener 語言學(xué)(1957現(xiàn)在)：Shinner，喬姆斯基理論

6、計(jì)算機(jī)工程(1940 -現(xiàn)在) 電動機(jī)械式計(jì)算機(jī)Heath Robinson ： 1940年圖靈研究組，用于破譯德軍情報(bào) 真空電子管通用機(jī)器Colossus：1943年圖靈研究組 可編程計(jì)算機(jī)Z-3：1941年德國的Konrad Zuse 2. AI的萌芽古希臘偉大的哲學(xué)家、思想家，Plato（柏拉圖）的學(xué)生代表作工具論對AI的主要貢獻(xiàn)：為形式邏輯奠定了基礎(chǔ)，而形式邏輯是一切推理活動的最基本的出發(fā)點(diǎn)。Aristotle (亞里士多德) （公元前384322）Aristotle對AI的主要貢獻(xiàn) (續(xù)) “三段論” 以真言判斷為其前提的一種演繹推理，借助于一個共同項(xiàng)，把兩個直言判斷聯(lián)系起來，而得出

7、結(jié)論。 例如：一切金屬都是能夠熔解的；鐵是金屬；所以，鐵是能夠熔解的?！把堇[法”“模態(tài)邏輯”【說明】：古希臘文化是人類民主、科學(xué)的啟蒙，對整個人類做出了十分巨大的貢獻(xiàn)！英國哲學(xué)家、自然科學(xué)家著名口號：“知識就是力量”代表作：新工具對AI的主要貢獻(xiàn)：系統(tǒng)地提出了“歸納法”，成為和Aristotle演繹法相輔相成的思維法則。20世紀(jì)70年代末，Stanford大學(xué)Feigenbaum提出專家系統(tǒng)時，以Bacon的口號為重要依據(jù)。Bacon （培根）（15611626）德國數(shù)學(xué)家、哲學(xué)家對AI的主要貢獻(xiàn)：關(guān)于“數(shù)理邏輯”的思想，把形式邏輯符號化，從而能對人的思維進(jìn)行運(yùn)算和推理。 提出的計(jì)劃：建立一種

8、通用的符號語言，以及一種在此基礎(chǔ)上進(jìn)行推理的演算。 Leibnitz (萊布尼茨) （16461716）美籍奧地利數(shù)理邏輯學(xué)家對AI的主要貢獻(xiàn)：研究數(shù)理邏輯中的一些根本性問題，即“形式系統(tǒng)的完備性和可判定性” 。 1930年證明：一階謂詞演算的完備性定理。1931年證明了兩條不完備性定理：提出人的思維形式化和機(jī)械化的某些極限，在理論上證明了有些事情是做不到的。Godel (哥德爾) （19061978）英國數(shù)學(xué)家1936年提出一種理想計(jì)算機(jī)的數(shù)學(xué)模型“圖靈機(jī)” 。對AI的主要貢獻(xiàn)： 1950年提出著名的“圖靈實(shí)驗(yàn)” 。給出智能標(biāo)準(zhǔn)的明確定義：把人和計(jì)算機(jī)分處兩個不同的房間，并且互相對話，如果作

9、為人的一方不能判斷對方是人還是計(jì)算機(jī)，則那臺計(jì)算機(jī)就達(dá)到了人的智能。Turing (圖靈) （19121954）1946年研制成功世界上第一臺電子計(jì)算機(jī) “ENIAC” 對AI的主要貢獻(xiàn)：為人工智能研究奠定了物質(zhì)基礎(chǔ) John Von Nouma (約翰馮諾依曼 )（ 19031957） W.S. Mcculloch (麥克洛奇) & W. Pitts (皮茲) 1943年，結(jié)合了神經(jīng)生理學(xué)和數(shù)理邏輯的研究，提出了M-P神經(jīng)網(wǎng)絡(luò)模型。1943年建立第一個“神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型” 開創(chuàng)微觀AI 通過模擬人腦來實(shí)現(xiàn)智能美國數(shù)學(xué)家1948年創(chuàng)立“信息論” 對AI的主要貢獻(xiàn)：信息論認(rèn)為人的心理活動可通過信

10、息的形式加以研究，并提出了描述人的心理活動的數(shù)學(xué)模型。信息論和心理學(xué)的結(jié)合構(gòu)成了當(dāng)代AI研究的一個重要潮流宏觀人工智能研究克勞德香農(nóng)(Claude Elwood Shannon1916-2001) 信息論是運(yùn)用概率論與數(shù)理統(tǒng)計(jì)的方法研究信息、信息熵、通信系統(tǒng)、數(shù)據(jù)傳輸、密碼學(xué)、數(shù)據(jù)壓縮等問題的應(yīng)用數(shù)學(xué)學(xué)科。 Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議美國的人工智能之父麥卡錫 John McCarthy（麥卡錫）1971年圖靈獎獲得者。1927年9月出生于美國波士頓。1948

11、年 加州理工大學(xué)獲數(shù)學(xué)學(xué)士學(xué)位。1951年 普林斯頓獲數(shù)學(xué)博士學(xué)位。曾供職于普林斯頓，斯坦福, Dartmouth 和MIT 。1962年，加入斯坦福大學(xué)，并創(chuàng)建了斯坦福人工智能實(shí)驗(yàn)室，工作直到2000年退休。1956年夏天Boston，Dartmouth(達(dá)特茅斯)學(xué)院McCarthy召集與會人員數(shù)學(xué)家McCarthy信息學(xué)家Shannon心理學(xué)家和神經(jīng)生理學(xué)家Lochester(IBM信息研究中心負(fù)責(zé)人）, Moore（IBM）, Solomonff（MIT）計(jì)算機(jī)科學(xué)家Simon, Newell, Samuel, Minsky（哈佛）, Selfridge （MIT）。1. AI的誕生

12、McCarthy在此次會議上提議正式使用： Artificial Intelligence（簡稱AI），標(biāo)志著“人工智能”作為一門獨(dú)立學(xué)科正式誕生。2. AI曲折的發(fā)展歷程早期的熱情、巨大的期望（1952-1969）現(xiàn)實(shí)的困境（1966-1973）基于知識的系統(tǒng)：力量的鑰匙？ (1969 1979)AI成為工業(yè) (1980 現(xiàn)在)神經(jīng)網(wǎng)絡(luò)的回歸 (1986 現(xiàn)在)AI 成為科學(xué) (1987 現(xiàn)在)Intelligent Agent的出現(xiàn) (1995 現(xiàn)在)第一階段：早期的熱情、巨大的期望 (19521969)自然語言的機(jī)器翻譯1953年，美國喬治大學(xué)，1954年IBM公司在701計(jì)算機(jī)上做俄譯

13、英的公開表演。此時，前蘇聯(lián)、中國也開展機(jī)器翻譯的研究。利用計(jì)算機(jī)證明數(shù)學(xué)定理1956年，Newell和Simon，用程序Logic Theorist證明數(shù)學(xué)原理第二章中的38條定理，1963年證明全部52條定理。 （人工智能的真正開端）1956年，Samuel研制了第一個跳棋程序具有學(xué)習(xí)功能，打敗一個州冠軍。1956年，Selfridge研制第一個字符識別程序。1959年，提出功能更強(qiáng)的模式識別。1957年， Newell，Shaw和Simon研究不依賴具體領(lǐng)域的通用解題程序GPS(General Problem Solving）1965年，Robinson提出消解法（即歸結(jié)原理），掀起研究計(jì)

14、算機(jī)定理證明的又一次高潮。Newell, Simon等人過于樂觀不出10年，計(jì)算機(jī)將成為世界象棋冠軍。不出10年，計(jì)算機(jī)將發(fā)現(xiàn)和證明重要的數(shù)學(xué)定理。不出10年，計(jì)算機(jī)將能譜寫具有優(yōu)秀作曲家水平的樂曲。不出10年，大多數(shù)心理學(xué)理論將在計(jì)算機(jī)上形成。有人甚至斷言，20世紀(jì)80年代將全面實(shí)現(xiàn)AI，2000年機(jī)器智能超過人。 第二階段：現(xiàn)實(shí)的困境 (19661973)消解法（歸結(jié)原理）能力有限 例如：證明兩個連續(xù)函數(shù)之和仍是連續(xù)函數(shù)，推了10萬步還沒有推出。 Sauel的下棋程序，1965年，世界冠軍Helmann獲得四連勝。機(jī)器翻譯鬧出不少笑話 有人挖苦說，美國花了2000萬美元為機(jī)器翻譯立了一塊“

15、墓碑”。機(jī)器翻譯鬧出的笑話舉例：“The spirit is willing but the flesh is weak”“心有余而力不足”機(jī)器翻譯過程：英語 俄語 英語結(jié)果被譯為： “The vodka is good but the meat is spoiled”“伏特加是好的，肉變質(zhì)了”?！癘ut of sight, out of mind”“眼不見心不煩”將其翻譯成俄語， “ 又瞎又瘋”。從神經(jīng)生理學(xué)角度研究AI，存在不可逾越的困難。人腦有1010以上個神經(jīng)元，能否將1010個機(jī)器組成一個聯(lián)合運(yùn)行的網(wǎng)絡(luò)？1973年，英國發(fā)表了Lighthill report，認(rèn)為AI的研究即使不是騙

16、局，至少也是庸人自擾。終止了英國的AI研究。 IBM公司也取消了本公司范圍內(nèi)的AI研究活動。第三階段 KBS:力量的鑰匙?(1969-1979)Newell, Simon等老一輩AI專家，關(guān)心的是“通用的、萬能的符號邏輯運(yùn)算體系”物理符號系統(tǒng)假設(shè)。Nilsson更進(jìn)一步提出，物理符號體系的核心方法是邏輯演繹方法。他的口號“命題主義” ，主張一切AI研究應(yīng)在一個類似邏輯的形式框架內(nèi)進(jìn)行。1968年，Stanford年輕教授Feigenbaum主持的專家系統(tǒng)DENDRAL問世，開創(chuàng)了AI的一個重要應(yīng)用領(lǐng)域，以知識為基礎(chǔ)的專家咨詢系統(tǒng)（KBS）。1994年度圖靈獎得主。1965年世界上第一個專家系統(tǒng)

17、程序 DENDRAL。DENDRAL中保存著化學(xué)家的知識和質(zhì)譜儀的知識，可以 根據(jù)給定的有機(jī)化合物的分子式和質(zhì)譜圖，從幾千種可能的分 子結(jié)構(gòu)中挑選出一個正確的分子結(jié)構(gòu)。 驗(yàn)證了費(fèi)根鮑姆 關(guān)于知識工程的理論的正確性為專家系統(tǒng)軟件的發(fā)展和應(yīng) 用開辟了道路，逐漸形成具有相當(dāng)規(guī)模的市場，其應(yīng)用遍及各個 領(lǐng)域、各個部門。愛德華費(fèi)根鮑姆(Edward Albert Feigenbaum)人工智能研 究的一個歷史性突破。醫(yī)學(xué)專家系統(tǒng)：MYCIN。名言：“知識中蘊(yùn)藏著力 量”(“In the Knowledge lies the power”)。于培根的名言知識就是力量 意義相近，但更確切：知識只有被人所發(fā)掘

18、和掌握時，才 能生成力量。 1963年 Computers and Thought世界上第一本有關(guān)人工智能的經(jīng)典性專著。80年代The Handbook of Artificial Intelligence內(nèi)容涵蓋人工智能的理 論與實(shí)踐的方方面面，是從事人工智能研究和開發(fā)的工程技術(shù) 人員必備的參考書。 Feigenbaum及其提出的KBS的主要貢獻(xiàn)在IJCAI-1977上，F(xiàn)eigenbaum提出知識工程、專家系統(tǒng)及其開發(fā)工具Feigenbaum認(rèn)為，萬能的邏輯體系從根本上說是不可能的，其最大弱點(diǎn)就是缺乏知識，缺乏人類在幾千年的文明史上積累起來的知識。Feigenbaum的主要貢獻(xiàn)：知識工程是

19、1977-1987AI中最有成就的分支之一在恢復(fù)和推進(jìn)AI的社會形象方面起了很大作用第四階段：AI成為工業(yè) (1980 現(xiàn)在)專家系統(tǒng)及其開發(fā)工具1981年，日本的“第五代計(jì)算機(jī)”計(jì)劃英國的Alvey Report建議恢復(fù)投資AI提出 “基于知識的智能系統(tǒng)”（Intelligent Knowledge Based System, IKBS） 第五階段：神經(jīng)網(wǎng)絡(luò)的回歸 (1986-現(xiàn)在)1969年，Bryson 提出反向傳播算法1982年，Hopfield神經(jīng)元網(wǎng)絡(luò) （成功的求解了旅行商問題）1986年，Rumelhart & McClelland：主編論文集 Parallel Distribu

20、ted Processing 形成“聯(lián)接主義”方法，與“符號主義”方法形成互補(bǔ)第六階段: AI成為科學(xué)（1987現(xiàn)在）AI理論應(yīng)建立在嚴(yán)密的數(shù)學(xué)基礎(chǔ)上 嚴(yán)格的定理、確鑿的實(shí)驗(yàn)證據(jù)，不靠直覺與現(xiàn)實(shí)應(yīng)用相關(guān)，而不是與玩具樣例相關(guān)機(jī)器學(xué)習(xí)不應(yīng)與信息論分離不確定性推理不應(yīng)與隨機(jī)模型分離搜索不應(yīng)和經(jīng)典的優(yōu)化及控制分離自動推理不應(yīng)和形式化方法分離在方法論上，AI已成為堅(jiān)實(shí)的科學(xué)方法利用Internet和共享測試數(shù)據(jù)庫及代碼，AI系統(tǒng)的重復(fù)實(shí)驗(yàn)成為可能第七階段: Intelligent Agent的出現(xiàn)(1995-現(xiàn)在)Internet ：最重要的Intelligent Agent 環(huán)境之一AI 成為搜索引

21、擎、推薦系統(tǒng)、商務(wù)智能系統(tǒng)的基本工具“Agent的觀點(diǎn)”： 將AI領(lǐng)域目前分離的子領(lǐng)域重新組織為一個有機(jī)整體Russell & Norvig. AI: A Modern ApproachPools et al. 1998Nilsson, 1998Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議1、人類認(rèn)知過程探求高層次思維決策與初級信息處理的關(guān)系用計(jì)算機(jī)程序模擬人的思維策略水平，用計(jì)算機(jī)語言模擬人的初級信息處理過程。 研究認(rèn)知過程的主要任務(wù)2、智能信息處理系統(tǒng)的假設(shè)信息處理系統(tǒng)：

22、 符號操作系統(tǒng)(Symbol Operation System) 物理符號系統(tǒng)(Physical Symbol System)。 符號：模式(pattern)。(1) 輸入符號(input)(2) 輸出符號(output)(3) 存儲符號(store)(4) 復(fù)制符號(copy)(5) 建立符號結(jié)構(gòu)通過找出各符號間的關(guān)系，在符號系統(tǒng)中形成符號結(jié)構(gòu)(6) 條件性遷移(conditional transfer)根據(jù)已有符號，繼續(xù)完成活動過程。一個完善的符號系統(tǒng)應(yīng)具有6種基本功能：如果一個物理符號系統(tǒng)具有上述全部6種功能，能夠完成這個全過程，那么它就是一個完整的物理符號系統(tǒng)。人具有上述6種功能；現(xiàn)代

23、計(jì)算機(jī)也具備物理符號系統(tǒng)的這6種功能。把人看成一個智能信息處理系統(tǒng)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；智能是指人類所具有的智能。物理符號系統(tǒng)的假設(shè)推論1 既然人具有智能，那么他(她)就一定是個物理符號系統(tǒng)。推論2 既然計(jì)算機(jī)是一個物理符號系統(tǒng)，它就一定能夠表現(xiàn)出智能。（人工智能的基本條件）推論3 既然人是一個物理符號系統(tǒng)，計(jì)算機(jī)也是一個物理符號系統(tǒng)，那么就能夠用計(jì)算機(jī)來模擬人的活動。物理符號系統(tǒng)3個推論認(rèn)知生理學(xué)認(rèn)知心理學(xué)認(rèn)知信息學(xué)認(rèn)知工程學(xué) 人類的認(rèn)知行為具有不同的層次研究認(rèn)知行為的生理過程研究人的神經(jīng)

24、系統(tǒng)(神經(jīng)元、中樞神經(jīng)系統(tǒng)和大腦)的活動認(rèn)知科學(xué)研究的底層認(rèn)知生理學(xué)研究認(rèn)知行為的心理活動主要研究人的思維策略認(rèn)知科學(xué)研究的頂層認(rèn)知心理學(xué)研究人的認(rèn)知行為在人體內(nèi)的初級信息處理主要研究人的認(rèn)知行為如何通過初級信息自然處理，由生理活動變?yōu)樾睦砘顒蛹捌淠孢^程，即由心理活動變?yōu)樯硇袨椤ＵJ(rèn)知活動的中間層，承上啟下。認(rèn)知信息學(xué)研究認(rèn)知行為的信息加工處理主要研究如何通過以計(jì)算機(jī)為中心的人工信息處理系統(tǒng)，對人的各種認(rèn)知行為（如知覺、思維、記憶、語言、學(xué)習(xí)、理解、推理、識別等）進(jìn)行信息處理。研究認(rèn)知科學(xué)和認(rèn)知行為的工具現(xiàn)代認(rèn)知心理學(xué)和現(xiàn)代認(rèn)知生理學(xué)的重要研究手段。認(rèn)知工程學(xué)機(jī)器智能可以模擬人類智能智能計(jì)算機(jī)

25、的功能 下棋、證明定理、翻譯語言文字和解決難題等 神經(jīng)計(jì)算機(jī)(neural computer) 能以類似人類的方式進(jìn)行“思考”，力圖重建人腦的形象。通過對量子計(jì)算(quantum computing)的研究，產(chǎn)生量子計(jì)算機(jī)。3、人類智能的計(jì)算機(jī)模擬1950年，圖靈發(fā)表計(jì)算機(jī)能思考嗎？，給人工智能下一個定義，而且論證了人工智能的可能性。如果一臺機(jī)器能夠通過圖靈實(shí)驗(yàn)，那它是智慧的。圖靈實(shí)驗(yàn)的本質(zhì)：讓人在不看外型的情況下不能區(qū)別是機(jī)器的行為還是人的行為時，這個機(jī)器就是智慧的。 圖靈實(shí)驗(yàn)游戲由一男(A)、一女(B)和一名詢問者(C)進(jìn)行；C與A、B被隔離，通過電傳打字機(jī)與A、B對話。詢問者只知道二人的

26、稱呼是X，Y，通過提問以及回答來判斷，最終作出“X是A，Y是B”或者“X是B，Y是A”的結(jié)論。游戲中，A必須盡力使C判斷錯誤，而B的任務(wù)是幫助C。當(dāng)一個機(jī)器代替了游戲中的A，并且機(jī)器將試圖使得C相信它是一個人。如果機(jī)器通過了圖靈測試，就認(rèn)為它是智慧的。 圖靈測試Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議(1) 符號主義(Symbolicism)(2) 聯(lián)結(jié)主義(Connectionism)(3) 行為主義(Actionism)1、人工智能的主要學(xué)派符號主義(Symbolic

27、ism)，邏輯主義(Logicism)、心理學(xué)派(Psychlogism)或計(jì)算機(jī)學(xué)派(Computerism) 物理符號系統(tǒng)(即符號操作系統(tǒng))假設(shè)和有限合理性原理。聯(lián)結(jié)主義(Connectionism)，仿生學(xué)派(Bionicsism)、生理學(xué)派(Physiologism) 神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。行為主義(Actionism)，進(jìn)化主義(Evolutionism)、控制論學(xué)派(Cyberneticsism) 控制論及感知-動作型控制系統(tǒng)。 2 對人工智能發(fā)展歷史的不同看法 符號主義人工智能源于數(shù)理邏輯。在1956年首先采用“人工智能”這個術(shù)語。啟發(fā)式算法專家系統(tǒng)知識工程理

28、論與技術(shù)長期一枝獨(dú)秀，為人工智能的發(fā)展作出重要貢獻(xiàn)，尤其是專家系統(tǒng)的成功開發(fā)與應(yīng)用，為人工智能走向工程應(yīng)用和實(shí)現(xiàn)理論聯(lián)系實(shí)際具有特別重要意義。人工智能的主流派。代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson)等。聯(lián)結(jié)主義人工智能源于仿生學(xué)，特別是人腦模型的研究。1943年，生理學(xué)家麥卡洛克(McCulloch)和數(shù)理邏輯學(xué)家皮茨(Pitts)創(chuàng)立的腦模型，即MP模型。60-70年代，對以感知機(jī)(perceptron)為代表的腦模型的研究出現(xiàn)熱潮，在70年代后期至80年代初期落入低潮。Hopfield教授在1982年和1984年發(fā)表兩篇重要論文，提出用硬件模擬神經(jīng)網(wǎng)絡(luò)時，聯(lián)結(jié)主義又重新抬頭。19

29、86年魯梅爾哈特(Rumelhart)等人提出多層網(wǎng)絡(luò)中的反向傳播(BP)算法。此后，從模型到算法，從理論分析到工程實(shí)現(xiàn)，為神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)走向市場打下基礎(chǔ)。對ANN的研究熱情仍然不減。行為主義人工智能源于控制論?？刂普撍枷朐缭?0-50年代就成為時代思潮的重要部分，影響了早期的人工智能工作者。60-70年代，控制論系統(tǒng)的研究取得一定進(jìn)展80年代誕生了智能控制和智能機(jī)器人系統(tǒng)。近年來，以人工智能新學(xué)派的面孔出現(xiàn)，引起許多人的興趣與研究。3 對人工智能基本理論的爭論 符號主義人的認(rèn)知基元是符號，認(rèn)知過程即符號操作過程。人是一個物理符號系統(tǒng)，計(jì)算機(jī)也是一個物理符號系統(tǒng)。能用計(jì)算機(jī)來模擬人的智能行為用

30、計(jì)算機(jī)的符號操作來模擬人的認(rèn)知過程。人的思維是可操作的。知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的核心問題是知識表示、知識推理和知識運(yùn)用。知識可用符號表示，也可用符號進(jìn)行推理，能建立起基于知識的人類智能和機(jī)器智能的統(tǒng)一理論體系。 聯(lián)結(jié)主義人的思維基元是神經(jīng)元，而不是符號處理過程。對物理符號系統(tǒng)假設(shè)持反對意見，認(rèn)為人腦不同于電腦并提出聯(lián)結(jié)主義的大腦工作模式，以取代符號操作的電腦工作模式。行為主義智能取決于感知和行動(所以稱為行為主義)提出智能行為的“感知-動作”模式。智能不需要知識、不需要表示、不需要推理；人工智能可以象人類智能一樣逐步進(jìn)化(稱為進(jìn)化主義)；智能行為只能在現(xiàn)實(shí)世界中與周圍

31、環(huán)境交互作用而表現(xiàn)出來。符號主義(還包括聯(lián)結(jié)主義)對真實(shí)世界客觀事物的描述及其智能行為工作模式是過于簡化的抽象，不能真實(shí)地反映客觀存在。 4 對人工智能技術(shù)路線的爭論 如何在技術(shù)上實(shí)現(xiàn)人工智能系統(tǒng)、研制智能機(jī)器和開發(fā)智能產(chǎn)品 沿著什么技術(shù)路線和策略來發(fā)展人工智能存在不同的派別，不同的路線專用路線、通用路線硬件路線 、軟件路線 專用路線研制與開發(fā)專用的智能計(jì)算機(jī)、人工智能軟件、專用開發(fā)工具、人工智能語言和其它專用設(shè)備。通用路線通用的計(jì)算機(jī)硬件和軟件能夠?qū)θ斯ぶ悄荛_發(fā)提供有效的支持，能夠解決廣泛的和一般的人工智能問題。強(qiáng)調(diào)人工智能應(yīng)用系統(tǒng)和人工智能產(chǎn)品的開發(fā)，應(yīng)與計(jì)算機(jī)主體技術(shù)和主流技術(shù)相結(jié)合。把

32、知識工程視為軟件工程的一個分支。 硬件路線 人工智能的發(fā)展主要依靠硬件技術(shù)。智能機(jī)器的開發(fā)主要有賴于各種智能硬件、智能工具及固化技術(shù)。 軟件路線 強(qiáng)調(diào)人工智能的發(fā)展主要依靠軟件技術(shù)。認(rèn)為智能機(jī)器的研制主要在于開發(fā)各種智能軟件、工具及其應(yīng)用系統(tǒng)。 5 AI研究的5個基本問題1987年5月，在MIT召開了AI專題討論會，幾位主要代表人物闡述了對AI基礎(chǔ)的認(rèn)識，評價(jià)有關(guān)基礎(chǔ)性工作。1991年Artificial Intelligence(1991, Vol.47)發(fā)表了AI基礎(chǔ)研究專輯。其中，Kirsh提出了AI的五個基本問題：知識與概念化是不是AI的核心？認(rèn)知能力能否與載體分開來研究？認(rèn)知的軌跡是

33、否可用類自然語言來描述？學(xué)習(xí)能否與認(rèn)知分開來研究？所有的認(rèn)知是否有一種統(tǒng)一的結(jié)構(gòu)？針對上述五個基本問題，各個流派都做出不同的回答。6 智能的本質(zhì)是什么？計(jì)算機(jī)所完成的高速數(shù)字計(jì)算，不算高級的智能行為現(xiàn)實(shí)世界要處理的大多數(shù)問題并非數(shù)值計(jì)算自然語言理解和翻譯圖形、圖象、聲音的理解決策管理、醫(yī)療診斷需要將計(jì)算機(jī)從“數(shù)值世界”推廣到“知識世界”，即從“數(shù)據(jù)處理范圍”擴(kuò)展到“符號知識處理范疇”“試探性的搜索、啟發(fā)式的、不精確的、模糊的、甚至允許出現(xiàn)錯誤的推理方法才更符合人類的思維過程Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人

34、類的影響AI在中國AI領(lǐng)域的著名期刊及會議1. 問題求解 人工智能的第一個大成就是發(fā)展了能夠求解難題的下棋(如國際象棋)程序。在下棋程序中應(yīng)用的某些技術(shù)，如向前看幾步，并把困難的問題分成一些比較容易的子問題，發(fā)展成為人工智能基本技術(shù)搜索和問題歸約。今天的計(jì)算機(jī)程序能夠下錦標(biāo)賽水平的各種方盤棋、十五子棋和國際象棋。另一種問題求解程序把各種數(shù)學(xué)公式符號匯編在一起，其性能達(dá)到很高的水平，并正在為許多科學(xué)家和工程師所應(yīng)用。2. 邏輯推理與定理證明人工智能研究中最持久的子領(lǐng)域之一。找到一些方法，只把注意力集中在一個大型數(shù)據(jù)庫中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時適時修正這些證明。1976年7月

35、，美國的阿佩爾(K.Appel)等人合作解決了長達(dá)124年之久的難題-四色定理。三臺大型計(jì)算機(jī)，1200小時CPU時間，并對中間結(jié)果進(jìn)行人為反復(fù)修改500多處。四色定理的成功證明曾轟動計(jì)算機(jī)界。 3. 自然語言理解NLP(Natural Language Processing) 人工智能的早期研究領(lǐng)域之一。能夠從內(nèi)部數(shù)據(jù)庫回答提出的問題的程序，程序通過閱讀文本材料和建立內(nèi)部數(shù)據(jù)庫，能夠把句子從一種語言翻譯為另一種語言，執(zhí)行給出的指令和獲取知識等。能夠在一定程度上翻譯從話筒輸入的口頭指令。目前研究的主要課題：在翻譯句子時，以主題和對話情況為基礎(chǔ)，注意大量的一般常識-世界知識和期望作用的重要性。人

36、工智能在語言翻譯與語音理解程序方面已經(jīng)取得的成就，發(fā)展為人類自然語言處理的新概念。 4. 自動程序設(shè)計(jì)一個重要研究領(lǐng)域。已研制出能夠以各種不同的目的描述(例如輸入/輸出對，高級語言描述，甚至自然語言描述算法)來編寫計(jì)算機(jī)程序。對自動程序設(shè)計(jì)的研究不僅可以促進(jìn)半自動軟件開發(fā)系統(tǒng)的發(fā)展，也使通過修正自身數(shù)碼進(jìn)行學(xué)習(xí)(即修正它們的性能)的人工智能系統(tǒng)得到發(fā)展。自動編制一份程序來獲得某種指定結(jié)果的任務(wù)同證明一份給定程序?qū)@得某種指定結(jié)果的任務(wù)緊密相關(guān)（程序驗(yàn)證）5. 專家系統(tǒng)一個智能計(jì)算機(jī)程序系統(tǒng)，內(nèi)部具有大量專家水平的某個領(lǐng)域知識與經(jīng)驗(yàn)，能夠利用人類專家的知識和解決問題的方法來解決該領(lǐng)域的問題。一個

37、具有大量專門知識與經(jīng)驗(yàn)的程序系統(tǒng)，應(yīng)用人工智能技術(shù)，根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類專家的決策過程，以解決需要專家決定的復(fù)雜問題。在某個領(lǐng)域的專家與系統(tǒng)設(shè)計(jì)者之間經(jīng)過艱苦的反復(fù)交換意見之后建立起來。當(dāng)前的研究涉及有關(guān)專家系統(tǒng)設(shè)計(jì)的各種問題。發(fā)展專家系統(tǒng)的關(guān)鍵是表達(dá)和運(yùn)用專家知識，即來自人類專家的并能解決有關(guān)領(lǐng)域內(nèi)的典型問題的事實(shí)和過程。和傳統(tǒng)的計(jì)算機(jī)程序最本質(zhì)的區(qū)別：專家系統(tǒng)所要解決的問題一般沒有算法解，經(jīng)常在不完全、不精確或不確定的信息基礎(chǔ)上作出結(jié)論?？梢越鉀Q的問題包括：解釋、預(yù)測、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等。高性能的專家系統(tǒng)已從學(xué)術(shù)研究

38、進(jìn)入實(shí)際應(yīng)用研究。隨著人工智能整體水平的提高，專家系統(tǒng)也獲得發(fā)展。正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等。6. 機(jī)器學(xué)習(xí)人工智能研究上最突出和最重要的一個方面。學(xué)習(xí)是人類智能的主要標(biāo)志和獲得知識的基本手段。機(jī)器學(xué)習(xí)(自動獲取新的事實(shí)及新的推理算法)使計(jì)算機(jī)具有智能的根本途徑。香克(R. Shank)：一臺計(jì)算機(jī)若不會學(xué)習(xí)，就不能稱為具有智能?！皺C(jī)器學(xué)習(xí)有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。7. 人工神經(jīng)網(wǎng)絡(luò)由于馮諾依曼(VanNeumann)體系結(jié)構(gòu)的局限性，數(shù)字計(jì)算機(jī)存在一些尚無法解決的問題。人們一直在尋找新的信息處理機(jī)制，神經(jīng)網(wǎng)絡(luò)計(jì)算就是其中之一。用神經(jīng)網(wǎng)絡(luò)處理直覺

39、和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經(jīng)網(wǎng)絡(luò)的發(fā)展有著非常廣闊的科學(xué)背景，是眾多學(xué)科研究的綜合成果。對人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的研究，可能創(chuàng)造出新一代人工智能機(jī)-神經(jīng)計(jì)算機(jī)。8. 機(jī)器人學(xué)人工智能研究日益受到重視的另一個分支包括對操作機(jī)器人裝置程序的研究。機(jī)器人和機(jī)器人學(xué)的研究促進(jìn)了許多人工智能思想的發(fā)展。智能機(jī)器人的研究和應(yīng)用體現(xiàn)出廣泛的學(xué)科交叉，涉及眾多的課題，如機(jī)器人體系結(jié)構(gòu)、機(jī)械、控制、智能、視覺、觸覺、力覺、聽覺、機(jī)器人裝配、惡劣環(huán)境下的機(jī)器人以及機(jī)器人語言等。機(jī)器人已在各種工業(yè)、農(nóng)業(yè)、商業(yè)、旅游業(yè)、空中和海洋以及國防等領(lǐng)域獲得越來越普遍的應(yīng)用。9. 模式識別用計(jì)算機(jī)代替人

40、類或幫助人類感知模式對人類感知外界功能的模擬研究計(jì)算機(jī)模式識別系統(tǒng)，使一個計(jì)算機(jī)系統(tǒng)具有模擬人類通過感官接受外界信息、識別和理解周圍環(huán)境的感知能力。在模式識別領(lǐng)域，神經(jīng)網(wǎng)絡(luò)方法已經(jīng)成功地用于手寫字符的識別、汽車牌照的識別、指紋識別、語音識別等方面。10. 機(jī)器視覺（計(jì)算機(jī)視覺）從模式識別的一個研究領(lǐng)域發(fā)展為一門獨(dú)立的學(xué)科。機(jī)器視覺的前沿研究領(lǐng)域包括：實(shí)時并行處理、主動式定性視覺、動態(tài)和時變視覺、三維景物的建模與識別、實(shí)時圖象壓縮傳輸和復(fù)原、多光譜和彩色圖象的處理與解釋等。機(jī)器視覺已在機(jī)器人裝配、衛(wèi)星圖象處理、工業(yè)過程監(jiān)控、飛行器跟蹤和制導(dǎo)等領(lǐng)域獲得極為廣泛的應(yīng)用。11. 智能控制一類無需(或需

41、要盡可能少的)人的干預(yù)就能夠獨(dú)立地驅(qū)動智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動控制。或者說，智能控制是驅(qū)動智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程。 自動控制的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類智能的一個重要研究領(lǐng)域。 智能控制的核心在高層控制，即組織級控制。任務(wù)是對實(shí)際環(huán)境或過程進(jìn)行組織（決策和規(guī)劃），實(shí)現(xiàn)廣義問題求解。目前研究得較多的6個方面：智能機(jī)器人規(guī)劃與控制、智能過程規(guī)劃、智能過程控制、專家控制系統(tǒng)、語音控制以及智能儀器。12.智能檢索系統(tǒng)研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保證。數(shù)據(jù)庫系統(tǒng)是儲存某學(xué)科大量事實(shí)的計(jì)算機(jī)軟件系統(tǒng)，可以回答用戶提出的有關(guān)該學(xué)科的各種問題。數(shù)據(jù)庫系統(tǒng)的設(shè)計(jì)也是計(jì)算機(jī)科學(xué)的一

42、個活躍的分支。為了有效地表示、存儲和檢索大量事實(shí)，已經(jīng)發(fā)展了許多技術(shù)。13. 智能調(diào)度與指揮確定最佳調(diào)度或組合的問題是人類感興趣的又一類問題。一個古典的問題：推銷員旅行問題。大多數(shù)這類問題能夠從可能的組合或序列中選取一個答案，但組合或序列的范圍很大。試圖求解這類問題的程序產(chǎn)生了一種組合爆炸的可能性。即使是大型計(jì)算機(jī)的容量也會被用光。智能組合調(diào)度與指揮方法已被應(yīng)用于汽車運(yùn)輸調(diào)度、列車的編組與指揮、空中交通管制以及軍事指揮等系統(tǒng)。14. 分布式人工智能(Distributed AI, DAI)與Agent分布式計(jì)算與人工智能結(jié)合的結(jié)果。DAI系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標(biāo)準(zhǔn)，并具有互操作性，即不

43、同的異構(gòu)系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。分布式人工智能的研究目標(biāo)是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型。多agent系統(tǒng)(Multiagent System, MAS) 更能體現(xiàn)人類的社會智能，具有更大的靈活性和適應(yīng)性，更適合開放和動態(tài)的世界環(huán)境，已成為人工智能以至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。15. 計(jì)算智能與進(jìn)化計(jì)算計(jì)算智能(Computing Intelligence)涉及神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算等研究領(lǐng)域。進(jìn)化計(jì)算(Evolutionary Computation)是指一類以達(dá)爾文進(jìn)化論為依據(jù)來設(shè)計(jì)、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱包括

44、遺傳算法(Genetic Algorithms)、進(jìn)化策略(Evolutionary Strategies)和進(jìn)化規(guī)劃(Evolutionary Programming)。16. 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)知識獲取是知識信息處理的關(guān)鍵問題之一。數(shù)據(jù)挖掘通過綜合運(yùn)用統(tǒng)計(jì)學(xué)、粗糙集、模糊數(shù)學(xué)、機(jī)器學(xué)習(xí)和專家系統(tǒng)等多種學(xué)習(xí)手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識，揭示出蘊(yùn)涵在數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)規(guī)律，實(shí)現(xiàn)知識的自動獲取。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術(shù)已獲廣泛應(yīng)用。17. 人工生命(Artificial Life, ALife)用計(jì)算機(jī)和精密機(jī)械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真

45、系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動力學(xué)、進(jìn)化和環(huán)境適應(yīng)。人工生命學(xué)科的研究內(nèi)容包括：生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進(jìn)化動力學(xué)、人工生命的計(jì)算理論、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。18. 系統(tǒng)與語言工具除了實(shí)現(xiàn)智能的研究工作外，開發(fā)新的方法也是人工智能研究的一個重要方面。人工智能對計(jì)算機(jī)界的某些最大貢獻(xiàn)已經(jīng)以派生的形式表現(xiàn)出來。計(jì)算機(jī)系統(tǒng)的一些概念，如分時系統(tǒng)、編目處理系統(tǒng)和交互調(diào)試系統(tǒng)等，已經(jīng)在人工智能研究中得到發(fā)展。Outline主要參考書目AI的定義 AI的基礎(chǔ)及萌芽AI的創(chuàng)立及發(fā)展 AI與人類智能AI的研究流派AI的研究范圍AI對人類的影響AI在中國AI領(lǐng)域的著名期刊及會議1. 對經(jīng)濟(jì)的影響專家系統(tǒng)的效益 成功的專家系統(tǒng)能為它的建造者、擁有者和用戶帶來明顯的經(jīng)濟(jì)效益。人工智能推動計(jì)算機(jī)技術(shù)發(fā)展 人