人工智能 第一章 緒論資料

1、歡迎(hunyng)使用本課件教材簡(jiǎn)介(jin ji): 名 稱:人工智能原理與應(yīng)用 作 者:張仰森 出版社:高等教育出版社 章 節(jié):共十章主講教師: 殷亞玲共五十二頁(yè)教學(xué)目的和要求： 通過本課程學(xué)習(xí)，使學(xué)生對(duì)人工智能的發(fā)展概況、基本原理和應(yīng)用領(lǐng)域有初步了解，對(duì)主要(zhyo)技術(shù)及應(yīng)用有一定掌握，啟發(fā)學(xué)生對(duì)人工智能的興趣，培養(yǎng)知識(shí)創(chuàng)新和技術(shù)創(chuàng)新能力。共五十二頁(yè)課程內(nèi)容敘述人工智能和智能系統(tǒng)的概況，列舉出人工智能的研究與應(yīng)用領(lǐng)域。研究傳統(tǒng)人工智能的知識(shí)表示方法和搜索推理技術(shù)，包括狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡(luò)法、盲目搜索、啟發(fā)式搜索、規(guī)則演繹算法和產(chǎn)生式系統(tǒng)等。討論高級(jí)知識(shí)推理，

2、涉及非單調(diào)推理、時(shí)序推理、和各種不確定推理方法。比較詳細(xì)地討論了人工智能的主要應(yīng)用，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、自然語言理解、數(shù)據(jù)挖掘和Agent。評(píng)述近年來人工智能的爭(zhēng)論，討論人工智能對(duì)人類經(jīng)濟(jì)、社會(huì)和文化的影響，展望(zhnwng)人工智能的發(fā)展。共五十二頁(yè)內(nèi)容組織第一章 緒論 第二章 知識(shí)表示(biosh)第三章 確定性推理 第四章 不確定性推理第五章 狀態(tài)空間搜索策略 第六章 機(jī)器學(xué)習(xí)第七章自然語言理解 第八章專家系統(tǒng)第九章 人工神經(jīng)網(wǎng)絡(luò) 第十章 數(shù)據(jù)挖掘和Agent技術(shù)共五十二頁(yè)本章重點(diǎn)難點(diǎn)： 人工智能的定義(dngy)，人工智能三種主要學(xué)派及其主要觀點(diǎn)，人工智能的應(yīng)用領(lǐng)域

3、 。共五十二頁(yè)1.1 人工智能的誕生與發(fā)展1.2 人工智能的定義(dngy)1.3 人工智能研究的方法與途徑 1.4 人工智能的研究及應(yīng)用領(lǐng)域1.5人工智能近期發(fā)展習(xí)題一 共五十二頁(yè) 人工智能的發(fā)展(fzhn)是以硬件與軟件為基礎(chǔ)的，經(jīng)歷了漫長(zhǎng)的發(fā)展(fzhn)歷程。特別是20世紀(jì)30年代和40年代的智能界，發(fā)現(xiàn)了兩件重要的事情：數(shù)理邏輯和關(guān)于計(jì)算的新思想。以維納（Wiener）、弗雷治、羅素等為代表對(duì)發(fā)展(fzhn)數(shù)理邏輯學(xué)科的貢獻(xiàn)及丘奇(Church)、圖靈和其它一些人關(guān)于計(jì)算本質(zhì)的思想，為人工智能的形成產(chǎn)生了重要影響。 本章首先介紹人工智能的誕生、定義、發(fā)展概況及相關(guān)學(xué)派和他們的認(rèn)知觀

4、，接著討論人工智能的研究和應(yīng)用領(lǐng)域。共五十二頁(yè)1.1 人工智能的誕生(dnshng)與發(fā)展1956年夏季，人類歷史上第一次人工智能研討會(huì)在美國(guó)的達(dá)特茅斯(Dartmouth)大學(xué)舉行，標(biāo)志(biozh)著人工智能學(xué)科的誕生。1969年召開了第一屆國(guó)際人工智能聯(lián)合會(huì)議(International Joint Conference on AI, IJCAI),此后每?jī)赡暾匍_一次。1970年人工智能國(guó)際雜志(International Journal of AI)創(chuàng)刊。這些對(duì)開展人工智能國(guó)際學(xué)術(shù)活動(dòng)和交流、促進(jìn)人工智能的研究和發(fā)展起到積極作用。共五十二頁(yè)1.1 人工智能(rn n zh nn)的誕生

5、與發(fā)展 20世紀(jì)7080年代，知識(shí)工程的提出與專家系統(tǒng)的成功應(yīng)用，確定了知識(shí)在人工智能中的地位。近十多年來，機(jī)器學(xué)習(xí)(xux)、計(jì)算智能、人工神經(jīng)網(wǎng)絡(luò)等和行為主義的研究深入開展，形成高潮。同時(shí)，不同人工智能學(xué)派間的爭(zhēng)論也非常熱烈。這些都推動(dòng)人工智能研究的進(jìn)一步發(fā)展共五十二頁(yè)定義1 智能機(jī)器 能夠在各類環(huán)境(hunjng)中自主地或交互地執(zhí)行各種擬人任務(wù)的機(jī)器。定義2 人工智能(學(xué)科) 人工智能(學(xué)科)是計(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(gè)分支。它的近期主要目標(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) 人工智能(能力)是智能機(jī)器所執(zhí)行

6、的通常與人類智能有關(guān)的智能行為，如判斷、推理、證明、識(shí)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(dòng)。1.2 人工智能(rn n zh nn)的定義共五十二頁(yè) 為了讓讀者對(duì)人工智能的定義進(jìn)行討論，以便更深刻地理解人工智能，下面綜述其它幾種關(guān)于人工智能的定義。定義4 人工智能是一種使計(jì)算機(jī)能夠思維，使機(jī)器具有智力的激 動(dòng)人心的新嘗試。定義5 人工智能是那些與人的思維、決策、問題求解和學(xué)習(xí)等有 關(guān)活動(dòng)的自動(dòng)化。定義6 人工智能是用計(jì)算模型研究智力行為。定義7 人工智能是研究那些使理解、推理和行為成為可能的計(jì)算。定義8 人工智能是一種能夠執(zhí)行(zhxng)需要人的智能的創(chuàng)造性機(jī)器的

7、技術(shù)。1.2 人工智能(rn n zh nn)的定義共五十二頁(yè)定義9 人工智能研究如何使計(jì)算機(jī)做事讓人過得更好。定義10 人工智能是一門通過計(jì)算過程力圖理解和模仿智能行為 的學(xué)科。定義11 人工智能是計(jì)算機(jī)科學(xué)中與智能行為的自動(dòng)化有關(guān)的一 個(gè)分支。 其中，定義4和定義5涉及擬人思維；定義6和定義7與理性思維有關(guān)；定義8和定義9涉及擬人行為；定義10和定義11與擬人理性行為有關(guān)。 可以看出, 這些定義雖然都指出了人工智能的一些(yxi)特征, 但用它們卻難以界定一臺(tái)計(jì)算機(jī)是否具有智能。因?yàn)橐缍C(jī)器是否具有智能, 必然要涉及到什么是智能的問題,但這卻是一個(gè)難以準(zhǔn)確回答的問題。所以,盡管人們給出了

8、關(guān)于人工智能的不少說法, 但都沒有完全或嚴(yán)格地用智能的內(nèi)涵或外延來定義人工智能。 1.2 人工智能(rn n zh nn)的定義共五十二頁(yè)1.2.2 圖靈測(cè)試和中文屋子關(guān)于如何界定機(jī)器智能, 早在人工智能(rn n zh nn)學(xué)科還未正式誕生之前的1950年, 計(jì)算機(jī)科學(xué)創(chuàng)始人之一的英國(guó)數(shù)學(xué)家阿蘭圖靈(Alan Turing)就提出了現(xiàn)稱為“圖靈測(cè)試”(Turing Test)的方法。簡(jiǎn)單來講, 圖靈測(cè)試的做法是: 讓一位測(cè)試者分別與一臺(tái)計(jì)算機(jī)和一個(gè)人進(jìn)行交談(當(dāng)時(shí)是用電傳打字機(jī)), 而測(cè)試者事先并不知道哪一個(gè)被測(cè)者是人, 哪一個(gè)是計(jì)算機(jī)。 如果交談后測(cè)試者分不出哪一個(gè)被測(cè)者是人, 哪一個(gè)是

9、計(jì)算機(jī), 則可以認(rèn)為這臺(tái)被測(cè)的計(jì)算機(jī)具有智能。 共五十二頁(yè)對(duì)于“圖靈測(cè)試”, 美國(guó)哲學(xué)家約翰西爾勒(John Searle, 1980年)提出了異議。他用一個(gè)現(xiàn)在(xinzi)稱為“中文屋子”的假設(shè), 試圖說明即便是一臺(tái)計(jì)算機(jī)通過了圖靈測(cè)試, 也不能說它就真的具有智能。中文屋子假設(shè)是說: 有一臺(tái)計(jì)算機(jī)閱讀了一段故事并且能正確回答相關(guān)問題, 這樣這臺(tái)計(jì)算就通過了圖靈測(cè)試。而西爾勒設(shè)想將這段故事和問題改用中文描述(因?yàn)樗救瞬欢形?, 然后將自己封閉在一個(gè)屋子里, 代替計(jì)算機(jī)閱讀這段故事并且回答相關(guān)問題。描述這段故事和問題的一連串中文符號(hào)只能通過一個(gè)很小的縫隙被送到屋子里。 西爾勒則完全按照原先

10、計(jì)算機(jī)程序的處理方式和過程(如符號(hào)匹配、查找、照抄等)對(duì)這些符號(hào)串進(jìn)行操作, 然后把得到的結(jié)果即問題答案通過小縫隙送出去。 西爾勒認(rèn)為盡管計(jì)算機(jī)用這種符號(hào)處理方式也能正確回答問題, 并且也可通過圖靈測(cè)試, 但仍然不能說計(jì)算機(jī)就有了智能。 共五十二頁(yè)1.2.3 腦智能和群智能群智能是有別于腦智能的。 事實(shí)上, 它們是屬于不同層次的智能。腦智能是一種個(gè)體智能 (Individual Intelligence,II), 而群智能是一種社會(huì)智能 (Social Intelligence,SI), 或者說是系統(tǒng)智能(System Intelligence,SI)。但對(duì)于人腦來說, 宏觀心理(或者語言)層

11、次上的腦智能與神經(jīng)元層次上的群智能又有密切的關(guān)系正是微觀生理層次上低級(jí)的神經(jīng)元的群智能形成了宏觀心理層次上高級(jí)的腦智能(但二者之間的具體關(guān)系如何, 卻仍然是個(gè)迷, 這個(gè)問題的解決(jiju)需要借助于系統(tǒng)科學(xué))。 共五十二頁(yè)1.2.4 符號(hào)智能和計(jì)算智能1. 符號(hào)智能符號(hào)智能就是符號(hào)人工智能, 它是模擬腦智能的人工智能, 也就是所說的傳統(tǒng)人工智能或經(jīng)典人工智能。 符號(hào)智能以符號(hào)形式的知識(shí)和信息(xnx)為基礎(chǔ), 主要通過邏輯推理，運(yùn)用知識(shí)進(jìn)行問題求解。符號(hào)智能的主要內(nèi)容包括知識(shí)獲取(knowledge acquisition)、 知識(shí)表示(knowledge representation)、

12、知識(shí)組織與管理和知識(shí)運(yùn)用等技術(shù)(這些構(gòu)成了所謂的知識(shí)工程(Knowledge Engineering, KE)以及基于知識(shí)的智能系統(tǒng)等。 共五十二頁(yè)2. 計(jì)算智能 計(jì)算智能就是計(jì)算人工智能, 它是模擬群智能的人工智能。計(jì)算智能以數(shù)值數(shù)據(jù)為基礎(chǔ), 主要通過數(shù)值計(jì)算，運(yùn)用算法進(jìn)行問題求解。 計(jì)算智能的主要內(nèi)容包括: 神經(jīng)計(jì)算(Neural Computation, NC)、 進(jìn)化計(jì)算(亦稱演化計(jì)算, Evolutionary Computation, EC, 包括遺傳算法(Genetic Algorithm, GA)、 進(jìn)化規(guī)劃(Evolutionary Planning, EP)、進(jìn)化策略(Ev

13、olutionary Strategies, ES)等)、免疫計(jì)算(immune computation)、 粒群算法(Particle Swarm Algorithm, PSA)、 蟻群算法(Ant Colony Algorithm, ACA)、 自然計(jì)算(Natural Computation, NC)以及人工生命(Artificial Life, AL)等。 計(jì)算智能主要研究(ynji)各類優(yōu)化搜索算法, 是當(dāng)前人工智能學(xué)科中一個(gè)十分活躍的分支領(lǐng)域。 共五十二頁(yè)1.3.1 人工智能研究的各種( zhn)學(xué)派及其理論1.3 人工智能研究(ynji)的方法及途徑1、人工智能三大學(xué)派符號(hào)主義(

14、Symbolicism)，又稱為邏輯主義(Logicism)、心理學(xué)派(Psychlogism)或計(jì)算機(jī)學(xué)派(Computerism)，其原理主要為物理符號(hào)系統(tǒng)(即符號(hào)操作系統(tǒng))假設(shè)和有限合理性原理。聯(lián)結(jié)主義(Connectionism)，又稱為仿生學(xué)派(Bionicsism)或生理學(xué)派(Physiologism)，其原理主要為神經(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)，又稱進(jìn)化主義(Evolutionism)或控制論學(xué)派(Cyberneticsism)，其原理為控制論及感知和行動(dòng)。共五十二頁(yè)心理模擬, 符號(hào)推演（符號(hào)主義）“心理模擬, 符號(hào)推演”就是從人腦的宏觀

15、(hnggun)心理層面入手, 以智能行為的心理模型為依據(jù), 將問題或知識(shí)表示成某種邏輯網(wǎng)絡(luò), 采用符號(hào)推演的方法, 模擬人腦的邏輯思維過程, 實(shí)現(xiàn)人工智能。 共五十二頁(yè)采用這一途徑與方法的原因是: 人腦的可意識(shí)到的思維活動(dòng)是在心理(xnl)層面上進(jìn)行的(如我們的記憶、聯(lián)想、推理、 計(jì)算、 思考等思維過程都是一些心理(xnl)活動(dòng)), 心理(xnl)層面上的思維過程是可以用語言符號(hào)顯式表達(dá)的, 從而人的智能行為就可以用邏輯來建模。 心理(xnl)學(xué)、邏輯學(xué)、 語言學(xué)等實(shí)際上也是建立在人腦的心理(xnl)層面上的, 從而這些學(xué)科的一些現(xiàn)成理論和方法就可供人工智能參考或直接使用。 當(dāng)前的數(shù)字計(jì)算機(jī)

16、可以方便地實(shí)現(xiàn)語言符號(hào)型知識(shí)的表示和處理。 可以直接運(yùn)用人類已有顯式知識(shí)(包括理論知識(shí)和經(jīng)驗(yàn)知識(shí))直接建立基于知識(shí)的智能系統(tǒng)。 共五十二頁(yè)基于心理模擬(mn)和符號(hào)推演的人工智能研究, 被稱為心理學(xué)派、邏輯學(xué)派、符號(hào)主義。早期的代表人物有紐厄爾(Allen Newell)、肖(Shaw)、西蒙(Herbert Simon)等, 后來還有費(fèi)根寶姆(E. A. Feigenbaum)、尼爾遜(Nilsson)等。 其代表性的理念是所謂的“物理符號(hào)系統(tǒng)假設(shè)”, 即認(rèn)為人對(duì)客觀世界的認(rèn)知基元是符號(hào), 認(rèn)知過程就是符號(hào)處理的過程;而計(jì)算機(jī)也可以處理符號(hào), 所以就可以用計(jì)算機(jī)通過符號(hào)推演的方式來模擬人的邏

17、輯思維過程, 實(shí)現(xiàn)人工智能。 共五十二頁(yè)符號(hào)推演法是人工智能研究中最早使用的方法之一。人工智能的許多(xdu)重要成果也都是用該方法取得的, 如自動(dòng)推理、定理證明、問題求解、 機(jī)器博弈、專家系統(tǒng)等等。由于這種方法模擬人腦的邏輯思維, 利用顯式的知識(shí)和推理來解決問題, 因此, 它擅長(zhǎng)實(shí)現(xiàn)人腦的高級(jí)認(rèn)知功能, 如推理、 決策等。 共五十二頁(yè)生理(shngl)模擬, 神經(jīng)計(jì)算（連結(jié)主義）“生理模擬, 神經(jīng)計(jì)算”就是從人腦的生理層面, 即微觀結(jié)構(gòu)和工作機(jī)理入手, 以智能行為的生理模型為依據(jù),采用數(shù)值計(jì)算的方法, 模擬腦神經(jīng)網(wǎng)絡(luò)的工作過程, 實(shí)現(xiàn)人工智能。 具體來講, 就是用人工神經(jīng)網(wǎng)絡(luò)作為信息和知識(shí)的

18、載體,用稱為神經(jīng)計(jì)算的數(shù)值計(jì)算方法來實(shí)現(xiàn)網(wǎng)絡(luò)的學(xué)習(xí)、記憶、聯(lián)想、 識(shí)別和推理等功能。 共五十二頁(yè)我們知道,人腦的生理結(jié)構(gòu)(jigu)是由大約10111012個(gè)神經(jīng)元(細(xì)胞)組成的神經(jīng)網(wǎng)絡(luò), 而且是一個(gè)動(dòng)態(tài)的、開放的、高度復(fù)雜的巨系統(tǒng), 以致于人們至今對(duì)它的生理結(jié)構(gòu)和工作機(jī)理還未完全弄清楚。 因此, 對(duì)人腦的真正和完全模擬, 一時(shí)還難以辦到。 所以, 目前的生理模擬只是對(duì)人腦的局部或近似模擬, 也就是從群智能的層面進(jìn)行模擬, 實(shí)現(xiàn)人工智能。 這種方法一般是通過神經(jīng)網(wǎng)絡(luò)的“自學(xué)習(xí)”獲得知識(shí), 再利用知識(shí)解決問題。神經(jīng)網(wǎng)絡(luò)具有高度的并行分布性、 很強(qiáng)的魯棒性和容錯(cuò)性。 它擅長(zhǎng)模擬人腦的形象思維, 便

19、于實(shí)現(xiàn)人腦的低級(jí)感知功能, 例如圖像、 聲音信息的識(shí)別和處理。 共五十二頁(yè)生理模擬和神經(jīng)計(jì)算的方法早在20世紀(jì)40年代(nindi)就已出現(xiàn), 但由于種種原因而發(fā)展緩慢, 甚至一度出現(xiàn)低潮, 直到80年代(nindi)中期才重新崛起, 現(xiàn)已成為人工智能研究中不可或缺的重要途徑與方法。 采用生理模擬和神經(jīng)計(jì)算方法的人工智能研究, 被稱為生理學(xué)派、 連接主義。其代表人物有McCulloch, Pitts, F.Rosenblatt, T.Kohonen, J.Hopfield等。 共五十二頁(yè)行為模擬, 控制進(jìn)化（行為主義）還有一種基于“感知-行為”模型的研究途徑和方法,我們稱其為行為模擬法。這種方

20、法是用模擬人和動(dòng)物在與環(huán)境的交互、 控制過程中的智能活動(dòng)和行為特性, 如反應(yīng)、適應(yīng)、學(xué)習(xí)、 尋優(yōu)等, 來研究和實(shí)現(xiàn)人工智能?；谶@一方法研究人工智能的典型代表要算MIT的R.Brooks教授, 他研制的六足行走機(jī)器人(亦稱為人造昆蟲或機(jī)器蟲), 曾引起人工智能界的轟動(dòng)。 這個(gè)(zh ge)機(jī)器蟲可以看做是新一代的“控制論動(dòng)物”, 它具有一定的適應(yīng)能力, 是一個(gè)運(yùn)用行為模擬即控制進(jìn)化方法研究人工智能的代表作。共五十二頁(yè) 事實(shí)上,R.Brooks教授的工作代表了稱為“現(xiàn)場(chǎng)(situated)AI”的人工智能新方向。 現(xiàn)場(chǎng)AI強(qiáng)調(diào)智能系統(tǒng)與環(huán)境的交互, 認(rèn)為智能取決于感知和行動(dòng), 智能行為可以不需要

21、知識(shí), 提出“沒有表示的智能”, “沒有推理的智能”的觀點(diǎn), 主張智能行為的“感知-動(dòng)作”模式, 認(rèn)為人的智能、機(jī)器智能可以逐步進(jìn)化, 但只能在現(xiàn)實(shí)(xinsh)世界中與周圍環(huán)境的交互中體現(xiàn)出來。智能只能放在環(huán)境中才是真正的智能, 智能的高低主要表現(xiàn)在對(duì)環(huán)境的適應(yīng)性上。共五十二頁(yè)基于行為模擬方法的人工智能研究, 被稱為行為主義、 進(jìn)化主義、控制論學(xué)派。行為主義曾強(qiáng)烈地批評(píng)傳統(tǒng)的人工智能(主要指符號(hào)主義, 也涉及連接主義)對(duì)真實(shí)世界的客觀事物和復(fù)雜境遇, 作了虛假的、過分簡(jiǎn)化的抽象。沿著這一途徑, 人們研制具有自學(xué)習(xí)、自適應(yīng)、自組織特性的智能控制系統(tǒng)(kn zh x tn)和智能機(jī)器人, 進(jìn)一步

22、展開了人工生命(AL)的研究。 共五十二頁(yè)群體模擬, 仿生計(jì)算“群體模擬, 仿生計(jì)算”就是(jish)模擬生物群落的群體智能行為, 從而實(shí)現(xiàn)人工智能。例如,模擬生物種群有性繁殖和自然選擇現(xiàn)象而出現(xiàn)的遺傳算法, 進(jìn)而發(fā)展為進(jìn)化計(jì)算; 模擬人體免疫細(xì)胞群而出現(xiàn)的免疫計(jì)算、 免疫克隆計(jì)算及人工免疫系統(tǒng); 模擬螞蟻群體覓食活動(dòng)過程的蟻群算法; 模擬鳥群飛翔的粒群算法和模擬魚群活動(dòng)的魚群算法等等。這些算法在解決組合優(yōu)化等問題中表現(xiàn)出卓越的性能。而對(duì)這些群體智慧的模擬是通過一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來實(shí)現(xiàn)的, 所以我們統(tǒng)稱其為仿生計(jì)算。 仿生計(jì)算的特點(diǎn)是,其成果可以直接付諸應(yīng)用

23、, 解決工程問題和實(shí)際問題。共五十二頁(yè)博采廣鑒, 自然計(jì)算其實(shí), 人工智能的這些研究途徑和方法的出現(xiàn)并非偶然。 因?yàn)橹两袢藗儗?duì)智能的科學(xué)原理還未完全弄清楚, 所以在這種情況下研究和實(shí)現(xiàn)人工智能的一個(gè)自然的思路就是模擬自然智能。 起初, 人們知道自然智能源于人腦, 于是, 模擬人腦智能就是研究人工智能的一個(gè)首要途徑和方法。 后來, 人們發(fā)現(xiàn)一些生命群體的群體行為也會(huì)表現(xiàn)出某些智能, 于是, 模擬這些群體智能, 就成了研究人工智能的又一個(gè)重要途徑和方法。 現(xiàn)在,人們則進(jìn)一步從生命、生態(tài)、系統(tǒng)(xtng)、社會(huì)、數(shù)學(xué)、 物理、化學(xué)、 甚至經(jīng)濟(jì)等眾多學(xué)科和領(lǐng)域?qū)ふ覇l(fā)和靈感, 展開人工智能的研究。 共

24、五十二頁(yè)例如, 人們從熱力學(xué)和統(tǒng)計(jì)物理學(xué)所描述的高溫固體材料冷卻時(shí), 其原子的排列結(jié)構(gòu)與能量的關(guān)系中得到啟發(fā), 提出了“模擬退火算法”。 該算法已是解決優(yōu)化搜索問題的有效算法之一。又如,人們從量子物理學(xué)中的自旋和統(tǒng)計(jì)機(jī)理中得到啟發(fā), 而提出了量子聚類算法。再如,1994年阿德曼(Addman)使用現(xiàn)代分子(fnz)生物技術(shù), 提出了解決哈密頓路徑問題的DNA分子(fnz)計(jì)算方法, 并在試管里求出了此問題的解。 共五十二頁(yè)這些方法一般稱為自然計(jì)算(NC)。自然計(jì)算就是模仿或借鑒(jijin)自然界的某種機(jī)理而設(shè)計(jì)計(jì)算模型, 這類計(jì)算模型通常是一類具有自適應(yīng)、自組織、自學(xué)習(xí)、自尋優(yōu)能力的算法。

25、如神經(jīng)計(jì)算、進(jìn)化計(jì)算、免疫計(jì)算、生態(tài)計(jì)算、 量子計(jì)算、分子計(jì)算、DNA計(jì)算和復(fù)雜自適應(yīng)系統(tǒng)等都屬于自然計(jì)算。 自然計(jì)算實(shí)際是傳統(tǒng)計(jì)算的擴(kuò)展, 它是自然科學(xué)和計(jì)算科學(xué)相交叉而產(chǎn)生的研究領(lǐng)域, 目前正方興未艾。自然計(jì)算能夠解決傳統(tǒng)計(jì)算方法難于解決的各種復(fù)雜問題,在大規(guī)模復(fù)雜系統(tǒng)的最優(yōu)化設(shè)計(jì)、優(yōu)化控制、網(wǎng)絡(luò)安全、創(chuàng)造性設(shè)計(jì)等領(lǐng)域具有很好的應(yīng)用前景。 共五十二頁(yè)原理分析, 數(shù)學(xué)建?！霸矸治? 數(shù)學(xué)建?！本褪?jish)通過對(duì)智能本質(zhì)和原理的分析, 直接采用某種數(shù)學(xué)方法來建立智能行為模型。例如,人們用概率統(tǒng)計(jì)原理(特別是貝葉斯定理)處理不確定性信息和知識(shí), 建立了統(tǒng)計(jì)模式識(shí)別、統(tǒng)計(jì)機(jī)器學(xué)習(xí)和不確定性推

26、理的一系列原理和方法。又如, 人們用數(shù)學(xué)中的距離、空間、 函數(shù)、變換等概念和方法, 開發(fā)了幾何分類、支持向量機(jī)等模式識(shí)別和機(jī)器學(xué)習(xí)的原理和方法。人工智能的這一研究途徑和方法的特點(diǎn)也就是(jish)純粹用人的智能去實(shí)現(xiàn)機(jī)器智能。 共五十二頁(yè)1.3.1 人工智能研究的各種學(xué)派(xupi)及其理論1.3 人工智能研究(ynji)的方法及途徑2、三大學(xué)派對(duì)人工智能發(fā)展歷史的不同看法符號(hào)主義認(rèn)為人工智能源于數(shù)理邏輯。符號(hào)主義仍然是人工智能的主流派。這個(gè)學(xué)派的代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson)等。聯(lián)結(jié)主義 認(rèn)為人工智能源于仿生學(xué)，特別是人腦模型的研究。行為主義認(rèn)為人工智能源于控制論。這一學(xué)派

27、的代表作首推布魯克斯(Brooks)的六足行走機(jī)器人，它被看做新一代的“控制論動(dòng)物”，是一個(gè)基于感知?jiǎng)幼髂Ｊ降哪M昆蟲行為的控制系統(tǒng)。 共五十二頁(yè)1.3.2 實(shí)現(xiàn)(shxin)人工智能的技術(shù)路線 采用什么樣的技術(shù)路線和策略(cl)來開發(fā)研制智能系統(tǒng)與智能產(chǎn)品，也存在著不同的看法，下面是目前幾種常被采用的技術(shù)路線，在實(shí)際應(yīng)用中常將它們結(jié)合起來用。 (1)專用路線 (2)通用路線 (3)硬件路線 (4)軟件路線注：詳細(xì)內(nèi)容請(qǐng)參閱P9。1.3 人工智能研究的方法及途徑共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域 人工智能研究及應(yīng)用領(lǐng)域很多，主要研究領(lǐng)域包括(boku)問題求解、

28、機(jī)器學(xué)習(xí)、專家系統(tǒng)、模式識(shí)別、自動(dòng)定理證明、自然語言理解等。共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.1 難題(nnt)求解 人工智能的第一個(gè)大成就是發(fā)展了能夠求解難題的下棋(如國(guó)際象棋)程序，它包含問題的表示、分解、搜索與歸約等。 共五十二頁(yè)1.7 人工智能(rn n zh nn)的應(yīng)用 這里的難題, 主要指那些沒有算法解,或雖有算法解但在現(xiàn)有機(jī)器上無法實(shí)施或無法完成的困難問題,例如智力性問題中的梵塔問題、n皇后問題、旅行商問題、博弈問題等等,就是這樣的難題。又如, 現(xiàn)實(shí)世界中復(fù)雜的路徑規(guī)劃、車輛調(diào)度、電力調(diào)度、資源分配、任務(wù)分配、系統(tǒng)配置、地質(zhì)分析、數(shù)據(jù)解釋

29、、天氣預(yù)報(bào)、市場(chǎng)預(yù)測(cè)、股市分析、疾病診斷、故障診斷、軍事指揮、 機(jī)器人行動(dòng)規(guī)劃等等, 也是這樣的難題。在這些難題中,有些是組合數(shù)學(xué)理論中所稱的非確定型多項(xiàng)式(Nondeterministic Polynomial, NP)問題或NP完全(Nondeterministic Polynomial Complete,NPC)問題。NP問題是指那些既不能證明其算法復(fù)雜性超出多項(xiàng)式界, 但又未找到有效(yuxio)算法的一類問題。共五十二頁(yè)國(guó)際象棋 國(guó)際象棋是典型的適合于AI技術(shù)解決的問題 50年代AI研究形成時(shí)期，其就是AI研究的主要對(duì)象之一，著名的老一輩AI學(xué)者像西蒙（Simon）、紐厄爾（Newe

30、ll）和肖（shaw）， 不少AI問題求解技術(shù)來源于下棋程序的研究，如狀態(tài)空間搜索(su su)方法。60年代初麥卡錫提出了alpha-beta修剪算法，大大提高了機(jī)器下棋的水平 。 下棋程序水平的快速提高：1966年C級(jí)專業(yè)棋手水平， 1982年大師級(jí)， 1985年美國(guó)的Hitech，特級(jí)大師水平， 1988年由卡內(nèi)基-梅隆大學(xué)的兩個(gè)學(xué)生設(shè)計(jì)的程序“DeepThought”在美國(guó)的一次錦標(biāo)賽中勝了最高級(jí)棋手。 1997年由IBM公司研制的超級(jí)計(jì)算機(jī)“DeepBlue”， 在與卡斯帕羅夫的六盤對(duì)弈中，取得三勝二和一負(fù)的戰(zhàn)績(jī)。下棋需要高級(jí)的智能，其進(jìn)展可視為人工智能研究的重大成就。共五十二頁(yè)1.

31、4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.2 機(jī)器(j q)學(xué)習(xí) 學(xué)習(xí)是人類智能的主要標(biāo)志和獲得知識(shí)的基本手段；機(jī)器學(xué)習(xí)(自動(dòng)獲取新的事實(shí)及新的推理算法)是使計(jì)算機(jī)具有智能的根本途徑；機(jī)器學(xué)習(xí)還有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。學(xué)習(xí)是一個(gè)有特定目的的知識(shí)獲取過程，其內(nèi)部表現(xiàn)為新知識(shí)結(jié)構(gòu)的不斷建立和修改，而外部表現(xiàn)為性能的改善。 共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.3 專家系統(tǒng)(zhun ji x tn) 一般地說，專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個(gè)領(lǐng)域知識(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來

32、解決該領(lǐng)域的問題。發(fā)展專家系統(tǒng)的關(guān)鍵是表達(dá)和運(yùn)用專家知識(shí)，即來自人類專家的并已被證明對(duì)解決有關(guān)領(lǐng)域內(nèi)的典型問題是有用的事實(shí)和過程。共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.4 模式識(shí)別(m sh sh bi) 人工智能所研究的模式識(shí)別是指用計(jì)算機(jī)代替人類或幫助人類感知模式，是對(duì)人類感知外界功能的模擬，研究的是計(jì)算機(jī)模式識(shí)別系統(tǒng)，也就是使一個(gè)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(shí)別和理解周圍環(huán)境的感知能力。 共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.5 自動(dòng)(zdng)定理證明 自動(dòng)定理證明的研究在人工智能方法的發(fā)展中曾經(jīng)產(chǎn)

33、生過重要的影響。例如，采用謂詞邏輯語言的演繹過程的形式化有助于更清楚地理解推理的某些子命題。許多非形式的工作，包括醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此，在人工智能方法的研究中定理證明是一個(gè)極其重要的論題。我國(guó)人工智能大師吳文俊院士提出并實(shí)現(xiàn)了幾何定理機(jī)器證明的方法，被國(guó)際上承認(rèn)為“吳氏方法”，是定理證明的又一標(biāo)志性成果。共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.6 自動(dòng)(zdng)程序設(shè)計(jì) 對(duì)自動(dòng)程序設(shè)計(jì)的研究不僅可以促進(jìn)半自動(dòng)軟件開發(fā)系統(tǒng)的發(fā)展，而且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。程序理論方面的有關(guān)研究工作對(duì)人工智能的所有研究工作都是很重要的。自動(dòng)程序設(shè)計(jì)研究的重大貢獻(xiàn)之一是作為問題求解策略的調(diào)整概念。已經(jīng)發(fā)現(xiàn)，對(duì)程序設(shè)計(jì)或機(jī)器人控制問題，先產(chǎn)生一個(gè)不費(fèi)事的有錯(cuò)誤的解，然后再修改它(使它正確工作)，這種做法一般要比堅(jiān)持要求第一個(gè)解就完全沒有缺陷的做法有效得多。共五十二頁(yè)1.4 人工智能(rn n zh nn)的研究及應(yīng)用領(lǐng)域1.4.7 自然語言理解(lji) 語言處理也是人工智能的早期研究領(lǐng)域之一，并引起了進(jìn)一步的重視。語言的生成和理解是一個(gè)極為復(fù)雜的編碼和解碼問題。一個(gè)能理解自然語言信息的計(jì)算機(jī)系統(tǒng)看起來就像一個(gè)人一樣需要有上下文知識(shí)以及根據(jù)這些上下文知識(shí)和信息用信息發(fā)