人工智能課件

第4章：人工智能Copyright?2010bytheMcGraw-HillCompanies,Inc.Allrightsreserved.McGraw-Hill/Irwin第4章：人工智能Copyright?2010byth學(xué)習(xí)目標(biāo)地理信息系統(tǒng)定義專(zhuān)家系統(tǒng)并描述適于它們解決的問(wèn)題類(lèi)型定義神經(jīng)網(wǎng)絡(luò)和模糊邏輯以及這些人工智能工具的用途定義遺傳算法，并列舉它們所基于的概念以及解決的問(wèn)題類(lèi)型4-2學(xué)習(xí)目標(biāo)地理信息系統(tǒng)4-2本章目錄4.1地理信息系統(tǒng)4.2人工智能4.3專(zhuān)家系統(tǒng)4.4神經(jīng)網(wǎng)絡(luò)和模糊邏輯4.5遺傳算法本章目錄引例：國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技需要能力愛(ài)國(guó)者足球隊(duì)是一支非常成功的球隊(duì)球隊(duì)使用決策支持系統(tǒng)來(lái)分析對(duì)手的比賽軟件將比賽日視頻分解為競(jìng)賽和選手動(dòng)作使用這些信息愛(ài)國(guó)者可以更好的策劃它們的戰(zhàn)略4-4引例：國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技需要能力愛(ài)國(guó)者足球隊(duì)是一支國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技更需要能力在其他運(yùn)動(dòng)中，決策支持系統(tǒng)使用預(yù)測(cè)分析來(lái)獲得優(yōu)勢(shì)嗎？選擇一種體育運(yùn)動(dòng)并解釋它們?nèi)绾问褂肈SS？允許教練使用筆記本電腦在運(yùn)動(dòng)場(chǎng)地改變比賽嗎？通過(guò)決策支持系統(tǒng)能夠提高足球的其他方面嗎？4-5國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技更需要能力在其他運(yùn)動(dòng)中，決策支持4.1地理信息系統(tǒng)地理信息系統(tǒng)—專(zhuān)門(mén)為使用空間信息而設(shè)計(jì)的決策支持系統(tǒng)。空間信息是可以使用地圖的形式來(lái)表示的所有信息企業(yè)大量地使用地理信息系統(tǒng)軟件分析信息、產(chǎn)生商業(yè)智能和制定決策。4-64.1地理信息系統(tǒng)地理信息系統(tǒng)—專(zhuān)門(mén)為使用空間信息而設(shè)計(jì)的丹佛的Zillow地理信息系統(tǒng)軟件4-7丹佛的Zillow地理信息系統(tǒng)軟件4-74.2人工智能DSS和GIS支持決策，他們都是增強(qiáng)企業(yè)智能的信息技術(shù)系統(tǒng)。利用人工智能可以進(jìn)一步增強(qiáng)企業(yè)智能。人工智能：運(yùn)用計(jì)算機(jī)以各種方式模仿人類(lèi)各種行為的技術(shù)和軟件。專(zhuān)家系統(tǒng)神經(jīng)網(wǎng)絡(luò)（模糊邏輯）遺傳算法智能代理（或基于代理的技術(shù)）4-84.2人工智能DSS和GIS支持決策，他們都是增強(qiáng)企業(yè)智能4.3專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)：基于知識(shí)的系統(tǒng)（knowledgebasedsystem），使用推理機(jī)制獲得結(jié)論的人工智能系統(tǒng)。適用于以下兩種問(wèn)題：診斷性問(wèn)題（發(fā)生了什么問(wèn)題）：決策的情報(bào)分析指令性問(wèn)題（該做什么）：決策的選擇專(zhuān)家系統(tǒng)為特定的應(yīng)用領(lǐng)域而建立：會(huì)計(jì)：用于審計(jì)、水務(wù)計(jì)劃、管理咨詢(xún)和培訓(xùn)方面醫(yī)藥：兼顧多方面因素（如患者病史、感染源以及現(xiàn)有藥品的價(jià)格）輕快下開(kāi)出抗生素處方人力資源管理：幫助人事經(jīng)理了解他們是否存在與聯(lián)邦就業(yè)法不一致的問(wèn)題財(cái)務(wù)管理：辨別銀行貸款部門(mén)中有拖欠傾向的賬戶(hù)生產(chǎn)：指導(dǎo)各類(lèi)產(chǎn)品的加工制造，如飛機(jī)零部件林業(yè)管理：幫助在林區(qū)合理的砍伐樹(shù)木4-94.3專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)：基于知識(shí)的系統(tǒng)（knowledge紅綠燈系統(tǒng)4-10規(guī)則現(xiàn)象或事實(shí)是否解釋1綠燈亮了嗎通過(guò)十字路口轉(zhuǎn)到規(guī)則2綠燈亮?xí)r是安全的，否則需要更多的信息2紅燈亮了嗎轉(zhuǎn)到規(guī)則4轉(zhuǎn)到規(guī)則3應(yīng)停車(chē)，不可以通過(guò)3在你到達(dá)十字路口前，紅燈可能要亮嗎？轉(zhuǎn)到規(guī)則4通過(guò)十字路口只有黃燈亮?xí)r才會(huì)出現(xiàn)這種情況，然后你將有兩種選擇4在進(jìn)入十字路口前，你能停車(chē)嗎？停車(chē)轉(zhuǎn)到規(guī)則5應(yīng)停車(chē)，否則就可能出現(xiàn)問(wèn)題5是否有兩車(chē)正從某側(cè)開(kāi)過(guò)來(lái)？準(zhǔn)備應(yīng)付撞車(chē)事件通過(guò)十字路口除非十字路口處沒(méi)有車(chē)路通過(guò)，否則很可能相撞。紅綠燈系統(tǒng)4-10規(guī)則現(xiàn)象或事實(shí)是否解釋1綠燈亮了嗎通過(guò)十字專(zhuān)家系統(tǒng)能做什么和不能做什么？專(zhuān)家系統(tǒng)能利用信息技術(shù)獲取和利用人類(lèi)的專(zhuān)業(yè)知識(shí)。專(zhuān)家系統(tǒng)可以很好的解決具有清晰規(guī)則和程序的問(wèn)題且具有很高的效率，并給公司帶來(lái)巨大的收益：處理大量的信息匯聚來(lái)自各種渠道的信息減少錯(cuò)誤改善客戶(hù)服務(wù)降低成本提供決策的一致性提供新的信息減少個(gè)人花在工作任務(wù)上的時(shí)間4-11專(zhuān)家系統(tǒng)能做什么和不能做什么？專(zhuān)家系統(tǒng)能利用信息技術(shù)獲取和利專(zhuān)家系統(tǒng)在建立和使用的過(guò)程中可能會(huì)出現(xiàn)的問(wèn)題：專(zhuān)家不能清楚的表達(dá)他們?nèi)绾谓鉀Q問(wèn)題，說(shuō)不清解決問(wèn)題的整個(gè)推理過(guò)程，解決問(wèn)題往往是憑經(jīng)驗(yàn)和直覺(jué)，所以將專(zhuān)家的領(lǐng)域知識(shí)傳遞給專(zhuān)家系統(tǒng)時(shí)就會(huì)出現(xiàn)困難。比如醫(yī)藥醫(yī)療專(zhuān)家系統(tǒng)即使推理過(guò)程可以解釋?zhuān)珜⑼评磉^(guò)程完全自動(dòng)化難度很大。推理過(guò)程可能比較復(fù)雜，需要大量規(guī)則，或者推理過(guò)程模糊并不精確。專(zhuān)家系統(tǒng)無(wú)法從以前的經(jīng)驗(yàn)中學(xué)習(xí)并像人類(lèi)一樣將以前獲取的經(jīng)驗(yàn)應(yīng)用到新的問(wèn)題中。所以它只能解決那些設(shè)計(jì)好的問(wèn)題，不能處理不一致或新出現(xiàn)的問(wèn)題。專(zhuān)家系統(tǒng)在建立和使用的過(guò)程中可能會(huì)出現(xiàn)的問(wèn)題：專(zhuān)家系統(tǒng)和決策支持系統(tǒng)的區(qū)別決策支持系統(tǒng)輔助用戶(hù)進(jìn)行決策。用戶(hù)必須對(duì)所處理的問(wèn)題有相當(dāng)?shù)膶?zhuān)業(yè)知識(shí)和專(zhuān)業(yè)技能。用戶(hù)必須知道如何對(duì)問(wèn)題進(jìn)行推理、應(yīng)該提出哪些問(wèn)題、如何得到答案以及如何進(jìn)行下一步。專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)具有人類(lèi)的專(zhuān)業(yè)知識(shí)。用戶(hù)只需要向?qū)＜蚁到y(tǒng)提問(wèn)即可。專(zhuān)家系統(tǒng)和決策支持系統(tǒng)的區(qū)別決策支持系統(tǒng)4.4神經(jīng)網(wǎng)絡(luò)你看到一條以前從沒(méi)有見(jiàn)過(guò)品種的狗，你能知道它是一條狗嗎？神經(jīng)網(wǎng)絡(luò)（neuralnetwork)：常稱(chēng)為人工神經(jīng)網(wǎng)絡(luò)（artificialneuralnetwork,ANN），是可以發(fā)現(xiàn)和識(shí)別模式的人工智能系統(tǒng)。為了分辨不同的事務(wù)，人類(lèi)需要考慮許多因素，這也是神經(jīng)網(wǎng)絡(luò)的工作方式。當(dāng)有大量的信息可以利用是，神經(jīng)網(wǎng)絡(luò)非常使用于識(shí)別、分類(lèi)和預(yù)測(cè)。通過(guò)檢驗(yàn)成敗上千實(shí)例，神經(jīng)網(wǎng)絡(luò)可以查明信息中重要聯(lián)系和模式。神經(jīng)網(wǎng)絡(luò)可以從例子中學(xué)習(xí)，并且可以用于新的概念和知識(shí)。神經(jīng)網(wǎng)絡(luò)廣泛用于圖像模式和語(yǔ)言的分辨系統(tǒng)中。4-144.4神經(jīng)網(wǎng)絡(luò)你看到一條以前從沒(méi)有見(jiàn)過(guò)品種的狗，你能知道它第四章人工智能課件簡(jiǎn)單舉例：可辨認(rèn)自己的電子記事本，利用神經(jīng)網(wǎng)絡(luò)來(lái)分析你的自己特征Soundhound：獵曲奇兵手機(jī)軟件，可以通過(guò)辨認(rèn)你的聲音識(shí)別歌曲美國(guó)機(jī)場(chǎng)的炸彈檢測(cè)系統(tǒng)可以使用檢測(cè)空氣中的微量元素的神經(jīng)網(wǎng)絡(luò)來(lái)指示是否存在爆炸物神經(jīng)網(wǎng)絡(luò)每年檢查5000多萬(wàn)例心電圖，檢查藥物的相互作用，以及從組織切片樣本中檢測(cè)出可能患癌癥或者其他疾病的異?，F(xiàn)象等。商業(yè)方面，在證券交易、檢測(cè)詐騙行為、信用評(píng)估、房產(chǎn)評(píng)估、貸款申請(qǐng)?jiān)u估、目標(biāo)市場(chǎng)分析方面應(yīng)用也很廣泛。應(yīng)用在機(jī)械控制、溫度調(diào)節(jié)和機(jī)器故障識(shí)別等方面P92和P94的案例簡(jiǎn)單舉例：神經(jīng)網(wǎng)絡(luò)能夠獨(dú)立學(xué)習(xí)并適應(yīng)新環(huán)境適于大規(guī)模并行處理可以在具有不完整信息的情況下進(jìn)行工作能夠處理變量之間具有依賴(lài)性的大量信息分析信息中的非線性關(guān)系，被稱(chēng)為特別回歸分析（fancyregressionanalysis)4-17神經(jīng)網(wǎng)絡(luò)能夠獨(dú)立學(xué)習(xí)并適應(yīng)新環(huán)境4-174.5遺傳算法遺傳算法：是一種人工智能系統(tǒng)，它通過(guò)模仿進(jìn)化過(guò)程中適者生存規(guī)律從而產(chǎn)生的一個(gè)問(wèn)題逐步改進(jìn)的解決方案。遺傳算法是一種優(yōu)化系統(tǒng)，它能發(fā)現(xiàn)產(chǎn)出最優(yōu)輸出的輸入組合。比如試圖選取20種股票作為投資組合，但是你只有有限的資金，假定你開(kāi)始先買(mǎi)20只股票，要求投資組合的增長(zhǎng)率為7.5%一年。首先選取行業(yè)，研究行業(yè)歷史，再研究股票歷史，從30只股票中選取20只，那么有30045015種不同的組合。假設(shè)從40只股票中選擇，組合數(shù)目增加到137846500000種。然后加入你的條件，比如市盈率多少，年收益每股多少，過(guò)去幾年的業(yè)績(jī)，公司經(jīng)營(yíng)的時(shí)間，大股東變動(dòng)情況，消息面的情況，分紅狀況等等，這些條件即你提供給遺傳算法的確切標(biāo)準(zhǔn)。遺傳算法對(duì)股票進(jìn)行組合再組合，刪去其中不符合標(biāo)準(zhǔn)的組合，利用可以接受的組合進(jìn)入下一代繼續(xù)進(jìn)行。4-184.5遺傳算法遺傳算法：是一種人工智能系統(tǒng)，它通過(guò)模仿進(jìn)化遺傳算法的進(jìn)化理論選擇—或稱(chēng)適者生存，選擇的關(guān)鍵在于優(yōu)先考慮較好的結(jié)果。交叉—因希望產(chǎn)生一個(gè)更好的結(jié)果而將幾個(gè)好的結(jié)果搭配在一起。變異—試著隨機(jī)組合并評(píng)估其結(jié)果的成功與失敗。4-19遺傳算法的進(jìn)化理論選擇—或稱(chēng)適者生存，選擇的關(guān)鍵在于優(yōu)先考慮遺傳算法能夠考慮幾千或甚至幾百萬(wàn)個(gè)解，連接并重組這些解，直到找到最優(yōu)解。與人類(lèi)相比，它可以更快更徹底的檢查更多的可能方案。例如，法國(guó)液化空氣公司，一家生產(chǎn)工業(yè)氣體的公司，使用遺傳算法尋找最佳的生產(chǎn)計(jì)劃和供應(yīng)鏈分銷(xiāo)店。該公司擁有40家工廠和8000個(gè)客戶(hù)站點(diǎn)，必須考慮如電力價(jià)格、客戶(hù)需求預(yù)測(cè)、電力成本以及每家工廠的效率等因素。在不斷增加條件和實(shí)驗(yàn)不同組合的過(guò)程中找到最優(yōu)的方案。4-20遺傳算法能夠考慮幾千或甚至幾百萬(wàn)個(gè)解，連接并重組這些解，直到遺傳算法與規(guī)劃求解有相似處，只是樣本更多

假定美國(guó)制藥公司有四個(gè)工廠為四個(gè)主要的客戶(hù)中心數(shù)據(jù)庫(kù)提供供應(yīng)，其管理的目標(biāo)是為這些客戶(hù)每個(gè)月的供應(yīng)定出一個(gè)成本最低的運(yùn)輸計(jì)劃。工廠供應(yīng)，倉(cāng)庫(kù)需求，藥品的單位運(yùn)輸費(fèi)用如表5.1所示。

表5.1制藥公司運(yùn)輸問(wèn)題的數(shù)據(jù)遺傳算法與規(guī)劃求解有相似處，只是樣本更多假定美國(guó)制藥本例中的運(yùn)輸矩陣如表5.2所示，每個(gè)工廠的供應(yīng)量由表中最右邊一列給出，數(shù)據(jù)庫(kù)的需求則在底行。運(yùn)輸成本由各個(gè)方格中的小格子給出。如從印第安納波利斯的工廠運(yùn)輸一個(gè)單位的產(chǎn)品到哥倫布的客戶(hù)中心數(shù)據(jù)庫(kù)的成本為25美元。表5.2

制藥公司運(yùn)輸問(wèn)題的運(yùn)輸矩陣本例中的運(yùn)輸矩陣如表5.2所示，每個(gè)工廠的供應(yīng)量由表中最右邊運(yùn)用EXCELSOLVER線性規(guī)劃工具來(lái)解決問(wèn)題：需要特別注意條件：總供應(yīng)量=總需求量總運(yùn)量<=工廠供貨量總成本最小理解：四個(gè)工廠：印第安納波利斯，鳳凰城，紐約和亞特蘭大四個(gè)需要藥品的庫(kù)：哥倫布，圣路易斯，丹佛和洛杉磯每個(gè)工廠的可供應(yīng)藥品的量分別是：15,6,14和11每個(gè)庫(kù)對(duì)藥品的需求量分別是：10,12,15,9從每個(gè)工廠到每個(gè)不同的庫(kù)的運(yùn)費(fèi)不同，有高有低要滿足總成本最小，即總運(yùn)費(fèi)最小這個(gè)條件保證需求得到滿足保證運(yùn)量不超過(guò)工廠的供貨能力運(yùn)用EXCELSOLVER線性規(guī)劃工具來(lái)解決問(wèn)題：需要特第四章人工智能課件P103綜合案例4.1P105綜合案例4.2案例分析P103綜合案例4.1案例分析26謝謝聆聽(tīng)!26謝謝聆聽(tīng)!第4章：人工智能Copyright?2010bytheMcGraw-HillCompanies,Inc.Allrightsreserved.McGraw-Hill/Irwin第4章：人工智能Copyright?2010byth學(xué)習(xí)目標(biāo)地理信息系統(tǒng)定義專(zhuān)家系統(tǒng)并描述適于它們解決的問(wèn)題類(lèi)型定義神經(jīng)網(wǎng)絡(luò)和模糊邏輯以及這些人工智能工具的用途定義遺傳算法，并列舉它們所基于的概念以及解決的問(wèn)題類(lèi)型4-28學(xué)習(xí)目標(biāo)地理信息系統(tǒng)4-2本章目錄4.1地理信息系統(tǒng)4.2人工智能4.3專(zhuān)家系統(tǒng)4.4神經(jīng)網(wǎng)絡(luò)和模糊邏輯4.5遺傳算法本章目錄引例：國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技需要能力愛(ài)國(guó)者足球隊(duì)是一支非常成功的球隊(duì)球隊(duì)使用決策支持系統(tǒng)來(lái)分析對(duì)手的比賽軟件將比賽日視頻分解為競(jìng)賽和選手動(dòng)作使用這些信息愛(ài)國(guó)者可以更好的策劃它們的戰(zhàn)略4-30引例：國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技需要能力愛(ài)國(guó)者足球隊(duì)是一支國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技更需要能力在其他運(yùn)動(dòng)中，決策支持系統(tǒng)使用預(yù)測(cè)分析來(lái)獲得優(yōu)勢(shì)嗎？選擇一種體育運(yùn)動(dòng)并解釋它們?nèi)绾问褂肈SS？允許教練使用筆記本電腦在運(yùn)動(dòng)場(chǎng)地改變比賽嗎？通過(guò)決策支持系統(tǒng)能夠提高足球的其他方面嗎？4-31國(guó)家足球聯(lián)盟隊(duì)伍不僅需要競(jìng)技更需要能力在其他運(yùn)動(dòng)中，決策支持4.1地理信息系統(tǒng)地理信息系統(tǒng)—專(zhuān)門(mén)為使用空間信息而設(shè)計(jì)的決策支持系統(tǒng)?？臻g信息是可以使用地圖的形式來(lái)表示的所有信息企業(yè)大量地使用地理信息系統(tǒng)軟件分析信息、產(chǎn)生商業(yè)智能和制定決策。4-324.1地理信息系統(tǒng)地理信息系統(tǒng)—專(zhuān)門(mén)為使用空間信息而設(shè)計(jì)的丹佛的Zillow地理信息系統(tǒng)軟件4-33丹佛的Zillow地理信息系統(tǒng)軟件4-74.2人工智能DSS和GIS支持決策，他們都是增強(qiáng)企業(yè)智能的信息技術(shù)系統(tǒng)。利用人工智能可以進(jìn)一步增強(qiáng)企業(yè)智能。人工智能：運(yùn)用計(jì)算機(jī)以各種方式模仿人類(lèi)各種行為的技術(shù)和軟件。專(zhuān)家系統(tǒng)神經(jīng)網(wǎng)絡(luò)（模糊邏輯）遺傳算法智能代理（或基于代理的技術(shù)）4-344.2人工智能DSS和GIS支持決策，他們都是增強(qiáng)企業(yè)智能4.3專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)：基于知識(shí)的系統(tǒng)（knowledgebasedsystem），使用推理機(jī)制獲得結(jié)論的人工智能系統(tǒng)。適用于以下兩種問(wèn)題：診斷性問(wèn)題（發(fā)生了什么問(wèn)題）：決策的情報(bào)分析指令性問(wèn)題（該做什么）：決策的選擇專(zhuān)家系統(tǒng)為特定的應(yīng)用領(lǐng)域而建立：會(huì)計(jì)：用于審計(jì)、水務(wù)計(jì)劃、管理咨詢(xún)和培訓(xùn)方面醫(yī)藥：兼顧多方面因素（如患者病史、感染源以及現(xiàn)有藥品的價(jià)格）輕快下開(kāi)出抗生素處方人力資源管理：幫助人事經(jīng)理了解他們是否存在與聯(lián)邦就業(yè)法不一致的問(wèn)題財(cái)務(wù)管理：辨別銀行貸款部門(mén)中有拖欠傾向的賬戶(hù)生產(chǎn)：指導(dǎo)各類(lèi)產(chǎn)品的加工制造，如飛機(jī)零部件林業(yè)管理：幫助在林區(qū)合理的砍伐樹(shù)木4-354.3專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)：基于知識(shí)的系統(tǒng)（knowledge紅綠燈系統(tǒng)4-36規(guī)則現(xiàn)象或事實(shí)是否解釋1綠燈亮了嗎通過(guò)十字路口轉(zhuǎn)到規(guī)則2綠燈亮?xí)r是安全的，否則需要更多的信息2紅燈亮了嗎轉(zhuǎn)到規(guī)則4轉(zhuǎn)到規(guī)則3應(yīng)停車(chē)，不可以通過(guò)3在你到達(dá)十字路口前，紅燈可能要亮嗎？轉(zhuǎn)到規(guī)則4通過(guò)十字路口只有黃燈亮?xí)r才會(huì)出現(xiàn)這種情況，然后你將有兩種選擇4在進(jìn)入十字路口前，你能停車(chē)嗎？停車(chē)轉(zhuǎn)到規(guī)則5應(yīng)停車(chē)，否則就可能出現(xiàn)問(wèn)題5是否有兩車(chē)正從某側(cè)開(kāi)過(guò)來(lái)？準(zhǔn)備應(yīng)付撞車(chē)事件通過(guò)十字路口除非十字路口處沒(méi)有車(chē)路通過(guò)，否則很可能相撞。紅綠燈系統(tǒng)4-10規(guī)則現(xiàn)象或事實(shí)是否解釋1綠燈亮了嗎通過(guò)十字專(zhuān)家系統(tǒng)能做什么和不能做什么？專(zhuān)家系統(tǒng)能利用信息技術(shù)獲取和利用人類(lèi)的專(zhuān)業(yè)知識(shí)。專(zhuān)家系統(tǒng)可以很好的解決具有清晰規(guī)則和程序的問(wèn)題且具有很高的效率，并給公司帶來(lái)巨大的收益：處理大量的信息匯聚來(lái)自各種渠道的信息減少錯(cuò)誤改善客戶(hù)服務(wù)降低成本提供決策的一致性提供新的信息減少個(gè)人花在工作任務(wù)上的時(shí)間4-37專(zhuān)家系統(tǒng)能做什么和不能做什么？專(zhuān)家系統(tǒng)能利用信息技術(shù)獲取和利專(zhuān)家系統(tǒng)在建立和使用的過(guò)程中可能會(huì)出現(xiàn)的問(wèn)題：專(zhuān)家不能清楚的表達(dá)他們?nèi)绾谓鉀Q問(wèn)題，說(shuō)不清解決問(wèn)題的整個(gè)推理過(guò)程，解決問(wèn)題往往是憑經(jīng)驗(yàn)和直覺(jué)，所以將專(zhuān)家的領(lǐng)域知識(shí)傳遞給專(zhuān)家系統(tǒng)時(shí)就會(huì)出現(xiàn)困難。比如醫(yī)藥醫(yī)療專(zhuān)家系統(tǒng)即使推理過(guò)程可以解釋?zhuān)珜⑼评磉^(guò)程完全自動(dòng)化難度很大。推理過(guò)程可能比較復(fù)雜，需要大量規(guī)則，或者推理過(guò)程模糊并不精確。專(zhuān)家系統(tǒng)無(wú)法從以前的經(jīng)驗(yàn)中學(xué)習(xí)并像人類(lèi)一樣將以前獲取的經(jīng)驗(yàn)應(yīng)用到新的問(wèn)題中。所以它只能解決那些設(shè)計(jì)好的問(wèn)題，不能處理不一致或新出現(xiàn)的問(wèn)題。專(zhuān)家系統(tǒng)在建立和使用的過(guò)程中可能會(huì)出現(xiàn)的問(wèn)題：專(zhuān)家系統(tǒng)和決策支持系統(tǒng)的區(qū)別決策支持系統(tǒng)輔助用戶(hù)進(jìn)行決策。用戶(hù)必須對(duì)所處理的問(wèn)題有相當(dāng)?shù)膶?zhuān)業(yè)知識(shí)和專(zhuān)業(yè)技能。用戶(hù)必須知道如何對(duì)問(wèn)題進(jìn)行推理、應(yīng)該提出哪些問(wèn)題、如何得到答案以及如何進(jìn)行下一步。專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)具有人類(lèi)的專(zhuān)業(yè)知識(shí)。用戶(hù)只需要向?qū)＜蚁到y(tǒng)提問(wèn)即可。專(zhuān)家系統(tǒng)和決策支持系統(tǒng)的區(qū)別決策支持系統(tǒng)4.4神經(jīng)網(wǎng)絡(luò)你看到一條以前從沒(méi)有見(jiàn)過(guò)品種的狗，你能知道它是一條狗嗎？神經(jīng)網(wǎng)絡(luò)（neuralnetwork)：常稱(chēng)為人工神經(jīng)網(wǎng)絡(luò)（artificialneuralnetwork,ANN），是可以發(fā)現(xiàn)和識(shí)別模式的人工智能系統(tǒng)。為了分辨不同的事務(wù)，人類(lèi)需要考慮許多因素，這也是神經(jīng)網(wǎng)絡(luò)的工作方式。當(dāng)有大量的信息可以利用是，神經(jīng)網(wǎng)絡(luò)非常使用于識(shí)別、分類(lèi)和預(yù)測(cè)。通過(guò)檢驗(yàn)成敗上千實(shí)例，神經(jīng)網(wǎng)絡(luò)可以查明信息中重要聯(lián)系和模式。神經(jīng)網(wǎng)絡(luò)可以從例子中學(xué)習(xí)，并且可以用于新的概念和知識(shí)。神經(jīng)網(wǎng)絡(luò)廣泛用于圖像模式和語(yǔ)言的分辨系統(tǒng)中。4-404.4神經(jīng)網(wǎng)絡(luò)你看到一條以前從沒(méi)有見(jiàn)過(guò)品種的狗，你能知道它第四章人工智能課件簡(jiǎn)單舉例：可辨認(rèn)自己的電子記事本，利用神經(jīng)網(wǎng)絡(luò)來(lái)分析你的自己特征Soundhound：獵曲奇兵手機(jī)軟件，可以通過(guò)辨認(rèn)你的聲音識(shí)別歌曲美國(guó)機(jī)場(chǎng)的炸彈檢測(cè)系統(tǒng)可以使用檢測(cè)空氣中的微量元素的神經(jīng)網(wǎng)絡(luò)來(lái)指示是否存在爆炸物神經(jīng)網(wǎng)絡(luò)每年檢查5000多萬(wàn)例心電圖，檢查藥物的相互作用，以及從組織切片樣本中檢測(cè)出可能患癌癥或者其他疾病的異?，F(xiàn)象等。商業(yè)方面，在證券交易、檢測(cè)詐騙行為、信用評(píng)估、房產(chǎn)評(píng)估、貸款申請(qǐng)?jiān)u估、目標(biāo)市場(chǎng)分析方面應(yīng)用也很廣泛。應(yīng)用在機(jī)械控制、溫度調(diào)節(jié)和機(jī)器故障識(shí)別等方面P92和P94的案例簡(jiǎn)單舉例：神經(jīng)網(wǎng)絡(luò)能夠獨(dú)立學(xué)習(xí)并適應(yīng)新環(huán)境適于大規(guī)模并行處理可以在具有不完整信息的情況下進(jìn)行工作能夠處理變量之間具有依賴(lài)性的大量信息分析信息中的非線性關(guān)系，被稱(chēng)為特別回歸分析（fancyregressionanalysis)4-43神經(jīng)網(wǎng)絡(luò)能夠獨(dú)立學(xué)習(xí)并適應(yīng)新環(huán)境4-174.5遺傳算法遺傳算法：是一種人工智能系統(tǒng)，它通過(guò)模仿進(jìn)化過(guò)程中適者生存規(guī)律從而產(chǎn)生的一個(gè)問(wèn)題逐步改進(jìn)的解決方案。遺傳算法是一種優(yōu)化系統(tǒng)，它能發(fā)現(xiàn)產(chǎn)出最優(yōu)輸出的輸入組合。比如試圖選取20種股票作為投資組合，但是你只有有限的資金，假定你開(kāi)始先買(mǎi)20只股票，要求投資組合的增長(zhǎng)率為7.5%一年。首先選取行業(yè)，研究行業(yè)歷史，再研究股票歷史，從30只股票中選取20只，那么有30045015種不同的組合。假設(shè)從40只股票中選擇，組合數(shù)目增加到137846500000種。然后加入你的條件，比如市盈率多少，年收益每股多少，過(guò)去幾年的業(yè)績(jī)，公司經(jīng)營(yíng)的時(shí)間，大股東變動(dòng)情況，消息面的情況，分紅狀況等等，這些條件即你提供給遺傳算法的確切標(biāo)準(zhǔn)。遺傳算法對(duì)股票進(jìn)行組合再組合，刪去其中不符合標(biāo)準(zhǔn)的組合，利用可以接受的組合進(jìn)入下一代繼續(xù)進(jìn)行。4-444.5遺傳算法遺傳算法：是一種人工智能系統(tǒng)，它通過(guò)模仿進(jìn)化遺傳算法的進(jìn)化理論選擇—或稱(chēng)適者生存，選擇的關(guān)鍵在于優(yōu)先考慮較好的結(jié)果。交叉—因希望產(chǎn)生一個(gè)更好的結(jié)果而將幾個(gè)好的結(jié)果搭配在一起。變異—試著隨機(jī)組合并評(píng)估其結(jié)果的成功與失敗。4-45遺傳算法的進(jìn)化理論選擇—或稱(chēng)適者生存，選擇的關(guān)鍵在于優(yōu)先考慮遺傳算法能夠考慮幾千或甚至幾百萬(wàn)個(gè)解，連接并重組這些解，直到找到最優(yōu)解。與人類(lèi)相比，它可以更快更徹底的檢查更多的可能方案。例如，法國(guó)液化