《人工智能》全冊配套課件

《人工智能》全冊配套課件人工智能

ArtificalIntelligence--AI

課程簡介?人工智能的起源、定義與發(fā)展，以及研究內(nèi)容和應(yīng)用領(lǐng)域?確定性人工智能的三大技術(shù)：知識表示、確定性推理、問題求解搜索策略?計算智能：神經(jīng)計算、進化計算、模糊計算?不確定性推理?專家系統(tǒng)?機器學習?分布式人工智能：Agent技術(shù)?人工智能應(yīng)用：機器人規(guī)劃、機器視覺、自然語言理解主要內(nèi)容人工智能的三大基本技術(shù)：知識表示邏輯推理搜索技術(shù)主要介紹人工智能的基本概念、知識表示、搜索推理、計算智能以及問題求解等。

學習目標領(lǐng)略人工智能思想的精髓，對人工智能的思想和方法有比較深刻的認識，從人工智能的角度出發(fā)去思考問題，解決問題。–了解人工智能的發(fā)展歷史，國內(nèi)外人工智能相關(guān)領(lǐng)域的發(fā)展動態(tài)–掌握人工智能的基本理論、技術(shù)及其應(yīng)用方法–討論一些新的和正在研究中的人工智能方法與技術(shù)–能夠應(yīng)用相應(yīng)的人工智能技術(shù)解決實際應(yīng)用問題參考書：人工智能—復雜問題求解的結(jié)構(gòu)和策略（原書第5版）GeorgeF.Luger著，史忠植等譯機械工業(yè)出版社，2006人工智能—一種現(xiàn)代的方法（第2版）羅素RUSSELL清華大學出版社7參考書：人工智能原理與應(yīng)用張仰森，2004年2月高等教育出版社人工智能及其應(yīng)用（第三版）蔡自興、徐光佑清華大學出版社

人工智能馬少平、朱小燕清華大學出版社國家級精品課程：/resource/data/jpk/2003145.htm教學模式章節(jié)內(nèi)容講授+討論輪講+討論相關(guān)文章閱讀+輪講+討論

第一章緒論1.1AI的定義及其研究目標1.2人工智能的發(fā)展1.3AI的主要學派及其研究方法1.4人工智能的研究領(lǐng)域與應(yīng)用領(lǐng)域1.5人工智能近期發(fā)展分析1.6人工智能思想的應(yīng)用1.1人工智能及其發(fā)展什么是人工智能？什么是人工智能??科技熱點：Gartner預(yù)測的2014年10大技術(shù)趨勢之一

趨勢9

智慧超算機大量出現(xiàn)

“watson”在益智問答節(jié)目中一舉奪冠?谷歌成立人工智能實驗室—“量子人工智能實驗室”?德克薩斯大學MDAnderson癌癥中心將利用IBM 的“沃森”認知計算系統(tǒng)作為攻克癌癥頑疾的

有力武器?微軟的研究人員都在忙著讓機器人通過高中生物考試?Facebook新建人工智能實驗室1.1AI的定義及其研究目標

AI的定義?形式化定義目前還沒有?一般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。?無形式化定義的理由人工智能的嚴格定義依賴于對智能的定義但什么是智能？還無嚴格定義?因此，應(yīng)先對人類的自然智能進行討論。

何謂智能（自然智能）?自然智能指人類和一些動物所具有的智力和行為能力。?人類的自然智能（簡稱智能）指人類在認識客觀世界中，由思維過程和腦力活動所

表現(xiàn)出的綜合能力。?人類大腦是如何實現(xiàn)智能的兩大難題之一：宇宙起源、人腦奧秘對人腦奧秘知之甚少?對人腦奧秘知道什么結(jié)構(gòu)：1011-12量級的神經(jīng)元，分布并行功能：記憶、思維、觀察、分析等?對智能的嚴格定義有待于人腦奧秘的揭示，進一步認識

認識智能的觀點?思維理論

智能來源于思維活動，智能的核心是思維，人的一切知識都是思維的產(chǎn)物?？赏ㄟ^對思維規(guī)律和思維方法的研究，來揭示智能的本質(zhì)。?知識閾值理論智能取決于知識的數(shù)量及其可運用程度。一個系統(tǒng)所

具有的可運用知識越多，其智能就會越高。?進化理論

是美國MIT的Brooks在對人造機器蟲研究的基礎(chǔ)上提出來的。智能取決于感知和行為，取決于對外界復雜環(huán)境的適應(yīng)。智能不需要知識、不需要表示、不需要推理，智能可由逐步進化來實現(xiàn)。（emergent）觀點不一致，從層次結(jié)構(gòu)上再來認識一下。

智能的層次結(jié)構(gòu)?高層智能以大腦皮層（抑制中樞）為主，主要完成記憶、思維等

活動。?中層智能以丘腦（感覺中樞）為主，主要完成感知活動。?低層智能以小腦、脊髓為主，主要完成動作反應(yīng)活動。?不同觀點在層次結(jié)構(gòu)中的對應(yīng)關(guān)系思維理論知識閾值理論高層智能進化理論中層智能和低層智能?問題：智能到底包含哪些能力？

智能包含的能力（一）感知能力

通過感知器官感知外界的能力。是人類獲得外界信息的基本途徑，其處理方式有以下兩種：

感知--動作方式：對簡單、緊急信息。

感知--思維--動作方式：對復雜信息。記憶和思維能力

記憶：對感知到的外界信息和由思維產(chǎn)生的內(nèi)部知識的存儲過程。

思維：對已存儲信息或知識的本質(zhì)屬性、內(nèi)部知識的認識過程。

思維方式：

抽象思維（邏輯思維）：根據(jù)邏輯規(guī)則對信息和知識進行處理的理性思維方式。例如，邏輯推理等。

形象思維（直感思維）：基于形象概念，根據(jù)感性形象認識材料對客觀現(xiàn)象進行處理的一種思維方式。例如，圖像、景物識別等。

靈感思維（頓悟思維）：是一種顯意識和潛意識相互作用的思維方式。例如，因靈感而頓時開竅。

智能包含的能力（二）?學習和自適應(yīng)能力學習：是一個具有特定目的的知識獲取過程，是人的一種本能。不同人的學習方法、能力不同。自適應(yīng)：是一種通過自我調(diào)節(jié)適應(yīng)外界環(huán)境的過程，是人的一種本能。不同人的適應(yīng)能力不同。?行為能力含義：是人們對感知到的外界信息作出動作反應(yīng)的能力信息來源：由感知直接獲得的外界信息 經(jīng)過思維加工后的信息實現(xiàn)過程：通過脊髓來控制 由語言、表情、體姿等來實現(xiàn)

何謂人工智能？（一）綜合各種不同觀點，可從能力和學科兩個方面討論：能力方面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。學科方面是一門研究如何構(gòu)造智能機器或智能系統(tǒng)，以模擬、延伸和擴展人類智能的學科。何謂人工智能？（二）

圖靈測試(Turingtest)圖靈測試

(Turingtest)

被測試的有一個人，另一個是聲稱自己有人類智力的機器。測試時，測試人與被測試人是分開的，測試人只有通過一些裝置（如鍵盤）向被測試人問一些問題，這些問題隨便是什么問題都可以。問過一些問題后，如果測試人能夠正確地分出誰是人誰是機器，那機器就沒有通過圖靈測試；如果測試人沒有分出誰是機器誰是人，那這個機器就是有人類智能的。

何謂人工智能？（二）

—圖靈測試(Turingtest)判斷標準：測試主持人能分辨出人和機器的概率小于50%。被測機器小于50%？

“快速的、按規(guī)矩行事的傻子機器？”

測試主持人Turing測試存在的問題被測人

僅反映了結(jié)果的比較，無涉及思維過程沒指出是什么人CAPTCHA?CompletelyAutomated PublicTuringtesttotell ComputersandHumans Apart.?驗證碼，區(qū)分用戶是計算機和人的公共全自動程序。?由計算機來考人類，而不是標準圖靈測試中那樣由人類來考計算機，人們有時稱CAPTCHA是一種反向圖靈測試。Systemsthatthinklikehumans.類人思考：認知模型方法Systemsthatthinkrationally.理性地思考：“思維法則”方法Systemsthatactlikehumans.類人行為：圖靈測試方法Systemsthatactationally.理性地行動：理性Agent方法何謂人工智能？

人工智能的研究目標?遠期目標

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)。

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：

孕育期（1956年以前）

形成期（1956-1970年）

知識應(yīng)用期（1970-20世紀80年代末）

從學派分離走向綜合（20世紀80年代末到本世紀初）

智能科學技術(shù)學科的興起（本世紀初以來）

1.2人工智能的發(fā)展1）人工智能的起源—孕育期（1956年以前）(1/2)普羅米修斯：人類獲取智慧火種的最初努力（渴望智慧會帶來惡果？）自遠古以來，人類就有用機器代替人們腦力勞動的的幻想：公元前900多年我國有歌舞機器人流傳的記載；公元前850年古希臘有制造機器人幫助人們勞動的神話傳說。亞里斯多德（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。萊布尼茨（G.W.Leibnitz，1646-1716）：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)（四則運算計算器）。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)，與他的研究生埃克特（J.P.Eckert）合作，1946年研制成功了世界上第一臺通用電子計算機ENIAC。孕育期（1956年以前）(2/2)

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)。 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?？刂普撓蛉斯ぶ悄艿臐B透，形成了行為主義學派。 圖靈又于1950年，發(fā)表題為《計算機能思維嗎？》的著名論文，明確提出了“機器能思維”的觀點。 可見，在人工智能誕生之前，一些著名科學家就已經(jīng)創(chuàng)立了數(shù)理邏輯、神經(jīng)網(wǎng)絡(luò)模型和控制論，并發(fā)明了通用電子數(shù)字計算機。為人工智能的誕生準備了必要的思想、理論和物質(zhì)技術(shù)條件。

同時加深了認識：智慧的奧秘可以被納入到科學分析中。

英國科學家圖靈：計算機之父阿蘭·麥席森·圖靈AlanMathisonTuring1912.6.23-1954.6.7計算機科學奠基人●提出了“圖靈機”1936年發(fā)表論文：“論數(shù)字計算在決斷難題中的應(yīng)用”，奠定了計算機的模型與可計算理論?！裉岢隽恕皥D靈測試”1950年發(fā)表論文：“計算機與智能”，奠定了人工智能的基礎(chǔ)。

主要貢獻在實驗室工作的圖靈二戰(zhàn)中，協(xié)助英國軍方破譯德國的著名密碼系統(tǒng)Enigma，幫助盟軍取得了二戰(zhàn)勝利。1947年8月25日，泰晤士報—圖靈的馬拉松記錄2:46:03（42公里195米）

為了紀念圖靈這位偉大的科學家，美國計算機協(xié)會于1966年設(shè)立了一年一度的“圖靈獎”——計算機界的最高獎，頒發(fā)給世界上最杰出的計算機科學家。目前獲此殊榮的華人僅有一位，即2000年圖靈獎得主姚期智。圖靈獎計算機領(lǐng)域的諾貝爾獎年代獲獎?wù)哓暙I1966A.J.Perlis新一代編程技術(shù)和編譯架構(gòu)1967MauriceV.Wilkes設(shè)計出第一臺具有內(nèi)置存儲程序的計算機1968RichardW.Hamming計數(shù)方法、自動編碼系統(tǒng)、檢測及糾正錯碼1971JohnMcCarthy人工智能1973CharlesW.Bachman數(shù)據(jù)庫1974DonaldE.Knuth設(shè)計和完成TEX(一種創(chuàng)新的文檔排版工具)1981EdgarF.Codd數(shù)據(jù)庫管理系統(tǒng)的理論和實踐1988IvanE.Sutherland計算機圖形學2000Yao,AndrewChi-Chih計算理論（包括加密算法和通訊復雜性）2005Naur,PeterACM設(shè)計Algol60語言2006FrancesE.Allen（女）編譯器優(yōu)化理論和實踐2007EdmundM.Clarke、AllenEmerson,JosephSifakis在將模型檢查發(fā)展為被硬件和軟件業(yè)中所廣泛采納的高效驗證技術(shù)上的貢獻。而DDJ則將三人的貢獻稱為“在發(fā)現(xiàn)計算機硬件和軟件中設(shè)計錯誤的自動化方法方面的工作”。圖靈獎部分獲獎?wù)呙麊我ζ谥?946年12月生于上海，祖籍湖北1967年獲臺灣大學物理學士學位1972年獲哈佛大學物理博士學位1975年獲伊利諾依大學計算機科學博士學位1975年至1986年先后在美國麻省理工學院數(shù)學系、斯坦福大學計算機系、加利福尼亞大學伯克利分校計算機系任助教授、教授。1998年被選為美國科學院院士2000年被選為美國科學與藝術(shù)學院院士。他在數(shù)據(jù)組織、密碼學、通信復雜性乃至量子通信和計算等多個尖端科研領(lǐng)域，都做出了巨大而獨到的貢獻。他是計算機理論方面國際上最拔尖的學者之一。2007年3月29日，姚期智領(lǐng)導成立了清華大學理論計算機科學研究中心。1946年2月14日，ENIAC（埃尼阿克，電子數(shù)字積分計算機）在賓夕法尼亞大學誕生。ENIACElectronicNumericalIntegratorandComputer世界上第一臺計算機誕生宣告了計算機時代的到來立在賓夕法尼亞大學的標志牌賓夕法尼亞大學（UniversityofPennsylvania）1740年創(chuàng)立，美國費城ENIAC的兩位設(shè)計師JohnW.Mauchly（莫奇萊）JohnPresperEckert（?？颂兀?940年，計算機所需要的重要電器元件—電子管發(fā)明了。

1943年4月9日，是電子計算機發(fā)展史上具有歷史意義的一天。賓夕法尼亞大學莫爾學院

36歲的物理學家莫奇萊提出的一份關(guān)于制造電子計算機的設(shè)想的報告，得到了美國軍方的批準并開始實施，這項工程的總工程師由年僅24歲的?？颂負?。

1945年底，世界上第一臺電子計算機研制完成，全稱是“電子數(shù)字積分計算機”，簡稱為ENIAC。

1946年2月14日，為ENIAC舉行了隆重的揭幕典禮。ENIAC誕生于賓夕法尼亞大學ENIAC使用的電子管工作中的ENIAC兩名女程序操作員在操作ENIAC那個時候的“程序設(shè)計”，需要插拔N多的插頭

2）人工智能的發(fā)展-形成期（1956-1970年）(1/4)AI誕生于一次歷史性的聚會(Dartmouth人工智能夏季研討會)時間：1956年夏季地點：達特莫斯(Dartmouth)學院目的：為使計算機變得更“聰明”，使計算機具有智能發(fā)起人：

麥卡錫(J.McCarthy），Dartmouth的年輕數(shù)學家、計算機專家，后為MIT教授

明斯基(M.L.Minsky），哈佛大學數(shù)學家、神經(jīng)學家，后為MIT教授

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)學研究員參加人：

莫爾(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

西蒙(H.A.Simon)，卡內(nèi)基—梅隆大學會議結(jié)果：由麥卡錫提議正式采用了“ArtificialIntelligence”這一術(shù)語McCarthy（麥卡錫）：人工智能之父該時期研究的相關(guān)成就：

邏輯理論程序LT：模擬人類證明定理的思想，用機器進行定理證明。（1956年）

西洋跳棋：可以象人那樣，向前看幾步來下棋。（1956年）

GPS-GeneralProblemSolving：不依賴于具體領(lǐng)域的程序。（1957年）

LISP：AI程序設(shè)計的主要語言。（1959年）

形成期（1956-1970年）(2/4)

形成期（1956-1970年）(3/4)心理學小組

1957年，紐厄爾、肖(J.Shaw)和西蒙等人的心理學小組研制了一個稱為邏輯理論機(LogicTheoryMachine，簡稱LT)的數(shù)學定理證明程序。

1960年研制了通用問題求解(GeneralProblemSolving)程序。該程序當時可以解決11種不同類型的問題，如不定積分、三角函數(shù)、代數(shù)方程、猴子摘香蕉、河內(nèi)梵塔、人-羊過河等。IBM工程小組

1956年，塞繆爾在IBM704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

1958年，麥卡西建立了行動規(guī)劃咨詢系統(tǒng)。

1960年，麥卡西又研制了人工智能語言LISP。

1961年，明斯基發(fā)表了“走向人工智能的步驟”的論文，推動了人工智能的發(fā)展。

形成期（1956-1970年）(4/4)其他方面

1965年，魯賓遜（Robinson)提出了歸結(jié)（消解）原理。這種與傳統(tǒng)自然演繹完全不同的方法為自動定理證明做出了突破性的貢獻。

1965年，美國斯坦福大學的費根鮑姆(Feigenbaum)領(lǐng)導的研究小組開始研究化學專家系統(tǒng)DENDRAL。該專家系統(tǒng)于1968年完成并投入使用，它可以根據(jù)質(zhì)譜儀的實驗，通過分析推理決定化合物的分子結(jié)構(gòu)。

DENDRAL被稱為專家系統(tǒng)的萌芽，是人工智能研究從一般思維探討到專門知識應(yīng)用的一次成功的嘗試。

3）人工智能的發(fā)展-知識應(yīng)用期（1971-80年代末）(1/3)失敗的預(yù)言：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)心理學理論將在計算機上形成。?挫折和教訓在博弈方面：塞繆爾跳棋程序的失敗。在定理證明方面：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。

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：并不容易，甚至會鬧出笑話?！癘utofsight,outofmind”(“眼不見心不煩”)：翻譯成：“又瞎又瘋”

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：人工智能也遇到了不少問題。

科幻小說和電影激發(fā)了過高的期望一些學者指責“人工智能研究不是騙局，也是庸人自擾?！?/p>

知識應(yīng)用期（1971-80年代末）(2/3)以知識為中心的研究：

專家系統(tǒng)是AI發(fā)展史上的一次重要轉(zhuǎn)折。

1972年，費根鮑姆（Feigenbaum）開始研究MYCIN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。

1972年法國馬賽大學Clomerauer發(fā)明Prolog邏輯程序設(shè)計語言。

1976年，斯坦福大學的杜達(R.D.Duda)等人開始研制地質(zhì)勘探專家系統(tǒng)PROSPECTOR。

1970年ArtificialIntelligence國際期刊創(chuàng)刊。

1977年費根鮑姆提出知識工程概念，專家系統(tǒng)廣泛應(yīng)用。知識應(yīng)用期（1971-80年代末）(3/3)?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。 4）人工智能的發(fā)展-AI工業(yè)化，新技術(shù)層出不窮

（20世紀80年代到本世紀初）

英國的AlveyReport建議恢復投資AI，提出—“基于知識的智能系統(tǒng)”（IntelligentKnowledgeBasedSystem,IKBS）1986年：人工神經(jīng)網(wǎng)絡(luò)1990年：分布式人工智能和Agent技術(shù)，機器學習和數(shù)據(jù)挖掘……

5）人工智能的發(fā)展-從學派分立到綜合

（20世紀80年代到本世紀初）

人工智能研究形成了三大學派：

隨著人工神經(jīng)網(wǎng)絡(luò)的再度興起和布魯克（R.A.Brooks）的機器蟲的出現(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。6）人工智能的發(fā)展-智能科學技術(shù)的興起

（本世紀初以來）

目前，一個以人工智能為核心，以自然智能、人工智能、集成智能為一體的新的智能科學技術(shù)學科正在逐步興起，并引起了人們的極大關(guān)注。

該學科研究的主要特征包括以下幾個方面：

由對人工智能的單一研究走向以自然智能、人工智能、集成智能為一體的協(xié)同研究；

由人工智能學科的獨立研究走向重視與腦科學、認知科學、等學科的交叉研究；

由多個不同學派的獨立研究走向多學派的綜合研究；

由對個體、集中智能的研究走向?qū)θ后w、分布智能的研究。

總結(jié)時間1：20世紀60年代中期—

形成期時間2：20世紀70年代后期—

知識形成期時間3：20世紀90年代—

綜合集成期時間1：20世紀60年代中期—

形成期特點：由追求萬能、通用的一般研究轉(zhuǎn)入特定的具體研究，通用的解題策略與特定的專業(yè)知識領(lǐng)域以及實際經(jīng)驗相結(jié)合。屬發(fā)展和實用化階段。

AI的三個基本問題：知識的表示、利用和獲取。代表：ES-ExpertSystem(basedonknowledge)主要人物：E.A.Feigenbaum（StandfordUniversity）（1）各種學術(shù)會議和雜志的誕生首先，1956，美國，研討會。討論機器模擬人類智能的問題。首次提出人工智能——宣布人工智能的誕生；

其次，1969，召開第一屆國際人工智能聯(lián)合會議-IJCAI（每兩年舉行一次）；各種學術(shù)團體成立：美國人工智能學會(AAAI)、英國的AISB，意大利的GLIA、加拿大計算機智能研究會(CSCSI)、西德的KI和中國AI學會(CAAI)等；專門的人工智能雜志和文集：《人工智能》雜志創(chuàng)刊，《IJCAI會議錄》、《MachineIntelligence》(英國)、《ArtificialIntelligence》(日本)、《計算機智能研究學會文集》(加拿大)和《CongnitiveScience》(美國)；學術(shù)會議：國際自動控制協(xié)會、國際工業(yè)機器人協(xié)會、國際信息處理聯(lián)合會和國際模式識別會議等；學術(shù)期刊：ACM、AFIPS、IEEE等。（2）主要的研究成果A.心理學小組B.IBM工程課題小組C.MIT小組（3）控制論的提出對AI的研究起到很大的作用

控制論的概念跨接了許多領(lǐng)域，它把神經(jīng)系統(tǒng)的工作原理與信息理論、控制理論、邏輯以及早期計算聯(lián)系起來。為此，控制論成為AI工作者的指導思想。

時間2：20世紀70年代后期—

知識形成期特點：專家系統(tǒng)技術(shù)成熟、應(yīng)用領(lǐng)域增加，從專家系統(tǒng)技術(shù)中抽取共性，AI又從具體系統(tǒng)的研究回到一般研究。代表：KE-KnowledgeEngineering（知識工程）主要人物：E.A.Feigenbaum（StandfordUniversity）知識工程之父（1）挫折與教訓70-80年代，AI遭受了嚴重的挫折。很多預(yù)言未能得以實現(xiàn)。如：在博奕方面，塞繆爾的下棋程序在與世界冠軍對奕時，5局中被擊敗了4局；在定理證明方面，發(fā)現(xiàn)魯賓遜的歸結(jié)原理的能力十分有限：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10萬步也沒有結(jié)果；在問題求解方面，由于過去研究的多是良結(jié)構(gòu)問題，而現(xiàn)實世界中的問題又多是不良結(jié)構(gòu)，如果仍用那些方法去處理，將會產(chǎn)生組合爆炸；在機器翻譯方面、在神經(jīng)生理學方面、在人工智能的本質(zhì)、理論、思想及機理方面等都有不同程度的失敗。

（2）以知識為中心的研究在這種極端困難的情況下，仍有一大批AI學者不畏艱辛、潛心研究。

1972年，費根鮑姆在繼化學專家系統(tǒng)DENDRAL之后，又領(lǐng)導他的研究小組開始研究MYCIN專家系統(tǒng)，并于1976年研制成功。

MYCIN是一個用于細菌感染患者的診斷和治療醫(yī)學專家系統(tǒng)。從應(yīng)用的角度看，它可以識別51種病菌，正確使用23種抗生素，能協(xié)助內(nèi)科醫(yī)生診斷細菌感染疾病，并為患者提供最佳處方。1976年，斯坦福大學國際AI中心杜達(R.D.Duda)等人開始研制地質(zhì)勘探專家系統(tǒng)PROSPECTOR，到1981年該系統(tǒng)已擁有15種礦藏知識。另外，還有MIT在1971年研制了數(shù)學專家系統(tǒng)MACSYMA，1978年研制成功的用于青光眼診斷和治療的專家系統(tǒng)CASNET等。

1977年，在第五屆國際AI聯(lián)合會上正式提出了知識工程的概念。從此，AI的發(fā)展又步入了一個飛速發(fā)展的時期。時間3：20世紀90年代—

綜合集成期特點：AI技術(shù)與數(shù)據(jù)庫技術(shù)、多媒體技術(shù)、網(wǎng)絡(luò)技術(shù)相結(jié)合。

—

并行與分布處理技術(shù)

—

知識的獲取、表示、更新和推理的新方法、新技術(shù)

—

多功能的感知技術(shù)（1）在專家系統(tǒng)方面，從20世紀80年代末，開始逐步向多技術(shù)、多方法的綜合集成與多學科、多領(lǐng)域的綜合應(yīng)用型發(fā)展。（2）目前，AI技術(shù)正在向大型分布式AI（DAI）、大型分布式多專家協(xié)同系統(tǒng)、廣義知識表達、綜合知識庫、并行推理、多種專家系統(tǒng)開發(fā)工具、大型分布式AI開發(fā)環(huán)境和分布式環(huán)境下的多智能體（Agent）協(xié)同系統(tǒng)等方向發(fā)展。其他時間：

1978年—

我國AI起步領(lǐng)域：定理證明、漢語自然語言理解、機器人、專家系統(tǒng)等方面1.3AI的主要學派及其研究方法1.AI的位置整個學科體系分為：自然科學社會科學交叉科學（AI）哲學是所有科學的指導思想數(shù)學是一切科學的基礎(chǔ)科學

AI是一門交叉科學，具有很強的綜合性。它吸取了自然科學與社會科學的最新成就，以思維與智能為核心，形成自身的新體系。AI是邏輯學、思維學、生理學、心理學、計算機科學、電子學、語言學、教育學等多門學科相互滲透的結(jié)果。2.AI的學派及其研究方法由于AI的目標是使機器具有認識問題與解決問題的能力，是對人的智能進行模擬，其主要學派及其相關(guān)方法有：符號主義學派、邏輯主義學派、心理學派、計算機學派

—數(shù)理邏輯、ES

知識是智能的基礎(chǔ)核心問題：知識表示與知識推理用符號系統(tǒng)來進行知識表示用符號的操作進行知識推理代表：Newell,Shaw,Simon等運用計算機科學的觀點，撇開腦的微觀結(jié)構(gòu)，單純地進行腦的宏觀功能的模擬。這種方法用于研制適用于AI的新的體系結(jié)構(gòu)的計算機系統(tǒng)，用于研制大量實用的計算機智能軟件，此方法是當今AI研究的主要方法。在運用計算機方法求解智能問題時，特別在編制智能軟件時，又有兩種方法：數(shù)學方法、心理學方法。

（1）數(shù)學方法依靠建立數(shù)學模型并利用算法來求解問題。算法：求解某類問題時，確定的可被機械執(zhí)行的有窮步驟。算法的三個性質(zhì)：通用性：一個算法應(yīng)適用于求解某類問題的全部問題，而不是只能解決其中的某些特殊的問題；確定性：算法中的任何狀態(tài)和步驟都是確定的、唯一的，不具有任意性。有效性：算法對本類問題中的任何狀態(tài)都是有效的。

依靠算法，可以保證得到需要的解或最佳解，但須事先掌握把前提和結(jié)論聯(lián)系起來的全部先驗信息，在實際求解問題時，運用算法受到如下限制：

a.不是所有問題都能找到算法來求解；b.有些問題雖有算法，但實際是不可計算的。（這類問題隨時間的復雜度的線性增長，計算所需時間或存儲空間將按指數(shù)增長）。

（2）心理學方法依靠心理學模型，把人在解決各種問題時所使用的經(jīng)驗方法、策略、竅門都編進程序（即對人解決問題的認識過程進行計算機程序的模擬），這種程序稱為啟發(fā)式程序。

啟發(fā)式程序：求解某類問題時，試探的可被機械執(zhí)行的有窮步驟。啟發(fā)式程序具有三個性質(zhì)：局部性：啟發(fā)式程序在求解某類問題的結(jié)果時，不一定保證是準確解或最佳解；試探性：啟發(fā)式程序求解問題時允許失誤而改用其他的方法；針對性：啟發(fā)式程序可以利用某些被解問題的特殊規(guī)律，大大簡化該問題的求解過程，具有較強的針對性。依靠啟發(fā)，只須事先掌握把前提和結(jié)論聯(lián)系起來的部分先驗信息，一般求解問題比較簡捷，在求解復雜問題時，可以更好地表現(xiàn)出人類智慧的特征。

在處理實際問題時，并不是單純地使用上述兩種方法中的任何一種，而是交替地使用算法和啟發(fā)。一般是在戰(zhàn)略決策上較多地使用啟發(fā)，在戰(zhàn)術(shù)推進上較多地使用算法。相比之下，心理學方法是AI取得重要成果的主要方法，也是目前AI研究中的主要方法。計算機科學與心理學的相互滲透，相互促進，是AI今后發(fā)展的途徑。

（2）連結(jié)主義學派、仿生學派、生理學派

-仿生學、ANN仿生學方法：是對人腦思維建立生理學模型，通過微觀的方法直接模擬人腦和神經(jīng)系統(tǒng)的結(jié)構(gòu)與功能，把腦的微觀結(jié)構(gòu)與宏觀功能統(tǒng)一起來進行研究，希望制成一種大腦的智能機。這種方法從1943年由麥克卡烙克(McCulloch)和比托斯(Pitts)提出第一個神經(jīng)網(wǎng)絡(luò)模型以來，至今已建立了幾百多種神經(jīng)網(wǎng)絡(luò)模型。

智能基本單元是神經(jīng)元

知識與信息存儲表現(xiàn)為神經(jīng)元的聯(lián)系

學習表現(xiàn)為神經(jīng)元連接權(quán)的變化以數(shù)據(jù)為基礎(chǔ)以模型計算為方法代表：W.S.McCulloch,W.Pitts,Hopfield,Rumelhart等。行為主義學派、進化主義學派、控制論學派

-控制論、智能機器人智能基本取決于感知，表現(xiàn)為行動。它不需要知識、不需要表示、不需要推理。“感知-動作”模式代表：Brooks等另一種分類：

將人工智能分成兩大類——符號智能、計算智能。符號智能：以知識為基礎(chǔ)，通過推理進行問題求解。即：傳統(tǒng)的AI。計算智能：以數(shù)據(jù)為基礎(chǔ)，通過訓練建立聯(lián)系，進行問題求解。腦智能和群智能腦（主要指人腦）的宏觀心理層次的智能表現(xiàn)稱為腦智能（BrainIntelligence,BI）。由群體行為所表現(xiàn)出的智能稱為群智能（SwarmIntelligence,SI）。腦智能和群智能是屬于不同層次的智能：腦智能是一種個體智能（IndividualIntelligence,II）；群智能是一種社會智能（SocialIntelligence,SI），或者說系統(tǒng)智能（SystemIntelligence,SI）。1.符號智能符號智能就是符號人工智能。以知識為基礎(chǔ)，通過推理進行問題求解。即：傳統(tǒng)的AI。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。符號智能以符號形式的知識和信息為基礎(chǔ)，主要通過邏輯推理，運用知識進行問題求解。符號智能的主要內(nèi)容包括知識獲?。╝cquisition）、知識表示（representation）、知識組織與管理和知識運用等技術(shù)這些構(gòu)成了所謂的知識工程—KnowledgeEngineering,KE以及基于知識的智能系統(tǒng)等。2.計算智能計算智能就是計算人工智能，它是模擬群智能的人工智能。以數(shù)據(jù)為基礎(chǔ)，通過訓練建立聯(lián)系，進行問題求解。計算智能以數(shù)值數(shù)據(jù)為基礎(chǔ)，主要通過數(shù)值計算，運用算法進行問題求解。計算智能的主要內(nèi)容包括：神經(jīng)計算（NeuralComputation，NC）進化計算（亦稱演化計算，EvolutionaryComputation，EC）遺傳算法（GeneticAlgorithm，GA）進化規(guī)劃（EvolutionaryPlanning，EP）進化策略（EvolutionaryStrategies，ES）等）免疫計算（immunecomputation）粒群計算（ParticleSwarmAlgorithm，PSA）蟻群算法（AntColonyAlgorithm，ACA）自然計算（NaturalComputation，NC）人工生命（ArtificialLife，AL）等。多智能體和計算智能反映了人工智能新近的發(fā)展。1.4人工智能的研究領(lǐng)域與應(yīng)用領(lǐng)域1.AI的研究領(lǐng)域（1）AI的理論基礎(chǔ)數(shù)學理論（離散數(shù)學、模糊數(shù)學）；思維科學理論（認知心理學、邏輯抽象思維學、形象或直感思維學等）；計算機工程技術(shù)（硬件與軟件技術(shù)）。（2）AI原理知識的模型化和表示；問題求解(常識性推理、演繹、啟發(fā)式搜索)；機器學習；人工智能系統(tǒng)和語言。（3）AI的工程系統(tǒng)（應(yīng)用層次）根據(jù)AI的原理而建立的工程系統(tǒng)：如專家系統(tǒng)咨詢系統(tǒng)、專家系統(tǒng)開發(fā)工具與環(huán)境、自然語言理解系統(tǒng)、圖象理解與識別系統(tǒng)、智能機器人系統(tǒng)等。上述三個層次是相互關(guān)聯(lián)的，原理在理論基礎(chǔ)上建立，技術(shù)是原理的工程應(yīng)用。AI的主要研究與應(yīng)用領(lǐng)域

采用了基于智能本質(zhì)和作用的劃分方法，即從感知、思維、行為、學習、計算智能、分布智能、智能機器、智能系統(tǒng)、智能應(yīng)用等方面來進行討論。（1）機器思維

機器思維：就是讓計算機模仿和實現(xiàn)人的思維能力，以對感知到的外界信息和自己產(chǎn)生的內(nèi)部信息進行思維性加工。

包括：推理、搜索、規(guī)劃等方面的研究。（1）

機器思維

推理概念：推理是指按照某種策略從已知事實出發(fā)利用知識推出所需結(jié)論的過程。類型：可根據(jù)所用知識的確定性，將其分為：

確定性推理，精確表示，{真，假}。

不確定性推理，允許不確定。所謂不確定性是對非精確性、模糊型和非完備性的統(tǒng)稱。理論基礎(chǔ)：邏輯是一門研究人們思維規(guī)律的學科，數(shù)理邏輯則是用數(shù)學的方法去研究邏輯問題。

確定性推理主要是基于一階經(jīng)典邏輯。能解決的問題很有限。

不確定性推理主要基于非經(jīng)典邏輯和概率等。

–非一階經(jīng)典邏輯是泛指除一階經(jīng)典邏輯以外的其他各種邏輯，如多值邏輯、模糊邏輯、模態(tài)邏輯、概率邏輯、默認邏輯、次協(xié)調(diào)邏輯及泛邏輯等。（1）

機器思維

搜索

搜索的概念：是指為了達到某一目標，不斷尋找推理線路，以引導和控制推理，使問題得以解決的過程。

搜索的類型：可根據(jù)問題的表示方式將其分為狀態(tài)空間搜索和與/或樹搜索兩大類型。

狀態(tài)空間搜索是一種用狀態(tài)空間法求解問題時的搜索方法；

與/或樹搜索是一種用問題規(guī)約法求解問題時的搜索方法。

搜索的主要問題：人工智能最關(guān)心的是如何利用搜索過程所得到的對盡快達到目標有用的信息來引導搜索過程，即啟發(fā)式搜索方法。

狀態(tài)空間的啟發(fā)式搜索方法與/或樹的啟發(fā)式搜索方法（1）機器思維

規(guī)劃概念：是指從某個特定問題狀態(tài)出發(fā)，尋找并建立一個操作序列，直到求得目標狀態(tài)為止的一個行動過程的描述。特點：與一般問題求解技術(shù)相比，規(guī)劃更側(cè)重于問題求解過程，并且要解決的問題一般是真實世界的實際問題，而不是抽象的數(shù)學模型。

例如：機器人移盒子、猴子摘香蕉等問題。

例子：斯坦福研究所問題求解系統(tǒng)（StanfordResearchInstituteProblemSolver，STRIPS），是一種基于狀態(tài)空間和F規(guī)則的規(guī)劃系統(tǒng)。它由以下3部分所組成：世界模型：用一階謂詞公式表示，它包括問題的初始狀態(tài)和目標狀態(tài)。(2)操作符（即F規(guī)則）：它包括先決條件、刪除表和添加表。(3)操作方法：它采用狀態(tài)空間表示和中間—結(jié)局分析的方法。

其中，狀態(tài)空間包括初始狀態(tài)、中間狀態(tài)和目標狀態(tài)；中間-結(jié)局分析的每一步都選擇能夠縮小當前狀態(tài)與目標狀態(tài)之間的差距的先決條件可以滿足的F規(guī)則執(zhí)行，直至到達目標為止。機器人足球（2）

機器感知機器感知：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。（2）

機器感知

計算機視覺(1/2)概念：用計算機來實現(xiàn)或模擬人類的視覺功能，其主要研究目標是使計算機具有通過二維圖像認知三維環(huán)境信息的能力。重要性：在人類感知到的外界信息中，有80%以上是通過視覺得到的。視覺系統(tǒng)：人類視覺系統(tǒng)的功能是通過眼睛與大腦共同實現(xiàn)的。

人們視野中的物體在可見光的照射下，先在眼睛的視網(wǎng)膜上形成圖像，然后由感光細胞轉(zhuǎn)換成神經(jīng)脈沖信號，再經(jīng)神經(jīng)纖維傳入大腦皮層，最后由大腦皮層對其進行處理與理解。視覺，不僅僅指對光信號的感受，它包括了對視覺信息的獲取、傳輸、處理、存儲與理解的全過程。 （2）機器感知

計算機視覺(2/2)汽車駕駛仿真系統(tǒng)

（2）機器感知

模式識別?模式識別的概念

是指讓計算機能夠?qū)o定的事務(wù)進行鑒別，并把它歸入與其相同或相似的模式中。

被鑒別的事物可以是物理的、化學的、生理的，也可以是文字、圖像、聲音等。?模式識別的一般過程：(1)采集待識別事物的模式信息；(2)對其進行各種變換和預(yù)處理，從中抽出有意義的特征或基元，得到待識別事物的模式；(3)與機器中原有的各種標準模式進行比較，完成對待識別事物的分類識別；(4)輸出識別結(jié)果。指紋識別、人臉識別、視網(wǎng)膜識別、虹膜識別，掌紋識別……

（2）機器感知

自然語言處理自然語言處理包括的主要內(nèi)容

機器翻譯：把一種自然語言翻譯成另外一種自然語言

自然語言理解：概念：主要研究如何使計算機能夠理解和生成自然語言。理解的語言類型：聲音語言、書面語言。主要步驟：語音分析、詞法分析、句法分析、語義分析、語用分析。自然語言理解的意義

有學者指出：人工智能如果不能用自然語言作為其知識表示基礎(chǔ)，建立起不確定人工智能的理論和方法，人工智能也就永遠實現(xiàn)不了跨越的夢想。（3）機器行為

機器行為就是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。

機器行為則可看作智能系統(tǒng)的輸出部分。主要討論：智能控制、智能檢索和智能機器人等。

（3）

機器行為

智能控制概念：是指那種無需或需要盡可能少的人工干預(yù)就能獨立的驅(qū)動智能機器實現(xiàn)其目標的控制過程。它是人工智能技術(shù)與傳統(tǒng)自動控制技術(shù)相結(jié)合的產(chǎn)物。智能控制系統(tǒng)：是指那種能夠?qū)崿F(xiàn)某種控制任務(wù)，具有自學習、自適應(yīng)和自組織功能的智能系統(tǒng)。從結(jié)構(gòu)上，它由傳感器、感知信息處理模塊、認知模塊、規(guī)劃和控制模塊、執(zhí)行器和通信接口模塊等主要部件所組成。主要應(yīng)用領(lǐng)域：智能機器人系統(tǒng)、計算機集成制造系統(tǒng)（CIMS）、復雜工業(yè)過程的控制系統(tǒng)、航空航天控制系統(tǒng)、社會經(jīng)濟管理系統(tǒng)、交通運輸系統(tǒng)、環(huán)保及能源系統(tǒng)等。

美國國防部高級研究計劃署支持的項目“機器騾子”（3）機器行為

智能檢索概念：是指利用人工智能的方法從大量信息中盡快找到所需要的信息或知識。重要性：目前，在各種數(shù)據(jù)庫中，尤其是互聯(lián)網(wǎng)上存放著大量的、甚至是海量的信息或知識。面對這種信息海洋，如果還用傳統(tǒng)的人工方式進行檢索，已很不現(xiàn)實。智能檢索系統(tǒng)須解決的主要問題：

(1)具有一定的自然語言理解能力，能理解用自然語言提出的各種詢問；

(2)具有一定的推理能力，能夠根據(jù)已知的信息或知識，演繹出所需要的答案；

(3)系統(tǒng)應(yīng)擁有一定的常識性知識，以補充學科范圍的專業(yè)知識。系統(tǒng)根據(jù)這些常識，將能演繹出更一般詢問的一些答案。（3）機器行為

智能機器人

機器人(Robots)和機器人學：機器人（Robots）是一種可再編程的多功能操作裝置。機器人學是在電子學、人工智能、控制論、系統(tǒng)工程、精密機械、信息傳感、仿生學、以及心理學等多種學科或技術(shù)發(fā)展的基礎(chǔ)上形成的一種綜合性技術(shù)學科。

機器人研究的意義：機器人既是人工智能的研究對象，同時又是人工智能的試驗場地，人工智能的所有技術(shù)幾乎都可以在這個領(lǐng)域得到應(yīng)用。

機器人的發(fā)展過程：經(jīng)歷了遙控、程序、自適應(yīng)、智能機器人、情感機器人。人工智能的主要研究對象是智能機器人和情感機器人。

智能機器人具有的能力：感知能力、思維能力和行為能力的機器人。這種機器人能夠主動的適應(yīng)外界環(huán)境變化，并能夠通過學習豐富自己的知識、提高自己的工作能力。

情感機器人：是一種具有情感（愛、恨…）和情緒（喜、怒、哀、樂…）功能新一代機器人。

58chatbot?人工無腦“人工無脳（じんこうむのう）”–[弱AI]：僅是模擬人機數(shù)據(jù)交換，而簡單的[–chatterbot、chatbot，聊天機器人–與[強AI]產(chǎn)物相反，是[弱AI]的代表?世界上第一個[人工無腦]系統(tǒng)chatterbot，誕生于1966年，名為ELIZA。?分解問話，再以問話檢索事前錄入好的答案。從而模擬人機通信，造成計算機與人溝通的[假象]，這也是所有[弱AI]系統(tǒng)的共同特點。?ELIZA,PARRY,Ractor,Verbot,A.L.I.C.E.,ELLA等表面現(xiàn)象]

使之產(chǎn)生作用的程式，并沒有[強AI]那種模擬生命智能的需求?只是應(yīng)用編碼好的程序，把提出的問題再以固定的方式回應(yīng)?是在暫時無法實現(xiàn)[強AI]時，一種模擬[強AI]的方式–絕大部分游戲編程中，關(guān)于[人機交互]這一部分，都是以[人工無腦]的方式來實現(xiàn)的。孰“強”孰”弱”“強人工智能”一詞最初是約翰·羅杰斯·希爾勒針對計算機和其它信息處理機器創(chuàng)造的，其定義為：“強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具； 相反，只要運行適當?shù)某绦?，計算機本身就是有思維的。”（JSearleinMindsBrainsandPrograms.TheBehavioralandBrainSciences,vol.3,1980）孰“強”孰”弱”?爭論要點：如果一臺機器的唯一工作原理就是對編碼數(shù)據(jù)進行轉(zhuǎn)換，那么這臺機器是不是有思維的？?希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。?弱人工智能并非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。TALON被稱為世界上第一個武裝機器人。它基于SWORDS（特殊武器觀測勘查探測系統(tǒng)）。他能夠讓士兵在一千米開外遠程開火。這個機器人能裝備一系列的武器，包括M16步槍，M82巴雷特步槍和一個40毫米的榴彈發(fā)射器。情感計算(AffectiveComputing)情感計算(AffectiveComputing)

情感計算(AffectiveComputing)讓計算機具有情感能力是由美國MIT大學Minsky在1985年提出的。美國MIT媒體實驗室Picard教授提出情感計算一詞AffectiveComputing并給出了定義

–關(guān)于情感、情感產(chǎn)生以及影響情感方面的計算“不可能論”

–情感只有是真時才能起作用,模擬永遠是假的

–電腦不具有任何社會性需求，因而不可能具有真正的情感“不必要論”

–人類目前的技術(shù)手段和思維高度遠沒有達到要求“鴻溝論”–人腦絕不是單純處理0和1的裝置MITPersonalRobotsGroupMDS機器人項目(MobileDexterousSocial)

美國“人工智能奇點研究所”(SIAI)–黑洞中心存在著一個讓一切已知物理定律都失效的“奇點”（singularity）–奇點理論(《奇點迫近》，庫茲韋爾，2005）?技術(shù)的指數(shù)級發(fā)展將不可避免地導致超人類智能的出現(xiàn)。 庫茨韋爾甚至預(yù)測，21世紀20年代末，電腦就能達到人 腦智力水平。2045年，奇點到來，超人類誕生。–麻省理工學院的機器人學教授羅德尼·布魯克斯說：“在越過奇點后，我們和我們的世界將與現(xiàn)在大不一樣，對什么是人、什么是機器人的定義也將變得不同?！报C創(chuàng)辦人之一伊利澤·尤德庫斯基最擔心的是，一些科技怪才會發(fā)明一種能夠自我進化但卻沒有道德 感的機器人，這將給人類帶來災(zāi)難。–2006年：“奇點高峰會”，斯坦福大學?2009年，英國《每日郵報》報道

–為了迎接電腦優(yōu)于人腦的時代來臨，Google公司 和NASA等合作，致力開辦一所培養(yǎng)未來科學家 的學?！纥c大學（http://singularity- /）。

–NASA為大學提供辦學地點（硅谷的美國宇航局 艾姆斯研究中心內(nèi)）、Google贊助100多萬美元?批評者嘲笑“奇點派”整天沉迷于奇談怪論。他們 認為，“奇點派”的預(yù)測有很多科幻成分，不會成 為現(xiàn)實。?Hope？Hype？科學？科幻？

–大多數(shù)批評的焦點在于，電腦是否真能實現(xiàn)智能 化？

–而這也正是人工智能研究的核心問題?不能全盤否定，不可輕下結(jié)論?5年前，不會有6億人在同一個電子網(wǎng)絡(luò)里開展社交生活，而現(xiàn)在有了Facebook?5年前，人們不會用便攜式移動設(shè)備在網(wǎng)絡(luò)上檢查、確認他們要做的事情、要去的地方，而現(xiàn)在有了Smartphone?3萬名帕金森患者已擁有了神經(jīng)植入物，谷歌正在研制能開車的電腦，“人機大戰(zhàn)”已上演?往后100年中，庫茲韋爾等可能成為未來某些理論的奠基者?“奇點”理論會不會成為另一種默頓“自我實現(xiàn)” 定律，即斷言影響甚至改變或指導了行動，本來沒 有的事結(jié)果還真發(fā)生了……?也許，值得擔心的并非智能機器，而是人類本身?Watson@Jeopardy!71困難的挑戰(zhàn)?Jeopardy：–是美國哥倫比亞廣播公司一檔長盛不衰的電視問答節(jié)目， 自1964年開始播出，最精彩的地方在于游戲里的問題包 羅萬象，幾乎涵蓋了人類文明的所有領(lǐng)域。–一般都是三個人互相對戰(zhàn)，每個人輪流從幾道不同的大題目中選一道對自己最有利的題目與對手搶答。–每道大題下分別有五個小問題，每個問題都標明不同數(shù) 量的錢。搶答時，誰最快答對，誰就可以贏下該問題的 獎金，最后則以贏獎金的多少來排定名次。?超級電腦Watson：–以IBM創(chuàng)始人湯姆斯-沃森的名字命名，由IBM科學家團隊建造–是能夠與人類回答問題的能力相匹敵的計算系統(tǒng)，要求 具有足夠的速度、精確度和可信度，并且使用最自然的 人工語言來回答問題72?Jeopardy節(jié)目內(nèi)容目需要分析人類語言中微妙的含 義、比如諷刺、反話及打謎等，向AI科學家提出最?模擬“人類選手”進行知識問答，完全依靠自己的“DeepQA”軟件系統(tǒng)一個超級的搜索引擎可以完成自然語言的識別和問答73

?硬件：90臺IBMPower750服務(wù)器，16T內(nèi)存，4T

集群存儲

–每個Power750用4個Power7處理器，每個處理器8核

–IBMWatson共有2880個Power7內(nèi)核(10臺冰箱大小) –Power7一個內(nèi)核主頻3.55GHZ，可保證每秒鐘500Gb

的帶寬吞吐

–Watson90臺Power750服務(wù)器，共360個CPU，可以每 秒鐘可以完成180,000Gb的計算量（最終得出可靠答案 的時間不超過3秒鐘）

?系統(tǒng)架構(gòu)設(shè)計：松散Cluster，采用有效的平衡技 術(shù)，保證每個芯片的內(nèi)核分攤計算任務(wù)軟件：OS：AIX或LINUX，參加Jeopardy時采用SUSELinuxEnterpriseServer以UIMA為基本框架75編程語言：Java,C/C++,Prolog?8所大學

–MassachusettsInstituteofTechnology(MIT)計算機科 學與人工智能實驗室

?基于AdaptiveView-BasedAppearanceModel的實時追蹤計算

–UniversityofTexas

?自動推理以及常識知識研發(fā)

–UniversityofSouthernCalifornia

?信息提取以及分析

–RensselaerPolytechnicInstitute(RPI)

?虛擬化工具

–UniversityatAlbany

?大量問題的QA系統(tǒng)運行能力保證

–UniversityofTrento

?系統(tǒng)的自我學習，以及人機會話能力

–UniversityofMassachusetts

?信息檢索能力研發(fā)76–CarnegieMellonUniversity

?WatsonQA系統(tǒng)的基礎(chǔ)算法。?對于計算機來說，存儲和快速調(diào)取知識不費吹灰之力，但困難在于真正地理解問題，而不能答非所問； 并且Jeopardy問題中有很多雙關(guān)語，是否能真正解讀至關(guān)重要；計算機也不能預(yù)知問題屬于哪些題材，因此也就無法提前準備需要的數(shù)據(jù)庫。

–在搜索引擎中輸入Jeopardy問題，很可能得不到直接的答案。?最大的挑戰(zhàn)莫過于沃森計算機是否能像人類一樣，充分地利用日常生活中積累的知識。這種常識對人類而言是順其自然的，而對計算機來說則是一種空 缺。

–關(guān)鍵技術(shù)包括自然語言處理、搜索、機器學習等

–沃森的領(lǐng)域知識庫包括百科全書、字典、地理類娛樂類的專題數(shù)據(jù)庫、新聞報道、經(jīng)典著作等約70GB。幾個知 識庫的來源舉例：世界圖書百科全書、維基百科、紐約時報的大部分過刊以及圣經(jīng)。–同時使用了邏輯推理和統(tǒng)計推理?Watson解決問題的過程：–與人類十分相似–以關(guān)鍵字為線索，疏理內(nèi)存（16TB的數(shù)據(jù)），找出與這些字相關(guān)的字符串。–最后選擇三個可能性最高的答案，當其中一個可 能性超過50%后，程序啟動，沃森按下?lián)尨鹌鳌?沃森計算機運用了很多種技術(shù)如機器學習、大規(guī)模 并行計算、語義處理等，沃森了不起的地方在于把 這些技術(shù)進行了很好的應(yīng)用。?是工程上的一個壯舉。新技術(shù)引進的并不多：主要 是利用已有技術(shù)整合在一個體系架構(gòu)下來理解人類 的自然語言。?人工智能的最新定義：“通過機器的學習、大規(guī)模數(shù)據(jù)庫、復雜的傳感器和巧妙的算法，來完成分布式的任務(wù)”。?但不能過分夸張猜想沃森解決人類種種問題的能力。 沃森是一臺特制Jeopardy猜謎游戲機器，有一些自 然語言能力，但是不能夠輕易擴張到別的領(lǐng)域。?目前機器只是在某些特定領(lǐng)域表現(xiàn)出和人類可比的智力水平，還有很多領(lǐng)域機器還差得很遠。（4）

計算智能

計算智能（ComputationalIntelligence，CI）是借鑒仿生學的思想，基于人們對生物體智能機理的認識，采用數(shù)值計算的方法去模擬和實現(xiàn)人類的智能。 計算智能的三大基本領(lǐng)域包括神經(jīng)計算、進化計算、模糊計算。81（4）計算智能神經(jīng)計算概念–亦稱神經(jīng)網(wǎng)絡(luò)(NeuralNetwork，NN)，它是通過對大量人工神經(jīng)元的廣泛并行互聯(lián)所形成的一種人工網(wǎng)絡(luò)系統(tǒng)，用于模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。主要研究內(nèi)容–包括人工神經(jīng)元的結(jié)構(gòu)和模型，人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)和系統(tǒng)模型，基于神經(jīng)網(wǎng)絡(luò)的聯(lián)結(jié)學習機制等83

（4）計算智能

進化計算?概念

–模擬自然界生物進化過程與機制，進行問題求解的自組織、 自適應(yīng)的隨機搜索技術(shù)

–達爾文進化論的“物競天擇、適者生存”+孟德爾的遺傳變 異理論

?將生物進化過程中的繁殖、變異、競爭和選擇引入算法?遺傳算法是進化計算中最初形成的一種具有普遍影響的模擬進化 優(yōu)化算法。?遺傳算法的基本思想

–使用模擬生物和人類進化的方法來求解復雜問題。它從初始種群出發(fā)，采用優(yōu)勝略汰、適者生存的自然法則選擇個體，并通過雜交、變異產(chǎn)生新一代種群，如此逐代進化，直到滿足目標為止。方面它在推理、控制、決策等方面得到了非常廣泛的應(yīng)（4）計算智能模糊計算?模糊計算亦稱模糊系統(tǒng)，是通過對人類處理模糊現(xiàn)象的 認知能力的認識，用模糊集合和模糊邏輯去模擬人類的 智能行為的。–美國加州大學扎德(Zadeh)教授1965年提出?模糊概念的定義：沒有嚴格邊界劃分而無法精確刻畫的 各種概念。例如，“大”、“小”、“多”、“少” 等。?模糊概念的表示：通常是用模糊集合來表示的，而模糊集合又是用隸屬函數(shù)來刻畫的。?模糊計算的爭論：一方面模糊邏輯存在一定缺陷；另一用。（5）

機器學習

機器學習就是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。 機器學習是機器獲取知識的根本途徑，同時也是機器具有智能的重要標志。 機器學習有多種不同的分類方法，如果按照對人類學習的模擬方式，機器學習可分為符號學習和神經(jīng)學習等。（5）

機器學習

符號學習

符號學習的概念：是指從功能上模擬人類學習能力的機器學習方法，它是一種基于符號主義學派的機器學習觀點。

符號學習的類型：可根據(jù)學習策略，即學習中所使用的推理方法，將其分為記憶學習、歸納學習、演繹學習等。

記憶學習也叫死記硬背學習，它是一種最基本的學習方法，原因是任何學習系統(tǒng)都必須記住它們所獲取的知識，以便將來使用。

歸納學習是指以歸納推理為基礎(chǔ)的學習，它是機器學習中研究得較多的一種學習類型，其任務(wù)是要從關(guān)于某個概念的一系列已知的正例和反例中歸納出一個一般的概念描述。例如，示例學習和決策樹學習。

演繹學習是指以演繹推理為基礎(chǔ)的學習，解釋學習是一種演繹學習方法，它是在領(lǐng)域知識的指導下，通過對單個問題求解例子的分析，構(gòu)造出求解過程的因果解釋結(jié)構(gòu)，并對該解釋結(jié)構(gòu)進行概括化處理，得到一個可又來求解類似問題的一般性知識。（5）機器學習

神經(jīng)學習

神經(jīng)學習的概念：神經(jīng)學習也稱為連接學習，它是一種基于人工神經(jīng)網(wǎng)絡(luò)的學習方法。現(xiàn)有研究表明，人腦的學習和記憶過程都是通過神經(jīng)系統(tǒng)來完成的。在神經(jīng)系統(tǒng)中，神經(jīng)元既是學習的基本單位，同是也是記憶的基本單位。

神經(jīng)學習的類型：

感知器學習實際上是一種基于糾錯學習規(guī)則，采用迭代的思想對連接權(quán)值和閾值進行不斷調(diào)整，直到滿足結(jié)束條件為止的學習算法。

BP網(wǎng)絡(luò)學習是一種誤差反向傳播網(wǎng)絡(luò)學習算法。這種學習算法的學習過程由輸出模式的正向傳播過程和誤差的反向傳播過程所組成。其中，誤差的反向傳播過程用于修改各層神經(jīng)元的連接權(quán)值，以逐步減少誤差信號，直至得到所期望的輸出模式為止。

Hopfield網(wǎng)絡(luò)學習實際上是要尋求系統(tǒng)的穩(wěn)定狀態(tài)，即從網(wǎng)絡(luò)的初始狀態(tài)開始，逐漸向其穩(wěn)定狀態(tài)過渡，直至達到穩(wěn)定狀態(tài)為止。至于網(wǎng)絡(luò)的穩(wěn)定性，則是通過一個能量函數(shù)來描述的。

（5）

機器學習

數(shù)據(jù)挖掘和知識發(fā)現(xiàn)

概念：綜合運用統(tǒng)計學、粗糙集、模糊數(shù)學、機器學習和專家系統(tǒng)等多種學習手段和方法，從數(shù)據(jù)庫中提煉和抽取知識，從而可以揭示出蘊含在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)原理，實現(xiàn)知識的自動獲取。

與傳統(tǒng)數(shù)據(jù)庫技術(shù)的區(qū)別：傳統(tǒng)數(shù)據(jù)庫技術(shù)僅限于對數(shù)據(jù)庫的查詢和檢索，不能夠從數(shù)據(jù)庫中提取知識。知識發(fā)現(xiàn)和數(shù)據(jù)挖掘以數(shù)據(jù)庫作為知識源去抽取知識，不僅可以提高數(shù)據(jù)庫中數(shù)據(jù)的利用價值，同時也為各種智能系統(tǒng)的知識獲取開辟了一條新的途徑。

發(fā)展：隨著大規(guī)模數(shù)據(jù)庫和互聯(lián)網(wǎng)的迅速發(fā)展，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘也從面向數(shù)據(jù)庫的結(jié)構(gòu)化信息的數(shù)據(jù)挖掘發(fā)展到面向數(shù)據(jù)倉庫和互聯(lián)網(wǎng)的海量、半結(jié)構(gòu)化或非結(jié)構(gòu)化信息的數(shù)據(jù)挖掘。

（6）分布智能?分布智能的概念：分布智能主要研究在邏輯上或物理上分布的智能 系統(tǒng)之間如何相互協(xié)調(diào)各自的智能行為，實現(xiàn)問題的并行求解。?分布智能的兩個主要方向：

分布式問題求解主要研究如何在多個合作者之間進行任務(wù)劃分和問題求解，它一般是針對某一問題去創(chuàng)建一個能夠進行合作求解的協(xié)作群體；

多Agent系統(tǒng)主要研究如何在一群自主的Agent之間進行智能行為的協(xié)調(diào)，它不限于單一目標，可創(chuàng)建一個能夠共同處理單個目標或多個目標的智能群體。

多Agent系統(tǒng)的組成與工作：它由多個自主Agent所組成，其中的每個Agent都可以自主運行和自主交互，即當一個Agent需要與別的Agent合作時，就通過相應(yīng)的通信機制去尋找可以合作并愿意合作的Agent，以共同解決問題。（7）

智能系統(tǒng)?智能系統(tǒng)可以泛指各種具有智能特征和功能的軟硬件系統(tǒng)。?人工智能的表現(xiàn)形式，例如智能控制系統(tǒng)、智能制造系統(tǒng)、智能檢索系統(tǒng)等。（7）

智能系統(tǒng)

專家系統(tǒng)

專家系統(tǒng)是一種基于知識的