人工智能基礎及應用 課件 第1章-人工智能概述

人工智能基礎及應用第1章人工智能概述1.1人工智能的萌芽與誕生1.2人工智能的定義1.3人工智能的發(fā)展簡史1.4人工智能的研究流派1.5人工智能研究的基本內(nèi)容1.6人工智能的主要研究領(lǐng)域2本章學習目標 了解人工智能的萌芽與誕生、定義和發(fā)展簡史。 了解人工智能研究的三個流派及研究方法。 了解人工智能研究的基本內(nèi)容和主要研究領(lǐng)域。341.1人工智能的萌芽與誕生1.1.1人工智能的萌芽1936年，圖靈提出了一種理想計算機的數(shù)學模型，即著名的圖靈機，為現(xiàn)代電子數(shù)字計算機的問世奠定了理論基礎。1940-1942年間，美國愛荷華州立大學的阿塔納索夫(J.V.Atanasoff)教授和他的研究生貝瑞(C.Berry)裝配了世界上第一臺電子計算機，命名為阿塔納索夫-貝瑞計算機(Atanasoff-BerryComputer，ABC)，為人工智能的研究奠定了物質(zhì)基礎。人們熟知的1946年誕生的ENIAC并非世界上第一臺計算機。51.1.1人工智能的萌芽1943年，美國神經(jīng)生理學家沃倫·麥卡洛奇(W.McCulloch)與數(shù)理邏輯學家沃爾特·皮茨(W.Pitts)提出了人工神經(jīng)元的概念，建立了第一個神經(jīng)網(wǎng)絡的數(shù)學模型(M-P模型)，證明了本來是純理論的圖靈機可以由人工神經(jīng)元構(gòu)成，開創(chuàng)了微觀人工智能的研究領(lǐng)域，為后續(xù)人工神經(jīng)網(wǎng)絡的研究奠定了基礎。1949年，加拿大心理學家赫布（D.Hebb）提出了一種學習規(guī)則，用來對神經(jīng)元之間的連接強度進行更新。1950年，圖靈發(fā)表名為“計算機器與智能”的文章，論述并提出了著名的“圖靈測試”，以此作為判斷機器是否具有智能的標準，作為一個判斷的充分條件。6

1.1.2圖靈測試與中文屋實驗humancomputerhumanjudge

分別讓人和機器位于兩個房間，看不見彼此。人類書面提問后，若無法分辨這些書面回答究竟是來自于人還是一臺計算機，則認為計算機通過了該測試。圖靈預言，到2000年，一個普通的人類測試者在5分鐘的提問后，能正確判斷對方是機器還是人的概率可能只有70%。（1）圖靈測試7

1.1.2圖靈測試與中文屋實驗在相當長一段時間內(nèi)，“圖靈測試”被認為是人工智能水平的標準測試模型。從1991年起，每年舉辦圖靈測試，結(jié)果都是：程序還不能欺騙經(jīng)驗豐富的仲裁者。直到2014年6月，為紀念圖靈逝世60周年，聊天機器人尤金?古斯特曼成功地使參加該活動的33%的人類測試者認為它是一個13歲的男孩，因此組織者認為古斯特曼已經(jīng)通過了圖靈測試，成為歷史上第一個通過圖靈測試的人工智能軟件。（1）圖靈測試8AlanTuring（阿倫?圖靈）1912年6月23日－1954年6月7日計算機科學理論的創(chuàng)始人英國數(shù)學家、邏輯學家、計算機科學家和密碼學家計算機科學之父，人工智能之父除了圖靈測試，圖靈還提出了著名的圖靈機模型，它是馮諾依曼計算機的理論模型，為現(xiàn)代計算機的邏輯工作方式奠定了基礎。9（2）“中文屋”思想實驗（ChineseRoom）JohnR.Searle

約翰·塞爾勒SlusserProf.ofPhilosophy,UCBerkeley.“斯拉瑟”哲學教授現(xiàn)在仍有許多人將圖靈測試作為衡量機器智能的準則，但也有許多人認為：即使通過了圖靈測試，也不能認定機器就有智能，因為沒有涉及思維過程。針對圖靈測試，美國哲學家約翰·塞爾勒在1980年設計了“中文屋”思想實驗，也被稱為塞爾勒的中文屋論證。這一觀點發(fā)表在《行為與大腦科學》雜志上的“智力、頭腦與規(guī)劃”論文中。試圖揭示計算機絕不能描述為有“智力”或“知性”，不管它多么智能。10塞爾勒的中文屋不管是誰、無論如何，在房間里的一定是個聰明的精通中文的人！

通過了圖靈測試，就具有智能了嗎？Igottheredenvelope.Mayyoubehappyandprosperous!111.1.3人工智能的誕生1956年的“達特茅斯夏季人工智能研究計劃”會議，是被廣泛公認的人工智能誕生地。達特茅斯學院（DartmouthCollege）位于美國新罕布什爾州漢諾威市（NewHampshire，Hanover）。達特茅斯會議歷時長達兩個多月，會上經(jīng)麥卡錫提議，正式采用“人工智能”這一術(shù)語，標志著人工智能學科正式誕生。麥卡錫因而被稱為人工智能之父。10名與會者124名發(fā)起人：J.McCarthy

：達特茅斯學院數(shù)學助理教授M.L.Minsky：哈佛大學數(shù)學與神經(jīng)學初級研究員N.Rochester：IBM信息研究經(jīng)理C.E.Shannon：貝爾電話實驗室信息部數(shù)學研究員，信息論的創(chuàng)始人6名參會者：A.

Newell，

Herbert.A.Simon：卡內(nèi)基.梅隆大學

T.More,A.Samuel

：IBM公司

O.Selfridge,R.Solomonff：麻省理工學院這些青年學者的研究專業(yè)包括數(shù)學、心理學、神經(jīng)生理學、信息論和計算機科學，分別從不同的角度共同探討人工智能的可能性。A.Samuel

于1959年編寫了第一個電腦跳棋程序。達特茅斯研討會的三個亮點13明斯基提出用計算機模擬神經(jīng)元及其連接，通過“人工神經(jīng)網(wǎng)絡”模擬智能，構(gòu)建了第一個神經(jīng)元網(wǎng)絡模擬器SNARC（StochasticNeuralAnalogReinforcementCalculator）；麥卡錫帶來的是“狀態(tài)空間搜索法”；紐厄爾和西蒙展示了“邏輯理論家”（LogicTheorist,LT）程序，達特茅斯會議10位與會者14達特茅斯會議50年后，5位與會者合影152006年重聚，左起：摩爾、麥卡錫、明斯基、塞弗里奇、所羅蒙夫圖靈獎獲得者16AllenNewellHerbertA.SimonJohnMcCarthyMarvinLeeMinsky1975197519711969人工智能之父AI領(lǐng)域圖靈獎獲得者1985年,RichardM.Karp,提出了分支限界法,解決了旅行商問題/漢密爾頓回路，成就：算法理論，尤其是NP-完全性理論。1994年,Edward

Feigenbaum

+Raj

Reddy（麥卡錫的學生、李開復的導師）,

成就：大規(guī)模人工智能系統(tǒng)2011年,Judea

Pearl,成就：提出概率和因果性推理演算法，徹底改變了人工智能最初基于規(guī)則和邏輯的方向。1719851994199420112018年圖靈獎獲得者：DNN的三大奠基人、巨頭182019年3月27日，ACM宣布，深度學習的三位創(chuàng)造者YoshuaBengio,YannLeCun,

以及GeoffreyHinton獲得了2018年的圖靈獎。獎勵他們提出了深度學習的基本概念，在實驗中發(fā)現(xiàn)了驚人的結(jié)果，也在工程領(lǐng)域做出了重要突破，幫助深度神經(jīng)網(wǎng)絡獲得實際應用。GeoffreyHinton1947.12.6出生于英國人工智能教父、神經(jīng)網(wǎng)絡之父深度學習鼻祖YannLeCun1960.7.8出生于法國楊立昆/燕樂存卷積神經(jīng)網(wǎng)絡之父YoshuaBengio1964年出生于巴黎任教于蒙特利爾大學191.2人工智能的定義在計算機科學中，人工智能（AI），有時也稱為機器智能，是用人工的方法在機器（計算機）上實現(xiàn)的智能；或者說是人們使機器具有類似于人的智能。麥卡錫等提出：對于人工智能預期目標的設想是“精確地描述學習的每個方面或智能的任何其他特征，從而可以制造出一個機器來模擬學習或智能”（Everyaspectoflearningoranyotherfeatureofintelligencecaninprinciplebesopreciselydescribedthatamachinecanbemadetosimulateit）。該預期目標曾被認為是人工智能的定義，對人工智能的發(fā)展起到了重要的作用。20三個最常見的人工智能定義明斯基提出：“人工智能是一門科學，是使機器做那些人需要通過智能來做的事情”。尼爾森提出：“人工智能是關(guān)于知識的科學——怎樣表示知識以及怎樣獲得知識并使用知識的科學”，所謂“知識的科學”就是研究知識表示、知識獲取和知識運用的科學。溫斯頓教授提出：人工智能就是研究如何使計算機去做過去只有人才能做的智能工作”。21人工智能學科就是研究人類智能活動的規(guī)律，研究如何應用計算機的軟硬件制造出智能的機器或系統(tǒng)，使之具有智能的行為，來模擬人類的某些智能活動。人工智能是機器或軟件所展現(xiàn)的智能，是對人的意識、思維過程的模擬。雖然人工智能不是人的智能，但能像人那樣思考，甚至在有些方面已經(jīng)超過了人的智能。作為計算機科學的一個分支，人工智能是一門融合了自然科學、社會科學和技術(shù)科學的交叉學科，它涉及的學科包括認知科學、神經(jīng)生理學、哲學、數(shù)學、心理學、控制論、計算機科學、信息論、仿生學與社會結(jié)構(gòu)學等。22譚鐵牛院士的描述人工智能是研究開發(fā)能夠模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。研究目的是促使智能機器：

會聽（語音識別、機器翻譯等）、

會看（圖像識別、文字識別等）、

會說（語音合成、人機對話等）、

會思考（人機對弈、定理證明等）、

會學習（機器學習、知識表示等）、

會行動（機器人、自動駕駛汽車等）。23人工智能分類人工智能大致分為兩大類：弱人工智能和強人工智能。弱人工智能(weakartificialintelligence)是能夠完成某一特定領(lǐng)域中某種特定具體任務的人工智能。強人工智能(strongartificialintelligence)也稱為通用人工智能，是具備與人類同等智慧，或超越人類的人工智能，能表現(xiàn)正常人類所具有的所有智能行為。1.3人工智能的發(fā)展簡史（1）1930s-1956：萌芽期（2）1956年：誕生（3

）1950年代中期—60年代中期：黃金期（通用方法時代）（4）1960年代后期—70年代初：第一個寒冬期（5）1970年代中期—80年代后期：繁榮期（專家系統(tǒng)與知識工程時代）（6）1980年代末—1990年代中期：

第二個寒冬期（7）1997-2011：復蘇期（8）2012至今：

蓬勃發(fā)展期24NIPS2017，JudeaPearl的《機器學習的理論障礙》第三個寒冬是否就要到來？命運多舛！三起兩落！前途無量？無亮？1950年代中期-1960年代中期：黃金期（1）在定理證明方面（2）在機器學習方面（3）在模式識別方面（4）在計算機博弈方面（5）在問題求解方面（6）在人工智能語言方面（7）在專家系統(tǒng)方面早期的研究者對這些人工智能項目寄予了巨大的熱情和期望。251960年代后期-1970年代初：第一個寒冬期（1）(1)Thespiritiswillingbutthefleshisweek.（心有余而力不足）

Thevodkaisstrongbutmeatisrotten.（伏特加酒雖然很濃，但肉是腐爛的）出錯的原因是一詞多義：Spirit：1）精神2）liquor(烈性酒)26(2)Outofsight,outofmind.“眼不見，心不煩”

Blindandinsane.“又瞎又瘋”(3)Timeflieslikeanarrow.

“光陰似箭”vs.“蒼蠅喜歡箭”錯誤在于僅字面翻譯，并非理解了。結(jié)論：必須理解才能翻譯，而理解需要知識.人們發(fā)現(xiàn)：采用統(tǒng)計模型的機器翻譯很容易產(chǎn)生歧義。1960年代后期-1970年代初：第一個寒冬期（2）1957年，美國心理學家Rosenblatt（羅森布拉特）提出著名的感知機。感知器的局限性：1969年明斯基與帕普特（Papert）出版了專著《感知機：計算幾何導論》，指出：感知器本質(zhì)上是一種線性模型，只能處理線性分類問題，無法解決線性不可分問題，就連最簡單的XOR（亦或）問題都無法正確解決。計算量過大，而且感知器上的學習算法將失效。1970年，連接主義遭到遺棄，人工神經(jīng)網(wǎng)絡研究成為小眾。1974年，哈佛的保羅·韋伯斯(PaulWerbos)在其博士論文《超越回歸：行為科學中預測與分析的新工具》中證明了“利用誤差反向傳播（

BP）算法訓練多層人工神經(jīng)網(wǎng)絡，可以解決異或問題”，但當時并未引起重視。1971-1974年，英美均削減了人工智能的學術(shù)研究經(jīng)費。27感知機的局限性28感知機(單層神經(jīng)網(wǎng)絡)無法解決異或問題

異或：簡稱XOR，用數(shù)學符號⊕表示，在計算機中用^表示。異或運算指二進制中：0⊕0=0,0⊕1=1，1⊕0=1,1⊕1=0

即：兩個值相同得0,不同得1。感知機無法解決線性不可分問題（a）線性可分（b）線性不可分如右圖，無論怎樣在平面上畫一條直線，都無法將藍點和紅點完全分開。1970年代中期-1980年代后期:繁榮期29有代表性的應用成功的專家系統(tǒng)如下。1965年，斯坦福大學成功研制了化工領(lǐng)域的DENDRAL系統(tǒng)；1971年，麻省理工學院研制了數(shù)學領(lǐng)域的MYCSYMA系統(tǒng)；1972年，特里?維諾格拉德（TerryWinograd）研制了自然語言理解系統(tǒng)SHRDLU；……1975年，開發(fā)了醫(yī)學診斷專家系統(tǒng)MYCIN；1976年，美國斯坦福研究所研制了地礦勘探專家系統(tǒng)PROSPECTOR；1977年，費根鮑姆提出了“知識工程”的概念，人類從此進入了知識工程時代，知識表示與推理取得了突破。……我國也開始開展了人工智能的研究工作，研制出了若干專家系統(tǒng)。1980年代末-1990年代中期

:第二個寒冬期（1）30專家系統(tǒng)的局限性如下:（1）應用領(lǐng)域狹窄，缺乏常識性知識。（2）知識獲取困難，因為領(lǐng)域?qū)＜胰藬?shù)少，而且，有限數(shù)量的專家的知識不足以涵蓋所有領(lǐng)域知識。（3）知識發(fā)生沖突，不同專家對同一問題的理解不同，會導致結(jié)論不同。（4）當知識發(fā)生動態(tài)變化時，知識更新不及時，且知識庫難以與已有的數(shù)據(jù)庫兼容。（5）推理方法單一，缺乏分布式功能。（6）人工建設專家系統(tǒng)的效率低、成本高，效果逐漸跟不上需求。至此，專家系統(tǒng)技術(shù)陷入瓶頸，抽象推理不再被繼續(xù)關(guān)注。1980年代末-1990年代中期

:第二個寒冬期（2）31基于符號處理的模型（即符號主義）遭到反對，表現(xiàn)如下：（1）1987年，LISP機的市場崩潰。（2）1988年，美國政府的戰(zhàn)略計算促進會取消了新的人工智能經(jīng)費。（3）1992年，日本的“第五代計算機系統(tǒng)”項目未能達到其初始目標，研制計劃宣布失敗。但隨后啟動RWC計劃（RealWorldComputingProject）。（4）1993年，專家系統(tǒng)緩慢走向衰落。1980年代末-1990年代中期

:第二個寒冬期（3）32與此同時，用BP算法訓練深度神經(jīng)網(wǎng)絡的效果也不好。1986年魯梅爾哈特和辛頓等人重新提出BP算法。但用BP訓練深度神經(jīng)網(wǎng)絡的效果不好，原因是出現(xiàn)了梯度消失或梯度爆炸的問題，人們對連接主義也再次失去信心。至此，無論是符號主義方法還是連接主義方法，都進入了研究的瓶頸期，致使人工智能的發(fā)展全面陷入第二次寒冬期。1997–2011：復蘇期（1）1997年，深藍戰(zhàn)勝了衛(wèi)冕國際象棋冠軍加里·卡斯帕羅夫。這一事件又掀起了AI熱潮。（1957年，西蒙曾預測:10年內(nèi)計算機可以擊敗人類世界冠軍，但實際上晚了30年）1998年,老虎電子公司推出了第一款用于家庭環(huán)境的人工智能玩具--菲比精靈(Furby)。一年后,索尼公司推出了電子寵物狗AIBO。2000年,麻省理工學院推出了擁有面部表情的機器人

Kismet。2002年,美國iRobot公司推出了智能真空吸塵器Roomba。2004年，美國國家航空航天局探測車“勇氣號”和“機遇號”在火星著陸。2005年，斯坦福大學研制的自主機器人車輛Stanley贏得了DARPA無人駕駛汽車挑戰(zhàn)賽冠軍。2006年，CMU研制的無人駕駛汽車Boss贏得了城市挑戰(zhàn)賽冠軍，Boss安全通過了臨近空軍基地的街道，能遵守交通規(guī)則，并會避讓行人和其他車輛。331997–2011：復蘇期（2）2006年，自從棋王克拉姆尼克(V.Kramnik)被國際象棋軟件“深弗里茨”(DeepFritz)擊敗后，人類象棋棋手再也沒有戰(zhàn)勝過計算機。2006，辛頓教授與其學生R.Salakhutdinov在《科學》上發(fā)表了文章，業(yè)界公認：該論文開啟了深度學習發(fā)展的浪潮。至此，連接主義再度興起。2009年，微軟AI首席科學家鄧力利用深度學習大大降低了語音識別錯誤率，已達到商業(yè)應用水平。此后的數(shù)年，語音識別迅速衍生出巨大的商業(yè)價值。2011年，谷歌啟動了深度學習項目——谷歌大腦，作為GoogleX項目之一。谷歌大腦是由1萬6千臺計算機連成的一個集群，致力于模仿人類大腦活動的某些方面。它通過1千萬張數(shù)字圖片的學習，已成功地學會識別一只貓。2011年，IBM的Watson在智力競賽《危險！》中戰(zhàn)勝了人類，又掀起了AI研究的熱潮。342012至今：蓬勃發(fā)展期（1）352012年的ImageNet大規(guī)模視覺識別比賽(ImageNetLargeScaleVisualRecognitionCompetition，ILSVRC)比賽中，AlexNet

一舉奪魁，

top5預測的錯誤率為15.3%，遠超第二名(26.2%)，2011年的最好成績是25.8%，從此深度學習得到了業(yè)界的廣泛關(guān)注。2014年6月，俄國聊天機器人尤金·古斯特曼，在紀念圖靈逝世60周年的一個比賽上，被該活動33%的評委認為古斯特曼是人類，因此組織者認為它已經(jīng)通過了圖靈測試。2015年，百度在2015百度世界大會上推出了一款機器人助理—度秘（DUER），可以為用戶提供秘書化搜索服務。到2015年中期，谷歌公司無人駕駛汽車的車隊已經(jīng)累計行駛超過150萬公里，僅發(fā)生了14起輕微事故且均不是由無人駕駛汽車本身造成的。2016年3月8日至15日，谷歌DeepMind團隊研制的基于深度學習的圍棋程序“阿爾法狗”（AlphaGo）以4:1戰(zhàn)勝了圍棋世界冠軍李世石。2012至今：蓬勃發(fā)展期（2）362017年5月27日，圍棋世界冠軍柯潔以0:3的成績輸給AlphaGo。2017年10月18日，DeepMind團隊發(fā)布了AlphaGo的升級版AlphaGoZero（阿爾法元）。兩者的區(qū)別在于：

AlphaGo是在學習了人類的3000萬個棋局后才打敗人類，而AlphaGoZero則是從零開始自學，在沒有任何人類棋譜和先驗知識、只輸入圍棋規(guī)則的情況下，完全依靠強化學習，用3天時間自己互博了490萬個棋局（4個TPU，TensorProcessingUnit），最終以百戰(zhàn)百勝的成績完勝AlphaGo。2017年12月，DeepMind公司又發(fā)布了AlphaZero，它不僅可以下圍棋，還可以下國際象棋、將棋等棋類。AlphaZero的核心思想是：用蒙特拉洛樹搜索算法生成對弈數(shù)據(jù)，將其作為神經(jīng)網(wǎng)絡的訓練數(shù)據(jù)。2017年，從AlphaGo到AlphaZero37在完全沒有人類棋譜的情況下，在僅經(jīng)過若干小時的訓練后，AlphaZero

表現(xiàn)出驚人的能力：

戰(zhàn)勝最強國際象棋

AIStockfish：28勝，0負，72平；

戰(zhàn)勝最強將棋

AIElmo：90勝，2平，8負；

戰(zhàn)勝最強圍棋

AI

AlphaGoZero：60勝，40負

至此，半個多世紀以來使用的博弈搜索方法徹底被打敗。注：

AlphaGo和

AlphaGoZero只是圍棋AI程序，

AlphaGoZero是

AlphaGo的升級版；

AlphaZero

是從圍棋向其他類似棋類游戲的拓展版，不僅可以下圍棋，還可以下國際象棋、將棋等棋類。381.4人工智能研究的流派人工智能按研究流派主要分為三類，分別是符號主義(Symbolism)連接主義(Connectionism)行為主義(Behaviorism)符號主義和連接主義研究流派，在人工智能發(fā)展的60-70年中，此消彼長，輪流占上風。目前，連接主義是業(yè)界關(guān)注的焦點。39符號主義流派符號主義又稱為邏輯主義（Logicism）、心理學派（Psychologism）或計算機學派（Computerism）。該學派認為：人工智能源于數(shù)理邏輯，其主要理論基礎是物理符號系統(tǒng)假設。符號主義是基于符號邏輯的方法，用邏輯表示知識和求解問題?；舅枷耄河靡环N邏輯把各種知識都表示出來；當求解一個問題時，就將該問題轉(zhuǎn)變?yōu)橐粋€邏輯表達式，然后用已有知識的邏輯表達式的庫進行推理來解決該問題。符號主義認為：只要在符號計算上實現(xiàn)了相應功能，那么在現(xiàn)實世界就實現(xiàn)了對應的功能，這是智能的充分必要條件。這一流派的代表人物是西蒙和紐厄爾，他們提出了物理符號系統(tǒng)假設，圖靈測試就是符號主義流派的思想實驗。40符號主義流派有三個本質(zhì)問題制約了符號主義的發(fā)展：邏輯體系問題：難以找到一種簡潔的符號邏輯體系，能表述出世間所有的知識。知識提取問題：即使限定在某一特定領(lǐng)域，仍無法將該領(lǐng)域內(nèi)的所有知識都提取出來，并全部用邏輯表達式記錄下來。求解復雜度問題：邏輯求解器的時間復雜度很高。理論上不存在一種通用方法，能在有限時間內(nèi)判定任意一個謂詞邏輯表達式是否成立。41連接主義流派連接主義又稱為仿生學派（Bionicsism）或生理學派（Physiologism），其主要原理為神經(jīng)網(wǎng)絡及神經(jīng)元間的連接機制與信息傳播算法。連接主義試圖發(fā)現(xiàn)人類大腦的結(jié)構(gòu)及其處理信息的機制，在計算機上用人工神經(jīng)網(wǎng)絡來模擬人類大腦的神經(jīng)元及其連接機制，進而實現(xiàn)機器的智能。連接主義方法起始于1943年，建立了MP神經(jīng)元模型，這是最早的人工神經(jīng)網(wǎng)絡。事實上，連接主義方法大幅度地抽象、簡化了人腦生物神經(jīng)元細胞網(wǎng)絡，一個人工神經(jīng)元可以將N個輸入進行加權(quán)匯總后，再通過一個非線性函數(shù)得到該神經(jīng)元的輸出。42行為主義流派行為主義又稱為進化主義（Evolutionism）或控制論學派（Cyberneticsism）。該學派的理論基礎是控制論，其核心思想是基于控制論構(gòu)建感知-動作型控制系統(tǒng)。行為主義學派認為：智能行為是在現(xiàn)實世界中與周圍環(huán)境交互而獲得并表現(xiàn)出來的，人工智能可以像人類的智能一樣逐步進化，所以又稱為進化主義。行為主義還認為智能取決于感知和動作，無需知識、表示和推理，只需要表現(xiàn)出智能行為即可，強化學習就屬于這一流派。行為主義學派的學者對傳統(tǒng)的人工智能提出了批評和挑戰(zhàn)，否定智能行為來源于邏輯推理及其啟發(fā)式的思想，認為AI研究的重點不應該是知識表示和編制推理規(guī)則，而應該是在復雜環(huán)境下對行為的控制。這種思想對早期占據(jù)主流的符號主義學派是一次沖擊和挑戰(zhàn)。431.4人工智能研究的流派縱觀人工智能發(fā)展的歷史，符號主義流派在很長時間內(nèi)都處于人工智能研究的主流地位。近年來，深度學習使得連接主義流派占據(jù)了人工智能研究的主流地位。雖然深度學習在處理感知、識別和判斷等方面表現(xiàn)突出，但在模擬人的思考過程、處理常識知識和推理，以及理解人的語言方面仍然舉步維艱，在這方面，從專家系統(tǒng)（符號主義）發(fā)展起來的知識圖譜已表現(xiàn)出了其發(fā)展的潛力和優(yōu)勢。441.4人工智能研究的流派僅遵循某單一學派的研究思路和方法，是不足以實現(xiàn)人工智能的，很多時候需要綜合各個學派的技術(shù)。例如，圍棋系統(tǒng)AlphaGo綜合使用了三種學習方法：蒙特卡羅樹搜索、深度學習和強化學習蒙特卡羅樹搜索屬于符號主義深度學習屬于連接主義強化學習屬于行為主義可見，AlphaGo用到了三個人工智能流派的方法和技術(shù)。目前，人工智能的各個研究流派依然在發(fā)展，但各個流派的融合發(fā)展已是大勢所趨。知識表示知識是人類進行一切智能活動的基礎。人工智能對問題的求解都是以知識為基礎的，因此需要將知識以計算機能夠處理的形式表示出來，才能存儲到計算機中，并被有效地利用，所以知識表示是人工智能研究的一個基本內(nèi)容。目前學術(shù)界尚未徹底掌握人類知識的結(jié)構(gòu)與機制，也未建立起知識表示的理論體系和統(tǒng)一規(guī)則。但學者們還是總結(jié)出了一些知識表示的方法。常見的知識表示方法包括：一階謂詞邏輯表示法、產(chǎn)生式表示法、框架表示法、語義網(wǎng)絡表示法、狀態(tài)空間表示法、神經(jīng)網(wǎng)絡表示法、過程表示法等，這些知識表示方法在不同的專業(yè)領(lǐng)域和應用背景下發(fā)揮著各自的作用。451.5人工智能研究的基本內(nèi)容2.機器感知機器感知是使計算機系統(tǒng)模擬人類通過其感官與周圍世界聯(lián)系的方式具有解釋和理解外部信息的能力。機器感知外界信息需要通過照相機、攝像機、雷達、紅外成像儀等設備，它研究如何使機器具有像人類一樣的感知或認知能力：機器視覺、機器聽覺、機器觸覺、機器嗅覺等。目前，人工智能研究領(lǐng)域中的機器感知主要聚焦于機器視覺和機器聽覺。機器聽覺是讓機器能識別并理解語言、聲音等，包括語言識別、語音識別、自然語言理解等；機器視覺是