第1章-緒論AI應(yīng)用3版

1、1,第 1 章 緒論,教材： 王萬良人工智能及其應(yīng)用（第3版） 高等教育出版社，2016.2,人工智能導(dǎo)論,2,第1章 緒論,1956年正式提出人工智能（artificial intelligence, AI）這個術(shù)語并把它作為一門新興科學的名稱。,3,第1章 緒論,1.1 人工智能的基本概念 1.2 人工智能的發(fā)展簡史 1.3 人工智能研究的基本內(nèi)容 1.4 人工智能的主要研究領(lǐng)域,4,第1章 緒論,1.1 人工智能的基本概念 1.2 人工智能的發(fā)展簡史 1.3 人工智能研究的基本內(nèi)容 1.4 人工智能的主要研究領(lǐng)域,5,1.1.1 智能的概念,自然界四大奧秘：物質(zhì)的本質(zhì)、宇宙的起源、生命的

2、本 質(zhì)、智能的發(fā)生。 對智能還沒有確切的定義，主要流派有： （1）思維理論：智能的核心是思維 （2）知識閾值理論：智能取決于知識的數(shù)量及一般化程度 （3）進化理論：用控制取代知識的表示 智能是知識與智力的總和,知識是一切智能行為的基礎(chǔ),獲取知識并應(yīng)用知識求解問題的能力,6,感知能力：通過視覺、聽覺、觸覺、嗅覺等感覺器官感知外部世界的能力。 80%以上信息通過視覺得到，10%信息通過聽覺得到。,1.1.2 智能的特征,存儲由感知器官感知到的外部信息以及由思維所產(chǎn)生的知識,對記憶的信息進行處理,2. 記憶與思維能力,7,（1）邏輯思維（抽象思維） 依靠邏輯進行思維。 思維過程是串行的。 容易形式化

3、。 思維過程具有嚴密性、可靠性。,1.1.2 智能的特征,（2）形象思維（直感思維） 依據(jù)直覺。 思維過程是并行協(xié)同式的。 形式化困難。 在信息變形或缺少的情況下仍有可能得到比較滿意的結(jié)果。,8,4. 行為能力（表達能力）,1.1.2 智能的特征,（3）頓悟思維（靈感思維） 不定期的突發(fā)性。 非線性的獨創(chuàng)性及模糊性。 穿插于形象思維與邏輯思維之中。,人們的感知能力：用于信息的輸入。 行為能力：信息的輸出。,9,人工智能：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。,1.1.3 人工智能,人工智能學科：一門研究如何構(gòu)造智能機器（智能計算機）或智能系統(tǒng)，使它能模

4、擬、延伸、擴展人類智能的學科,10,人工智能的先驅(qū)：圖靈,圖靈測試：1950年圖靈發(fā)表的計算機與智能中設(shè)計了一個測試，用以說明人工智能的概念。圖靈預(yù)言:到20世紀末，一定會有機器能夠通過“圖靈測試” 。,圖靈測試,11,中國屋思考實驗（Chinese-Room Thought Experiment） 語言哲學家約翰.R.塞爾（John R. Searle，1980） 把一個看不懂卡片上的漢字的人鎖在屋子里，根據(jù)英文說明書把從門縫中得到的漢字與屋內(nèi)的漢字進行匹配然后扔出去，從外觀上看好像這個人懂中文，而且正確匹配的速度會越來越快，實際上他不懂中文。 證明：即使通過圖靈測試也不能說明計算機能思維。

5、,圖靈測試,12,2014年6月9日英國雷丁大學宣稱俄羅斯人弗拉基米爾維西羅夫創(chuàng)立的AI軟件尤金古斯特曼通過圖靈測試。,圖靈測試,13,第1章 緒論,1.1 人工智能的基本概念 1.2 人工智能的發(fā)展簡史 1.3 人工智能研究的基本內(nèi)容 1.4 人工智能的主要研究領(lǐng)域,14,1.2 人工智能的發(fā)展簡史,1.2.1 孕育（1956年之前） 公元前，亞里斯多德（Aristotle）：三段論 培根（F. Bacon）：歸納法 萊布尼茨（G. W. Leibnitz）：萬能符號、推理計算 布爾（G. Boole）：用符號語言描述思維活動的基本推理法則 1936年，圖靈：圖靈機 1943年，麥克洛奇（W

6、. McCulloch）、匹茲(W. Pitts)：MP模型,15,1.2 人工智能的發(fā)展簡史,1.2.1 孕育（1956年之前） 美國愛荷華州立大學的阿塔納索夫教授和他的研究生貝瑞在1937年至1941年間開發(fā)的世界上第一臺電子計算機“阿塔納索夫貝瑞計算機（Atanasoff-Berry Computer，ABC）”為人工智能的研究奠定了物質(zhì)基礎(chǔ)。（不是美國數(shù)學家莫克利和?？?946年發(fā)明的！）,阿塔納索夫,貝瑞,16,1956年夏，當時美國達特茅斯大學數(shù)學助教、現(xiàn)任斯坦福大學教授麥卡錫和哈佛大學數(shù)學和神經(jīng)學家、現(xiàn)任MIT教授明斯基、IBM公司信息研究中心負責人洛切斯特、貝爾實驗室信息部數(shù)學

7、研究員香農(nóng)共同發(fā)起，邀請普林斯頓大學莫爾和IBM公司塞繆爾、MIT的塞爾夫里奇和索羅莫夫以及蘭德公司和卡內(nèi)基梅隆大學的紐厄爾、西蒙等10名年輕學者在達特莫斯大學召開了兩個月的學術(shù)研討會，討論機器智能問題。,一、人工智能的誕生與發(fā)展,17,1956年夏，美國達特茅斯大學會上，經(jīng)麥卡錫提議正式采用“人工智能” ，標志著人工智能學科正式誕生。 麥卡錫被稱為人工智能之父。,一、人工智能的誕生與發(fā)展,18,1956年會議后，美國形成了多個AI研究組織，如紐厄爾和西蒙的Carnegie RAND協(xié)作組，明斯基和麥卡錫的MIT研究組，塞繆爾的IBM工程研究組等。 1956年以后，AI的研究在機器學習、定理證

8、明、模式識別、問題求解、專家系統(tǒng)及人工智能語言等方面都取得了許多引人矚目的成就 。 1969年，成立了國際人工智能聯(lián)合會。,一、人工智能的誕生與發(fā)展,19,我國自1978年開始把“智能模擬”作為國家科技發(fā)展規(guī)劃的主要研究課題。 1981年成立了中國人工智能學會。 現(xiàn)在，人工智能已成為計算機、航空航天、軍事裝備、工業(yè)等眾多領(lǐng)域的關(guān)鍵技術(shù)。 人工智能現(xiàn)在是科技界最前沿的話題之一。 人工智能產(chǎn)業(yè)正在迅猛發(fā)展。 作業(yè)：查找一篇人工智能在產(chǎn)業(yè)中應(yīng)用的報道,一、人工智能的誕生與發(fā)展,20,第1章 緒論,1.1 人工智能的基本概念 1.2 人工智能的發(fā)展簡史 1.3 人工智能研究的基本內(nèi)容 1.4 人工智能

9、的主要研究領(lǐng)域,21,1.3 人工智能研究的基本內(nèi)容,知識表示 知識表示：將人類知識形式化或者模型化。 知識表示方法：符號表示法、連接機制表示法。,符號表示法：用各種包含具體含義的符號，以各種不同的方式和順序組合起來表示知識的一類方法。例如，一階謂詞邏輯、產(chǎn)生式等。 連接機制表示法：把各種物理對象以不同的方式及順序連接起來，并在其間互相傳遞及加工各種包含具體意義的信息，以此來表示相關(guān)的概念及知識。例如，神經(jīng)網(wǎng)絡(luò)等。,22,2. 機器感知,2. 機器感知 機器感知：使機器（計算機）具有類似于人的感知能力。以機器視覺(machine vision)與機器聽覺為主。,1.3 人工智能研究的基本內(nèi)容,

10、3. 機器思維 機器思維：對通過感知得來的外部信息及機器內(nèi)部的各種工作信息進行有目的的處理。,23,2. 機器感知,4. 機器學習 機器學習（machine learning）：研究如何使計算機具有類似于人的學習能力，使它能通過學習自動地獲取知識。 1957年，Rosenblatt研制成功了感知機。,1.3 人工智能研究的基本內(nèi)容,5. 機器行為 機器行為：計算機的表達能力，即“說”、“寫”、“畫”等能力。,24,第1章 緒論,1.1 人工智能的基本概念 1.2 人工智能的發(fā)展簡史 1.3 人工智能研究的基本內(nèi)容 1.4 人工智能的主要研究領(lǐng)域,25,1.4 人工智能的主要研究領(lǐng)域,自動定理證

11、明,定理證明的實質(zhì)是證明由前提 P 得到結(jié)論 Q 的永真性。 1958年，王浩證明了有關(guān)命題演算的全部定理（220條）、謂詞演算中150條定理的85%。 1965年魯賓遜（Robinson）提出了歸結(jié)原理，使機器定理證明成為現(xiàn)實。 我國著名數(shù)學家、中國科學院吳文俊院士把幾何代數(shù)化，建立了一套機器證明方法，被稱為“吳方法”。,26,1.4 人工智能的主要研究領(lǐng)域,博弈 下棋、打牌、戰(zhàn)爭等一類競爭性的智能活動。 1956年，塞繆爾研制出跳棋程序。 1991年8月，IBM公司研制的Deep Thought 2計算機系統(tǒng)與澳大利亞象棋冠軍約翰森（D.Johansen）舉行了一場人機對抗賽，以1：1平局

12、告終。 1996年2月10日至17日 ，IBM公司的“深藍”計算機系統(tǒng)與卡斯帕羅夫進行了六局比賽，以3.5比2.5的總比分贏得這場世人矚目的“人機大戰(zhàn)”的勝利。,27,1996.2.10-17 ，IBM公司的“深藍”計算機系統(tǒng)與卡斯帕羅夫進行了六局比賽，號稱人腦與電腦的世紀決戰(zhàn)?？ㄋ古亮_夫以4：2獲勝。 1997.5.3-11 深藍再次挑戰(zhàn)卡斯帕羅夫。 1997年5月11日凌晨4時許，美國紐約公平保險公司大廈，深藍和卡斯帕羅夫“最后決戰(zhàn)”正在進行，全球數(shù)以億計的人正在通過電視、廣播、Internet等緊張地關(guān)注著這場“人機世紀大戰(zhàn)”。,智能游戲,28,終于在4時50分，美聯(lián)社、路透社、共同社、

13、新華社 所有媒體把同一消息發(fā)往世界各地： 在世紀末國際象棋“人機大戰(zhàn)”的最后一局對弈中，美國IBM公司的超級計算機“深藍”僅用了一小時便輕松擊敗了國際象棋特級大師卡斯帕羅夫，從而以3.5比2.5的總比分贏得了最終的勝利！,智能游戲,29,圍棋是最后一個人類頂尖高手能戰(zhàn)勝AI的棋類游戲。 2016年2月，Google DeepMind團隊宣布開發(fā)的AlphaGo(阿爾法圍棋)的人工智能系統(tǒng)，在沒有任何讓子的情況下以5比0完勝歐洲圍棋冠軍、職業(yè)圍棋二段樊麾。 樊麾出生在中國，現(xiàn)籍法國，是現(xiàn)任法國國家圍棋隊總教練。 這是人類歷史上，圍棋AI第一次在公平比賽中戰(zhàn)勝職業(yè)選手。 2016年3月，Alpha

14、Go將和韓國九段棋手李世石在首爾一戰(zhàn)。李世乭是最近10年中獲得世界第一頭銜最多的棋手。,智能游戲,30,1.4 人工智能的主要研究領(lǐng)域,模式識別（pattern recognition）：研究對象描述和分類方法的學科。分析和識別的模式可以是信號、圖象或者普通數(shù)據(jù)。 文字識別：郵政編碼、車牌識別、漢字識別。 人臉識別：反恐、商業(yè)。 物體識別：導(dǎo)彈、機器人。,模式識別,31,1.4 人工智能的主要研究領(lǐng)域,機器視覺(machine vision)或計算機視覺(computer vision)是用機器代替人眼睛進行測量和判斷。 機器視覺應(yīng)用在半導(dǎo)體及電子、汽車、冶金、制藥、食品飲料、印刷、包裝、零配

15、件裝配及制造質(zhì)量檢測等。 文字識別：郵政編碼、車牌識別、手寫體識別。計算機、手機等輸入。 人臉識別：反恐、商業(yè)。 物體識別：導(dǎo)彈、機器人。,機器視覺,32,1.4 人工智能的主要研究領(lǐng)域,自然語言理解 研究如何讓計算機理解人類自然語言，包括回答問題、生成摘要、翻譯等。 1957年，在蘇聯(lián)人造衛(wèi)星成功發(fā)射的刺激下,美國國家研究會大力支持對俄科技論文的計算機翻譯。人們最初以為機器翻譯只要將雙向詞典及一些詞法知識放進計算機就行了。后來發(fā)現(xiàn)有時會出現(xiàn)十分荒謬的錯誤。,“The spirit is willing but the flesh is weak”心有余而力不足。 俄語 “The wine i

16、s good but the meat is spoiled”酒是好的但肉變質(zhì)了。,33,“Time flies like an arrow”光陰似箭 以前的機器翻譯得到以下幾種譯文： 時間象箭一樣飛馳（正確） 時間以箭運動的方式飛著（可笑，但不算錯） 用測箭速的方法測量蠅速（沒聽過，但可能） 測量象箭似的蒼蠅的速度（離奇） 一種“時間蒼蠅”喜歡箭（在科幻小說里也許有）,1.4 人工智能的主要研究領(lǐng)域,34,自然語言理解 1966年美國顧問委員會的報告裁定：還不存在通用的科學文本機器翻譯，也沒有很近的實現(xiàn)前景。英國、美國中斷了大部分機器翻譯項目的資助。 20世紀60年代末，人工智能研究遇到困難

17、。1977年，費根鮑姆在第五屆國際人工智能聯(lián)合會議上提出了“知識工程”概念，推動了知識為中心的研究。 1981年，日本宣布第五代計算機發(fā)展計劃，并在1991年展出了研制的PSI3智能工作站和由PSI3構(gòu)成的模型機系統(tǒng),1.4 人工智能的主要研究領(lǐng)域,35,現(xiàn)在，機器翻譯已經(jīng)實用化、商品化。 2012年11月，微軟在中國天津公開演示了全自動的同聲傳譯系統(tǒng)： 講演者用英文演講，后臺的計算機一氣呵成自動完成語音識別、英中機器翻譯，以及中文語音合成，效果非常流暢。,1.4 人工智能的主要研究領(lǐng)域,36,1.4 人工智能的主要研究領(lǐng)域,智能信息檢索,智能信息檢索系統(tǒng)的功能： (1) 能理解自然語言。 (

18、2) 具有推理能力。 (3) 系統(tǒng)擁有一定的常識性知識。,數(shù)據(jù)挖掘與知識發(fā)現(xiàn),數(shù)據(jù)挖掘的目的是從數(shù)據(jù)庫中找出有意義的模式(一組規(guī)則、聚類、決策樹、依賴網(wǎng)絡(luò)或其他方式表示的知識)。 數(shù)據(jù)挖掘過程：數(shù)據(jù)預(yù)處理、建模、模型評估及模型應(yīng)用。,37,深度學習：是當前研究與應(yīng)用的熱點。 深度學習包含構(gòu)建能夠模仿人類大腦行為的神經(jīng)網(wǎng)絡(luò)。這些多層次的神經(jīng)網(wǎng)絡(luò)像人類大腦一樣，可以收集信息，并產(chǎn)生相應(yīng)的行為 2013年4月，麻省理工學院技術(shù)評論雜志將深度學習列為2013年十大突破性技術(shù)之首。,機器學習,38,2012年6月，紐約時報披露斯坦福大學AI實驗室主任Andrew Ng（吳恩達）領(lǐng)導(dǎo)的人工智能領(lǐng)域目標最遠

19、大的項目Google大腦Google Brain。,使用 16000 臺CPU創(chuàng)造出 10 億個連接的“神經(jīng)網(wǎng)絡(luò)”，讓機器系統(tǒng)學會自動識別貓，成為國際深度學習領(lǐng)域廣為人知的案例之一。,機器學習,39,驅(qū)使谷歌、IBM、微軟、蘋果、百度這些公司競相開發(fā)高級機器學習技術(shù)的原因，正是其背后蘊藏的巨大商業(yè)潛力。 2013年1月，李彥宏宣布百度將建立公司歷史上首個前沿科學研究機構(gòu)深度學習研究院(IDL)。前不久，百度在硅谷毗鄰谷歌總部設(shè)立人工智能實驗室，主要任務(wù)之一就是探索深度學習算法。,機器學習,40,2014年05月17日，百度宣布人工智能領(lǐng)域最權(quán)威的學者之一吳恩達(Andrew Ng)正式加盟百度

20、，擔任百度首席科學家，全面負責百度研究院。,機器學習,41,1.4 人工智能的主要研究領(lǐng)域,專家系統(tǒng),專家系統(tǒng)模擬人類專家求解問題的思維過程求解領(lǐng)域內(nèi)的各種問題，其水平可以達到甚至超過人類專家的水平。 1965年費根鮑姆研究小組開始研制第一個專家系統(tǒng)分析化合物分子結(jié)構(gòu)的DENDRAL，1968年完成并投入使用。 1971年MIT開發(fā)成功求解一些數(shù)學問題的MYCSYMA專家系統(tǒng)。拉特格爾大學開發(fā)的清光眼診斷與治療的專家系統(tǒng)CASNET。 1972年斯坦福大學肖特里菲等人開始研制用于診斷和治療感染性疾病的專家系統(tǒng)MYCIN。 1976年斯坦福研究所開始開發(fā)探礦專家系統(tǒng)PROSPECTOR，1980

21、年首次實地分析華盛頓某山區(qū)地質(zhì)資料，發(fā)現(xiàn)了一個鉬礦。 1981年斯坦福大學研制成功專家系統(tǒng)AM，能模擬人類進行概括、抽象和歸納推理，發(fā)現(xiàn)某些數(shù)論的概念和定理。,42,1.4 人工智能的主要研究領(lǐng)域,自動程序設(shè)計,程序綜合：用戶只需要告訴計算機要“做什么”， 無須說明“怎么做”，計算機就可自動實現(xiàn)程序的設(shè)計。 程序正確性的驗證：研究出一套理論和方法，通過運用這套理論和方法就可以證明程序的正確性。 2014年2月新聞：麻省理工教授ArmandoSolar-Lezama開發(fā)的一種智能化編程語言“Sketch”，可以自動填補、修正代碼內(nèi)容，在幾毫秒內(nèi)修復(fù)代碼，讓程序員可以忽略許多繁瑣的細節(jié)。,43,1

22、.4 人工智能的主要研究領(lǐng)域,機器人,20世紀60年代初，研制出尤尼梅特和沃莎特蘭兩種機器人。 機器人發(fā)展：程序控制機器人（第一代） 、自適應(yīng)機器人（第二代）、智能機器人（現(xiàn)代）。,44, 2009年曝光的自動駕駛汽車雛形 2010年10月9日，谷歌在官方博客宣布開發(fā)自動駕駛汽車 2011年10月，谷歌在內(nèi)華達州和加州的莫哈韋沙漠作為試驗場對汽車進行測試。 美國內(nèi)華達立法機關(guān)允許自動駕駛車輛上路，2012年3月1日正式生效 。 2012年5月7日，內(nèi)華達州機動車輛管理局（DMV）批準了美國首個自動駕駛車輛許可證。,自動駕駛,45,1.4 人工智能的主要研究領(lǐng)域,組合優(yōu)化問題,組合優(yōu)化問題：旅行

23、商問題、生產(chǎn)計劃與調(diào)度、物流中的車輛調(diào)度、智能交通、通信中的路由調(diào)度、計算機網(wǎng)絡(luò)信息調(diào)度等 NP完全問題：用目前知道的最好的方法求解，問題求解需要花費的時間是隨問題規(guī)模增大以指數(shù)關(guān)系增長。,46,傳統(tǒng)人工智能的研究部分地顯示了人腦的歸納、推理等智能。但對人類底層的智能，如視覺、聽覺、觸覺等方面，計算機信息處理能力還不如一個幼兒園的孩子。 神經(jīng)網(wǎng)絡(luò)模型模擬了人腦神經(jīng)系統(tǒng)的特點：處理單元的廣泛連接；并行分布式信息儲存、處理；自適應(yīng)學習能力等。 神經(jīng)網(wǎng)絡(luò)模式識別方法具有較強的容錯能力、自適應(yīng)學習能力、并行信息處理能力。,人工神經(jīng)網(wǎng)絡(luò),47,人腦由一千多億（1011億 1014 億）個神經(jīng)細胞（神經(jīng)元

24、）交織在一起的網(wǎng)狀結(jié)構(gòu)組成，其中大腦皮層約140億個神經(jīng)元，小腦皮層約1000億個神經(jīng)元。 神經(jīng)元約有1000種類型，每個神經(jīng)元大約與103 104個其他神經(jīng)元相連接，形成極為錯綜復(fù)雜而又靈活多變的神經(jīng)網(wǎng)絡(luò)。 人的智能行為就是由如此高度復(fù)雜的組織產(chǎn)生的。浩瀚的宇宙中，也許只有包含數(shù)千憶顆星球的銀河系的復(fù)雜性能夠與大腦相比。,人工神經(jīng)網(wǎng)絡(luò),48,深度神經(jīng)網(wǎng)絡(luò)：當前研究與應(yīng)用的熱點。 深度神經(jīng)網(wǎng)絡(luò)是多層次的神經(jīng)網(wǎng)絡(luò)。 深度神經(jīng)網(wǎng)絡(luò)像人類大腦一樣，可以收集信息，并產(chǎn)生相應(yīng)的行為，能夠模仿人類大腦行為。 這些神經(jīng)網(wǎng)絡(luò)可以逐漸對事物的外形和聲音進行感知和理解，也就是“認識”事物。,人工神經(jīng)網(wǎng)絡(luò),49,2

25、012年6月，紐約時報披露斯坦福大學AI實驗室主任Andrew Ng（吳恩達）領(lǐng)導(dǎo)的人工智能領(lǐng)域目標最遠大的項目Google大腦Google Brain。,使用 16000 臺CPU創(chuàng)造出 10 億個連接的“神經(jīng)網(wǎng)絡(luò)”，讓機器系統(tǒng)學會自動識別貓，成為國際深度學習領(lǐng)域廣為人知的案例之一。,人工神經(jīng)網(wǎng)絡(luò),50,1.4 人工智能的主要研究領(lǐng)域,分布式人工智能系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標準，并具有互操作性，即不同的異構(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。 分布式問題求解：把一個具體的求解問題劃分為多個相互合作和知識共享的模塊或者結(jié)點。 多智能體系統(tǒng)：研究各智能體之間行為的協(xié)調(diào)。,

26、分布式人工智能與多智能體,51,1.4 人工智能的主要研究領(lǐng)域,國際知名美籍華裔科學家傅京孫（K S. Fu）在1965年首先把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)。 智能控制的兩個顯著特點： 第一，智能控制是同時具有知識表示的非數(shù)學廣義世界模型和傳統(tǒng)數(shù)學模型混合表示的控制過程。 第二，智能控制的核心在高層控制，其任務(wù)在于實際環(huán)境或過程進行組織，即決策與規(guī)劃，以實現(xiàn)廣義問題求解。 智能控制的基本類型： （1）專家智能控制 （2）模糊控制（3）神經(jīng)網(wǎng)絡(luò)控制,智能控制,52,1.4 人工智能的主要研究領(lǐng)域,智能仿真是將AI引入仿真領(lǐng)域，建立智能仿真系統(tǒng)。 仿真是對動態(tài)模型的實驗，即行為產(chǎn)生器在

27、規(guī)定的實驗條件下驅(qū)動模型，從而產(chǎn)生模型行為。仿真是在描述性知識、目的性知識及處理知識的基礎(chǔ)上產(chǎn)生結(jié)論性知識。 利用AI對整個仿真過程（建模、實驗運行及結(jié)果分析）進行指導(dǎo)，在仿真模型中引進知識表示，改善仿真模型的描述能力，為研究面向目標的建模語言打下基礎(chǔ)，提高仿真工具面向用戶、面向問題的能力，使仿真更有效地用于決策，更好地用于分析、設(shè)計及評價知識庫系統(tǒng)。,智能仿真,53,1.4 人工智能的主要研究領(lǐng)域,智能CAD（簡稱ICAD）就是把人工智能技術(shù)引入計算機輔助設(shè)計領(lǐng)域，建立智能CAD系統(tǒng)。AI幾乎可以應(yīng)用到CAD技術(shù)的各個方面。從目前發(fā)展的趨勢來看，至少有下述四個方面： （1）設(shè)計自動化。 （2

28、）智能交互。 （3）智能圖形學。 （4）自動數(shù)據(jù)采集。,智能CAD,54,1.4 人工智能的主要研究領(lǐng)域,智能CAI就是把AI引入計算機輔助教學領(lǐng)域。 ICAI系統(tǒng)一般分成專門知識、教導(dǎo)策略和學生模型和自然語言的智能接口。 ICAI應(yīng)具備下列智能特征： （1）自動生成各種問題與練習。 （2）根據(jù)學生的學習情況自動選擇與調(diào)整教學內(nèi)容與進度。 （3）在理解教學內(nèi)容的基礎(chǔ)上自動解決問題生成解答。 （4）具有自然語言生成和理解能力。 （5）對教學內(nèi)容有理解咨詢能力。 （6）能診斷學生錯誤，分析原因并采取糾正措施。 （7）能評價學生的學習行為。 （8）能不斷地在教學中改善教學策略。,智能CAI,55,1

29、.4 人工智能的主要研究領(lǐng)域,智能管理就是把人工智能技術(shù)引入管理領(lǐng)域，建立智能管理系統(tǒng)，研究如何提高計算機管理系統(tǒng)的智能水平，以及智能管理系統(tǒng)的設(shè)計理論、方法與實現(xiàn)技術(shù)。 智能決策就是把人工智能技術(shù)引入決策過程，建立智能決策支持系統(tǒng)。 智能決策支持系統(tǒng)是由傳統(tǒng)決策支持系統(tǒng)再加上相應(yīng)的智能部件就構(gòu)成了智能決策支持系統(tǒng)。 智能部件可以是專家系統(tǒng)模式、知識庫模式等。,智能管理與智能決策,56,1.4 人工智能的主要研究領(lǐng)域,多媒體計算機系統(tǒng)就是能綜合處理文字、圖形、圖像和聲音等多種媒體信息的計算機系統(tǒng)。 智能多媒體就是將人工智能技術(shù)引入多媒體系統(tǒng)，使其功能和性能得到進一步發(fā)展和提高。 多媒體技術(shù)與人

30、工智能所研究的機器感知、機器理解等技術(shù)不謀而合。人工智能的計算機視聽覺、語音識別與理解、語音對譯、信息智能壓縮等技術(shù)運用于多媒體系統(tǒng)，將會使現(xiàn)在的多媒體系統(tǒng)產(chǎn)生質(zhì)的飛躍。,智能多媒體系統(tǒng),57,1996.2.10-17 ，IBM公司的“深藍”計算機系統(tǒng)與卡斯帕羅夫進行了六局比賽，號稱人腦與電腦的世紀決戰(zhàn)?？ㄋ古亮_夫以4：2獲勝。 1997.5.3-11 深藍再次挑戰(zhàn)卡斯帕羅夫。 1997年5月11日凌晨4時許，美國紐約公平保險公司大廈，深藍和卡斯帕羅夫“最后決戰(zhàn)”正在進行，全球數(shù)以億計的人正在通過電視、廣播、Internet等緊張地關(guān)注著這場“人機世紀大戰(zhàn)”。,智能游戲,58,終于在4時50分

31、，美聯(lián)社、路透社、共同社、新華社 所有媒體把同一消息發(fā)往世界各地： 在世紀末國際象棋“人機大戰(zhàn)”的最后一局對弈中，美國IBM公司的超級計算機“深藍”僅用了一小時便輕松擊敗了國際象棋特級大師卡斯帕羅夫，從而以3.5比2.5的總比分贏得了最終的勝利！,智能游戲,59,圍棋是最后一個人類頂尖高手能戰(zhàn)勝AI的棋類游戲。 2016年2月，Google DeepMind團隊宣布開發(fā)的AlphaGo(阿爾法圍棋)的人工智能系統(tǒng)，在沒有任何讓子的情況下以5比0完勝歐洲圍棋冠軍、職業(yè)圍棋二段樊麾。 樊麾出生在中國，現(xiàn)籍法國，是現(xiàn)任法國國家圍棋隊總教練。 這是人類歷史上，圍棋AI第一次在公平比賽中戰(zhàn)勝職業(yè)選手。 2016