人工智能概述课件

主讲：李 辉 Email：,人工智能Artificial Intelligence,第1章 人工智能概述,1.5 本章小结,1.1 什么是人工智能,1.2 人工智能的发展概况,1.3 人工智能的学派,1.4 人工智能的研究与应用领域,Contents,1.1 什么是人工智能,人工智能（Artificial Intelligence, 简称AI）是一门正在发展中的综合性前沿学科，由计算机学、控制论、信息论、神经生理学、心理学、语言学等多种学科相互渗透而发展起来的。 关于人工智能的科学定义, 目前存在争议，学术界目前还未统一。,人工智能的8种定义：,人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985） 人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化（Bellman,1978）。 人工智能是用计算模型研究智力行为（Charniak和McDermott,1985） 人工智能是研究那些使理解、推理和行为成为可能的计算（Winston,1992） 人工智能是一种能够执行需要人的智能的创造性机器的技术（Kurzwell,1990） 人工智能研究如何使计算机做事让人过得更好（Rick和Knight,1991） 人工智能是一门通过计算过程力图理解和模仿智能行为的学科（Schalkoff,1990） 人工智能是计算机科学中与智能行为的自动化有关的一个分支（Luger和Stubblefield,1993）,8种定义的比较,注重模拟人的思维和推理过程,注重模拟人的行为,8种定义的比较,从模拟人类功能的逼真度来度量,从理性智能概念来度量,一个系统如果能够在它所知道的范围内”正确行事”,它就是理性的,4类方法的比较,类人思考或类人行为：直接模拟 / 追随人 理性思考或理性行为：间接模拟 / 概括人 更抽象、更普遍,形式化定义 目前还没有 一般解释 人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能。 就AI本质来说，AI是一门研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人类智能 无形式化定义的理由 人工智能的严格定义依赖于对智能的定义 即要定义人工智能，首先应该定义智能 但智能本身也还无严格定义 因此，应先对人类的自然智能进行讨论,1.1.1 什么是人工智能,1.1.2 图灵测试,如何知道一个系统是否具有智能呢？ 1950年，计算机科学家图灵提出了著名的“图灵测试”。,问题：通过了图灵测试就具有了智能吗？,1.1.2 中文屋子假设,中文屋子假设是说: 有一台计算机阅读了一段故事并且能正确回答相关问题, 这样这台计算就通过了图灵测试。 而西尔勒设想将这段故事和问题改用中文描述(因为他本人不懂中文), 然后将自己封闭在一个屋子里, 代替计算机阅读这段故事并且回答相关问题。描述这段故事和问题的一连串中文符号只能通过一个很小的缝隙被送到屋子里。 西尔勒则完全按照原先计算机程序的处理方式和过程(如符号匹配、查找、照抄等)对这些符号串进行操作, 然后把得到的结果即问题答案通过小缝隙送出去。,美国哲学家约翰西尔勒(John Searle, 1980年)提出了异议。他用一个现在称为“中文屋子”的假设,西尔勒认为尽管计算机用这种符号处理方式也能正确回答问题, 并且也可通过图灵测试，但仍然不能说计算机就有了智能。,1.1.3 脑智能和群智能,人脑由大约1011-1012个神经元组成的一个复杂的、动态的巨系统，人脑的智能表现可以辨识出来，如学习、发现、创造等能力。而这些智能表现的发生过程都是在心理层面上可见的，即以某种心理活动和思维过程表现的。 基于宏观心理层次的智能表现称为脑智能(BI),脑智能是一种个体智能(II)。,1.1.3 脑智能和群智能,人们发现一些生物群落或者更一般的生命群体的群体行为或者社会行为也表现出一定的智能，如蚂蚁群、鸟群、鱼群等。具有学习、寻优等能力。 脑中的神经网络是由神经细胞组成的细胞群体，当思维时，神经元各负其则，各司其职，神经网络具自组织、自学习、自适应等智能表现。 把这种由群体行为所表现出的智能称为群智能(SI) 。,1.1.3 脑智能和群智能,对于人脑来说, 宏观心理(或者语言)层次上的脑智能与神经元层次上的群智能又有密切的关系正是微观生理层次上低级的神经元的群智能形成了宏观心理层次上高级的脑智能(但二者之间的具体关系如何, 却仍然是个迷, 这个问题的解决需要借助于系统科学)。,1.1.4 符号智能和计算智能,1. 符号智能 符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统人工智能或经典人工智能。 符号智能以符号形式的知识和信息为基础, 主要通过逻辑推理，运用知识进行问题求解。,1.1.4 符号智能和计算智能,2. 计算智能 计算智能就是计算人工智能, 它是模拟群智能的人工智能。计算智能以数值数据为基础, 主要通过数值计算，运用算法进行问题求解。 主要内容包括: 神经计算(Neural Computation, NC)、 进化计算(亦称演化计算, Evolutionary Computation, EC, 包括遗传算法(Genetic Algorithm, GA)、 进化策略(Evolutionary Strategies, ES)等)、免疫计算(immune computation)、 粒群算法(Particle Swarm Algorithm, PSA)、 蚁群算法(Ant Colony Algorithm, ACA)、等。 计算智能主要研究各类优化搜索算法, 是当前人工智能学科中一个十分活跃的分支领域。,1.2 人工智能的发展概况,AI成为工业(1980现在),基于知识系统的崛起(19691979),早期成功与期望(19521969),诞生(1956),AI成为科学(1987现在),困难时期(19661973),孕育期(19431955),1.2 人工智能的发展概况-孕育期,人工智能是一个交叉学科，它的很多重要思想都来源于其他学科 。 哲学（公元前428年现在） 数学（约800年现在） 经济学（1776年现在） 神经科学（1861年现在） 心理学（1879年现在） 计算机工程（1940年现在） 控制论（1948年现在） 语言学（1957年现在）,1.2 人工智能的发展概况-孕育期,古希腊Aristotle创立了演绎法，在其名著工具论中给出了形式逻辑的基本规律(三段论)。他提出的至今仍然是演绎推理的最基本出发点。(形式逻辑是一切推理活动的最基本的出发点 ) 三段论是以真言判断为其前提的一种演绎推理，它借助于一个共同项，把两个直言判断联系起来，从而得出结论。例如：一切金属都是能够熔解的；铁是金属；所以，铁是能够熔解的。,哲学家和思想家,1.2 人工智能的发展概况-孕育期,英国哲学家、自然科学家Bacon (培根)系统地给出了归纳法。和Aristotle的演绎法一起，构成了思维的基本法则。/提出“知识就是力量”，对几百年后AI研究从一般思维探讨转向专门知识运用起到了积极的促进作用。 德国数学家、哲学家Leibnitz (莱布尼茨) 把形式逻辑符号化，从而使得人们可以对人的思维进行运算和推理(关于“数理逻辑”的思想)。提出可以建立一种通用的符号语言以及一种在此基础上进行推理的演算。这一思想不仅是数理逻辑的基础，也是现代机器思维设计思想的萌芽。,1.2 人工智能的发展概况-孕育期,英国数学家、逻辑学家Boole（布尔）（1815-1864），他初步实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统-布尔代数，构成了现代计算机的理论基础。 美籍奥地利数理逻辑学家Godel（哥德尔)(1906-1978) 证明了一阶谓词的完备性定理: 任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。,1.2 人工智能的发展概况-孕育期,英国数学家图灵1936年创立了自动机理论（是图灵在他26岁那年提出的一个理论计算机模型）,推进了思维机器的研究，并为电子计算机的诞生奠定了理论基础。并为AI做了大量的开拓性工作(图灵测试，给出智能标准的明确定义)。 当今世界上计算机科学最高荣誉奖励为图灵奖。 1950年，图灵（A.Turing）在心智杂志上发表了一篇题为“计算机和智能”的文章，第一次提出了“机器能思维”的观点。从此也拉开了人类史上人工智能研究的序幕 。,图灵测试,大家请思考图灵测试合理吗？,人类与计算机具有不一致的特长,一个通过了图灵测试的机器是否就一定具有智能呢？如深蓝,时间：北京时间1997年5月12日凌晨4点50分 对手：IBM的“深蓝”超级计算机 国际象棋世界冠军卡斯帕罗夫 结局：2胜1负3平，总比分3.5 : 2.5， “深蓝”获胜,图灵测试,图灵测试对计算机不公平因为在这个测试中，计算机为了不被测试者判断出自己是计算机，除了要很好的模拟人的优点以外，还要很好地模拟人类的不足。计算机不能比人类笨，也不能比人类聪明。因为任何与人类不相匹配的举动，都会被测试者立即识别出来。如测试者问一个复杂的问题，如果一方很快地给出正确的答案，则有充足的理由认为它是计算机而不是人。,1.2 人工智能的发展概况-诞生,1956年夏天, AI正式诞生于达特茅斯大学 John McCarthy(麦卡锡)自普林斯顿大学毕业以后去了达特茅斯大学, 他说服了另外3个人帮助召开了为期2个月的研讨会 会议组织者4人: 麦卡锡： Dartmouth的数学家、计算机专家，后为MIT教授 Minsky(明斯基)：哈佛大学数学家、神经学家，后为MIT教授 Claude Shannon(香侬)：贝尔实验室信息部数学研究员 Nathaniel Rochester(罗切斯特)： IBM公司信息中心负责人 参与者: Trenchard More(莫尔)：普林斯顿大学 Arthur Samuel(塞缪尔)： IBM Ray Solomonoff(索罗蒙夫)和Oliver Selfridge(塞尔夫里奇) :MIT 纽厄尔(A.Newell)：兰德(RAND)公司 西蒙：CMU卡内基梅隆大学,1.2 人工智能的发展概况-诞生,尽管这次会议没有新突破, 但聚集了AI的主要人物特别是AI领域的4位著名专家, 他们后来所在的大学也成为了美国AI研究的3大基地: MIT明斯基 Stanford麦卡锡(先在MIT后去了Stanford) CMU纽厄尔和西蒙 此外, 还有IBM,1.2 人工智能的发展概况-诞生,John McCarthy Marvin Minsky Herbert Simon Allen Newell,1.2 人工智能的发展概况-诞生,这次会议最为长久的贡献就是麦卡锡为该领域起的名字: 人工智能 为什么AI有必要成为一个新领域? 目标不同：AI从一开始就承载着复制人的才能如创造性、自我修养、语言功能等思想，没有任何一个其他领域涉及这些问题 方法论不同：是唯一一个明确属于计算机科学的分支，因而不是数学或者控制论或其他学科的分支 AI是唯一这样的领域：它试图建造在复杂和变化的环境中自动发挥功能的机器,1.2 人工智能的发展概况-早期成功与期望,心理学小组 1957年：纽厄尔、西蒙等人的心理学小组研制了一个称为逻辑理论机(Logic Theory Machine，简称LT)的数学定理证明程序/ 能够证明数学原理第二章中的38条定理，1963年证明全部52条定理。 1960年：研制了通用问题求解(General Problem Solving)程序。 IBM工程小组 1956年，塞缪尔在IBM704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。打败了一个州冠军,1.2 人工智能的发展概况-早期成功与期望,MIT小组 1956年，塞尔夫里奇研制第一个字符识别程序。1959年，又提出功能更强的模式识别 1958年，麦卡西建立了行动规划咨询系统。 1960年，麦卡西又研制了人工智能语言LISP。 1961年，明斯基发表了“走向人工智能的步骤”的论文 其他： 1965年，鲁宾逊(J.A.Robinson)提出了归结（消解）原理，掀起研究计算机定理证明的又一次高潮。,1.2 人工智能的发展概况-早期成功与期望,AI牛人Newell, Simon等早期所吹的“牛皮” 不出10年，计算机将成为世界象棋冠军。 不出10年，计算机将发现和证明重要的数学定理。 不出10年，计算机将能谱写具有优秀作曲家水平的乐曲。 不出10年，大多数心理学理论将在计算机上形成。 有人甚至断言，20世纪80年代将全面实现AI，2000年机器智能超过人。 1969年，召开第一届国际人工智能联合会议(International Joint Conference on AI) 1970年，人工智能国际杂志International Journal of AI 创刊,早期AI研究者过于盲目的乐观态度, 10年预见, 50年过去了，只是部分地在某种程度上实现(如计算机下棋)，但还没有得到完全实现，AI远比设想的复杂 消解法（归结原理）能力有限 例如：证明两个连续函数之和仍是连续函数，推了10万步还没有推出来。 Sauel的下棋程序，1965年，世界冠军Helmann获得四连胜。 机器翻译闹出不少笑话 (举例见下页),1.2 人工智能的发展概况-困难时期,1.2 人工智能的发展概况-困难时期,1973年，英国发表了Lighthill report，认为AI的研究即使不是骗局，至少也是庸人自扰。之后英国终止了除2所大学以外所有的AI研究资助 IBM公司也取消了本公司范围内的AI研究活动。,机器翻译闹出的笑话举例：,“The spirit is willing but the flesh is weak”，意思是“心有余而力不足”。 机器翻译过程：英语 俄语 英语 结果被译为： “The vodka is good but the meat is spoiled”，意思是“伏特加是好的，肉变质了”。 “Out of sight, out of mind”，意思是“眼不见心不烦”。 将其翻译成俄语，竟成了：“ 又瞎又疯”。 ,1.2 人工智能的发展概况-困难时期,1.2 人工智能的发展概况-基于知识系统的崛起,DENDRAL是第一个成功的知识密集型系统, 1969年在Stanford开发, 参与者包括费根鲍姆 (Ed Feigenbaum)等，根据质谱仪信息推断分子结构 / 该系统改进后, 把知识和推理部分清楚地划分开80年代专家系统的典型结构。 由DENDRAL系统开始的专家系统方法论又应用到其他需要人类专家知识的领域。,1.2 人工智能的发展概况-AI成为工业,1982年, 第一个成功的商用专家系统R1在DEC公司开始运转, 到1986年为止每年为公司节省4千万美元 在八十年代的AI研究热潮中, 1981年日本提出五代机计划, 目的是建造运行Prolog程序的智能机 AI工业在1980年只是几百万美元, 1988年涨到数十亿美元 实际上，“AI成为工业”目前在一些家电中可以找到影子(智能洗衣机等),1.2 人工智能的发展概况-AI成为科学,近年来，AI研究在内容和方法论方面的特点： 在已有的理论基础上进行研究而不是提出崭新理论 从对控制论和统计学的某种叛逆到开始接受这些领域的理论和方法 假设必须以严格的经验实验为条件，结果的重要性必须经过严格的分析。 通过互连网进行测试数据和程序代码的共享 以上标志着，AI已经成为了一门科学。,1.3 人工智能的学派,符号主义(Symbolicism),连接主义(Connectionism),行为主义(Actionism),逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism),主要为物理符号系统(即符号操作系统)假设和有限合理性原理.,仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。,进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知-动作型控制系统。,1.4 人工智能的研究与应用领域,1.4.1 问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序，它包含问题的表示、分解、搜索与归约等。,1999年，“弗里茨”升级为“更弗里茨”(Deep Fritz) 2001年，“更弗里茨”更新了程序，击败了卡斯帕罗夫和阿南德，以及除了克拉姆尼克之外的所有排名世界前十位的棋手 2002年10月，“更弗里茨”与克拉姆尼克在巴林进行“人机大战”，思考速度为每秒600万步，双方4比4战平 2003年12月“更年少者”与卡斯帕罗夫举行人机对抗，双方3比3战平,1.4 人工智能的研究与应用领域,1.4.2 智能计算 智能计算就是借用自然界生物界规律的启迪根据其原理模仿设计求解问题的算法 包括遗传算法、模拟退火算法、进化算法、启发式算法、蚁群算法、人工鱼群算法，粒子群算法。,1.4 人工智能的研究与应用领域,1.4.3 机器学习 机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。即从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。 已有十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、证券市场分析、语音和手写识别、战略游戏和机器人运用。,1.4 人工智能的研究与应用领域,1.4.4 模式识别 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。,1.4 人工智能的研究与应用领域,1.4.5 机器人学 包括对操作机器人装置程序的研究。这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。目前已经建立了一些比较复杂的机器人系统。,1.4 人工智能的研究与应用领域,1.4.6 神经网络 是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。 神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。,1.4 人工智能的研究与应用领域,1.4.3 自然语言理解 研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法. 需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。理解口头的和书写语言的计算机系统所取得的某些进展，其基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术。,本章我们讲述了 人工智能的概念：8种定义和比较 人工智能的发展概况：7个阶段 人工智能的三大学派：符号主义、连接主义、行为主义 人工智能的研究与应用领域,1.5 本章小结,本章总结,