人工智能与知识工程绪论

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,人工智能与知识工程,光电工程学院,叶 俊 勇,主教1403,2007年,1,教材及主要参考书:,【1】蔡自兴、徐光佑. 人工智能及其应用(第三版) 清华大学出版社,2004,【2】Nilsson. Artificial Intelligence-A New Synthesis机械工业出版社, 1999 (英文版) 2000（中文版）,【3】Stuart J. Russell and Peter Norvig. Artificial Intelligence-A Modern Approach. Prentice-Hall, Inc.,1995,学习资料:,Web搜索。包括课件、程序、文章、讨论组等等。,IJCAI国际人工智能大会,Artificial Intelligence（期刊）,AAAI（美国人工智能联合会）,http:/,学时：,30,考试：,笔试（60%）+平时成绩（10%）+大作业（30 % ）,学习目标或考试内容：,基本思想、基本概念、基本方法。,前言,2,1绪论,1.1 人工智能的定义与发展,1.2 人类智能与人工智能,1.3 人工智能各学派的认知观,1.4 人工智能的研究与应用领域,1.5 课程安排,3,推荐的电影,人工智能,导演：斯皮尔博格,提示：电影从一个小孩子的眼光来诠释人与机器人的关系，并揭示了一个残酷的事实：机器人永远不能变成人类、他们不能有爱，即使有也只是一段程序。,4,推荐的电影,机械公敌（I robot）,影片根据艾萨克阿西莫夫经典科幻短篇小说集我，机器人改编。故事发生在2035年，科技已经发展到相当高的水准，尤其是智能机器人领域，他们已经完全融进了人类的各种生产和生活中。,机器人三大法则:机器人不得伤害人，或任人伤害而无所作为；机器人应服从人的一切命令，但命令与第一法则冲突时例外；机器人必须保护自身的安全，但不得与前两条法则抵触。,5,推荐的电影,黑客帝国（MATRIX）,6,人工智能的定义,定义1 智能机器,能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。,斯坦福大学的Nilsson提出人工智能是关于知识的科学（知识的表示、知识的获取以及知识的运用）,定义2 人工智能(学科),人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。,定义3 人工智能(能力),人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。,7,人工智能的定义(续),定义4:,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）。,定义5:,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）。,定义6:,人工智能是用计算模型研究智力行为（Charniak和McDermott,1985）。,定义7:,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）。,定义8:,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）。,定义9:,人工智能研究如何使计算机做事让人过得更好（Rick和Knight,1991）。,定义10:,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）。,定义11:,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,人工智能的起源与发展,萌芽期（1956年以前）,古希腊伟大的哲学家、思想家Aristotle（亚里士多德）（公元前384-322），他的主要贡献是为形式逻辑奠定了基础。形式逻辑是一切推理活动的最基本的出发点。其最著名的创造就是提出三段论。,英国的哲学家、自然科学家Bacon（培根）（1561-1626），他的主要贡献是系统地给出了归纳法，成为和Aristotle的演绎法相辅相成的思维法则。Bacon另一个功绩是强调了知识的作用。,德国数学家、哲学家Leibnitz（莱布尼茨）（1646-1716），他提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。他曾经做出了能进行四则运算的手摇计算机。,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。,美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他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。,英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵测试，发表了计算机与智能的论文。,9,人工智能的起源与发展（续）,形成时期（1956-1961）,1956年美国的几位心理学家、数学家、计算机科学家、信息论学家在美国的达特茅斯(Dartmouth)大学举办了一次长达2个月的研讨会，认真热烈地讨论了用机器模拟人类智能的问题。首次使用了人工智能这一术语。 标志了人工智能学科的诞生，具有十分重要的历史意义。,在美国开始形成了以人工智能为研究目标的几个研究组：如Newell和Simon的Carnegie-RAND协作组；Samuel和Gelernter的IBM公司工程课题研究组；Minsky和McCarthy的MIT研究组等，这一时期人工智能的研究工作主要在下述几个方面：,1957年Newell和Simon等人的心理学小组编制出一个称为逻辑理论机LT(The Logic Theory Machine)的数学定理证明程序，当时该程序证明了和的“数学原理”一书第二章中的38个定理（1963年修订的程序在大机器上终于证完了该章中全部52个定理）。,1960年又编制了能解十种类型不同课题的通用问题求解程序GPS（General Problem Solving）。和这些工作有联系的Newell关于自适应象棋机的论文和Simon关于问题求解和决策过程中合理选择和环境影响的行为理论的论文，也是当时信息处理研究方面的巨大成就。,10,人工智能的起源与发展（续）,1956年Samuel研究的具有自学习、自组织、自适应能力的西洋跳棋程序是IBM小组有影响的工作，这个程序可以像一个优秀棋手那样，向前看几步来下棋。它还能学习棋谱，在分析大约175000幅不同棋局后，可猜测出书上所有推荐的走步，准确度达48，这是机器模拟人类学习过程卓有成就的探索。1959年这个程序曾战胜设计者本人，1962年还击败了美国一个州的跳棋大师。,在MIT小组，1959年McCarthy发明的表（符号）处理语言LISP，成为人工智能程序设计的主要语言，至今仍被广泛采用。1958年McCarthy建立的行动计划咨询系统以及1960年Minsky的论文“走向人工智能的步骤”，对人工智能的发展都起了积极的作用。,1956年Chomsky的文法体系，1958年Selfridge等人的模式识别系统程序等，都对人工智能的研究产生有益的影响。,11,人工智能的起源与发展（续）,发展时期（1961年以后）,为了揭示智能的有关原理，研究者们相继对问题求解、博弈、定理证明、程序设计、机器视觉、自然语言理解等领域的课题进行了深入的研究。,1965年Robinson提出了归结（消解）原理，推动了自动定理证明这一课题的发展。,70年代初，Winograd、Schank和Simmon等人在自然语言理解方面做了许多发展工作，较重要的成就是Winograd提出的积木世界中理解自然语言的程序。,关于知识表示技术有Green（1996年）的一阶谓词演算语句，Quillian(1996年)的语义记忆的网络结构，Simmon（1973年）等人的语义网结构，Schank（1972年）的概念网结构，Minsky(1974年)的框架系统的分层组织结构等。,关于专家系统自1965年研制DENDRAL系统以来，一直受到人们的重视，这是人工智能走向实际应用最引人注目的课题。1977年Feigenbaum提出了知识工程（Knowledge Engineering）的研究方向，导致了专家系统和知识库系统更深入的研究和开发工作。,此外智能机器人、自然语言理解和自动程序设计等课题，也是这一时期较集中的研究课题，也取得不少成果。,12,人工智能的起源与发展（续）,从80年代中期开始，经历了10多年的低潮之后，有关人工神经元网络的研究取得了突破性的进展。1982年生物物理学家Hopfield提出了一种新的全互联的神经元网络模型，被称为Hopfield模型。利用该模型的能量单调下降特性，可用于求解优化问题的近似计算。1985年Hopfield利用这种模型成功地求解了“旅行商（TSP）”问题。,1986年Rumelhart提出了反向传播（back propagation-BP）学习算法，解决了多层人工神经元网络的学习问题，成为广泛应用的神经元网络学习算法。从此，掀起了新的人工神经元网络的研究热潮，提出了很多新的神经元网络模型，并被广泛的应用于模式识别、故障诊断、预测和智能控制等多个领域。,1997年5月，IBM公司研制的深蓝计算机，以：的比分，首次在正式比赛中战胜了人类国际象棋世界冠军卡斯帕罗夫，在世界范围内引起了轰动。这标志着在某些领域，经过努力，人工智能系统可以达到人类的最高水平。,13,人工智能的起源与发展（续）,人工智能的研究和其它事物的发展一样，出现过曲折，从一开始，人工智能工作者因过分乐观而受人指责。60年代出，人工智能的创始人Simon等就乐观的预言：,1、十年内数字计算机将是世界象棋冠军。,2、十年内计算机将证明一个未发现的重要的数学定理。,3、十年内计算机将谱写具有相当美学价值的而为批评家所认可的乐曲。,4、十年内大多数心理学理论将采用计算机程序的形式,这些预言至今还没有完全实现，甚至连一个3岁小孩也能轻而易举的从一幅图画中辨别出一棵树来，而功能最强大的计算机也智能在小孩认树方面达到中等水平。,人工智能尚缺乏必要的理论，在一些关键技术方面，如机器学习、非单调推理、常识性知识表示、不确定推理等尚未取得突破性进展。人工智能对全局性判断模糊信息处理、多粒度视觉信息的处理是极为困难的。,总的来看，人工智能还处于学科发展的早期阶段，目前还不清楚人工智能是否可归结为一组基本原理，或者只是若干个不同子领域的松散结合，其中每个子领域集中研究思维的不同部分或者一个不同应用。,14,人工智能的起源与发展（续）,例,英俄翻译,The spirit is willing but the flesh is week.,(心有余而力不足),The vodka is strong but meat is rotten.,(伏特加酒虽然很浓，但肉是腐烂的),15,人工智能的起源与发展（续）,我国的研究情况,我国是从1978年才开始人工智能课题的研究，主要在定理证明、汉语自然语言理解、机器人及专家系统方面设立课题，并取得一些初步成果。我国也先后成立中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会和中国自动化学会模式识别与机器智能专业委员会等学术团体，开展这方面的学术交流。,吴文俊院士关于几何定理证明的”吴氏方法”最为突出,已在国际上产生重大影响,并与袁隆平院士的”杂交水稻”一齐荣获2001年国家科学技术奖最高奖励,16,重要会议,1969年第一届国际人工智能联合会议（International Joint Conference on AI）召开, 此后每两年开一次，成为人工智能界最高级别的学术盛会。,1979年成立美国人工智能联合会（American Association for Artificial Intelligence），到2006年已经召开了第21届全国性会议，,17,重要刊物,1970年起，IJCAI定期出版：International Journal of AI,1979年起，AAAI定期出版：,AI Magazine，,18,国内重要会议,1981年成立中国人工智能学会（CAAI），2005年10月召开了第11届全国人工智能学术年会（CAAI11）。,1989年首次召开中国人工智能控制联合会议（CJCAI），至今也已召开7次。,19,人类智能与人工智能,人工智能的认知问题,人类的认知过程是一个非常复杂的行为，至今仍未能被完全理解。,Kirsh在1991年提出了人工智能的五个基本问题：,1、知识与概念化是否是人工智能的核心？,2、认知能力能否与载体分开来研究？,3、认知的轨迹是否可用类自然语言来描述？,4、学习能力能否与认知分开来研究？,5、所有的认知是否有统一的结构：,这些问题都是与人工智能有关的认知问题，必须从认知科学的基础理论进行探讨，这些问题都涉及人工智能的关键，因此成为不同学派的分水岭，各个学派对上述问题都有不同的答案。,20,智能处理信息系统的假设,心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相应的是计算机程序、语言和硬件。,研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。,21,智能处理信息系统的假设(续),信息处理系统又叫符号操作系统(Symbol Operation System)或物理符号系统(Physical Symbol System)。所谓符号就是模式(pattern)。(Newell和Simon),一个完善的符号系统应具有下列6种基本功能：,(1)输入符号(input)；,(2)输出符号(output);,(3)存储符号(store);,(4)复制符号(copy);,(5)建立符号结构：通过找出各符号间的关系，在符号系统中形成符号结构；,(6)条件性迁移(conditional transfer):根据已有符号，继续完成活动过程,22,智能处理信息系统的假设(续),假设,：任何一个系统，如果它能表现出智能，那么它就必定能够执行上述6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能；这种智能指的是人类所具有的那种智能。把这个假设称为物理符号系统的假设。物理符号系统的假设伴随有3个推论，或称为附带条件。,推论一,既然人具有智能，那么他(她)就一定是个物理符号系统。人之所以能够表现出智能，就是基于他的信息处理过程。,推论二,既然计算机是一个物理符号系统，它就一定能够表现出智能。这是人工智能的基本条件。,推论三,既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。,23,智能处理信息系统的假设(续),说明：,推论三并不一定是从推论一和推论二推导出来的必然结果，因为人是物理符号系统，具有智能；计算机也是一个物理符号系统，也具有智能，但它们可以用不同的原理和方式进行活动。所以计算机并不一定都是模拟人的活动的，它可以编制一些复杂的程序来求解方程式，进行复杂的计算机，但是这种运算未必就是人类的思维过程。,可以按照人类的思维过程来编制计算机程序，这项工作就是人工智能的研究内容。如果做到了这一点，就可以用计算机在形式上来描述人的思维活动过程，或者建立一个理论来说明人的智力活动过程,24,人类智能的计算机模拟,机器智能可以模拟人类智能,物理符号系统假设的推论一告诉我们，人有智能，所以他是一个物理符号系统；推论三指出，可以编写出计算机程序去模拟人类的思维活动。这就是说，人和计算机这两个物理符号系统所使用的物理符号是相同的，因而计算机可以模拟人类的智能活动过程。,智能计算机的功能,计算机的确能够很好执行许多智能功能，如下棋、证明定理、翻译语言文字和解决难题等。这些任务是通过编写执行模拟人类智能的计算机程序来完成，这些程序智能接近于人的行为，而不能与人的行为完全相同，同时这些程序所能模拟的智能问题，其水平还是很有限的。,迄今为止，几乎所有的计算机基本上没有摆脱冯诺依曼的机构只能一次对单个问题进行求解。神经计算机(neural computer)能够以类似人类的方式进行“思考”，它力图重建人脑的形象。一些国家对量子计算机的研究也已起步，希望通过对量子计算(quantum computing)的研究，产生量子计算机。,25,人工智能的学派及其争论,人工智能三大学派,符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理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。,联结主义(Connectionism)，又称为仿生学派(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。,行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知动作型控制,26,人工智能的学派及其争论(续),三大学派对人工智能基本理论的争论,符号主义,：,认为人工智能源于数理逻辑，它以Newell和Simon提出的物理符号系统假设为基础。该学派认为人类智能的基本元素是符号，人类的认知过程是一种符号的处理过程，思维是符号的运算，自然语言是一种符号表示，用自然语言表示的人类思维活动可以用符号表示。这种方法也称自上而下的方法。符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、西蒙和尼尔逊(Nilsson)等。,存在的问题：,符号主义强调逻辑推理来求解问题，忽视了非逻辑推理因素在求解过程中的影响，而人类的感知过程主要是形象思维，无法用符号来进行推理，此外信息在转换为符号的过程中难免有丢失或受噪声干扰，因此单凭符号的方法是不够的。,27,人工智能的学派及其争论(续),联结主义：,认为人工智能源于仿生学，特别是人脑模型的研究。其主要从脑的神经系统结构出发来研究脑的功能，其研究重点侧重于模拟和实现人的认识过程中的感知过程，形象思维、分布式记忆和自学习自组织过程。特别是对并行搜索、联想记忆，时空数据统计描述的自组织以及一些互相关联的活动中自动获取知识，更显示出了其独特的能力，目前普遍认为神经网络适合于低层次的模式处理。由于这种方法属于非符号处理范畴，所以又称自下而上的方法。,存在的问题：,从人类的逻辑思维过程来看，这种以网络连接为核心的方法是不合适的，因此过分强调连接主义的特点是片面的。,发展趋势,把符号主义和连接主义有机的结合起来，符号主义适合模拟人类的逻辑思维过程，连接主义适合模拟人类的形象思维过程，人的思维过程包括了逻辑思维和形象思维两个方面。模糊神经网络就是将模糊逻辑、神经网络结合在一起，在理论、方法和应用上发挥各自的优势，设计出具有一定学习能力、动态获取知识能力的系统。,28,人工智能的学派及其争论(续),行为主义：,认为人工智能源于控制论。这一学派的代表作首推布鲁克斯(Brooks)的六足行走机器人，它被看做新一代的“控制论动物”，是一个基于感知动作模式的模拟昆虫行为的控制系统。Brooks提出了无需知识表示的智能，无需推理的智能，它认为智能只是在与环境的交互作用中表现出来，在许多方面是行为心理学观点在现代人工智能的反映。,29,人工智能的学派及其争论(续),三种学派研究从不同侧面研究人的自然智能，与人脑思维模型有其对应关系，粗略的划分，可以认为符号主义研究抽象思维，联结主义研究形象思维，而行为主义研究感知思维。,符号主义,连接主义,行为主义,认知层次,离散,连续,连续,表示层次,符号,连接,行动,求解层次,自上向下,由下向上,由下向上,处理层次,串行,并行,并行,操作层次,推理,映射,交互,体系层次,局部,分布,分布,基础层次,逻辑,模拟,直觉判断,三种学派特点比较,30,人工智能的学派及其争论(续),有人把人工智能分为两大类：,符号智能：是以知识为基础，通过推理进行问题求解，即传统人工智能。,计算智能：是以数据为基础，通过训练建立联系，进行问题求解。人工神经网路、遗传算法、模糊系统，进化计算、人工生命等都可以包括在计算智能中。,31,人工智能的研究目标,近期目标􀂅建造智能计算机代替人类的部分智力劳动。,远期目标􀂅用自动机模仿人类的思维过程和智能行为。,最终目标􀂅机器智能实现生物智能的各项功能。,32,人工智能的研究和应用领域,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。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。,另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能 。,33,人工智能的研究和应用领域（续）,2、逻辑推理与定理证明,逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。1976年7月，美国的阿佩尔()等人合作解决了长达124年之久的难题-四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。我国吴文俊院士提出并实现了几何定理机器证明的方法，被国际上承认为“吴氏方法”，是定理证明的又一标志性成果。,定理证明的研究在人工智能方法的发展中曾经产生过重要的影响。许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化。因此，在人工智能方法的研究中定理证明是一个极其重要的论题。,34,人工智能的研究和应用领域（续）,3、自然语言理解,NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。,一个能理解自然语言信息的计算机系统看起来就像一个人一样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。,35,人工智能的研究和应用领域（续）,4、自动程序设计,程序设计并不是人类知识的一个十分重要的方面，但是它本身却是人工智能的一个重要研究领域。这个领域的工作叫做自动程序设计。已经研制出能够以各种不同的目的描述(例如输入/输出对，高级语言描述，甚至英语描述算法)来编写计算机程序。这方面的进展局限于少数几个完全现成的例子。,对自动程序设计的研究不仅可以促进半自动软件开发系统的发展，而且也使通过修正自身数码进行学习(即修正它们的性能)的人工智能系统得到发展。自动编制一份程序来获得某种指定结果的任务同证明一份给定程序将获得某种指定结果的任务是紧密相关的。后者叫做程序验证。许多自动程序设计系统将产生一份输出程序的验证作为额外收获。,自动程序设计研究的重大贡献之一是作为问题求解策略的调整概念。已经发现，对程序设计或机器人控制问题，先产生一个不费事的有错误的解，然后再修改它(使它正确工作)，这种做法一般要比坚持要求第一个解就完全没有缺陷的做法有效得多。,36,人工智能的研究和应用领域（续）,5、专家系统,一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。也就是说，专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。当前的研究涉及有关专家系统设计的各种问题。这些系统是在某个领域的专家(他可能无法明确表达他的全部知识)与系统设计者之间经过艰苦的反复交换意见之后建立起来的。在已经建立的专家咨询系统中，有能够诊断疾病的(包括中医诊断智能机)，估计潜在石油等矿藏的，研究复杂有机化合物结构的以及提供使用其它计算机系统的参考意见等。,发展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程。专家系统和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定的信息基础上作出结论。,正在开发的新一代专家系统有分布式专家系统和协同式专家系统等，在新一代的专家系统中，不但采用基于规则的方法，而且采用基于框架的技术和基于模型的原理。,37,人工智能的研究和应用领域（续）,6、机器学习,学习能力无疑是人工智能研究上最突出和最重要的一个方面。人工智能在这方面的研究近年来取得了一些进展。,学习是人类智能的主要标志和获得知识的基本手段。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。,此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。所以这是一个始终得到重视，理论正在创立，方法日臻完善，但远未达到理想境地的研究领域。,学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改，而外部表现为性能的改善。 传统机器学习倾向于使用符号表示而不是数值表示，使用启发式方法而不是算法，另外一个倾向是使用归纳而不是演绎，前一倾向使它有别于人工智能的模式识别等分支，后一倾向使它有别于定理证明等分支。,38,人工智能的研究和应用领域（续）,7、人工神经网络,由于冯诺依曼(VanNeumann)体系结构的局限性，数字计算机存在一些尚无法解决的问题。人们一直在寻找新的信息处理机制，神经网络计算就是其中之一。研究结果已经证明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。神经生理学家、心理学家与计算机科学家的共同研究得出的结论是：人脑是一个功能特别强大、结构异常复杂的信息处理系统，其基础是神经元及其互联关系。因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机-神经计算机。对神经网络的研究始于40年代初期，经历了一条十分曲折的道路，几起几落，80年代初以来，对神经网络的研究再次出现高潮。霍普菲尔德(Hopfield)提出用硬件实现神经网络，鲁梅尔哈特(Rumelhart)等提出多层网络中的反向传播(BP)算法就是两个重要标志。现在，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。,39,人工智能的研究和应用领域（续）,8、机器人学,人工智能研究日益受到重视的另一个分支是机器人学，其中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。,智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。,40,人工智能的研究和应用领域（续）,9、模式识别,模式通常具有实体的形式，如声音、图片、图像、语言、文字、符号、物体、景象等等，可以用物理的、化学的、生物的传感器进行具体地采集和测量。人们在观察、认识事物和现象时，常常寻找它与其它事物和现象的相同与不同之处，根据使用目的进行分类、聚类和判断，人脑的这种思维能力就构成了模式和识别的能力。模式和类别分不开，识别和特殊分不开，判断的结果常常是相对的，这就构成了模式识别研究的基本内容。,模式识别呈现多样性和多元化趋势，可以在不同的概念粒度上进行，其中生物特征识别成为模式识别的新高潮，包括语音识别、文字识别、图像识别、人物景象识别、手语识别等；人们还要求通过识别语种、乐种、方言来检索相关的语音信息，通过识别人种、性别、表情来检索所需要的人脸图像；通过识别指纹（掌纹）、人脸、签名、虹膜、行为姿态识别身份。普遍利用小波变换、模糊聚类、遗传算法、贝叶斯理论、支持向量机等方法进行识别对象分割、特征提取、分类、聚类和模式匹配。,41,人工智能的研究和应用领域（续）,10、机器视觉,机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。在视觉方面，已经给计算机系统装上电视输入装置以便能够“看见”周围的东西。视觉是感知问题之一。在人工智能中研究的感知过程通常包含一组操作。例如，可见的景物由传感器编码，并被表示为一个灰度数值的矩阵。这些灰度数值由检测器加以处理。检测器搜索主要图象的成分，如线段、简单曲线和角度等。这些成分又被处理，以便根据景物的表面和形状来推断有关景物的三维特性信息。,机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图象压缩传输和复原、多光谱和彩色图象的处理与解释等。,机器视觉已在机器人装配、卫星图象处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛的应用。,42,人工智能的研究和应用领域（续）,11、智能控制,智能控制是一类无需(或需要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。或者说，智能控制是驱动智能机器自主地实现其目标的过程。,智能控制的核心在高层控制，即组织级控制。其任务在于对实际环境或过程进行组织，即决策和规划，以实现广义问题求解。已经提出的用以构造智能控制系统的理论和技术有分级递阶控制理论、分级控制器设计的熵方法、智能逐级增高而精度逐级降低原理、专家控制系统、学习控制系统和基于NN的控制系统等。,智能控制有很多研究领域，它们的研究课题既具有独立性，又相互关联。目前研究得较多的是以下6个方面：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。,43,人工智能的研究和应用领域（续）,12、智能检索,随着科学技术的迅速发展，出现了“知识爆炸”的情况，研究智能检索系统已成为科技持续快速发展的重要保证。,智能信息检索系统的设计者们将面临以下几个问题。首先，建立一个能够理解以自然语言陈述的询问系统本身就存在不少问题。其次，即使能够通过规定某些机器能够理解的形式化询问语句来回避语言理解问题，但仍然存在一个如何根据存储的事实演绎出答案的问题。第三，理解询问和演绎答案所需要的知识都可能超出该学科领域数据库所表示的知识。,44,人工智能的研究和应用领域（续）,13、智能调度与指挥,确定最佳调度或组合的问题是人们感兴趣的又一类问题，一个古典的问题就是推销员旅行问题。这个问题要求为推销员寻找一条最短的旅行路线。他从某个城市出发，访问每个城市一次，且只许一次，然后回到出发的城市。大多数这类问题能够从可能的组合或序列中选取一个答案，不过组合或序列的范围很大。求解这类问题的程序会产生一种组合爆炸的可能性，这时，即使是大型计算机的容量也会被用光。,人工智能学家们曾经研究过若干组合问题的求解方法。他们的努力集中在使“时间-问题大小”曲线的变化尽可能缓慢地增长，即使是必须按指数方式增长。有关问题域的知识再次成为比较有效的求解方法的关键。为处理组合问题而发展起来的许多方法对其它组合上不甚严重的问题也是有用的。,智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与指挥、空中交通管制以及军事指挥等系统。,45,人工智能的研究和应用领域（续）,14、分布式人工智能与Agent,分布式人工智能(Distributed AI, DAI)是分布式计算与人工智能结合的结果。DAI系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。,多agent系统(Multiagent System, MAS) 更能体现人类的社会智能，具有更大的灵活性和适应性，更适合开放和动态的世界环境，因而倍受重视，已成为人工智能以至计算机科学和控制科学与工程的研究热点。,当前，Agent和MAS的研究包括Agent和MAS理论、体系机构、语言、合作于协调、通信和交互技术、MAS学习和应用等。MAS已经在自动驾驶、机器人导航、机场管理、电力管理和信息检索方面得到应用。,46,人工智能的研究和应用领域（续）,15、计算智能与进化计算,计算智能(Computing Intelligence)涉及神经计算、模糊计算、进化计算等研究领域。,进化计算(Evolutionary Computation)是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法(Genetic Algorithms)、进化策略(Evolutionary Strategies)和进化规划(Evolutionary Programming)。,最近几年，遗传算法、进化规划、进化策略这三个领域的研究才开始交流，并发现他们的共同理论基础都是生物进化论，因此，把这三种方法通称为进化计算，而把相应的算法成为进化算法。,47,人工智能的研究和应用领域（续）,16、数据挖掘与知识发现,知识获取是知识信息处理的关键问题之一。数据挖掘和知识发现是20世纪90年代新崛起的一个活跃的研究领域，是在数据库基础上实现的事实发现系统，通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。这是一个富有挑战性的，并具有广阔应用前景的研究课题。,数据库中的知识发现具有4个特征，即发现的知识用高级语言表示；发现的内容是对数据内容的精确描述；发现的结果（知识）是用户感兴趣的；发现的过程应是高效的。,目前比较成功、典型的知识发现系统有用于超级市场商品数据分析、解释和报告的CoverStory系统，用于概念性数据分析和查询感兴趣关系的集成化系统EXPLORA，交互式大型数据库分析工具KDW以及通用的数据库知识发现系统KDD等。,48,人工智能的研究和应用领域（续）,17、人工生命,人工生命(Artificial Life, ALife)旨在用计算机和精密机械等人工媒介生成或构造出能够表现自然生命系统行为特征的仿真系统或模型系统。自然生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混沌动力学、进化和环境适应。,人工生命所研究的人造系统能够演示具有自然生命系统特征的行为，在“生命之所能”(life as it could be)的广阔范围内深入研究“生命之所知”(life as we know it)的实质。,人工生命的理论和方法有别传统的人工智能和神经网络的理论和方法，它是通过计算机仿真生命现象所体现的自适应机理，对相关非线性对象进行更真实的动态描述和动态特征研究该，学科的研究内容包括生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。,比较典型的人工生命研究有计算机病毒、计算机进程、进化机器人、自催化网络、细胞自动机、人工脑等。,49,人工智能的研究和应用领域（续）,18、系统和语言工具,除了直接瞄准实现智能的研究工作外，开发新的方法也往往是人工智能研究的一个重要方面。人工智能对计算机界的某些最大贡献已经以派生的形式表现出来。计算机系统的一些概念，如分时系统、编目处理系统和交互调试系统等，已经在人工智能研究中得到发展。,几种知识表达语言(把编码知识和推理方法作为数据结构和过程计算机的语言)已在70年代后期开发出来，以探索各种建立推理程序的思想。,80年代以来，计算机系统、如分布式系统、并行处理系统、多机协作系统和各种计算机网络等，都有了发展。在人工智能程序设计语言方面，除了继续开发和改进通用和专用的编程语言新版本和新语种外，还研究出了一些面向目标的编程语言和专用开发工具。对关系数据库研究所取得的进展，也为人工智能程序设计提供了新的有效工具。,50,课程安排,第一部分 绪论,第二部分 知识表示方法,主要内容：状态空间法、问题规约法、谓词逻辑法、语义网络法、 框架表示、剧本表示、过程的表示。,第三部分 搜索推理技术,主要内容：图搜索策略、盲目搜索、启发式搜索、消解原理、规则演绎系统、产生式系统、系统组织技术、不确定推理、非单调推理。,第四部分 计算智能,主要内容：神经计算、模糊计算、遗传算法、进化策略、进化编程、人工生命。,第六部分 机器学习,主要内容：机器学习的定义和发展历史、机器学习的主要策略和基本结构、机械学习、归纳学习、类比学习、解释学习、神经学习、知识发现,第七部分 人工智能应用,主要内容：专家系统、机器视觉、自然语言理解等应用介绍,51,