AI第1章-绪论讲解课件

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,*,人工智能及其应用,冯 琪,计算机科学与技术学院,计算机应用系,互 动,Tel：,Email: ai,（作业）,（工作）,关于课程,课程类型：计算机类学科基础课,课时：24+8,先导课程：离散数学、程序设计基础、数据结构,蔡自兴,徐光祐 主编,清华大学出版社,第四版,2010年5月,教 材,参考书籍,Nils JNilsson:人工智能，机械工业出版社,Georgr F.Luger：人工智能：复杂问题求解的结构和策略,机械工业出版社,张仰森：人工智能原理与应用，高等教育出版社,史忠植：高等人工智能，国防工业出版社,王文杰：人工智能，人民邮电出版社,王士同：,人工智能教程，电子工业出版社,第1章 绪论,1、人工智能的定义和发展,2、人类智能和人工智能,3、人工智能的各种认知观,4、人工智能的研究与应用领域,5、课程概要,自1956年人工智能诞生，几十年来获得了很大发展，引起众多学科和不同专业背景的学者、政府和企业的高度重视，已逐渐成为一门理论基础日臻完善、应用领域广泛且多学科交叉的前沿科学。,随着社会进步及科技持续发展，人工智能将与时俱进，不断取得新的进展。,什么是人工智能,如何理解人工智能,人工智能研究什么,人工智能的理论基础是什么,人工智能可在哪些领域得到应用,1.1 人工智能的定义和发展,天然河流 人工河流（运河）,天然卫星 人造卫星,天然纤维 人造纤维,天然心脏 人工心脏,天然婴儿 试管婴儿,自然四肢 假肢, ,人工智能,又称为,机器智能,或,计算机智能,。,无论取何种名字，都表明其所包含的“,智能,”均是,人为制造的,，或由,机器,和,计算机,表现出来的一种智能，以区别于自然智能，特别是人类智能。,由此可见，人工智能,本质上,有别于自然智能，是一种用,人工手段模仿的人造智能,。,如同许多学科一样，人工智能至今,尚无统一的定义,。,人类的自然智能（人类智能）伴随着人类活动时时处处存在，如下棋、竞技、解算题、猜谜语、讨论、编制计划、编写计算机程序、驾驶汽车、骑自行车等等。,如果机器能执行这些任务，即可认为机器已具有,某种性质的,“人工智能”。,可从以下几个方面给出人工智能的基本定义：,智能机器（Intelligent machine）,人工智能（学科）,人工智能（能力）,人工智能（拟人思维、行为）,人工智能（理性思维、行为）,1.1.1 人工智能的定义,几种典型定义：,斯坦福大学的,Nilsson,提出，人工智能是关于,知识,的科学。,即，知识的,表示,、知识的,获取,以及知识的,运用,。,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，其,主要目标,：研究用机器来模仿和,执行人脑的某些智能功能，并开发相关理论和技术。,人工智能（,能力,）是,智能机器,所执行的与人类智能有关的,功能，如判断、推理、证明、识别、感知、理解、设计、,思考、规划、学习和问题求解等思维活动。,广义,人造物,的智能行为。包括感知、推理、学习、交流、,复杂环境下的行为。,理解这些行为是否存在于,机器,、,人类,或,其它动物,中。,狭义,计算机科学的一个分支，就是,智能计算机系统,。,人工智能的抽象定义：,如何定义智能机器？,Turing(图灵)测试：,1950年图灵提出了著名的“图灵测,试”，一种测试机器是否具有人类智能的方法。,怎样认定一台计算机是否具有,智能,？,假设：,某台计算机能以一种,与人类无区别的,方式,回答问题（提供答案），即认为它具有“智能”。（思维、感觉、理解）,图灵测试的问题：,问：你会下国际象棋吗？,答：是的。,问：你会下国际象棋吗？,答：是的。,问：请再次回答，你会下国际象棋吗？,答：是的。,笨机器！,图灵测试的问题：,问：你会下国际象棋吗？,答：是的。,问：你会下国际象棋吗？,答：是的，我不是已经说过了吗？,问：请再次回答，你会下国际象棋吗？,答：你烦不烦，干嘛老提同样的问题。,智能机器！,Turing测试存在的问题：,未规定问题的范围和提问的标准。,仅反映了结果的比较，未涉及思维过程。,争论：,通过了图灵测试的机器就具备思维能力？,怎样认定一台计算机是具有,智力,的呢？,持,强AI观点,的人认为：任何计算仪器都具备智力。,反对者,：,西尔勒,“,中文屋子,”,-,若问题是用中文而不是用英文？,证明：,即便一台计算机通过了图灵测试，它仍然完全不具,备和理解有关的能力。,如何判定机器具有智力？,西尔勒的“中文屋子”,一个人进入餐馆并要了一份汉堡包。当汉堡包端来后发现给烘脆了，此人暴怒地离开了餐馆，没有付账或留下小费。,一个人进入餐馆并要了一份汉堡包。当汉堡包端来后他非常喜欢，而且在离开餐馆付账之前，给了服务生很多小费。,问题：,在两种情形下此人是否吃了汉堡包？,- 用中文讲述以上两个场景，并作为输入传输到屋子里；,- 西尔勒关在屋子里，使用算法来处理这两个场景，并根据,算法结果回答问题；,- 由于该算法的运行已通过了图灵测试，因此回答结果与人,类理解后的结果一致；,- 但是，希尔勒本人不懂汉语。因此，他证明了算法通过了,图灵测试，但仍不能说它具备理解的能力！,西尔勒的证明：,1.1.2 人工智能的起源与发展,50多年来，人工智能经历了一条起伏、曲折的发展道路。回顾历史，可根据,不同时期的,主要特征,，将其产生与发展过程分为5个阶段：,1、孕育期（1956年以前）,2、形成期（1956,-,1970年）,3、暗淡期（1966,-,1974年）,4、知识应用期（1970,-,1988年）,5、集成发展期（1986年以来）,1、孕育期（,1956年以前）,我国古代先人对智能机器的遐想和创造。, 三千多年前的古代机器人,据列子汤问记载，传说“西周时代”周穆王在西巡途中，遇到一位名叫偃师的能工巧匠。偃师献上一个会歌舞表演的“歌舞艺伎”，“钡（抑）其颐则歌合律，捧其手则舞应节，千变万化，惟意所适”。, 两千多年前的侦察机,据墨子鲁问记载，“公输子（鲁班）削竹木以为鹊”，“三日不下” 。他还造了能载人的大木鸢，在战争中担任侦查任务。, 指南车：东汉张衡, 木牛流马：鲁班？诸葛亮？,西方科学家的成就：,亚里士多德,（Aristotle,，公元前,384-322）,古希腊伟大的哲学家和思想家，创立了,演绎法,。他提出的,三段论,至今仍是演绎推理的最基本出发点。,弗兰西斯培根,（F.Bacon，1561-1626）,英国哲学家、作家和科学家，系统地提出了,归纳法,，成为和亚里士多德的演绎法相辅相成的思维法则。,莱布尼茨,(，1646-1716),德国数学家和哲学家，他将,形式逻辑符号化,，奠定了“,数理逻辑,”的基础。从而能够对人的思维进行运算和推理。,布尔,（Boole, 1815-1864）,英国数学家、逻辑学家。实现了莱布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,。,图灵,(，1912-1954),英国数学家，1936年创立了“,自动机理论（图灵机）,”，是一个理论计算机模型。,莫克利,(，1907-1980),美国数学家，,电子数字计算机,的先驱，与他的研究生埃克特(J.P. Eckert)合作，1946年研制成功了世界上第一台通用电子计算机,ENIAC,。,麦克洛奇,(W.McCulloch)和,皮兹,(W.Pitts),美国神经生理学家，于1943年建成了第一个,神经网络模型(MP模型),还提出适当的网络能够学习。,香侬,(，1916-2001 ),美国数学家，1948年发表通讯的数学理论，代表“,信息论,”诞生。,维纳,(N.Wiener，1874-1956),美国数学家，1948年创立了,控制论,。控制论主要研究系统的信息变换和控制过程，为人工智能的行为主义学派的形成奠定了基础。,因此，在人工智能出现之前，一些著名科学家就已经为人工智能的诞生，创立了具有重要的思想、理论基础和技术条件等众多学科及其研究成果。,数理逻辑,控制论,计算理论,神经网络模型,电子数字计算机,2、,形成期,（1956-1970年）,人工智能诞生于一次历史性的聚会：,麦卡锡,正式使用“,AI,”这一术语。,时间地点：,1956年夏，美国达特莫斯(Dartmouth)大学，历时两个月。,发起人：,麦卡锡 (J.McCarthy)：数学家、计算机专家,明斯基()：哈佛大学数学家、神经学家,洛切斯特(N.Lochester)：IBM公司信息中心负责人,香农()：贝尔实验室信息部数学家和信息学家,邀请参加,：莫尔(T.more)、塞缪尔()：IBM公司,塞尔夫里奇(O.Selfridge)、索罗蒙夫(R.Solomonff)：MIT,纽厄尔(A.Newell)：兰德(RAND)公司,西蒙()：卡内基梅隆（CMU）大学,AI的创始人们:,图灵,（Alan Turing）,计算机科学理论的创始人,1912年出生于英国伦敦，1954年去世，享年42岁。,1936年发表论文“论可计算数及其在判定问题中的 应用”，提出图灵机理论。,1950年发表论文“计算机与智能”，阐述了计算机可以具有智能的想法，提出图灵测试。,1966年为纪念图灵的杰出贡献，ACM设立图灵奖。,麦卡锡,(J.McCarthy),-,首次提出人工智能,的概念,-发明-剪枝算法,-提出人工智能语言,Lisp；,-,提出情景演算理论,明斯基,(M.L.Minsky),-提出思维如何萌发并形,成的基本理论,-建造第一个神经网络模,拟器,学习如何穿过迷宫,-最早提出agent的概念,-提出知识表示框架理论,西蒙,(H.A.Simon),-符号主义学派的创始,人之一,-开创了机器定理证明,的学科领域,-最早的AI语言IPL,-开发了“通用问题求,解系统”GPS,纽厄尔,(A.Newell),-符号主义学派的创,始人之一,-西蒙的学生与同事,1975年与西蒙同获,图灵奖, 心理学小组,1957年，西蒙和纽厄尔等人的心理学小组，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。,1960年研制了,通用问题求解,(General Problem Solving，GPS)程序。该程序的设计，是从模仿人类问题求解的规程开始的，不依赖于具体领域。在它能处理的有限类别的问题中，显示出程序决定的子目标及可能采取的行动的次序，与人类求解相同问题类似。因此，GPS是第一个实现了,像人一样思考方法,的程序。, IBM工程小组,1956年，塞缪尔在IBM704计算机上研制成功具有,自学习,、,自组织,和,自适应能力,的西洋跳棋程序。这个程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺。通过不断学习，该程序1959年击败了塞缪尔本人，1962年又击败了一个州的冠军。, MIT小组,1960年，麦卡锡研制了人工智能语言LISP。, 其他开创性贡献,1958年，美籍华人数理逻辑学家王浩在IBM-740计算机上仅用了3-5分钟就证明了数学原理命题演算全部220条定理。,1965年，鲁宾逊()提出了归结（消解）原理。,1965年，费根鲍姆()开始研究化学专家系统,DENDRAL,，用于质谱仪分析有机化合物的分子结构。,1969年召开了第一届国际人工智能联合会议（International Joint Conference on AI，IJCAI），标志着人工智能作为一门独立学科登上了国际学术舞台。此后IJCAI每两年召开一次。,1970年International Journal of AI创刊。,3、,暗淡期,（1966-1974年）, 失败的预言给人工智能的声誉造成重大伤害,60年代初，西蒙预言：10年内计算机将成为世界冠军、将证明一个未发现的数学定理、将能谱写出具有优秀作曲家水平的乐曲、大多数心理学理论将在计算机上形成。, 挫折和困境,在,博弈,方面：塞缪尔的下棋程序在与世界冠军对弈时，5局败了4局。,在,定理证明,方面：发现鲁宾逊归结法的能力有限。当用归结原理证明两个连续函数之和还是连续函数时，推了10万步也没证出结果。, 问题求解方面：对于不良结构，会产生组合爆炸问题。, 机器翻译方面：发现并不那么简单，甚至会闹出笑话。,例如,，把“心有余而力不足”的英语句子翻译成俄语，,再翻译回来时竟变成了“酒是好的，肉变质了”。, 神经生理学方面：研究发现人脑有,10,11-12,以上的神经元，在现有技术,条件下用机器从结构上模拟人脑是根本不可能的。, 在其它方面：人工智能也遇到了不少问题。英国剑桥大学的詹姆教授,指责“人工智能研究即使不是骗局，也是庸人自扰”。,自此，世界范围内人工智能研究陷入困境、落入低谷。, Minsky的批评,1969年M.Minsky和S.Papert在感知机一书中，指出了感知机无法解决异或（XOR）问题的缺陷，并表示出对这方面研究的悲观态度，使神经网络的研究从兴起期进入了停滞期。,该批评对人工智能的发展,造成了重要的影响,。,此后的二十年，,感知机,的研究方向被忽视,基于符号的知识表示,成为主流,基于逻辑的推理,成为主要研究方向,原因所在：,当时的人工智能,存在三个方面的局限性,。, 知识局限性,早期开发的人工智能程序中包含的主题(领域)知识太少，甚至没有知识，而且只采用简单的句法处理。, 解法局限性,求解方法和步骤的局限性，使设计的人工智能程序在实践中无法求得问题的解答，或者只能得到简单问题的解答，而这些简单问题并不需要人工智能的参与。, 结构局限性,用于产生智能行为的人工智能系统或程序，在一些基本结构上严重局限。如未考虑不良结构，无法处理组合爆炸问题。因而只能用于解决比较简单的问题，影响了人工智能系统的推广应用。, 以知识为中心的研究,专家系统,实现了人工智能从,理论研究,走向,实际应用,，从,一般思维规律探讨,走向,专门知识运用,的重大突破，是AI发展史上的一次重要转折。,1972年，费根鲍姆开始研究,MYCIN医疗专家系统,，并于1976年研制成功。从应用角度看，它能协助内科医生诊断细菌感染疾病，并提供最佳处方。从技术角度看，他解决了知识表示、不精确推理、搜索策略、人机联系、知识获取及专家系统基本结构等一系列重大技术问题。,这一时期，与专家系统同时发展的重要领域还有,计算机视觉,和,机器人,，,自然语言理解,与,机器翻译,等。,4、,知识应用期,（1970-1988年）,整个20世纪80年代，,专家系统,和,知识工程,在全世界得到了迅速发展，为企业等用户赢得了巨大的经济效益。,在开发专家系统过程中，许多研究者获得,共识,，即人工智能系统是一个,知识处理系统,。而,知识表示,、,知识利用,和,知识获取,则成为人工智能系统的,三大基本问题,。, 新问题的产生,专家系统本身所存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、没有分布式功能、不能访问现存数据库等问题逐渐暴露出来。,5、,集成发展期（,1986,年以来）, 神经网络的复兴,1982年，Hopfield模型提出。,1984年，J.Hopfield设计研制了Hopfield网的电路，较好地解决了著名的“TSP问题”，引起较大的轰动。,1986年，Rumelhart,Hinton提出,多层感知机,与,反向传播(BP)学习算法,，该方法克服了感知器非线性不可分类问题，给神经网络研究带来了新的希望。,J.J.Hopfield,教授,美国加州理工学院,物理学家,1995年，Vapnik提出Support Vector Machine（SVM）。,1997年5月11日，由IBM研制的超级计算机“深蓝”首次击败了国际象棋特级大师卡斯帕洛夫。,2000年，中国科学院计算所开发出知识发现系统MSMiner。该系统是一种多策略知识发现平台，能够提供快捷有效的数据挖掘解决方案，提供多种知识发现方法。,2011年，IBM超级电脑“沃森”亮相美国最受欢迎的智力竞赛节目危险边缘，战胜该节目两位最成功的选手。, 今天的人工智能,当前，计算机智能化技术的,主攻方向,体现在以下方面：,并行与分布式处理技术,包括大规模并行机和集群的体系结构、并行操作系统与并行数据结构，分布式,C/S、B/S,计算模型及其处理技术，多专机系统的合作与知识共享技术等。,知识的获取、表示、更新和推理新机制,包括新的知识获取方法，常识性知识的表示、更新与推理，大型知识库的组织与维护，新一代逻辑处理机制等。,功能的感知技术,包括对语音、文字、图形与图像等信号的获取、识别、压缩与转化，以及多媒体输出和VR,（Virtual Reality）,技术等。,模式的自动识别,使计算机实现人的视觉、听觉等模式识别能力，是人类在基础理论与应用研究中面临最重大的挑战之一。,用计算机实现模式的自动识别，是开发智能机器的一个最关键的突破口。,(若机器不能自动感知与识别周围环境，机器智能也就无从谈起),海量信息的智能化识别,随着数字化和网络通讯技术的飞速发展，“信息过载” 已成为日益严重的问题。如何用智能化的手段处理和识别海量信息（包括文字、图像、语音等）已成为当前信息技术领域所面临的一个巨大挑战。,人机交互技术,研究友好人性化的人机交互技术, 以支持用户通过各种手持式设备、传统PC终端和固定电话等形式来安全可靠地检索各种媒体信息。,比尔.盖茨认为,：人类计算的未来就是要让计算机会看、会听、会说、会思考。,1.1.3 中国的AI研究,1、,学术组织,1978年 “智能模拟”列入国家科学发展规划,1980年4月 中国自动化学会模式识别与人工智能专业委员会成立,1980年8月 “高校人工智能研讨会”,1981年9月 成立CAAI（中国人工智能学会）,1986年5月 中国软件行业协会人工智能协会成立,1986年11月中国计算机学会人工智能与模式识别专业委员会成立,1987年6月中国计算机学软件专业委员会智能学组（知识工程）,1993年 智能机器人委员会成立,1995年 智能自动化委员会成立,2、,学术刊物,计算机学报 J.of Computer,自动化学报 J.of Automation,控制理论与应用 Control Theory & Application,计算机研究与发展 Research & Development of Computer,模式识别与人工智能 Pattern Recognition & AI,机器人 Robot,信息与控制 Information & Control,控制与决策 Control & Decision,计算机世界 Computer World,计算机科学 Computer Science,1.2 人工智能的各种认知观,人工智能的主要学派有以下3家：,符号主义,（Symbolicism）,基于,物理符号系统假设,和,有限合理性原理,。,连接主义,（Connectionism）,基于,神经网络,及其间的,连接机制,与,学习算法,。,行为主义,（Actionism）,基于,控制论及感知,动作型控制系统。,又称为,逻辑主义,、,心里学派,、,计算机学派,。,符号主义观点,认为,：智能的,基础是知识,，,其核心是知识表示和知识推,理,；知识可用符号表示，也可用符号进行推理，,因而可以建立,基于知识,的,人类智能和机器智能相,统一的理论体系,。,代表人物,：西蒙，纽厄尔等。,代表性成果,：,1957年，西蒙、纽厄尔等人研制的逻辑理论机（Logic,Theory Machine，LT）的数学定理证明程序。,1、符号主义,（Symbolicism）,又称为,仿生学派,、,生理学派,。,连接主义观点,认为,：思维的基元是,神经元,，而不是符号；,思维过程是,神经元的连接活动过程,，而不是符号运算过程；,反对,符号主义关于物理符号系统的假设。,代表人物,：明斯基,代表性成果,：,1943年麦克洛奇和皮兹创立的神经网络模型,MP模型,。,2、连接主义,（Connectionism）,3、行为主义,（Actionism）,又称为,进化主义,，,控制论学派,。,行为主义观点,认为,：智能取决于,感知和行动,，提出了智能行为的“感,知-动作”模型；智能不需要知识、不需要表示、,不需要推理；,人工智能可以像人类智能那样逐步,进化,。,代表人物,：布鲁克斯。,基于,控制论,提出了,无需知识表示,的智能、,无需,推理,的智能。他认为智能只是在,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中的,反映。,代表性成果,：布鲁克斯研制的六足机器虫。,1.3 人类智能与人工智能,神经系统,视觉,听觉,触觉,智能思维,和,智能决策,计算机博弈,定理证明,语言翻译,计算机程序,设计语言,神经计算机,量子计算机,可以将人看成一个,智能信息处理系统,。,信息处理系统又称为,符号操作系统,或,物理符号系统,。,一个完善的,物理符号系统,应具备以下,六种基本功能,：, 输入符号（input）, 输出符号（output）, 存储符号（store）, 复制符号（copy）, 建立符号结构（Symbol Structure）：通过找出,各符号间的关系,，在,符号系统中形成符号结构。, 条件性迁移（conditional transfer）：根据已有符号，继续完成动作,过程。,1.3.1 智能信息处理系统的假设,建立联系,行为决策,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。（人类所具有的那种智能）,智能执行上述6种功能,物理符号系统的3个推论：,推论一：既然人具有智能，那么人一定是一个物理符号系统。,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。,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。,物理符号系统的假设：,1.3.2 人类智能的计算机模拟,前面已经得出“能够用计算机来模拟人的活动”这个结论。也就是,说，能够,用机器智能来模拟人类智能,。,机器智能可以模拟人类智能,智能计算机,- 下棋,- 定理证明,- 语言翻译,新型智能计算机,- 神经计算机：重建人脑,- 量子计算机：量子计算,1.4 人工智能的研究与应用领域,人工智能研究的目标,人工智能研究的基本内容,人工智能研究的主要方法,人工智能的争论,人工智能的发展方向,人工智能应用领域,1.4.1 人工智能研究的目标,1、远期目标,揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能。,涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展。,2、近期目标,研究如何使现有的计算机更聪明，使其能够运用知识去处理问题，能够模拟人类的智能行为。,3、相互关系,远期目标为近期目标指明了方向。,近期目标则为远期目标奠定了理论和技术基础。,1.4.2 人工智能研究的基本内容,主要包括,两个方面,：,利用技术模拟生物的行为,利用计算机构造智能系统,具体可细分为：,1、认知建模,认知：,一般认为是和情感、动机、意志相对应的理智或认识过程，,或者是为了一定的目的，在一定的心理结构中进行的信息加,工过程。,美国心理学家浩斯顿(Houston)等人把认知归纳为以下,5种主要类型,：, 认知是,信息的处理过程,；, 认知是,心理上的符号运算,；, 认知是,问题求解,；, 认知是,思维,；, 认知是,一组相关的活动,，如知觉、记忆、思维、判断、推理、问题,求解、学习、想象、概念形成及语言使用等。,2、知识表示,：基础,3、知识推理,：实现问题求解,4、知识应用,：目的,5、机器感知,：让计算机具有类似于人的感知能力，如视觉、听觉、触,觉、嗅觉、味觉，是机器获取外部信息的基本途径,相当于智能系统的输入。, 机器视觉（或计算机视觉）：就是给计算机配上能看的视觉器官，如摄,像机等，使它可以识别并理解文字、图像、,景物等。, 机器听觉（计算机听觉）：就是给计算配上能听的听觉器官，如话筒等,使计算机能够识别并理解语言、声音等。, 模式识别：对客体的识别与分类。, 自然语言理解：实现人机对话。, 机器翻译。,传统人工智能的三大核心研究内容,6、机器思维,让计算机能够对感知到的,外界信息,和自己产生的,内部信息,进行思维性加工。,包括逻辑思维、形象思维和灵感思维。,涉及信息的表示，组织，积累，管理，搜索，推理等过程。,神经网络、人脑结构及其工作原理。,7、机器学习,让计算机能够像人那样自动地获取新知识，并在实践中不断地完善自我和增强能力。,是机器获取智能的途径。,学习是一个有特定目的的知识获取过程。,学习的本质是对信息的理解与应用。,存在有多种学习方法。,8、机器行为,让计算机能够具有像人那样地行动和表达能力，如走、跑、拿、说、唱、写画等。,相当于智能系统的输出部分。,机器人。,9、智能系统构建,无论是人工智能的近期目标还是远期目标，都需要建立智能系统或构造智能机器。,需要开展对系统模型、构造技术、构造工具及语言环境等研究。,1.4.3 人工智能研究的主要方法,1、功能模拟法,认知学观点,，工程观点。,符号主义学派,。根据人脑的心理模型，把问题或知识表示为,某种逻辑结构,，运用,符号演算,，实现表示、推理和学习等功能，从宏观上模拟人脑思维，实现人工智能功能。,从计算机工程的角度出发，通过运用计算机科学的方法进行研究，实现人类智能在计算机上的模拟。主要研究,符号处理为核心,的方法。,不足之处：,在用符号表示知识的概念时，有效性很大程度上取决于符号,表示的正确性和准确性。,将知识概念转换成符号时，可能丢失一些重要信息。,难于对含噪信息、不确定性信息和不完全性信息进行处理。,2、结构模拟法,生物学观点,，科学观点。,连接主义学派,。根据人脑的,生理结构,和,工作机理,来模拟人脑智能，属于非符号处理范畴。,从脑科学的角度出发，采用生物学的方法进行研究，试图搞清楚人类智能的本质。主要研究神经网络。,不足之处：,由于大脑的生理结构和工作机理还远未清晰，因而现在只能,对人脑的局部进行模拟或进行近似模拟。,不适合模拟人的逻辑思维过程。,受大规模人工神经网络制造的制约。,尚不能满足人脑完全模拟的要求。,3、行为模拟法,行为主义学派,。智能不取决于符号和神经元，而取决于,感知,和,行动,智能行为只能在现实世界中与周围环境,交互作用,而表现出来。,不足之处：,难以获得高级智能控制行为。,4、集成模拟法,各学派密切合作，取长补短。,逐步建立统一的人工智能理论体系和方法。,1.4.4 人工智能的争论,1、人工智能,研究方法,的争论,人工智能是否必须模拟人的智能？如何模拟？,对,功能,模拟、,结构,模拟和,行为,模拟是否可以分离研究？,对,感知,、,思维,和,行为,是否可以分离研究？,对,认知,与,学习,以及,逻辑思维,和,形象思维,等问题是否可以分离研究？,是否有必要建立人工智能的统一理论体系？,2、人工智能,技术路线,的争论,专用路线和通用路线的争议。,硬件路线和软件路线的争议。,人工智能作为一门交叉学科，经过长期发展，获得了可喜的成就，但同时也面临着许多困难、挑战及争论。,1.4.5 人工智能的发展方向,1、更新的理论框架研究,目前人工智能的研究存在着,宏观与微观分离,、,局部与全局分离,、,理论与实际脱节,的问题。要从根本上了解人脑的结构和功能，实现人工智能的研究目标，还需要寻找和建立更新的人工智能框架和理论体系。,2、更好的技术集成研究,人工智能是一门综合了信息技术、认知科学，心理学、社会学、语言学、系统学、哲学、伦理学等学科领域的交叉学科，人工智能的发展需要从各个学科的发展中汲取营养。,3、更成熟的应用方法研究,研究更通用更有效的软件开发方法，如更高级的人工智能语言，更方便的人工智能开发环境和工具；发掘求解问题的新思路与新方法。,1.4.6 人工智能的应用领域,问题求解,机器学习,自然语言理解,专家系统,模式识别,计算机视觉,机器人学,博弈,计算智能,人工生命,自动定理证明,自动程序设计,智能控制,智能检索,智能调度与智慧,智能决策支持系统,人工神经网络,数据挖掘与知识发现,1、问题求解,问题的表示、分解、搜索、归约等。,进行复杂的数学公式符号运算求解。,2、机器学习,是使计算具有智能的根本途径，也是机器具有智能的重要标志。,主要研究如何使得计算机能够模拟和实现人类的学习能力。,人工智能领域最活跃，最具研究前景的热点。,3、自然语言理解,书面语言的理解和口语（语音）的理解。,手写文字的识别。,机器翻译 。,4、专家系统,在某个特定的领域内，以专家水平解决该领域中困难问题的计算机程序。,典型的专家系统结构如下：,5、模式识别,使计算机能够对给定的事物进行鉴别，并将其归入相同或相似的模式中。,是计算机对环境识别的需要，是对人类环境的感知模拟。,6、计算机视觉,人类80以上的外部信息来自视觉。,主要研究目标是使得计算机具有通过二维图像，认知三维环境信息的能力。,低层视觉与高层视觉。,前沿研究领域。,广泛应用：目标识别与跟踪，视频三维重建，CT图像的脏器三维重建等。,7、机器人学,机器人是一种可编程的多功能操作装置。,人工智能的所有技术几乎都可以在该领域得到应用。,机器人研究的四个阶段：,遥控机器人-程序机器人-自适应机器人-智能机器人。,8、博弈,博弈是一个有关,对策问题,的研究领域，典型的例子是下棋。,井字棋,：最先在任意一条直线上成功连接三个标记的一方获胜。,假设*先走,9、计算智能,以,数据为基础,，以,计算为手段,，建立功能上的联系（模型），而进行问题求解，以实现对智能的模拟和认识。,研究内容与范畴：神经计算、模糊计算、粗集理论与粒度计算、进化计算、模拟退火算法、禁忌搜索算法、蚁群算法、粒子群算法、人工免疫系统、分布估计算法、量子计算 。,10、人工生命,研究能够展示人类生命特征的人工系统，即研究以非碳水化合物为基础的、具有人类生命特征的人造生命系统。,研究思路：若能从具体的生命中抽象出控制生命的“存在形式”，并且这种存在形式可以在另外一种物质中实现，那么就可以创造出基于不同物质的另外一种生命。,11、自动定理证明,自动实现象人类证明定理那样的非数值的符号演算过程。,12、自动程序设计,一种让计算机把高级形式语言或自然语言描述的程序，自动转换成可执行的程序的技术。,13、智能控制,指无需或很少需要人的干预，就能独立驱动智能机器实现其目标的自动控制。是当今自动控制的最高水平。,14、智能检索,是信息时代的需要。,可以回答用户提问的数据库系统，如何询问，如何演绎出答案。,能有效表示、存储和检索大量事实的数据库系统设计。,15、智能调度与指挥,寻找最佳调度和组合。,NP完全类问题的求解。,16、智能决策支持系统,指在传统决策支持系统中，增加相应,智能部件,的决策支持系统。,17、人工神经网络,是一个用大量的简单处理单元（神经元）经过广泛,并行互联,所构成的人工网络，用于模拟人脑神经系统的构造和功能。,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。,生物神经元,神经元的MP模型,神经元的MP模型,人工神经网络,18、数据挖掘与知识发现,数据挖掘与知识发现是从大量的、不完全的、有噪声的、模糊的、甚至不一致的数据中提取出有效的、新颖的、潜在有用的并可被理解的信息和知识的过程。,传统的数据库技术仅限于对数据的查询和检索，不能从中提取知识。数据挖掘与知识发现是在数据库基础上实现的一种知识发现系统。,从面向数据库的结构化信息挖掘到面向数据仓库和互联网的海量、半结构化或非结构化信息的数据挖掘。,成功的例子：沃尔玛：“啤酒和尿布”规律；中国铁道部从1998年开始，利用数据挖掘技术分析春运期间的铁路客流量，挖掘影响铁路客运总量的关键因素 。,简述人工智能的起源与发展,概括地论述知识表示的各种主要方法,讨论常用的搜索原理和推理求解技术,介绍近期人工智能技术和方法的热点,详细地分析人工智能的主要应用领域,叙述人工智能的争议与展望,本章小结：,