资源描述
1,人工智能ArtificialIntelligence；简称AI,王万森wwsai2,人工智能诞生51年1956-2007,2,人工智能的基本内容,人工智能基本概念、方法和技术基本技术：知识表示、推理、搜索、规划人工智能的主要研究、应用领域机器感知：机器视觉；机器听觉；自然语言理解；机器翻译机器思维：机器推理机器学习：符号学习；连接学习机器行为：智能控制智能机器：智能机器人；机器智能智能应用：博弈；自动定理证明；自动程序设计专家系统；智能决策；智能检索；智能CAD；智能CAI智能交通；智能电力；智能产品；智能建筑等人工智能新技术计算智能：神经计算；模糊计算；进化计算；自然计算人工生命：人工脑；细胞自动机分布智能：多Agent,群体智能数据挖掘：知识发现；数据挖掘一个新兴的“智能科学与技术学科”正在兴起,3,本课程的主要内容,第1章：人工智能概述定义，产生过程，基本内容，不同学派，研究和应用领域，近期发展分析第2章：知识表示方法谓词，产生式，语义网络、框架等第3章：确定性推理自然演绎推理，归结推理，基于规则的演绎推理第4章：搜索策略状态空间的盲目搜索，状态空间的启发式搜索第5章：计算智能神经计算，进化计算，模糊计算第6章：非确定性推理确定性理论，主观Bayese方法，证据理论，模糊推理第7章：机器学习符号学习，连接学习第8章：自然语言理解词法分析，句法分析，语义分析第9章：分布智能多Agent技术，移动Agent技术第10章：高级专家系统模糊专家系统，神经网络专家系统，基于Web的专家系统，分布式和协同式专家系统,4,物质、能量、信息和智能,构成宇宙的三大要素：三大要素：物质、能量与信息信息：是物质和能量的表现形式，是以物质和能量为载体的客观存在三大要素的基本关系：能量与物质之间的相互转换能量之间的转换（电能-热能），物质之间的转换（粮食-酒）能量转换为物质（电-光），物质转换为能量（煤-电）信息是物质与能量的表现形式物质与能量表现为信息，或者产生信息信息可控制物质与能量的转换信息能够控制物质、能量自身及相互之间的转换三大要素与智能人类的智能：物质(碳)+能量(生物电)(生物)信息人造的智能：物质(硅)+能量(物理电)(电子)信息产业革命及其意义是物质与能量领域的革命，放大了人的体能,5,信息、知识和智能,信息、知识和智能信息：是由数据表达的客观事实知识：是由智力对信息进行加工后所形成的对客观世界规律性的认识智能：是指人类在认识客观世界中，由思维过程和脑力活动所表现出的综合能力三者之间的关系信息：是形成知识的原料，是智能的加工对象知识：是信息的关联，是由智能加工后的产品智能：是信息到知识的一个加工器信息革命及其意义是信息与智能领域的革命，需要放大人的智能,6,第1章人工智能概述,AI的定义及其研究目标AI的产生与发展AI研究的基本内容AI研究的不同学派AI的主要研究和应用领域AI近期发展分析我国智能科学技术教育体系,7,1.1AI的定义及其研究目标AI的定义,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,8,何谓智能（自然智能）,自然智能指人类和一些动物所具有的智力和行为能力人类的自然智能（简称智能）指人类在认识客观世界中，由思维过程和脑力活动所表现出的综合能力。人类大脑是如何实现智能的两大难题之一：宇宙起源、人脑奥秘对人脑奥秘知之甚少对人脑奥秘知道什么结构：1011-12量级的神经元，分布并行功能：记忆、思维、观察、分析等对智能的严格定义有待于人脑奥秘的揭示，进一步认识,9,认识智能的观点,思维理论智能来源于思维活动，智能的核心是思维，人的一切知识都是思维的产物。可望通过对思维规律和思维方法的研究，来揭示智能的本质。知识阈值理论智能取决于知识的数量及其可运用程度。一个系统所具有的可运用知识越多，其智能就会越高。进化理论是美国MIT的Brooks在对人造机器虫研究的基础上提出来的。智能取决于感知和行为，取决于对外界复杂环境的适应，智能不需要知识、不需要表示、不需要推理，智能可由逐步进化来实现。不一致，从层次结构再认识,10,智能的层次结构,高层智能以大脑皮层（抑制中枢）为主，主要完成记忆、思维等活动。中层智能以丘脑（感觉中枢）为主，主要完成感知活动。低层智能以小脑、脊髓为主，主要完成动作反应活动。不同观点在层次结构中的对应关系思维理论知识阈值理论进化理论中层智能和低层智能包含哪些能力？,高层智能,11,智能包含的能力（一）,感知能力通过感知器官感知外界的能力。是人类获得外界信息的基本途径，其处理方式有以下两种：感知-动作方式：对简单、紧急信息感知-思维-动作方式：对复杂信息记忆和思维能力记忆：对感知到的外界信息和由思维产生的内部知识的存储过程思维：对已存储信息或知识的本质属性、内部知识的认识过程思维方式：抽象思维（逻辑思维）：根据逻辑规则对信息和知识进行处理的理性思维方式。例如，逻辑推理等形象思维（直感思维）：基于形象概念，根据感性形象认识材料对客观现象进行处理的一种思维方式。例如，图像、景物识别等灵感思维（顿悟思维）：是一种显意识和潜意识相互作用的思维方式。例如，因灵感而顿时开窍,12,智能包含的能力（二）,学习和自适应能力学习：是一个具有特定目的的知识获取过程是人的一种本能。不同人的学习方法、能力不同自适应：是一种通过自我调节适应外界环境的过程是人的一种本能。不同人的适应能力不同行为能力含义：是人们对感知到的外界信息作出动作反应的能力信息来源：由感知直接获得的外界信息经过思维加工后的信息实现过程：通过脊髓来控制由语言、表情、体姿等来实现,13,何谓人工智能（一）,综合各种不同观点，可从能力和学科两个方面讨论能力方面人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能学科方面是一门研究如何构造智能机器或智能系统，以模拟、延伸和扩展人类智能的学科Turing测试如下图所示。能分辨出人和机器的概率小于50%Turing测试存在的问题仅反映了结果的比较，无涉及思维过程没指出是什么人,14,何谓人工智能（二）-Turing测试,测试主持人,被测机器,被测人,小于50%？,15,人工智能的研究目标,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近期目标研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。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,16,1.2AI的产生与发展,50多年来，人工智能走过了一条起伏和曲折的发展道路。回顾历史，可以按照不同时期的主要特征，将其产生与发展过程分为5个阶段。孕育期（1956年以前）形成期（1956-1970年）知识应用期（1970-20世纪80年代末）从学派分离走向综合（20世纪80年代末到本世纪初）智能科学技术学科的兴起（本世纪初以来）,17,1.2AI的产生与发展孕育期（1956年以前）(1/2),自远古以来，人类就有用机器代替人们脑力劳动的的幻想：公元前900多年我国有歌舞机器人流传的记载；公元前850年古希腊有制造机器人帮助人们劳动的神话传说亚里斯多德（Aristotle，公元前384322）：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然是演绎推理的最基本出发点。莱布尼茨(G.W.Leibnitz，16461716)：德国数学家和哲学家把形式逻辑符号化，奠定了数理逻辑的基础图灵(A.M.Turing，19121954)：英国数学家，1936年创立了自动机理论，自动机理论亦称图灵机，是一个理论计算机模型。莫克利(J.W.Mauchly，19071980)：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,18,1.2AI的产生与发展孕育期（1956年以前）(2/2),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)。维纳(N.Wiener，18741956)：美国著名数学家、控制论创始人。1948年创立了控制论。控制论向人工智能的渗透，形成了行为主义学派。图灵又于1950年，发表题为计算机能思维吗？的著名论文，明确提出了“机器能思维”的观点。可见，在人工智能诞生之前，一些著名科学家就已经创立了数理逻辑、神经网络模型和控制论，并发明了通用电子数字计算机。为人工智能的诞生准备了必要的思想、理论和物质技术条件。,19,1.2AI的产生与发展形成期（1956-1970年）(1/3),AI诞生于一次历史性的聚会时间：1956年夏季地点：达特莫斯(Dartmouth)大学目的：为使计算机变得更“聪明”，或者说使计算机具有智能发起人：麦卡锡(J.McCarthy），Dartmouth的年轻数学家、计算机专家，后为MIT教授明斯基(M.L.Minsky），哈佛大学数学家、神经学家，后为MIT教授洛切斯特(N.Lochester)，IBM公司信息中心负责人香农(C.E.Shannon)，贝尔实验室信息部数学研究员参加人：莫尔(T.more)、塞缪尔(A.L.Samuel)，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(H.A.Simon)，卡内基(Carnagie)工科大学会议结果：由麦卡锡提议正式采用了“ArtificialIntelligence”这一术语,20,1.2AI的产生与发展形成期（1956-1970年）(2/3),心理学小组1957年，纽厄尔、肖(J.Shaw)和西蒙等人的心理学小组研制了一个称为逻辑理论机(LogicTheoryMachine，简称LT)的数学定理证明程序。1960年研制了通用问题求解(GeneralProblemSolving)程序。该程序当时可以解决11种不同类型的问题，如不定积分、三角函数、代数方程、猴子摘香蕉、河内梵塔、人羊过河等。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。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，推动了人工智能的发展。,21,1.2AI的产生与发展形成期（1956-1970年）(3/3),其他方面1965年，鲁宾逊(J.A.Robinson)提出了归结（消解）原理。1965年，费根鲍姆(E.A.Feigenbaum)开始研究化学专家系统DENDRAL。,22,1.2AI的产生与发展知识应用期（1971-80年代末）(1/2),失败的预言：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。挫折和教训在博弈方面，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。在问题求解方面，对于不良结构，会产生组合爆炸问题。在机器翻译方面，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”在神经生理学方面，研究发现人脑有1011-12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。在英国，剑桥大学的詹姆教授指责“人工智能研究不是骗局，也是庸人自扰”。从此，形势急转直下，在全世界范围内人工智能研究陷入困境、落入低谷。,23,1.2AI的产生与发展知识应用期（1971-80年代末）(2/2),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。1976年，斯坦福大学的杜达(R.D.Duda)等人开始研制地质勘探专家系统PROSPECTOR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。新的问题：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被逐渐暴露出来。,24,1.2AI的产生与发展从学派分立到综合（20世纪80年代到本世纪初）,人工智能研究形成了三大学派：随着人工神经网络的再度兴起和布鲁克（R.A.Brooks）的机器虫的出现，人工智能研究形成了符号主义、连接主义和行为主义三大学派。符号主义学派是指基于符号运算的人工智能学派，他们认为知识可以用符号来表示，认知可以通过符号运算来实现。例如，专家系统等。连接主义学派是指神经网络学派，在神经网络方面，继鲁梅尔哈特研制出BP网络之后，1987年，首届国际人工神经网络学术大会在美国的圣迭戈（San-Diego）举行，掀起了人工神经网络的第二次高潮。之后，随着模糊逻辑和进化计算的逐步成熟，又形成了“计算智能”这个统一的学科范畴。行为主义学派是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。三大学派的综合集成随着研究和应用的深入，人们又逐步认识到，三个学派各有所长，各有所短，应相互结合、取长补短，综合集成。,25,1.2AI的产生与发展智能科学技术的兴起（本世纪初以来）,目前，一个以人工智能为核心，以自然智能、人工智能、集成智能为一体的新的智能科学技术学科正在逐步兴起，并引起了人们的极大关注。该学科研究的主要特征包括以下几个方面：(1)由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究；(2)由人工智能学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究；(3)由多个不同学派的独立研究走向多学派的综合研究；(4)由对个体、集中智能的研究走向对群体、分布智能的研究。,26,AI成功的标志：IBM的“深蓝”和“小深”,“深蓝”对弈情况：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派罗夫结局：2胜1负3平，总比分3.5:2.5，“深蓝”获胜技术指标32个CPU，每个CPU有12个协处理器，每个CPU有256M内存，每个CPU的处理速度为200万步/秒。对弈的实质机器智能与人类智能的较量“小深”对弈情况：时间：北京时间203年1月26日至2月7日对手：比“深蓝”功能强大的“小深”超级计算机国际象棋世界冠军卡斯派罗夫结局：1胜1负4平，平局启示：计算机可以有智能；计算机要完全战胜人类象棋大师并非易事。,27,1.3AI研究的基本内容,人工智能的学科位置与脑科学和认知科学的交叉研究智能模拟的方法和技术研究,28,AI的学科位置,AI是一门新兴的边缘学科，是自然科学与社会科学的交叉学科AI的交叉包括：逻辑、思维、生理、心理、计算机、电子、语言、自动化、光、声等AI的核心是思维与智能，构成了自己独特的学科体系AI的基础学科包括：数学（离散、模糊）、思维科学（认知心理、逻辑思维学、形象思维学）和计算机（硬件、软件）等,自然科学,社会科学,哲学,数学,交叉学科,系统科学,思维科学,人体科学,人工智能,基础学科,指导学科,29,与脑科学和认知科学的交叉研究脑科学,脑科学：又称神经科学，其目的是要认识脑、保护脑和创造脑。美国神经科学学会的定义：神经科学是为了了解神经系统内分子水平、细胞水平及细胞间的变化过程，以及这些过程在中枢的功能、控制系统内的整合作用所进行的研究。脑的涵义：可从狭义和广义两个方面来理解：从狭义方面，脑是指中枢神经系统，有时特指大脑；从广义方面，脑可泛指整个神经系统。人工智能是从广义角度来理解脑科学的，因此它涵盖了所有与认识脑和神经系统有关的研究。人脑是自然界中最复杂、最高级的智能系统：这种复杂性主要表现在人脑是由巨量神经元经其突触的广泛并行互联所形成的一个巨复杂系统。现代脑科学的基本问题主要包括：(1)揭示神经元之间的连接形式，奠定行为的脑机制的结构基础；(2)阐明神经活动的基本过程，说明在分子、细胞到行为等不同层次上神经信号的产生、传递、调制等基本过程；(3)鉴别神经元的特殊细胞生物学特性；(4)认识实现各种功能的神经回路基础；(4)解释脑的高级功能机制等。脑科学是人工智能的基础：研究的任何进展，都将会对人工智能的研究起到积极的推动作用，因此人工智能应该加强与脑科学的交叉研究，以及人类智能与机器智能的集成研究。,30,与脑科学和认知科学的交叉研究认知科学,认知：可一般地认为是和情感、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：(1)认知是信息的处理过程；(2)认知是心理上的符号运算；(3)认知是问题求解；(4)认知是思维；(5)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。认知科学：认知科学（亦称思维科学）是研究人类感知和思维信息处理过程的一门学科，其主要研究目的就是要说明和解释人类在完成认知活动时是如何进行信息加工的。认知科学也是人工智能的重要理论基础，对人工智能发展起着根本性的作用。认知科学涉及的问题非常广泛，除了像浩斯顿提出的知觉、语言、学习、记忆、思维、问题求解、创造、注意、想象等相关联活动外，还会受到环境、社会、文化背景等方面的影响。从认知观点看，AI应同时开展对逻辑思维、形象思维和灵感思维的研究,31,智能模拟的方法和技术研究(1/2),机器感知就是要让计算机具有类似于人的感知能力，如视觉、听觉、触觉、嗅觉、味觉机器视觉（或叫计算机视觉）：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（或叫计算机听觉）：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。机器感知相当于智能系统的输入部分。机器感知的专门的研究领域：计算机视觉、模式识别、自然语言理解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逻辑思维形象思维灵感思维,32,智能模拟的方法和技术研究(2/2),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。机器学习方法：机械学习、类比学习、归纳学习、发现学习、遗传学习和连接学习等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。智能系统与智能机器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,33,1.4AI研究中的不同学派不同学派,符号主义学派（逻辑主义、心理学派）主要观点：AI起源于数理逻辑，人类认知的基元是符号，认知过程是符号表示上的一种运算代表性成果：厄尔和西蒙等人研制的称为逻辑理论机的数学定理证明程序LT代表人物：纽厄尔、肖、西蒙和尼尔逊(Nilsson)等连接主义学派（仿生学派或心理学派）主要观点：AI起源于仿生学，特别是人脑模型，人类认知的基元是神经元，认知过程是神经元的连接活动过程代表性成果：由麦克洛奇和皮兹创立的脑模型，即MP模型代表人物：麦克洛奇和皮兹行为主义学派（进化主义、控制论学派）主要观点：AI起源于控制论，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是推理。代表性成果：Brooks教授研制的机器虫代表人物：Brooks教授,34,1.4AI研究中的不同学派不同学派的理论之争,符号主义智能的基础是知识，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的统一的理论体系。连接主义思维的基元是神经元，而不是符号；思维过程是神经元的联结活动过程，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。行为主义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,35,1.4AI研究中的不同学派不同学派的方法之争,符号主义功能模拟构造能够模拟大脑功能的智能系统。相当于“鸟飞”连接主义结构模拟构造模拟大脑结构的神经网络系统。相当于“飞鸟”行为主义行为模拟构造具有进化能力的智能系统。相当于“由猿到人”,36,1.5AI的主要研究与应用领域,尽管目前人工智能不同研究学派在理论基础、研究方法方等面还存在一定差异，但这些并没有影响人工智能的发展，反而使人工智能的研究更加客观、全面和深入。今天，被冠以智能的科技领域和社会现实数不胜数，智能已成为一个极具价值的学术标签和商业标签，并在科技进步和社会发展中扮演着越来越重要的角色。面对人工智能这样一个高度交叉的新兴学科，其研究和应用领域的划分可以有多种不同方法。这里采用了基于智能本质和作用的划分方法，即从感知、思维、行为、学习、计算智能、分布智能、智能机器、智能系统、智能应用等方面来进行讨论。,37,1.5.1机器思维,机器思维：就是让计算机模仿和实现人的思维能力，以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：推理、搜索、规划等方面的研究。,38,1.5.1机器思维推理,推理的概念：推理是指按照某种策略从已知事实出发利用知识推出所需结论的过程。推理的类型：可根据所用知识的确定性，将其分为：确定性推理，指推理所使用的知识和推出的结论都是可以精确表示的，其真值要么为真、要么为假。不确定性推理，指推理所使用的知识和推出的结论可以是不确定的。所谓不确定性是对非精确性、模糊型和非完备性的统称。推理的理论基础：逻辑是一门研究人们思维规律的学科，数理逻辑则是用数学的方法去研究逻辑问题。确定性推理主要是基于一阶经典逻辑。它能解决的问题很有限。不确定性推理主要基于非经典逻辑和概率等。非一阶经典逻辑是泛指除一阶经典逻辑以外的其他各种逻辑，如多值逻辑、模糊逻辑、模态逻辑、概率逻辑、默认逻辑、次协调逻辑及泛逻辑等。最常用的不确定性推理方法：基于可信度的确定性理论，基于Bayes公式的主观Bayes方法，基于概率的证据理论和基于模糊逻辑的可能性理论等。,39,1.5.1机器思维搜索,搜索的概念：是指为了达到某一目标，不断寻找推理线路，以引导和控制推理，使问题得以解决的过程。搜索的类型：可根据问题的表示方式将其分为状态空间搜索和与/或树搜索两大类型。状态空间搜索是一种用状态空间法求解问题时的搜索方法；与/或树搜索是一种用问题规约法求解问题时的搜索方法。搜索的主要问题：人工智能最关心的是如何利用搜索过程所得到的对尽快达到目标有用的信息来引导搜索过程，即启发式搜索方法。状态空间的启发式搜索方法与/或树的启发式搜索方法,40,1.5.1机器思维规划,规划的概念：是指从某个特定问题状态出发，寻找并建立一个操作序列，直到求得目标状态为止的一个行动过程的描述。规划的特点：与一般问题求解技术相比，规划更侧重于问题求解过程，并且要解决的问题一般是真实世界的实际问题，而不是抽象的数学模型。例如，第2章的机器人移盒子、猴子摘香蕉等问题。规划系统的例子：斯坦福研究所问题求解系统（StanfordResearchInstituteProblemSolver，STRIPS），是一种基于状态空间和F规则的规划系统。它由以下3部分所组成：(1)世界模型：用一阶谓词公式表示，它包括问题的初始状态和目标状态。(2)操作符（即F规则）：它包括先决条件、删除表和添加表。(3)操作方法：它采用状态空间表示和中间-结局分析的方法。其中，状态空间包括初始状态、中间状态和目标状态；中间-结局分析的每一步都选择能够缩小当前状态与目标状态之间的差距的先决条件可以满足的F规则执行，直至到达目标为止。,41,1.5.2机器感知,机器感知是机器获取外界信息的主要途径，也是机器智能的重要组成部分。所谓机器感知，就是要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。下面主要介绍机器视觉、模式识别、自然语言理解。,42,1.5.2机器感知计算机视觉(1/2),概念：用计算机来实现或模拟人类的视觉功能，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力。重要性：在人类感知到的外界信息中，有80%以上是通过视觉得到的。视觉系统：人类视觉系统的功能是通过眼睛与大脑共同实现的。人们视野中的物体在可见光的照射下，先在眼睛的视网膜上形成图像，然后由感光细胞转换成神经脉冲信号，再经神经纤维传入大脑皮层，最后由大脑皮层对其进行处理与理解。视觉，不仅仅指对光信号的感受，它包括了对视觉信息的获取、传输、处理、存储与理解的全过程。,43,1.5.2机器感知计算机视觉(2/2),设p为一物体。两个透镜的轴线是平行的。f为两透镜与图像平面的距离，即为焦距。b为两透镜轴线在基线上的距离，即为两眼的距离。l和m分别是p点与左、右透镜轴线的距离。a和c分别是图像平面上的左、右图像与其相应透镜轴线上的距离。从两个相似三角形，可得到下式：已知b=l+m，由上式可得观察者双眼至物体的距离：由于双眼的距离b为已知，焦距f也是确定的，因此d是可直接计算出来的。,44,1.5.2机器感知模式识别,模式识别的概念是指让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。被鉴别的事物可以是物理的、化学的、生理的，也可以是文字、图像、声音等。模式识别的一般过程：(1)采集待识别事物的模式信息；(2)对其进行各种变换和预处理，从中抽出有意义的特征或基元，得到待识别事物的模式；(3)与机器中原有的各种标准模式进行比较，完成对待识别事物的分类识别；(4)输出识别结果。,45,1.5.2机器感知自然语言理处理,自然语言处理包括的主要内容机器翻译把一种自然语言翻译成另外一种自然语言自然语言理解概念：主要研究如何使计算机能够理解和生成自然语言。理解的语言类型：声音语言、书面语言。主要步骤：语音分析、词法分析、句法分析、语义分析、语用分析。自然语言理解的意义该研究不仅对智能人机接口有着重要的实际意义，而且对不确定人工智能的研究也具有重大的理论价值。有学者指出：人工智能如果不能用自然语言作为其知识表示基础，建立起不确定人工智能的理论和方法，人工智能也就永远实现不了跨越的梦想。,46,1.5.3机器行为,机器行为就是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。机器行为则可看作智能系统的输出部分。下面主要讨论：智能控制、智能检索和智能机器人等。,47,1.5.3机器行为智能控制,智能控制的概念：是指那种无需或需要尽可能少的人工干预就能独立的驱动智能机器实现其目标的控制过程。它是人工智能技术与传统自动控制技术相结合的产物。智能控制系统：是指那种能够实现某种控制任务，具有自学习、自适应和自组织功能的智能系统。从结构上，它由传感器、感知信息处理模块、认知模块、规划和控制模块、执行器和通信接口模块等主要部件所组成。智能控制的主要应用领域：智能机器人系统、计算机集成制造系统（CIMS）、复杂工业过程的控制系统、航空航天控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。,48,1.5.3机器行为智能检索,智能检索的概念：是指利用人工智能的方法从大量信息中尽快找到所需要的信息或知识。智能检索的重要性：目前，在各种数据库中，尤其是互联网上存放着大量的、甚至是海量的信息或知识。面对这种信息海洋，如果还用传统的人工方式进行检索，已很不现实。智能检索系统须解决的主要问题：(1)具有一定的自然语言理解能力，能理解用自然语言提出的各种询问；(2)具有一定的推理能力，能够根据已知的信息或知识，演绎出所需要的答案；(3)系统应拥有一定的常识性知识，以补充学科范围的专业知识。系统根据这些常识，将能演绎出更一般询问的一些答案。,49,1.5.3机器行为智能机器人,机器人(Robots)和机器人学：机器人(Robots)是一种可再编程的多功能操作装置。机器人学是在电子学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学、以及心理学等多种学科或技术发展的基础上形成的一种综合性技术学科。机器人研究的意义：机器人既是人工智能的研究对象，同时又是人工智能的试验场地，人工智能的所有技术几乎都可以在这个领域得到应用。机器人的发展过程：经历了遥控、程序、自适应、智能机器人、情感机器人。人工智能的主要研究对象是智能机器人和情感机器人。智能机器人具有的能力：感知能力、思维能力和行为能力的机器人。这种机器人能够主动的适应外界环境变化，并能够通过学习丰富自己的知识、提高自己的工作能力。情感机器人：是一种具有情感（爱、恨）和情绪(喜、怒、哀、乐)功能新一代机器人。,50,MIT研究的情感机器人,51,1.5.4计算智能,计算智能（ComputationalIntelligence，CI）是借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。计算智能的三大基本领域包括神经计算、进化计算、模糊计算。,52,1.5.4计算智能神经计算,神经计算的概念：亦称神经网络(NeuralNetwork，NN)，它是通过对大量人工神经元的广泛并行互联所形成的一种人工网络系统，用于模拟生物神经系统的结构和功能。主要研究内容：包括人工神经元的结构和模型，人工神经网络的互连结构和系统模型，基于神经网络的联结学习机制等人工神经元：是指用人工方法构造单个神经元，它有抑制和兴奋两种工作状态，可以接受外界刺激，也可以向外界输出自身的状态，用于模拟生物神经元的结构和功能，是人工神经网络的基本处理单元。人工神经网络的互连结构（或称拓扑结构）是指单个神经元之间的连接模式，它是构造神经网络的基础。从互连结构的角度，神经网络可分为前馈网络和反馈网络两种主要类型。网络模型是对网络结构、连接权值和学习能力的总括。最常用的有传统的感知器模型，具有误差前向传播功能的前向传播网络模型，采用反馈连接方式的反馈网络模型等。神经网络具有自学习、自组织、自适应、联想、模糊推理等能力，在模仿生物神经计算方面有一定优势。目前，神经计算的研究和应用已渗透到许多领域，如机器学习、专家系统、智能控制、模式识别等。,53,1.5.4计算智能进化计算,进化计算的概念：是一种模拟自然界生物进化过程与机制，进行问题求解的自组织、自适应的随机搜索技术。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗传变异理论，将生物进化过程中的繁殖、变异、竞争和选择引入到了算法中，是一种对人类智能的演化模拟方法。进化计算的主要分支：遗传算法、进化策略、进化规划和遗传规划四大分支。其中，遗传算法是进化计算中最初形成的一种具有普遍影响的模拟进化优化算法。遗传算法的基本思想：(美国密执安大学霍兰德教授1962提出)是使用模拟生物和人类进化的方法来求解复杂问题。它从初始种群出发，采用优胜略汰、适者生存的自然法则选择个体，并通过杂交、变异产生新一代种群，如此逐代进化，直到满足目标为止。,54,1.5.4计算智能模糊计算,模糊计算亦称模糊系统，是通过对人类处理模糊现象的认知能力的认识，用模糊集合和模糊逻辑去模拟人类的智能行为的。模糊集合与模糊逻辑是美国加州大学扎德(Zadeh)教授1965年提出来的一种处理因模糊而引起的不确定性的有效方法。模糊概念的定义：通常，人们把那种因没有严格边界划分而无法精确刻画的现象称为模糊现象，并把反映模糊现象的各种概念称为模糊概念。例如，“大”、“小”、“多”、“少”等。模糊概念的表示：通常是用模糊集合来表示的，而模糊集合又是用隶属函数来刻画的。一个隶属函数描述一个模糊概念，其函数值为0,1区间的实数，用来描述函数自变量所代表的模糊事件隶属于该模糊概念的程度。模糊计算的争论：一方面模糊逻辑存在一定缺陷；另一方面它在推理、控制、决策等方面得到了非常广泛的应用。,55,1.5.5机器学习,机器学习就是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。机器学习是机器获取知识的根本途径，同时也是机器具有智能的重要标志。机器学习有多种不同的分类方法，如果按照对人类学习的模拟方式，机器学习可分为符号学习和神经学习等,56,1.5.5机器学习符号学习,符号学习的概念：是指从功能上模拟人类学习能力的机器学习方法，它是一种基于符号主义学派的机器学习观点。符号学习的类型：可根据学习策略，即学习中所使用的推理方法，将其分为记忆学习、归纳学习、演绎学习等。记忆学习也叫死记硬背学习，它是一种最基本的学习方法，原因是任何学习系统都必须记住它们所获取的知识，以便将来使用。归纳学习是指以归纳推理为基础的学习，它是机器学习中研究得较多的一种学习类型，其任务是要从关于某个概念的一系列已知的正例和反例中归纳出一个一般的概念描述。例如，示例学习和决策树学习。演绎学习是指以演绎推理为基础的学习，解释学习是一种演绎学习方法，它是在领域知识的指导下，通过对单个问题求解例子的分析，构造出求解过程的因果解释结构，并对该解释结构进行概括化处理，得到一个可又来求解类似问题的一般性知识。,57,1.5.5机器学习神经学习,神经学习的概念：神经学习也称为连接学习，它是一种基于人工神经网络的学习方法。现有研究表明，人脑的学习和记忆过程都是通过神经系统来完成的。在神经系统中，神经元既是学习的基本单位，同是也是记忆的基本单位。神经学习的类型：感知器学习实际上是一种基于纠错学习规则，采用迭代的思想对连接权值和阈值进行不断调整，直到满足结束条件为止的学习算法。BP网络学习是一种误差反向传播网络学习算法。这种学习算法的学习过程由输出模式的正向传播过程和误差的反向传播过程所组成。其中，误差的反向传播过程用于修改各层神经元的连接权值，以逐步减少误差信号，直至得到所期望的输出模式为止。Hopfield网络学习实际上是要寻求系统的稳定状态，即从网络的初始状态开始，逐渐向其稳定状态过渡，直至达到稳定状态为止。至于网络的稳定性，则是通过一个能量函数来描述的。,58,1.5.5机器学习数据挖掘和知识发现,概念：知识发现和数据挖掘是在数据库的基础上实现的一种知识发现系统。它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，从数据库中提炼和抽取知识，从而可以揭示出蕴含在这些数据背后的客观世界的内在联系和本质原理，实现知识的自动获取。与传统数据库技术的区别：传统数据库技术仅限于对数据库的查询和检索，不能够从数据库中提取知识。知识发现和数据挖掘以数据库作为知识源去抽取知识，不仅可以提高数据库中数据的利用价值，同时也为各种智能系统的知识获取开辟了一条新的途径。发展：随着大规模数据库和互联网的迅速发展，知识发现和数据挖掘也从面向数据库的结构化信息的数据挖掘发展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。,59,1.5.6分布智能,分布智能的概念：分布智能主要研究在逻辑上或物理上分布的智能系统之间如何相互协调各自的智能行为，实现问题的并行求解。分布智能的两个主要方向：分布式问题求解主要研究如何在多个合作者之间进行任务划分和问题求解，它一般是针对某一问题去创建一个能够进行合作求解的协作群体；多Agent系统主要研究如何在一群自主的Agent之间进行智能行为的协调，它不限于单一目标，可创建一个能够共同处理单个目标或多个目标的智能群体。多Agent系统的组成与工作：它由多个自主Agent所组成，其中的每个Agent都可以自主运行和自主交互，即当一个Agent需要与别的Agent合作时，就通过相应的通信机制去寻找可以合作并愿意合作的Agent，以共同解决问题。,60,1.5.7智能系统,智能系统可以泛指各种具有智能特征和功能的软硬件系统。从这种意义上讲，前面所讨论的不少研究内容都应以智能系统的形式来出现，例如智能控制系统、智能制造系统、智能检索系统等。这里主要介绍除前述研究内容以外的专家系统和智能决策支持系统。,61,1.5.7智能系统专家系统,专家系统是一种基于知识的智能系统，它将领域专家的经验用知识表示方法表示出来，并放入知识库中，供推理机使用。随着计算网络、多Agent、计算智能等技术的发展，出现了模糊专家系统、神经网络专家系统、基于Web的专家系统、协同式专家系统和分布式专家系统等。,用户界面,解释模块,知识获取,知识库,综合数据库,推理机,62,1.5.7智能系统智能决策支持系统,智能决策支持系统是指那种在传统决策支持系统中增加了相应的智能部件的决策支持系统。智能决策支持系统是把人工智能技术，尤其是专家系统技术与决策支持系统相结合的产物，具有很宽的应用范围和很好的应用前景。,问题处理与人机交互,模型库管理系统,数据库管理系统,知识库管理系统,模型库,知识库,数据库,推理机,63,1.5.8人工心理与人工情感(1/2),智能、情感和心理智能：是指感知、记忆、思维、学习、自适应、行为等能力情感：指人对客观现实的态度的体验。情绪(侧重于生理现象：喜、怒、哀、乐)情感（侧重于价值判断：爱、恨）情操（高级的情感现象：道德、理智、审美）心理：认知、情感、意志认知：实践活动中对认知信息的接收、编码、存储、提取、使用；包括感知、思维、记忆等。情感：意志：自觉地确定目的，并根据目的调节支配自身的行动，克服困难，去实现预定目标,64,1.5.8人工心理与人工情感(2/2),人工智能、人工情感和人工心理人工智能：人工情感：人工情感(ArtificialEmotion)是利用信息科学的手段对人类情感过程进行模拟、识别和理解，使机器能够产生类人情感并与人类进行自然和谐地人机交互的研究领域人工心理：人工心理(ArtificialPsychology)就是利用信息科学的手段,对人的心理活动(着重是人的情感、意志、性格、创造)的更全面再一次人工机器(计算机、模型算法等)模拟，其目的在于从心理学广义层次上研究人工情感、情感与认知、动机与情感的人工机器实现问题,65,1.5.9人工生命,人工生命（ArtificialLife）是美国洛斯阿拉莫斯（LosAlamos）非线性研究中心克里斯兰顿（ChrisLangton），在研究“混沌边沿”的细胞自动机中于1987年提出的一个概念。他认为：人工生命就是要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。人工生命的研究目标就是要创造出具有人类生命特征的人工生命。人工生命研究并不关心十分关心已经知道的以碳水化合物为基础的生命的特殊形式，即“生命之所知（Lifeasweknowit）”，它主要是生物学研究的主题人工生命最关心的是生命的存在形式，即“生命之所能（Lifeasitcouldbe）”。生命之所能，是人工生命研究所关心的主要问题。按照这种观点，如果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-人工生命。人工生命的主要研究内容主要包括计算机进程、细胞自动机、人工脑和进化机器人等。其中，进化机器人不同于传统意义上的机器人，它是一种利用计算机和非有机物质构造出来的具有人类生命特征的人工生命实体。,66,1.5.10人工智能的典型应用,目前，人工智能的应用领域已非常广泛，从理论到技术，从产品到工程，从家庭到社会，从地下到太空，智能无处不在。例如，智能CAD、智能CAI、智能产品、智能家居、智能楼宇、智能社区、智能网络、智能电力、智能交通、智能控制、智能优化、智能空天技术等。下面简单介绍其中的几种典型应用。,67,1.5.10人工智能的典型应用博弈,博弈的概念：是一个有关对策和斗智问题的研究领域。例如，下棋、打牌、战争等这一类竞争性智能活动都属于博弈问题。博弈的例子：国际上，人们对博弈的研究主要以下棋为对象，其个代表性成果是IBM公司研制的IBM超级计算机“深蓝”和“小深”。国内，2006.8.9在北京举办的首届中国象棋人机大赛中，计算机以3胜5和2负（比分11:9）的微弱优势战胜人类象棋大师。研究博弈的目的：不完全是为了让计算机与人下棋，而主要是为了给人工智能研究提供一个试验场地，同时也为了证明计算机具备有智能。试想，连国际象棋世界冠军都能被计算机战败或者平局，可见计算机所具备了何等的智能水平。,68,69,1.5.10人工智能的典型应用自动定理证明,自动定理证明的概念：就是让计算机模拟人类证明定理的方法，自动实现像人类证明定理那样的非数值符号演算过程。它既是人工智能的一个重要研究领域，又是人工智能的一种实用方法。除数学定理外，还有很多非数学领域的任务如医疗诊断、难题求解等都可转化成定理证明问题。自动定理证明的主要方法：自然演绎法：其基本思想是依据推理规则，从前提和公理中推出一些定理，如果待证明的定理在恰在其中，则定理得证。这种方法的突出代表是纽厄尔等人研制的数学定理证明程序LT等。判定法：其基本思想是对某一类问题找出一个统一的、可在计算机上实现的算法。其突出代表是我国数学家吴文俊院士提出的证明初等几何定理的算法。其基本思想是把几何问题代数化，即先通过引入坐标把几何定理中的假设和求证部分用一组代数方程表达出来，然后再利用代数几何中的代数簇理论求解代数方程，以证明定理的正确性。定理证明器：是一种研究一切可判定问题的证明方法。其典型代表是1965年鲁宾逊提出的归结原理。人机交互定理证明：是一种通过人机交互方式来证明定理的方法。它把计算机作为数学家的辅助工具，用计算机来帮助人完成手工证明中难以完成的那些计算、推理、穷举等。其典型代表是四色定理证明。,70,1.5.10人工智能的典型应用智能网络,研究智能网络的意义(1)因特网在为人类提供了方便快捷的信息交换手段，但基于因特网的万维网（WWW）却是一个杂乱无章、真假不分的信息海洋，它不区分问题领域，不考虑用户类型，不关心个人兴趣，不过滤信息内容。(2)传统的搜索引擎在给人们提供方便的同时，大量的信息冗余也给人们带来了不少烦恼。因此，利用人工智能技术实现智能网络具有极大的理论意义和实际价值。智能网络的两个重研究内容智能搜索引擎是一种能够为用户提供相关度排序、角色登记、兴趣识别、内容的语义理解、智能化信息过滤和推送等人性化服务的搜索引擎。智能网格是一种与物理结构和物理分布无关的网络环境，它能够实现各种资源的充分共享，能够为不同用户提供个性化的网服务。可以形象地把智能网格比作一个超级大脑，其中的各种计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等，都像大脑的神经元细胞一样能够相互作用、传导和传递，实现资源的共享、融合和新生。,71,1.6人工智能近期发展分析,人工智能已经走过了50年的历史，下一步该如何发展，是人工智能学者最为关心的一个问题。但要准确回答这一问题却又十分困难，下面所给出的分析(6个方面)仅是对国内外学者的一些观点的归纳，可能还很不全面。,72,1.6人工智能近期发展分析多学科交叉研究,人工智能理论基础研究应强调与脑科学、认知科学、心理学、信息科学、生物学、逻辑学、物理学和数学等学科的交叉研究。脑科学为人工智能研究提供人脑神经系统功能的本质和机理；认知科学为人工智能研究提供感知、思维、学习和语言等基本原理；心理学为人工智能研究提供认知、情感、意识等心理过程及联系；生物学为人工智能研究提供自然界生物运行的机制；逻辑学为人工智能研究提供思维规律描述的理论和方法；信息科学为人工智能研究提供模拟的物质基础和技术手段；数学为人工智能研究提供各种有效的计算模型和方法。,73,1.6人工智能近期发展分析集成智能研究,智能的物质、能量、信息基础：自然智能是一种基于“碳”的信息处理，人工智能是一种基于“硅”的信息处理，尽管这两种信息处理所基于的物质不同，但它们的运算能量的都应该是电信号。那么，是否可以在“碳”和“硅”这两种不同物质上建立一种基于电信号的统一的信息处理模型？人类的智能：物质(碳)+能量(生物电)(生物)信息人造的智能：物质(硅)+能量(物理电)(电子)信息集成智能的研究：脑-机接口（Brain-ComputerInterface,BCI）的研究成果进一步证实了集成智能的可能性和辉煌前景。新的智能产生机理测试,脑中含芯片的被测试者,普通的被测试者,测试主持人,小于50%吗？,74,1.6人工智能近期发展分析多学派融合研究,融合是一种必然趋势：符号主义、联结主义和行为主义三大学派各有所长、各有所短，它们各自经过一段时间的分立研究之后，正逐步开始走向融合。多学派融合是人工智能发展的一种必然趋势。融合需要解决的关键问题：(1)不同学派之间的共同机制是什么？(2)怎样建立一个统一的智能理论体系？(3)如何真正实现它们之间的有机融合？等。,75,1.6人工智能近期发展分析智能网格,互联网是人类历史上发展速度最快的一次技术革命，但目前仍处于发展的初级阶段，其智能水平还很低。未来的互联网应该是一种具有自动调整功能，各个节点之间协调工作，能为用户提供便利、有效服务的智能网络。,76,1.6人工智能近期发展分析智能机器人研究,智能机器人将会对社会生产力发展和人类社会进步，以及对人们生活、工作和思维方式的改进等产生不可估量的影响（例如，海军总医院的手术机器人“黎元”，可通过互联网完成远程颅脑手术）。未来智能机器人应该是一种具有人类感知、行为能力，超强记忆、学习、推理、规划能力，有情感、人性化，能代替人类在真实环境中自主工作的机器人。,77,1.6人工智能近期发展分析智能应用和智能产业,智能技术将进一步与主流信息技术融合，并将应用于人类社会的各个领域和人类生活的各个方面。有人预计：智能产业将逐步成为社会第四产业；智件将逐步从软件中分离出来，成为智能计算机系统的三件（硬件、软件、智件）之一。,78,我国智能科学技术教育体系,我国智能科学与技术研究生专业的建设我国智能科学与技术本科专业的现状我国中学人工智能教育的现状,79,智能科学与技术研究生专业建设建议名称,一级学科名称智能科学与技术二级学科名称智能科学技术理论与方法AI理论、认知、计算智能、专家系统、智能决策、分布智能、Agent技术、人工情感、人工生命等。智能信息处理自然语言处理、数据挖掘、模式识别、机器感知、信息融合、智能信息网络等。智能系统与工程智能接口与人机交互、集成智能、机器视觉、智能机器、智能机器人、智能控制、智能工程、智能教学系统等,80,智能科学与技术本科专业的现状,专业名称称采用一级名称“智能科学与技术”专业专业概念智能科学技术专业是一个多学科交叉的跨应用领域的新专业。国内智能科学与技术本科教育的现状自2004年北京大学申报的“智能科学与技术”本科专业经教育部正式批准以来，截至2006年底，国内已有北京邮电大学、南开大学、西安电子科技大学、首都师范大学、武汉工程大学、西安邮电学院和北京信息工程学院共8所院校经教育部批准，正式设立“智能科学与技术”本科专业。,81,高中信息技术课程标准,高中信息技术
展开阅读全文