《人工智能第1章 绪论课件》由会员分享，可在线阅读，更多相关《人工智能第1章 绪论课件（23页珍藏版）》请在金锄头文库上搜索。
1、2020/9/17,1,什么是人工智能？ 用人工的方法在机器（计算机）上实现智能或让机器模拟人类智能；,人工智能定义,2020/9/17,2,什么是智能？ 知识智能行为的基础； 智力获取知识并运用知识求解问题的能力，即在任意给定的环境和目标的条件下，正确制订决策和实现目标的能力,人工智能定义,2020/9/17,3,1. 具有感知能力(Perceiving ability) vision(80%)+hearing(10%)+touching+smelling+ 2.记忆与思维能力(Memorizing and thinking ability) analysis + computation +
2、 comparison + judgment + inference + association + decision-making + logical thinkingthinking in terms of image inspiration thinking 3.学习能力及自适应能力 (Learning and self-adapting ) 4.具有行为能力 (Acting ability),人工智能定义,智能的特征：,2020/9/17,4,人工智能（Artificial Intelligence，AI）是计算机科学中研究、设计和应用智能机器的一个分支。主要包括： 如何设计和构造智能
3、机器或智能系统，使其模拟、延伸、扩展人类智能； 如何在智能机上实现人类智能； 如何应用这种智能机器。,人工智能定义,2020/9/17,5,McCulloch，美国神经生理学家。他和Pitts一起，在1943年建成了第一个神经网络数学模型。McCulloch和Pitts的理论开创了微观人工智能，即用模拟人脑来实现智能的研究。 Wiener(维纳)(1894-1964)，美国数学家。他于1948年发表的控制论（Cybernetics或动物与机器中的控制与通信）论文，不但开创了近代控制论，而且为人工智能的行为主义学派树立了信息的里程碑。 Shannon(香农)(1916)，美国数学家。他于1948
4、年发表了通讯的数学理论，这是一个标志，代表了一门新学科信息论的诞生。信息论对心理学产生了很大的影响，而心理学又是人工智能研究的重要支柱。,1.2.1 孕育期(Gestation period, before 1956）,2020/9/17,6,综上，人工智能的产生和发展绝不是偶然的，它是科学技术发展的必然产物，是历史赋予科学工作者的一项光荣而艰巨的使命，客观上的条件已经基本具备，何时出现只是一个时间以及由谁来领头倡导的问题。,1.2.1 孕育期(Gestation period, before 1956）,2020/9/17,7,1956年夏天，在美国Dartmouth大学，由年轻的数学助教M
5、cCarthy，和他的三位朋友：,1.2.2 形成及第一个兴旺期（1956-1966）The formation and first blossom period,邀请了一批青年学者，召开了一次关于“机器智能”的研讨会，正式使用“Artificial Intelligence”来概括这一方向，标志着人工智能的正式诞生。 McCarthy本人也被称作是“人工智能之父”。,2020/9/17,8,半个世纪以来，人工智能研究走过了一条曲折的道路。时而受到吹捧，时而受到贬斥。吹捧时能够把它捧杀，贬斥时又能把它骂杀。人工智能的地位就好像股市的行情一样，一会儿看跌，一会儿看涨。 真正的人工智能专家是不为这
6、些表象所动的。人工智能的研究每年都在取得本质的进步。,人工智能发展史小结,2020/9/17,9,人工智能的五个基本问题 : (Five fundamental issues in AI) (1) 知识与概念化是否是AI的核心？ (2) 认知能否与载体分离开来研究？ (3) 认知的轨迹可否用类自然语言描述？ (4) 学习能否与认知分开来研究？ (5) 所有的认知是否有统一的结构？,1.3 人工智能的研究方法及途径,2020/9/17,10,针对上述问题的不同看法和认识，形成了不同的学派。 从人工智能的研究途径来看，目前主要有三种观点: 符号主义(Symbolicism)，又称为逻辑主义(Log
7、icism)或计算机学派(Computerism)； 联结主义（Connectionism)，又称为仿生学派(Bionicsism)； 行为主义(actionism)，又称为进化主义(evolutionism)。,1.3.1 三大学派,2020/9/17,11,符号主义认为： 人对客观世界认识的认知基元是符号，而且认知过程即是符号操作的过程，人本身就是一个物理符号系统。 人工智能源于数学逻辑。计算机出现后，又在计算机上实现了逻辑演绎系统，这是由于计算机也是一个物理符号系统，它可以对以逻辑符号表示的知识进行逻辑演绎。 符号主义学派的研究方法是以符号处理为核心，通过符号处理来模拟人类求解问题的心理
8、过程。,1.3.1 三大学派-符号主义,2020/9/17,12,该学派的研究内容：基于逻辑的知识表示和推理机制。 基于逻辑的知识表示：主要是研究如何用谓词逻辑表示知识，而这种知识是一种确定性的知识。 基于逻辑的推理机制：代表方法是Robinson的归结推理方法。 这个学派的代表人有Newell、Simon、McCarthy和Nilsson、Robinson、Shortliffe等。,1.3.1 三大学派-符号主义,2020/9/17,13,联接主义认为： 人工智能可以通过仿生人脑的结构来实现。大脑是人类一切智能活动的基础，而人的思维基元是神经元，而不是符号处理过程。 需要研究人的大脑工作模式
9、，研究大脑神经元及其连接机制，搞清楚大脑的结构以及它进行信息处理的过程与机理，实现人类智能在机器上的模拟。 联结主义学派的研究方法就是以网络连接为主的连接机制方法，即：神经网络。 这个学派的代表人有McClelland和J.D.Rumel1art等。,1.3.1 三大学派-联结主义,2020/9/17,14,行为主义认为： 人工智能起源于控制论，智能取决于感知和行动(所以被称为行为主义)，它不需要知识、不需要表示、不需要推理。 代表人是布鲁克(R.A. Brooks) 智能行为只能在与现实世界的环境交互作用中表现出来，即人工智能也会像人类智能一样通过逐步进化而实现(所以称为进化主义)，而不需要
10、有知识表示和知识推理。 代表性成果： 6足机器虫 目前，这一观点尚未形成完整的理论体系，有待进一步研究,1.3.1 三大学派-行为主义,2020/9/17,15,专用路线是指开发研制一些专用的智能计算机(如LISP机)或专用的软件系统(如EMYCIN)，或者专门用于开发AI系统的语言(如PROLOG语言)。 通用路线是指现有的一般计算机硬件和软件系统能够有效地支持AI系统的开发，并能够解决一般的AI问题。通用路线认为，在AI应用系统及产品的开发过程中，应该将知识工程视做软件工程的一个分支，充分利用知识工程的思想，将之融入整个系统或产品开发的全过程中。,1.3.2 实现人工智能的技术路线The
11、technology road to implement AI,2020/9/17,16,硬件路线认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术，没有这些技术，智能产品的开发是不可能的，因此AI的发展，还有赖于硬件技术的发展，诸如VLSI、ANN等的发展。 软件路线认为智能机器的研制主要在于各种智能软件及工具的开发和运用，发展软件技术是人工智能发展的必由之路。因此，启发性程序设计、自动编程系统、知识工程以及其他各种智能算法就成了研究的主要对象。,1.3.2 实现人工智能的技术路线The technology road to implement AI,2020/9/17,17,1.
12、4 人工智能的研究与应用领域The fields of AI research and application,1.博弈 2.自动定理证明 3.专家系统 4.自然语言理解 5.机器视觉 6.自动程序设计 7.机器人学,8.机器学习 9.人工神经网络 10.智能决策支持系统 11.智能检索 12.分布式人工智能与Agent 13.数据挖掘与知识发现 14.系统与语言工具,2020/9/17,18,什么是博弈？ 诸如下棋、打牌、战争等一类竞争性的智能活动称为博弈。 AI对博弈的研究 多以下棋为对象，但其目的是为了给人工智能研究提供一个试验场地，对AI的有关技术进行检验，从而也促进这些技术的发展。
13、按AI术语，棋盘的棋子布局称为一个状态，所有可能的状态构成状态空间。显然状态空间是很大的，需有效的搜索方法去从中搜索解答。,1.博弈(Game Playing),2020/9/17,19,当前，自动定理证明的常用方法包括3大类： 自然演绎法：其基本思想是依据推理规则，从前提和公理中可以推出许多定理，如果待证明的定理恰好在其中，则定理得证。 判定法：即对一类特定的问题找出统一的、可在计算机上实现的算法解 。如吴文俊的“吴方法”。 定理证明器：是研究一切可判定问题的证明方法。它的基础是1965年Robinson提出的归结原理。,2. 自动定理证明（Automatic Theorem Proving
14、),2020/9/17,20,数据挖掘，就是从大量数据中获取有效的、新颖的、有价值的知识（模型或规则）的过程。,13.数据挖掘与知识发现(Data Mining and Knowledge Discovery),数据挖掘的一般流程,2020/9/17,21,KDD和DM主要研究内容： 基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。 根据挖掘对象分，有：RDB, OODB, Spatial DB, temporal DB,textual DB, multimedia DB, heteroge
15、neous DB,legacy DB, Web. 根据挖掘任务分，有：Classification, Predication, Summarization, Clustering, Association rule, Series pattern, Dependence relation, Abnormal, Tendency. 根据挖掘方法分,有：统计方法、机器学习方法、神经网络方法和数据库方法。,13.数据挖掘与知识发现(Data Mining and Knowledge Discovery),2020/9/17,22,本章小结,2020/9/17,23,人工智能的定义 人工智能的三大学派 人工智能的主要研究领域(给出五个),本章重点,
