人工智能1,中国科学院大学课程

《人工智能1,中国科学院大学课程》由会员分享，可在线阅读，更多相关《人工智能1,中国科学院大学课程（130页珍藏版）》请在金锄头文库上搜索。

1、人工智能（AI）,缪青海 人文楼230 88256650,从IT产业领军企业看,AI,Google Brain,Deep Learning 使用 1000 台电脑创造出包含 10 亿个连接的“神经网络”； 通过扫描互联网上无数的猫的图片“认识”了猫。 吴恩达（Andrew Ng），斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。2014年加入百度，担任百度公司首席科学家。,Siri,Siri 的背后,Apple在印度的海德拉巴建了一个巨大的用户响应中心，所有用户和Siri的问题都被传到这里，然后三哥三姐们飞快的打字回答。 Apple内部把这个叫印度云(Indian cloud)

2、，简称iCloud。 本地 + 云端,Siri 的背后,Siri脱胎于一个美国国防部项目，是一家总部位于旧金山的同名小公司，它诞生于2007年12月经济危机的寒冬中。 2010年4月，苹果公司以2亿美元收购了这家公司，并将整个团队招致麾下。 Siri把对话、自然语言理解、视觉、演说、机器学习、制定计划、理性思考等融合到一个模仿人类的助理中，通过手机带入人们的生活。,IBM WATSON,美国智力竞赛节目 Jeopardy！是一款广受欢迎的电视节目，他对参赛者提出了各种独特的挑战：它需要参与者了解涉猎广泛的知识、明白问题中含有的双关语、隐喻和俚语，同时还需要有这能够迅速反应过来按抢答器的反应能力

3、。,最后成绩是Watson 77147，Brad 21600，Ken 24000！,WATSON ?,“沃森”以IBM创始人托马斯沃森的名字命名； “沃森”由5个机柜共90台IBM POWER 750服务器组成，每台POWER 750服务器配备四路八核32线程POWER 7 3.5GHz处理器，是一部拥有2880个POWER7核心和16TB内存的集群； “沃森”存储了IBM所有得到许可和公开的知识内容，成为一个海量百科全书； “沃森”使用了100多个人工智能的相关算法，具备快速的查找、决策和自然语言处理能力。,大学,CMU： 来源扩展算法，用于确定用来回答关于既定主题的问题的最佳文本资源； 答

4、案评分算法，该算法增进了沃森用来判断某个候选答案在何时可能正确的能力。 MIT： 问题细分成简单的子问题，以便并行查找和迅速收集相关回答； 对象-属性-值数据模型，该模型支持对半结构化数据源中的信息进行有效的检索；,大学,南加州大学： 大规模信息提取、分析和知识推理技术，目的是将大量国际来源的资料转化为该系统的一般知识资源，并利用这些知识进行推理，以发现矛盾和差异之处。 德州大学奥斯汀分校： 文本处理计算方法的开发，重点是通过自动学习来将语言映射成其意义的逻辑表示的系统。,大学,纽约州立大学阿尔巴尼分校： 持续交互式问答功能， 使计算机系统能够记住全部交互过程，而不是将每个问题当作第一个问题来

5、对待，这是对真实对话的仿真。 伦塞利尔理工学院： 可视化组件，用以向外部观众显示其对沃森计算机系统所采取的用来对问题进行细分和形成可与人脑媲美的快速、精确回答的大规模并行分析技术。,大学,特兰托大学(意大利) 研究团队致力于机器学习、问题回答和对话代理人方面的研究工作。该团队研究高级机器学习技术以及基于语法和语义结构的富文本表示，以便对 IBM 沃森系统进行优化。 该团队已在统计学习理论(如核方法)最新成果的基础上开发出了应用于自然语言理解的技术。 处理在从由沃森系统的搜索算法发现的答案中选择最佳答案时的不确定性(例如对答案清单进行排名)也其是主要研究方向之一。,行业观点,Watson + D

6、eeplearning,IBM收购初创公司AlchemyAPI，帮助Watson建立模拟人脑分析学习的神经网络，模仿人脑的机制来解释数据，如图像，声音和文本。 IBM CEO Elliot Turner ： AlchemyAPI 能运行深度学习，而收购AlchemyAPI对于IBM来说，是IBM区别其他云端服务提供商的关键所在。,WATSON 之外？,人工智能改变生活,气象预报,智能家居,智能交通,金融商务,能源开发,电力传输,生物制药,遥感测量,空间技术,军事国防,工业机器人,娱乐机器人,看护机器人 ROBEAR,家用电器,游戏,人工智能的应用领域,工业自动控制 模式识别 地质勘察描述 决策

7、支持系统 生产最优规划 农业专家系统 石油工程 金融证券 ,气象预报 水产养殖 公路工程 智能家居 智能监控系统 航天技术 网络搜索 教育培训 ,人工智能概述,人工智能的定义 人工智能的学科基础 人工智能简史,36,关于人工智能的定义,对AI的4种不同定义: 类人行动/类人思考 理性思维/理性行动,人类智能与人工智能,人类是一种智能体； 我们，作为一个智能体，为什么能够思考? 大脑这么一小堆东西怎么能够感知、理解、预测和应对一个远比自身庞大和复杂的世界？ 人工智能(AI)走得更远：不仅试图理解智能体，而且要建造智能体制造出像人类一样完成某些智能任务的系统(软件)。,对AI的4种不同定义,4种方

8、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,类人行为：图灵测试 (Turing test),图灵建议(1950) ：不是问“机器能否思考”，而是问“机器能否通过关于行为的智能测试”,图灵,人工智能之父 1950年，图灵发表了题为计算机能思考吗？ 图灵实验的本质就是让人在不看外型的情况下不能区别是机器的行为还是人的行为时，这个机器就是智慧的。,Alan Mathison Turing （1912 1954）,图灵测试,测试过程： 让一个程序与一个人进行5分钟对话，然后人猜测交谈对象是程序还是人？如果在30%测试中程序成功地欺骗了询问人，则通过了测

9、试。 图灵期待最迟2000年出现这样的程序。,图灵测试,在2014图灵测试竞赛上，俄罗斯人维西罗夫开发的超级计算机尤金古斯特曼让测试者相信，它的回答中有33%是人类回答的。 因此主办方雷丁大学宣布，已有65年历史的图灵测试首次获得通过。,伪装成为13岁男孩,要想程序通过图灵测试，还需要做大量工作，这些技能包括： 自然语言处理, 使机器可以用人类语言交流 知识表示, 存储机器获得的各种信息 自动推理, 运用知识来回答问题和提取新结论 机器学习, 适应新环境并检测和推断新模式 以及(为了完全图灵测试) 计算机视觉, 机器感知物体 机器人技术, 操纵和移动物体,图灵测试,AI理性行动,理性地行动:

10、理性智能体方法 理性智能体： 通过自己的行动获得最佳结果，或在不确定的情况下，获得最佳期望结果。 不仅要正确地推理，还要正确地行动； 图灵测试中需要的技能都是为了作出理性行为。,AI理性行动,把AI研究视为理性智能体的设计过程 好处： 普遍性：比“思维法则”法则方法(理性地思维)更广；比建立在人类行为或者思维基础(类人方法)上的方法更形式化, 因此具有清楚的定义或标准。 完美理性 总能做正确的事情； 有限理性 在没有足够计算时间的前提下采取正确的行动； 完美理性在复杂环境下是不可行的。,AI 简单定义,人工智能 =人造物(计算机)+智能(特殊化程序) 作为人造智能体，人们期待计算机智能体在解决

11、某些问题方面要达到专家水平，尽管从整体上它远远不及一个普通人。,对AI的理解是一个过程,对AI的理解不断发展； 重要的是： 领悟人工智能的思想； 学习人工智能的方法； 应用人工智能的方法解决实际问题。,49,人工智能的基础,哲学/数学 经济学 神经科学/心理学 计算机工程 控制论/语言学,对人工智能有贡献的学科,哪些学科、思想和人物给予AI以贡献? 哲学(BC428现在) 数学(800现在) 经济学(1776现在) 神经科学(1861现在) 心理学(1879现在) 计算机工程(1940现在) 控制论(1948现在) 语言学(1957现在),哲学的贡献(1),哲学(BC428现在)贡献的思想:

12、问题1：形式化规则能用来抽取合理的结论吗? 问题2：精神的意识是如何从物质的大脑产生出来的? 问题3：知识是从哪里来的? 问题4：知识是如何导致行动的?,哲学的贡献(2),问题1：形式化规则能用来抽取合理的结论吗?（哲学家及其贡献） 亚里士多德(Aristotle, BC384BC322)，为形式逻辑奠定了基础 :第一个把支配意识的理性部分法则形式化为精确的法则集合/著名的三段论 Ramon Lull、Leonardo da Vinci(达芬奇) 、Blaise Pascal(帕斯卡)、Gottfried Wilhelm Leibnitz(莱布尼兹)等人均设计或制造了能计算的机器。,哲学的贡献

13、(3),17世纪, 有人提出推理如同数字计算，帕斯卡写道: “算术机器产生的效果显然更接近于思维而不是动物的其他活动”。 问题1结论: 肯定的结论； 即可以用一个规则集合描述意识的形式化、理性的部分。,哲学的贡献(4),问题2：从物理系统的角度来考虑意识: 意识与物质的大脑之间的关系如何？ Ren Descartes(笛卡尔)给出了第一个关于意识和物质之间的区别以及由此产生的问题的清晰讨论； 笛卡尔是二元论的支持者：坚持意识(或称为灵魂/精神)的一部分是超脱于自然之外的，不受物理定律影响；而动物不拥有这种二元属性，它们可以被作为机器对待。,哲学的贡献(5),唯物主义认为: 大脑依照物理定律运转

14、而构成了意识, 自由意志也就简化为对出现在选择过程中可能选择的感受方式。 问题2结论: 存在两种选择: 二元论. 一元论.,哲学的贡献(6),问题3：知识是从哪里来的? 关于知识的来源: Francis Bacon(培根)新工具论开始了经验主义运动； John Locke(洛克)指出：“无物非先感而后知” David Hume(休谟)提出归纳原理：一般规则是通过揭示形成规则的元素之间的重复关联而获得的。,哲学的贡献(7),基于Ludwig Wittgenstein, Bertrand Russell的工作，Rudolf Carnap领导维也纳学派发展了实证逻辑主义，坚持认为所有的知识都可以用最

15、终和传感器输入相对应的观察语句相联系的逻辑理论来描述. 问题3结论: 知识来自于实践,哲学的贡献(8),问题4：知识是如何导致行动的? 亚里士多德认为: 行动是通过目标与关于行动结果的知识之间的逻辑来判定的。 他的进一步阐述指出: 要深思的不是结局而是手段 ， 手段在分析顺序中是最后一个, 在生成顺序中是第一个。 这实际上就是回归规划系统, 2300年后由Newell和Simon在其GPS程序中实现。 问题4结论: 知识用于指导行动去达到目标,数学的贡献(1),数学(800现在)贡献的思想: 什么是抽取合理结论的形式化规则? 什么可以被计算? 如何用不确定的知识进行推理? AI成为一门规范科学

16、要求在三个基础领域完成一定程度的数学形式化： 逻辑、计算、概率,数学的贡献(2),问题1：如何抽取形式化规则？ George Boole(布尔, 18151864), 1847年完成了形式逻辑的数学化，即命题逻辑或称布尔逻辑； Gottlob Frege(弗雷格, 18481925), 1879年扩展了布尔逻辑, 使其包含对象和关系, 创建了一阶逻辑； Alfred Tarski(塔斯基)引入了一种参考理论，可以把逻辑对象与现实世界对象联系起来。 问题1结论: 形式化规则=命题逻辑和一阶谓词逻辑,数学的贡献(3),问题2：什么可以计算？ 可以被计算，就是要找到一个算法 算法本身的研究可回溯至9世纪波斯数学家al-Khowarazmi 19世纪晚期，把一般的数学推理形式化为逻辑演绎的努力已经展开。,数学的贡献(4),1900年，Hilbert(希尔伯特, 18621943)提出了包括23个问题的清单，其中最后一个问题是：是否存在一个算法可以判定涉及自然数的逻辑命题的真实性，即可判定性问题。他所要问的是: 有效证明过程的能力是否有基础的局限性。 这一问题被Kurt Gdel(哥德尔, 19061978)在1931年证实：确实存在真实的局限。,