第1章节人工智能概述_blue幻灯片

《第1章节人工智能概述_blue幻灯片》由会员分享，可在线阅读，更多相关《第1章节人工智能概述_blue幻灯片（58页珍藏版）》请在金锄头文库上搜索。

1、1,2,第1章 人工智能概述 1.1 什么是人工智能 1.2 人工智能的研究意义、目标和策略 1.3 人工智能的学科范畴 1.4 人工智能的研究途径与方法 1.5 人工智能的分支领域与研究方向 1.6 人工智能的基本技术 1.7 人工智能的发展概况,3,1.1 什么是人工智能 人工智能（Artificial Intelligence”，AI） 1.1.1 人工智能概念的一般描述 部分学者对人工智能概念的描述： 人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化（Bellman, 1978）； 人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland

2、, 1985）； 人工智能是研究如何让计算机做现阶段只有人才能做得好的事情（Rich Knight,1991）；, 人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston, 1992）； 广义地讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为（Nilsson，1998）。 Stuart Russell和Peter Norvig则把已有的一些人工智能定义分为4类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统（2003）。,5,1.1.2 图灵测试和中文屋子 图灵测试”（Turing Test）,数学家阿兰图灵

3、设计出的一个智能测试，将被提问的一个人和一台计算机分别隔离在两间屋子，让提问者用人和计算机都能接受的方式来进行问答测试。如果提问者分不清回答者是人还是机器，那就证明计算机已具备人的智能。,6,弱人工智能和强人工智能 哲学家将人工智能的观点分为两类，弱人工智能和强人工智能，分别认为机器智能只是一种模拟智能和机器确实可以有真正的智能。 两种观点进行了争论，出现了不少巧妙的假想实验，其中中文屋子就是反驳强人工智能的一个有名的假想实验。,7,中文屋子,1980年，哲学家西尔勒提出了名为“中文屋子”的假想实验，模拟图灵测试，用以反驳强人工智能观点。主要说明某台计算机即使通过了图灵测试，能正确的回答问题，

4、它对问题仍然没有任何理解，因此不具备真正的智能。 西尔勒假设：西尔勒博士（扮演计算机中的CPU）在一个封闭的房子里，有输入和输出缝隙与外部相通。输入的是中文问题，而他对中文一窍不通。房子内有一本英语的指令手册（相当于程序），从中可以找到相应的规则。他按照规则办事，把作为答案的中文符号写在纸（相当于存储器）上，并输出到屋子外面。这样，看起来他能处理输入的中文问题，并给出正确答案（如同一台计算机通过了图灵测试）。但是，他对那些问题毫无理解，不理解其中的任何一个词！,8,约翰.西尔勒(John Searle)的 “中文屋子”,9,1.1.3 脑智能和群智能 脑（主要指人脑）的宏观心理层次的智能表现称

5、为脑智能（Brain Intelligence, BI）。 由群体行为所表现出的智能称为群智能（Swarm Intelligence, SI）。 脑智能和群智能是属于不同层次的智能： 脑智能是一种个体智能（Individual Intelligence, II）； 群智能是一种社会智能（Social Intelligence, SI）， 或者说系统智能（System Intelligence, SI）。,10,1.1.4 符号智能和计算智能 1. 符号智能 符号智能就是符号人工智能，它是模拟脑智能的人工智能，也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础，主要通过

6、逻辑推理，运用知识进行问题求解。 符号智能的主要内容包括知识获取（knowledge acquisition）、知识表示（knowledge representation）、知识组织与管理和知识运用等技术（这些构成了所谓的知识工程（Knowledge Engineering, KE）以及基于知识的智能系统等。,11,2. 计算智能 计算智能就是计算人工智能，它是模拟群智能的人工智能。计算智能以数值数据为基础，主要通过数值计算，运用算法进行问题求解。 计算智能的主要内容包括： 神经计算（Neural Computation， NC）、 进化计算（亦称演化计算，Evolutionary Compu

7、tation，EC，包括: 遗传算法（Genetic Algorithm，GA）、 进化规划（Evolutionary Planning，EP）、 进化策略（Evolutionary Strategies，ES）等）、 免疫计算（immune computation）、 粒群计算（Particle Swarm Algorithm，PSA）、 蚁群算法（Ant Colony Algorithm，ACA）、 自然计算（Natural Computation，NC）以及 人工生命（Artificial Life，AL）等。,12,1.2 人工智能的研究意义、目标和策略,1.2.1 为什么要研究人工智

8、能 使当前的电脑更好用，更有用，以扩大和延伸人类智能； 信息化社会的迫切要求； 自动化发展的必然趋势； 有益于探索人类自身智能的奥秘。,13,1.2.2 人工智能的研究目标和策略 研究目标就是制造智能机器和智能系统(远期目标)，实现智能化社会。具体来讲，就是要使计算机不仅具有脑智能和群智能，还要具有看、听、说、写等感知和交流能力。 研究策略则是先部分地或某种程度地实现机器的智能(近期目标) ，并运用智能技术解决各种实际问题特别是工程问题，从而使现有的计算机更灵活、更好用和更有用，成为人类的智能化信息处理工具，而逐步扩展和不断延伸人的智能，逐步实现智能化。,14,1.3 人工智能的学科范畴,人工

9、智能已构成信息技术领域的一个重要学科。当前的人工智能既属于计算机科学技术的一个前沿领域，也属于信息处理和自动化技术的一个前沿领域。还涉及到智能科学、认知科学、心理科学、脑及神经科学、生命科学、语言学、逻辑学、行为科学、教育科学、系统科学、数理科学以及控制论、科学方法论、哲学甚至经济学等众多学科领域。人工智能实际上是一门综合性的交叉学科和边缘学科。,15,1.4 人工智能的研究途径与方法,1.4.1 结构模拟，神经计算 结构模拟：根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。 目前的结构模拟只是对人脑的局部和近似模拟。具体来讲就是用人工神经元（神经细胞）组成的人工神经网络来作为信息

10、和知识的载体，用神经计算的方法实现学习、联想、识别和推理等功能，从而模拟人脑的智能行为。 结构模拟法也就是基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能。这种方法一班是通过神经网络的“自学习”获得知识，再利用知识解决问题。,16,1.4.2 功能模拟，符号推演 功能模拟：在当前的计算机上，对人脑从功能上进行模拟，实现人工智能。称为功能模拟法。 具体的说，功能模拟法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号来推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。 这种方法一般是利用显式的知识(库)和推理(机)来解决问题的。擅

11、长模拟人脑的逻辑思维，便于实现人脑的高级认知功能，如推理、决策等。,17,使用功能模拟方法的原因： 一方面是由于至今人们对大脑的生理结构和工作机理还没有完全弄清楚； 另一方面由于以下原因： (1)当前的数字计算机可以方便地实现高速的符号处理 (2)功能模拟方法可以显示地表示知识，容易表达人的心理模型 (3)智能行为也并非仅神经网络那样的结构形式所独有,18,1.4.3 行为模拟，控制进化 基于感知行为模型的研究途径和方法，称其为行为模拟法。 模拟人在控制过程中的智能活动和行为特性，如自寻优、自适应、自学习、自组织等，来研究和实现人工智能。,19,1.5 人工智能的分支领域与研究方向,从模拟的层

12、次和所用的方法来看，人工智能可分为符号智能和计算智能两大主要分支领域。而这两大领域各自又有一些子领域和研究方向。如符号智能中又有图搜索、自动推理、不确定性推理、知识工程、符号学习等。计算智能中又有神经计算、进化计算、免疫计算、蚁群计算、粒群计算、自然计算等。另外，智能Agent也是人工智能的一个新兴的重要领域。智能Agent或者说Agent智能则是以符号智能和计算智能为基础的更高一级的人工智能。 从模拟的脑智能或脑功能来看，AI中有机器学习、机器感知、机器联想、机器推理、机器行为等分支领域。而机器学习又可分为符号学习、连接学习、统计学习等许多研究领域和方向。机器感知又可分为计算机视觉、计算机听

13、觉、模式识别、图像识别与理解、语音识别、自然语言处理等领域和方向。,20,从应用角度看，AI中有难题求解等数十种分支领域和研究方向。 从系统角度看，有智能计算机系统和智能应用系统两大类。智能计算机系统又可分为：智能硬件平台、智能操作系统、智能网络系统等。智能应用系统又可分为：基于知识的智能系统、基于算法的智能系统和兼有知识和算法的智能系统等。另外，还有分布式人工智能系统。 从基础理论看，AI中有数理逻辑和多种非标准逻辑、图论、人工神经网络、模糊集、粗糙集、概率统计（贝叶斯统计决策理论）和贝叶斯网络、统计学习理论与支持向量机、形式语言与自动机等领域和方向。,21,1.5.1 基于脑功能模拟的领域

14、划分 1、机器感知（信息输入）。使计算机具有类似于人的感知能力，能通过“感知”直接从外界获取信息。 可分为机器视觉、机器听觉等分支课题。 相关学科：模式识别（主要集中于图形识别和语音识别）。 2、机器联想。基于内容的联想，与具体存储位置无关。联想存储技术实现联想。,22,3、机器推理。又称为计算机推理、自动推理，是人工智能的核心课题之一。 方法：自然演绎推理、归结演绎推理、基于非经典逻辑的推理。 4、机器学习。机器自己获取知识。 对书本知识的学习、对客观规律的发现、对自身行为的修正。 机器学习分为类： 学习方法分类：机械学习、指导学习、解释学习、类比学习、示例学习、发现学习等。这些属于符号学习

15、。 按实现途径分类：符号学习、神经网络学习（连接学习）。,23,5、机器理解。包括图形理解（物景分析）、自然语言理解。 从微观上讲理解是从自然语言到机器内部表示的一种映射；从宏观上讲理解是能够完成我们所希望的一些功能。 理解是感知的延伸和深化，是对本质和意义的感知。 6、机器行为（信息输出）。计算机的表达能力及类似于人四肢的功能，能走路、取物、操作等。 主要指机器人行动规划。,24,1.5.2 基于实现技术的领域划分,1.知识工程与符号智能 以符号知识为基础，通过符号推理进行问题求解而实现的智能。即传统人工智能。内容主要包括知识工程和符号处理技术。 2.计算智能 以数据为基础，通过数值计算进行

16、问题求解而实现的智能。内容主要包括神经网络、进化计算、模糊技术、人工生命等。,25,1.5.3 基于应用领域的领域划分,1、难题求解。路径规划、组合优化、博弈等难题求解。NP(Nondeterministic Polynomial) 和NPC问题。难题求解技术能促进人工智能其他领域的发展。 2、自动规划、调度与配置 3、自动定理证明。即机器定理证明。,26,4、自动程序设计。自动程序综合和自动程序验证。 5、自动翻译。机器翻译。自然语言理解。 6、智能控制。自动控制与人工智能的结合。专家智能控制、模糊控制、神经控制。 7、智能管理。人工智能与管理科学、系统工程和计算机技术等多学科的结合。 8、智能决策。人工智能应用于决策支持系统。,27,9、智能通讯。在通讯的各个环节和层次上实现智能化。如网控、转接、信息转换等。使通讯网随时运行于最佳状态。 10、智能仿真。仿真是在三种类型知识-描述性知识、目的性知识和处理知识的基础上产生另一种形式的知识-结论性知识。 11、智能CAD。人工智能应用于CAD的设计自动化、智能交互