《人工智能及其应用知识点整理.docx》由会员分享，可在线阅读，更多相关《人工智能及其应用知识点整理.docx（33页珍藏版）》请在金锄头文库上搜索。
1、人工智能及其应用知识点整理第一章绪论人工智能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。人类的许多活动，如下棋、竞技、解算题、猜谜语、进行讨论、编制计划和编写计算机程序，甚至驾驶汽车和骑自行车等，都需要“智能”。如果机器能够执行这种任务，就可以认为机器已具有某种性质的“人工智能”不同科学或学科背景的学者对人工智能有不同的理解，提出不同的观点，人们称这些观点为符号主义，连接主义和行为主义等，或者叫做逻辑学派，仿生学派，和生理学派。哲学家们对人类思维和非人类思维的研究工作已经进行了两千多年，然而，至今还没有获得满意的解答。智能，人的智能是人类理解和学习事物的能力，或者说，智能是思考
2、和理解的能力而不是本能做事的能力。另一种定义为：智能是一种应用知识处理环境的能力或由目标准则衡量的抽象思考能力。智能机器，智能机器是一种能够呈现出人类智能行为的机器，而这种智能行为是人类用大脑考虑问题或创造思想。另一种定义为：智能机器是一种能够在不确定环境中执行各种拟人任务达到预期目标的机器。人工智能（学科），长期以来，人工智能研究者们认为：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，它的近期主要目标在于研究用机摇来模仿和执行人脑的某些智力功能，并开发相关理论和技术。近年来，许多人工智能和智能系统研究者认为：人工智能（学科）是智能科学中涉及研究、设计及应用智能机器和智
3、能系统的一个分支，而智能科学是一门与计算机科学并行的学科。人工智能到底属于计算机科学还是智能科学，可能还需要一段时间的探讨与实践，而实践是检验真理的标准，实践将做出权威的回答。人工智能（能力），是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。什么是人工智能，试从学科和能力两方面加以说明从学科角度来看：人工智能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。它的近期主要目标在于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。从能力角度来看：人工智能是智能机器所执行的通常与
4、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在人工智能的发展过程中，有哪些思想和思潮起了项要作用控制论之父维纳1940年主张计算机五原则。他开始考虑计算机如何能像大脑一样工作。系统地创建了控制论，根据这一理论，一个机桢系统完全能进行运算和记忆。著名的英国科学家图灵被称为人工智能之父，图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。提出了著名的图灵测试。数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。为什么能够用机器
5、（计算机）模仿人的智能物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移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（人类所具有的智能）。物理符号系统的假设伴随有3个推论。推论一既然人具有智能，那么他（她）就一定是个物理符号系统。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，那么我们就能够用计算机来模拟人的活动。联结主义(Connectionim)，又称为仿生学派(Bionicim)或生理学派(Phyiologi
6、m)其原理主要为神经网络及神经悯络间的连接机制与学习算法认为人的思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出联结主义的大脑工作模式，用千取代符号操作的电脑工作模式。行为主义(Actionim)，又称进化主义(Eovlutionim)或控制论学派(Cyberneticim)其原理为控制论及感知动作型控制系统认为智能取决千感知和行动。认为智能不需要知识、不需要表示、不需萝推理；人工智能可以象人类智能一样逐步进化。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。符号主义、联结主义对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。人
7、工智能的研究目标在前面从学科和能力定义人工智能时，我们曾指出：人工智能的近期研究目标在千“研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。”而且这些智力功能“涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动”。人工智能的一般研究目标为：(1)更好地理解人类智能，通过编写程序来模仿和检验有关人类智能的理论。(2)创造有用的灵巧程序，该程序能够执行一般需要人类专家才能实现的任务。一般地，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。人工智能的近期研究目标是建造智能计算机以代替人类的某些智力活动。人工智能的远期目标是用自动机模仿人
8、类的思维活动和智力功能。人工智能研究的基本内容人工智能学科有着十分广泛和极其丰富的研究内容。不同的人工智能研究者从不同的角度对人工智能的研究内容进行分类。例如，基于脑功能模拟、基于不同认知观、基于应用领域和应用系统、基于系统结构和支撑环境等。因此，要对人工智能研究内容进行全面和系统的介绍也是比较困难的，而且可能也是没有必要的。人工智能研究的基本内容包括：认知建模，知识表示，知识推理，知识应用，机器感知，机器思维，机器学习，机器学习，智能系统构建。人工智能研究方法由于研究者的专业和研究领域的不同以及他们对智能本质的理解有异，因而形成了不同的人工智能学派，各自采用不同的研究方法。与符号主义、连接主
9、义和行为主义相应的人工智能研究方法为功能模拟法、结构模拟法和行为模拟法。人工智能计算方法基于符号逻辑的人工智能学派强询基于知识的表示与推理，而不强调计算，但并非没有任何计算。图搜索、谓词演箕和规则运算都属于广义上的计算。显然，这些计算是与传统的采用数理方程、状态方程、差分方程、传递函数、脉冲传递函数和矩阵方程等数值分析计算有根本区别的。随着人T智能的发展，出现了各种新的智能计算技术，如模糊计算、神经计算、进化计算、免疫计算和粒子群计算等，它们是以算法为基础的，也与数值分析计算方法有所不同。从哪些层次对认知行为进行研究心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此
10、相应的是计绑机程序、语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。人工智能的主耍研究和应用领域是什么,其中哪些是新的研究热点问题求解（下棋程序），逻辑推理与定理证明（四色定理证明），自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学（星际探索机器人），模式识别（手写识别，汽车牌照识别，指纹识别），机器视觉（机器装配，卫星图像处理），智能控制，智能检索，智能调度与指挥（汽车运输高度，列车编组指挥），系统与语言工具。新的研究热点：分布式人工智能与Agent,计绑智能与进化计算
11、，数据挖掘与知识发现（超市市场商品数据分析），人工生命。第二章知识表示方法本章所讨论的知识表示问题是人工智能研究的核心问题之一。对知识表示新方法和混合表示方法的研究仍然是许多人工智能专家学者感兴趣的研究方向。适当选择和正确使用知识表示方法将极大地提高人工智能问题求解效率。人们总是希望能够使用行之有效的知识表示方法解决面临的问题。知识表示方法很多，本章介绍了其中的7种，有图示法、公式法、结构化方法、陈述式表示和过程式表示等。状态空间法是一种基千解答空间的问题表示和求解的方法，它是以状态和操作符为基础的。在利用状态空间图表示时，从某个初始状态开始，每次加一个操作符，递增地建立起操作符的试验序列，直
12、到达到目标状态为止。由于状态空间法需要扩展过多的节点，容易出现”组合爆炸“，因而只适用于表示比较简单的问题。问题归约法从目标（要解决的问题）出发，逆向推理，通过一系列变换把初始问题变换为子问题集合和子子问题集合，直至最后归约为一个平凡的本原问题集合。这些本原问题的解可以直接得到从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。问题归约法能够比状态空间法更有效地表示问题。状态空间法是问题归约法的一种特例。在问题归约法的与或图中，包含有与节点和或节点，而在状态空间法中只含有或节点。谓词逻辑法采用谓词合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演来
13、证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。谓词逻辑是一种形式语言，能够把数学中的逻辑论证符号化。谓词逻辑法常与其他表示方法混合使用，灵活方便，可以表示比较复杂的问题。语义网络是一种结构化表示方法，它由节点和弧线或链线组成。节点用于表示物体、概念和状态，弧线用千表示节点间的关系。语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。语义网络可用于表示多元关系，扩展后可以表示更复杂的问题。框架是一种结构化表示方法。框架通常由指定事物各个方面的槽组成，每个槽拥有若干个侧面，而每个侧面又可拥有若干个值。大多数实用系统必须同时使用许多框架，并可把它们联成一个框
14、架系统。框架表示已获广泛应用，然而并非所有问题都可以用框架表示。本体是概念化的一个显式规范说明或表示。本体可定义为被共享的概念化的一个形式规范说明。本章在论述了本体的基本概念后，讨论了本体的组成、分类与建模。本体是一种比框架更有效的表示方法。过程是一种知识的过程式表示，它将某一有关问题领域知识同这些使用方法一起，隐式地表示为一个问题求解过程。过程表示用程序来描述问题，具有很高的问题求解效率。由千知识隐含在程序中难以操作，所以适用范围较窄。对于同一间题可以有许多不同的表示方法。不过对于特定间题，有的表示方法比较有效，其他表示方法可能不大适用，或者不是好的表示方法。在表示和求解比较复杂的问题时，采
15、用单一的知识表示方法是远远不够的，往往必须采用多种方法混合表示。例如，综合采用框架、本体、语义网络、谓词逻辑的过程表示方法（两种以上），可使所研究的问题获得更有效的解决。此外，在选择知识表示方法时，还要考虑所使用的程序设计语言所提供的功能和特点，以便能够更好地描述这些表示方法。第三章确定性推理本章所讨论的知识的搜索与推理是人工智能研究的另一核心问题。对这一问题的研究曾经十分活跃，而且至今仍不乏高层次的研究课题。正如知识表示一样，知识的搜索与推理也有众多的方法，同一问题可能采用不同的搜索策略，而其中有的比较有效，有的不大适合具体问题。在应用盲目搜索进行求解的过程中，一般是盲目“地穷举，即不运用特
16、别信息。盲目搜索包括宽度优先搜索、深度优先搜索和等代价搜索等，其中，有界深度优先搜索在某种意义上讲，具有一定的启发性。从搜索效率看，一般来说，有界深度优先搜索较好，宽度优先搜索次之，深度优先搜索较差。不过，如果有解，那么宽度优先搜索和深度优先搜索一定能够找到解答，不管付出多大代价；而有界深度优先搜索则可能丢失某些解。启发式搜索主要讨论有序搜索（或最好优先搜索）和最优搜索A算法。与盲目搜索不同的是，启发式搜索运用启发信息，引用某些准则或经验来重新排列OPEN表中节点的顺序，使搜索沿着某个被认为最有希望的前沿区段扩展。正确选择估价函数，对千寻求最小代价路径或解树，至关重要。启发式搜索要比盲目搜索有效得多，因而应用较为普遍。在求解问题时，可把问题表示为一个有待证明的问题或定理，然后用消解原理和消解反演过程来证明。在证明时，采用推理规则进行正向搜索，希望能够使问题（定理）最终获得证明。另一种策略是采用反演方法来证明某个定理
