《计算智能导论PPT课件》由会员分享，可在线阅读，更多相关《计算智能导论PPT课件（190页珍藏版）》请在金锄头文库上搜索。
1、人工智能计算智能智能信息处理研究所智能信息处理研究所尚荣华尚荣华计算主义计算主义 随着数学和计算机技术的进展，计算的观念越来越随着数学和计算机技术的进展，计算的观念越来越随着数学和计算机技术的进展，计算的观念越来越随着数学和计算机技术的进展，计算的观念越来越显示其在各个领域的威力，从计算的角度审视世界，也显示其在各个领域的威力，从计算的角度审视世界，也显示其在各个领域的威力，从计算的角度审视世界，也显示其在各个领域的威力，从计算的角度审视世界，也已经成为我们在数字化时代生存的一种特殊的思维方式，已经成为我们在数字化时代生存的一种特殊的思维方式，已经成为我们在数字化时代生存的一种特殊的思维方式，
2、已经成为我们在数字化时代生存的一种特殊的思维方式，主张在还原论哲学基础上建立计算主义，认为从物理世主张在还原论哲学基础上建立计算主义，认为从物理世主张在还原论哲学基础上建立计算主义，认为从物理世主张在还原论哲学基础上建立计算主义，认为从物理世界、生命过程直到人类智能都是算法可计算的界、生命过程直到人类智能都是算法可计算的界、生命过程直到人类智能都是算法可计算的界、生命过程直到人类智能都是算法可计算的（ComputableComputable），甚至整个宇宙完全是由算法），甚至整个宇宙完全是由算法），甚至整个宇宙完全是由算法），甚至整个宇宙完全是由算法（AlgorithmAlgorithm）支配
3、的。）支配的。）支配的。）支配的。vv19971997年年年年5 5月月月月1111日北京时间早晨日北京时间早晨日北京时间早晨日北京时间早晨4 4时时时时5050分，一台名叫分，一台名叫分，一台名叫分，一台名叫“ “深蓝深蓝深蓝深蓝” ”的超级电脑在棋盘的超级电脑在棋盘的超级电脑在棋盘的超级电脑在棋盘C4C4处落下最后一颗棋子，全世界都听处落下最后一颗棋子，全世界都听处落下最后一颗棋子，全世界都听处落下最后一颗棋子，全世界都听到了震撼世纪的叫杀声到了震撼世纪的叫杀声到了震撼世纪的叫杀声到了震撼世纪的叫杀声“将车将车将车将车” ”！这场举世瞩目的！这场举世瞩目的！这场举世瞩目的！这场举世瞩目的“
4、 “人人人人机大战机大战机大战机大战” ”，终于以机器获胜的结局降下了帏幕。，终于以机器获胜的结局降下了帏幕。，终于以机器获胜的结局降下了帏幕。，终于以机器获胜的结局降下了帏幕。( (卡斯帕罗夫卡斯帕罗夫卡斯帕罗夫卡斯帕罗夫 ) )vv “ “深蓝深蓝深蓝深蓝” ”是一台智能电脑，是人工智能的杰作。新闻媒体是一台智能电脑，是人工智能的杰作。新闻媒体是一台智能电脑，是人工智能的杰作。新闻媒体是一台智能电脑，是人工智能的杰作。新闻媒体以挑衅性的标题不断地发问：电脑战胜是一个人，还是整以挑衅性的标题不断地发问：电脑战胜是一个人，还是整以挑衅性的标题不断地发问：电脑战胜是一个人，还是整以挑衅性的标题不
5、断地发问：电脑战胜是一个人，还是整个人类的智能？连棋王都认了输，下一次人类还将输掉什个人类的智能？连棋王都认了输，下一次人类还将输掉什个人类的智能？连棋王都认了输，下一次人类还将输掉什个人类的智能？连棋王都认了输，下一次人类还将输掉什么？智慧输掉了，人类还剩些什么？于是，人工智能又一么？智慧输掉了，人类还剩些什么？于是，人工智能又一么？智慧输掉了，人类还剩些什么？于是，人工智能又一么？智慧输掉了，人类还剩些什么？于是，人工智能又一次成为万众关注的焦点，成为电脑科学界引以自豪的学科。次成为万众关注的焦点，成为电脑科学界引以自豪的学科。次成为万众关注的焦点，成为电脑科学界引以自豪的学科。次成为万众
6、关注的焦点，成为电脑科学界引以自豪的学科。vv“ “深蓝深蓝深蓝深蓝” ”的技术指标：的技术指标：的技术指标：的技术指标： 3232个个个个CPUCPU每个每个每个每个CPUCPU有有有有1616个协处理器个协处理器个协处理器个协处理器每个每个每个每个CPUCPU有有有有256M256M内存内存内存内存每个每个每个每个CPUCPU的处理速度为的处理速度为的处理速度为的处理速度为200200万步万步万步万步/ /秒秒秒秒每秒行棋速度：卡斯帕罗夫每秒行棋速度：卡斯帕罗夫每秒行棋速度：卡斯帕罗夫每秒行棋速度：卡斯帕罗夫2 2步，步，步，步，“ “深蓝深蓝深蓝深蓝” ”2 2亿步。亿步。亿步。亿步。
7、人工智能（人工智能（人工智能（人工智能（AIAIAIAI）伴随着电脑诞生，在风风雨雨）伴随着电脑诞生，在风风雨雨）伴随着电脑诞生，在风风雨雨）伴随着电脑诞生，在风风雨雨中走过了半个多世纪的艰难历程，已但经是枝繁叶中走过了半个多世纪的艰难历程，已但经是枝繁叶中走过了半个多世纪的艰难历程，已但经是枝繁叶中走过了半个多世纪的艰难历程，已但经是枝繁叶茂、郁郁葱葱！茂、郁郁葱葱！茂、郁郁葱葱！茂、郁郁葱葱！人工智能的发展人工智能的发展l人工智能的萌芽（人工智能的萌芽（56年以前）年以前）l人工智能的诞生（人工智能的诞生（56-61年）年）l人工智能的发展（人工智能的发展（61年后）年后）人工智能的萌芽阶
8、段人工智能的萌芽阶段l l亚里斯多德亚里斯多德亚里斯多德亚里斯多德(Aristotle 384-322 BC)(Aristotle 384-322 BC)(Aristotle 384-322 BC)(Aristotle 384-322 BC)，主要贡献为，主要贡献为，主要贡献为，主要贡献为形而上形而上形而上形而上学学学学(metaphysics)(metaphysics)(metaphysics)(metaphysics)和逻辑学两方面的思想。和逻辑学两方面的思想。和逻辑学两方面的思想。和逻辑学两方面的思想。l l亚氏在逻辑主要成就包括主谓命題亚氏在逻辑主要成就包括主谓命題亚氏在逻辑主要成就包
9、括主谓命題亚氏在逻辑主要成就包括主谓命題(statement in (statement in (statement in (statement in subject-predicate form)subject-predicate form)subject-predicate form)subject-predicate form)及关于此类命題的逻辑推理方及关于此类命題的逻辑推理方及关于此类命題的逻辑推理方及关于此类命題的逻辑推理方法，特別是三段论证法，特別是三段论证法，特別是三段论证法，特別是三段论证(syllogism)(syllogism)(syllogism)(syllogism)
10、。l l所谓命題就是真所谓命題就是真所谓命題就是真所谓命題就是真(true)(true)(true)(true)或假或假或假或假(false)(false)(false)(false)的句子，例如的句子，例如的句子，例如的句子，例如蘇格拉底是人，這是真的命題；至於问句我的书在那蘇格拉底是人，這是真的命題；至於问句我的书在那蘇格拉底是人，這是真的命題；至於问句我的书在那蘇格拉底是人，這是真的命題；至於问句我的书在那里？就不是命題了，它并沒有真假的意义可言。里？就不是命題了，它并沒有真假的意义可言。里？就不是命題了，它并沒有真假的意义可言。里？就不是命題了，它并沒有真假的意义可言。 亚里斯多德与逻
11、辑、推理亚里斯多德与逻辑、推理l l逻辑只讨论命題，因它有真假可言。亚氏认为命題基本是逻辑只讨论命題，因它有真假可言。亚氏认为命題基本是逻辑只讨论命題，因它有真假可言。亚氏认为命題基本是逻辑只讨论命題，因它有真假可言。亚氏认为命題基本是由主詞由主詞由主詞由主詞(subject)(subject)(subject)(subject)与谓詞与谓詞与谓詞与谓詞(predicate)(predicate)(predicate)(predicate)构成的，主詞是命題构成的，主詞是命題构成的，主詞是命題构成的，主詞是命題所描述的事物或主題，谓词則是描述主詞的词语。所描述的事物或主題，谓词則是描述主詞的词
12、语。所描述的事物或主題，谓词則是描述主詞的词语。所描述的事物或主題，谓词則是描述主詞的词语。l l亚氏跟著提出四种比较复杂的主谓命題，它们都具有以下亚氏跟著提出四种比较复杂的主谓命題，它们都具有以下亚氏跟著提出四种比较复杂的主谓命題，它们都具有以下亚氏跟著提出四种比较复杂的主谓命題，它们都具有以下结构：量詞结构：量詞结构：量詞结构：量詞主詞主詞主詞主詞系詞系詞系詞系詞谓詞。這里我们以符号谓詞。這里我们以符号谓詞。這里我们以符号谓詞。這里我们以符号S S S S及及及及P P P P分分分分別表示主詞及谓詞。別表示主詞及谓詞。別表示主詞及谓詞。別表示主詞及谓詞。l l系詞有两种：是或不是；量词亦
13、有兩种：所有系詞有两种：是或不是；量词亦有兩种：所有系詞有两种：是或不是；量词亦有兩种：所有系詞有两种：是或不是；量词亦有兩种：所有(all)(all)(all)(all)或有或有或有或有(some)(some)(some)(some)。 亚里斯多德与逻辑、推理亚里斯多德与逻辑、推理l l(A) (A) (A) (A) 所有所有所有所有S S S S是是是是P (P (P (P (或或或或 凡凡凡凡S S S S是是是是P)P)P)P)，例如凡人是動物；，例如凡人是動物；，例如凡人是動物；，例如凡人是動物；l l(B) (B) (B) (B) 凡凡凡凡S S S S不是不是不是不是P P P
14、P，例如凡貓不是狗；，例如凡貓不是狗；，例如凡貓不是狗；，例如凡貓不是狗；l l(C) (C) (C) (C) 有有有有S S S S是是是是P P P P，例如有花是白的；，例如有花是白的；，例如有花是白的；，例如有花是白的；l l(D) (D) (D) (D) 有有有有S S S S不是不是不是不是P P P P，如有花不是白的。，如有花不是白的。，如有花不是白的。，如有花不是白的。 l所谓逻辑推論，即指由前提推导出结论的正所谓逻辑推論，即指由前提推导出结论的正所谓逻辑推論，即指由前提推导出结论的正所谓逻辑推論，即指由前提推导出结论的正确确确确(valid)(valid)(valid)(v
15、alid)的方法，在这种正确推论中，若前提为的方法，在这种正确推论中，若前提为的方法，在这种正确推论中，若前提为的方法，在这种正确推论中，若前提为真，則结论亦必然为真。真，則结论亦必然为真。真，則结论亦必然为真。真，則结论亦必然为真。 亚里斯多德与逻辑、推理亚里斯多德与逻辑、推理l关于推論，亚氏特別讨论三段论证，這是由兩关于推論，亚氏特別讨论三段论证，這是由兩個個( (主謂命題主謂命題) )前提推出前提推出( (主謂式主謂式) )结论的方法。结论的方法。l例如：例如： (i)(i)凡孔子的后代是人凡孔子的后代是人(ii)(ii)凡人皆会死，凡人皆会死，；因此凡孔子的后代会死。若写成普遍的形式，
16、；因此凡孔子的后代会死。若写成普遍的形式，則是：則是： (i)(i)凡凡S S是是M; (ii)M; (ii)凡凡M M是是P P，；因此凡，；因此凡S S是是P P。这里。这里(i)(i)及及(ii)(ii)是兩個前提，若這兩個前是兩個前提，若這兩個前提为真，則以上推出的结论提为真，則以上推出的结论( (凡凡S S是是P)P)亦必然地亦必然地真，因此这个三段论证是正确的。真，因此这个三段论证是正确的。 2.归纳法归纳法 Bacon( Bacon(培根，培根，培根，培根，1561-1626)1561-1626)在在在在新工具新工具新工具新工具中提出中提出中提出中提出归纳法，提出归纳法，提出归纳
17、法，提出归纳法，提出“ “知识就是力量知识就是力量知识就是力量知识就是力量” ”, ,他十分重视科学实他十分重视科学实他十分重视科学实他十分重视科学实验，认为只有经过实验才能获得真正的知识。验，认为只有经过实验才能获得真正的知识。验，认为只有经过实验才能获得真正的知识。验，认为只有经过实验才能获得真正的知识。 3.Turing图灵与人工智能图灵与人工智能l艾伦艾伦艾伦艾伦 麦席森麦席森麦席森麦席森 图灵（图灵（图灵（图灵（TuringTuring，19121912年年年年6 6月月月月2323日日日日 - - 19541954年年年年6 6月月月月7 7日），英国数学家。日），英国数学家。日）
18、，英国数学家。日），英国数学家。l以以以以“ “纸上下棋机纸上下棋机纸上下棋机纸上下棋机” ”率先探讨了下棋与机器智能的率先探讨了下棋与机器智能的率先探讨了下棋与机器智能的率先探讨了下棋与机器智能的联系，他还是举世公认的联系，他还是举世公认的联系，他还是举世公认的联系，他还是举世公认的“ “人工智能之父人工智能之父人工智能之父人工智能之父” ”。 l3 3岁那年，他进行了在科学实验方面的首次尝试岁那年，他进行了在科学实验方面的首次尝试岁那年，他进行了在科学实验方面的首次尝试岁那年，他进行了在科学实验方面的首次尝试把玩具木头人的胳膊掰下来种植到花园里，想把玩具木头人的胳膊掰下来种植到花园里，想把
19、玩具木头人的胳膊掰下来种植到花园里，想把玩具木头人的胳膊掰下来种植到花园里，想让它们长成更多的木头人。让它们长成更多的木头人。让它们长成更多的木头人。让它们长成更多的木头人。 8 8岁时，图灵尝试着岁时，图灵尝试着岁时，图灵尝试着岁时，图灵尝试着写了一部科学著作，题名写了一部科学著作，题名写了一部科学著作，题名写了一部科学著作，题名关于一种显微镜关于一种显微镜关于一种显微镜关于一种显微镜。Turing图灵与人工智能图灵与人工智能v19371937年，伦敦权威的数学杂志又收到图灵一篇论年，伦敦权威的数学杂志又收到图灵一篇论年，伦敦权威的数学杂志又收到图灵一篇论年，伦敦权威的数学杂志又收到图灵一篇
20、论文文文文论可计算数及其在判定问题中的应用论可计算数及其在判定问题中的应用论可计算数及其在判定问题中的应用论可计算数及其在判定问题中的应用，作，作，作，作为阐明现代电脑原理的开山之作，被永远载入了为阐明现代电脑原理的开山之作，被永远载入了为阐明现代电脑原理的开山之作，被永远载入了为阐明现代电脑原理的开山之作，被永远载入了计算机的发展史册。计算机的发展史册。计算机的发展史册。计算机的发展史册。v这篇论文原本是为了解决一个基础性的数学问题：这篇论文原本是为了解决一个基础性的数学问题：这篇论文原本是为了解决一个基础性的数学问题：这篇论文原本是为了解决一个基础性的数学问题：是否只要给人以足够的时间演算
21、，数学函数都能是否只要给人以足够的时间演算，数学函数都能是否只要给人以足够的时间演算，数学函数都能是否只要给人以足够的时间演算，数学函数都能够通过有限次机械步骤求得解答？传统数学家当够通过有限次机械步骤求得解答？传统数学家当够通过有限次机械步骤求得解答？传统数学家当够通过有限次机械步骤求得解答？传统数学家当然只会想到用公式推导证明它是否成立，可是图然只会想到用公式推导证明它是否成立，可是图然只会想到用公式推导证明它是否成立，可是图然只会想到用公式推导证明它是否成立，可是图灵独辟蹊径地想出了一台冥冥之中的机器。灵独辟蹊径地想出了一台冥冥之中的机器。灵独辟蹊径地想出了一台冥冥之中的机器。灵独辟蹊径
22、地想出了一台冥冥之中的机器。 v图灵想象的机器说起来很简单：该计算机使用一图灵想象的机器说起来很简单：该计算机使用一图灵想象的机器说起来很简单：该计算机使用一图灵想象的机器说起来很简单：该计算机使用一条无限长度的纸带，纸带被划分成许多方格，有条无限长度的纸带，纸带被划分成许多方格，有条无限长度的纸带，纸带被划分成许多方格，有条无限长度的纸带，纸带被划分成许多方格，有的方格被画上斜线，代表的方格被画上斜线，代表的方格被画上斜线，代表的方格被画上斜线，代表“ “1”1”；有的没有画任何；有的没有画任何；有的没有画任何；有的没有画任何线条，代表线条，代表线条，代表线条，代表“ “0”0”。该计算机有
23、一个读写头部件，。该计算机有一个读写头部件，。该计算机有一个读写头部件，。该计算机有一个读写头部件，可以从带子上读出信息，也可以往空方格里写下可以从带子上读出信息，也可以往空方格里写下可以从带子上读出信息，也可以往空方格里写下可以从带子上读出信息，也可以往空方格里写下信息。该计算机仅有的功能是：把纸带向右移动信息。该计算机仅有的功能是：把纸带向右移动信息。该计算机仅有的功能是：把纸带向右移动信息。该计算机仅有的功能是：把纸带向右移动一格，然后把一格，然后把一格，然后把一格，然后把“ “1”1”变成变成变成变成“ “0”0”，或者相反把，或者相反把，或者相反把，或者相反把“ “0”0”变成变成变
24、成变成“ “1”1”。v第二次世界大战期间，图灵应征入伍，在战时英第二次世界大战期间，图灵应征入伍，在战时英第二次世界大战期间，图灵应征入伍，在战时英第二次世界大战期间，图灵应征入伍，在战时英国情报中心国情报中心国情报中心国情报中心“ “布雷契莱庄园布雷契莱庄园布雷契莱庄园布雷契莱庄园” ”（BletchiyBletchiy）从事）从事）从事）从事破译德军密码的工作，与战友们一起制作了第一破译德军密码的工作，与战友们一起制作了第一破译德军密码的工作，与战友们一起制作了第一破译德军密码的工作，与战友们一起制作了第一台密码破译机。在图灵理论指导下，这个台密码破译机。在图灵理论指导下，这个台密码破译
25、机。在图灵理论指导下，这个台密码破译机。在图灵理论指导下，这个“ “庄园庄园庄园庄园” ”后来还研制出破译密码的专用电子管计算机后来还研制出破译密码的专用电子管计算机后来还研制出破译密码的专用电子管计算机后来还研制出破译密码的专用电子管计算机“ “巨人巨人巨人巨人” ”（ColossusColossus），在盟军诺曼底登陆等战役），在盟军诺曼底登陆等战役），在盟军诺曼底登陆等战役），在盟军诺曼底登陆等战役中立下了丰功伟绩。中立下了丰功伟绩。中立下了丰功伟绩。中立下了丰功伟绩。 v19451945年，脱下军装的图灵，带着大英帝国授予的年，脱下军装的图灵，带着大英帝国授予的年，脱下军装的图灵，带着
26、大英帝国授予的年，脱下军装的图灵，带着大英帝国授予的最高荣誉勋章，被录用为泰丁顿国家物理研究所最高荣誉勋章，被录用为泰丁顿国家物理研究所最高荣誉勋章，被录用为泰丁顿国家物理研究所最高荣誉勋章，被录用为泰丁顿国家物理研究所高级研究员。由于有了布雷契莱的实践，他提交高级研究员。由于有了布雷契莱的实践，他提交高级研究员。由于有了布雷契莱的实践，他提交高级研究员。由于有了布雷契莱的实践，他提交了一份了一份了一份了一份“ “自动计算机自动计算机自动计算机自动计算机” ”的设计方案，领导一批优的设计方案，领导一批优的设计方案，领导一批优的设计方案，领导一批优秀的电子工程师，着手制造一种名叫秀的电子工程师，
27、着手制造一种名叫秀的电子工程师，着手制造一种名叫秀的电子工程师，着手制造一种名叫ACEACE的电脑。的电脑。的电脑。的电脑。19501950年，年，年，年，ACEACE电脑样机公开表演，被认为是当时电脑样机公开表演，被认为是当时电脑样机公开表演，被认为是当时电脑样机公开表演，被认为是当时世界上最快最强有力的电子计算机之一。世界上最快最强有力的电子计算机之一。世界上最快最强有力的电子计算机之一。世界上最快最强有力的电子计算机之一。 Turing图灵与人工智能图灵与人工智能v19501950年，图灵来到曼彻斯特大学任教，并被指定年，图灵来到曼彻斯特大学任教，并被指定年，图灵来到曼彻斯特大学任教，并
28、被指定年，图灵来到曼彻斯特大学任教，并被指定为该大学自动计算机项目的负责人。就在这年为该大学自动计算机项目的负责人。就在这年为该大学自动计算机项目的负责人。就在这年为该大学自动计算机项目的负责人。就在这年1010月，月，月，月， 他的又一篇划时代论文他的又一篇划时代论文他的又一篇划时代论文他的又一篇划时代论文计算机与智能计算机与智能计算机与智能计算机与智能 发发发发表。这篇文章后来被改名为表。这篇文章后来被改名为表。这篇文章后来被改名为表。这篇文章后来被改名为机器能思维吗？机器能思维吗？机器能思维吗？机器能思维吗？ CanamachinethinkCanamachinethink？图灵试验图灵
29、试验 vv试图通过让机器模仿人回答某些问题，判断它是否具备智试图通过让机器模仿人回答某些问题，判断它是否具备智试图通过让机器模仿人回答某些问题，判断它是否具备智试图通过让机器模仿人回答某些问题，判断它是否具备智能。图灵试验采用能。图灵试验采用能。图灵试验采用能。图灵试验采用“ “问问问问” ”与与与与“ “答答答答” ”模式，即观察者通过控模式，即观察者通过控模式，即观察者通过控模式，即观察者通过控制打字机向两个试验对象通话，其中一个是人，另一个是制打字机向两个试验对象通话，其中一个是人，另一个是制打字机向两个试验对象通话，其中一个是人，另一个是制打字机向两个试验对象通话，其中一个是人，另一个
30、是机器。要求观察者不断提出各种问题，从而辨别回答者是机器。要求观察者不断提出各种问题，从而辨别回答者是机器。要求观察者不断提出各种问题，从而辨别回答者是机器。要求观察者不断提出各种问题，从而辨别回答者是人还是机器。人还是机器。人还是机器。人还是机器。 vv图灵指出：图灵指出：图灵指出：图灵指出：“ “如果机器在某些现实的条件下，能够非常好如果机器在某些现实的条件下，能够非常好如果机器在某些现实的条件下，能够非常好如果机器在某些现实的条件下，能够非常好地模仿人回答问题，以至提问者在相当长时间里误认它不地模仿人回答问题，以至提问者在相当长时间里误认它不地模仿人回答问题，以至提问者在相当长时间里误认
31、它不地模仿人回答问题，以至提问者在相当长时间里误认它不是机器，那么机器就可以被认为是能够思维的。是机器，那么机器就可以被认为是能够思维的。是机器，那么机器就可以被认为是能够思维的。是机器，那么机器就可以被认为是能够思维的。” ”vv从表面上看，要使机器回答按一定范围提出的问题似乎没从表面上看，要使机器回答按一定范围提出的问题似乎没从表面上看，要使机器回答按一定范围提出的问题似乎没从表面上看，要使机器回答按一定范围提出的问题似乎没有什么困难，可以通过编制特殊的程序来实现。然而，如有什么困难，可以通过编制特殊的程序来实现。然而，如有什么困难，可以通过编制特殊的程序来实现。然而，如有什么困难，可以通
32、过编制特殊的程序来实现。然而，如果提问者并不遵循常规标准，编制回答的程序是极其困难果提问者并不遵循常规标准，编制回答的程序是极其困难果提问者并不遵循常规标准，编制回答的程序是极其困难果提问者并不遵循常规标准，编制回答的程序是极其困难的事情。的事情。的事情。的事情。 vv图灵预测，图灵预测，图灵预测，图灵预测，20002000年之前计算机有年之前计算机有年之前计算机有年之前计算机有30%30%的概率蒙骗一个普通的概率蒙骗一个普通的概率蒙骗一个普通的概率蒙骗一个普通人达人达人达人达5 5分钟。分钟。分钟。分钟。vv然而，然而，然而，然而，AIAI研究者相信研究智能的根本原理远比复制智能更研究者相信
33、研究智能的根本原理远比复制智能更研究者相信研究智能的根本原理远比复制智能更研究者相信研究智能的根本原理远比复制智能更重要。重要。重要。重要。图灵测试对计算机的要求图灵测试对计算机的要求v自然语言处理自然语言处理自然语言处理自然语言处理v知识表示知识表示知识表示知识表示v自动推理自动推理自动推理自动推理v机器学习机器学习机器学习机器学习v完全图灵测试完全图灵测试完全图灵测试完全图灵测试vv计算机视觉计算机视觉计算机视觉计算机视觉vv机器人技术机器人技术机器人技术机器人技术图灵还为这项试验亲自拟定了几个示范性问：图灵还为这项试验亲自拟定了几个示范性问：图灵还为这项试验亲自拟定了几个示范性问：图灵还
34、为这项试验亲自拟定了几个示范性问：问：问：问：问： 请给我写出有关请给我写出有关请给我写出有关请给我写出有关“ “第四号桥第四号桥第四号桥第四号桥” ”主题的十四行诗。主题的十四行诗。主题的十四行诗。主题的十四行诗。 答：不要问我这道题，我从来不会写诗。答：不要问我这道题，我从来不会写诗。答：不要问我这道题，我从来不会写诗。答：不要问我这道题，我从来不会写诗。 问：问：问：问：3495734957加加加加7076470764等于多少？等于多少？等于多少？等于多少？ 答：（停答：（停答：（停答：（停3030秒后）秒后）秒后）秒后）105721 105721 问：你会下国际象棋吗？问：你会下国际象
35、棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？ 答：是的。答：是的。答：是的。答：是的。 问：我在我的问：我在我的问：我在我的问：我在我的K1K1处有棋子处有棋子处有棋子处有棋子K K；你仅在；你仅在；你仅在；你仅在K6K6处有棋子处有棋子处有棋子处有棋子K K，在，在，在，在 R1R1处有棋子处有棋子处有棋子处有棋子R R。现在轮到你走，你应该下那步棋？。现在轮到你走，你应该下那步棋？。现在轮到你走，你应该下那步棋？。现在轮到你走，你应该下那步棋？ 答：（停答：（停答：（停答：（停1515秒钟后）棋子秒钟后）棋子秒钟后）棋子秒钟后）棋子R R走到走到走到走到R8R8处，将军！处，将军！处
36、，将军！处，将军！图灵测试图灵测试v从表面上看，要使机器回答按一定范围提出的问从表面上看，要使机器回答按一定范围提出的问从表面上看，要使机器回答按一定范围提出的问从表面上看，要使机器回答按一定范围提出的问题似乎没有什么困难，可以通过编制特殊的程序题似乎没有什么困难，可以通过编制特殊的程序题似乎没有什么困难，可以通过编制特殊的程序题似乎没有什么困难，可以通过编制特殊的程序来实现。然而，如果提问者并不遵循常规标准，来实现。然而，如果提问者并不遵循常规标准，来实现。然而，如果提问者并不遵循常规标准，来实现。然而，如果提问者并不遵循常规标准，编制回答的程序是极其困难的事情。例如，提问编制回答的程序是极
37、其困难的事情。例如，提问编制回答的程序是极其困难的事情。例如，提问编制回答的程序是极其困难的事情。例如，提问与回答呈现出下列状况：与回答呈现出下列状况：与回答呈现出下列状况：与回答呈现出下列状况： 图灵试验图灵试验v问：你会下国际象棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？ v答：是的。答：是的。答：是的。答：是的。 v问：你会下国际象棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？ v答：是的。答：是的。答：是的。答：是的。 v问：请再次回答，你会下国际象棋吗？问：请再次回答，你会下国际象棋吗？问：请再次回答，你会下国际象棋吗？问：请再次
38、回答，你会下国际象棋吗？ v答：是的。答：是的。答：是的。答：是的。 你多半会想到，面前的这位是一部笨机器。你多半会想到，面前的这位是一部笨机器。你多半会想到，面前的这位是一部笨机器。你多半会想到，面前的这位是一部笨机器。 图灵试验图灵试验v问：问：问：问： 你会下国际象棋吗？你会下国际象棋吗？你会下国际象棋吗？你会下国际象棋吗？ v答：是的。答：是的。答：是的。答：是的。 v问：你会下国际象棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？问：你会下国际象棋吗？ v答：是的，我不是已经说过了吗？答：是的，我不是已经说过了吗？答：是的，我不是已经说过了吗？答：是的，我不是已经说过了吗？ v问：
39、请再次回答，你会下国际象棋吗？问：请再次回答，你会下国际象棋吗？问：请再次回答，你会下国际象棋吗？问：请再次回答，你会下国际象棋吗？ v答：你烦不烦，干嘛老提同样的问题。答：你烦不烦，干嘛老提同样的问题。答：你烦不烦，干嘛老提同样的问题。答：你烦不烦，干嘛老提同样的问题。 图灵试验图灵试验 上述两种对话的区别在于，第一种可明显地上述两种对话的区别在于，第一种可明显地上述两种对话的区别在于，第一种可明显地上述两种对话的区别在于，第一种可明显地感到回答者是从知识库里提取简单的答案，第二感到回答者是从知识库里提取简单的答案，第二感到回答者是从知识库里提取简单的答案，第二感到回答者是从知识库里提取简单
40、的答案，第二种则具有分析综合的能力，回答者知道观察者在种则具有分析综合的能力，回答者知道观察者在种则具有分析综合的能力，回答者知道观察者在种则具有分析综合的能力，回答者知道观察者在反复提出同样的问题。反复提出同样的问题。反复提出同样的问题。反复提出同样的问题。“ “图灵试验图灵试验图灵试验图灵试验” ”没有规定问没有规定问没有规定问没有规定问题的范围和提问的标准，如果想要制造出能通过题的范围和提问的标准，如果想要制造出能通过题的范围和提问的标准，如果想要制造出能通过题的范围和提问的标准，如果想要制造出能通过试验的机器，以我们现在的技术水平，必须在电试验的机器，以我们现在的技术水平，必须在电试验
41、的机器，以我们现在的技术水平，必须在电试验的机器，以我们现在的技术水平，必须在电脑中储存人类所有可以想到的问题，储存对这些脑中储存人类所有可以想到的问题，储存对这些脑中储存人类所有可以想到的问题，储存对这些脑中储存人类所有可以想到的问题，储存对这些问题的所有合乎常理的回答，并且还需要理智地问题的所有合乎常理的回答，并且还需要理智地问题的所有合乎常理的回答，并且还需要理智地问题的所有合乎常理的回答，并且还需要理智地作出选择。作出选择。作出选择。作出选择。 图灵预言图灵预言 图灵曾预言，随着电脑科学和机器智能的发展，图灵曾预言，随着电脑科学和机器智能的发展，图灵曾预言，随着电脑科学和机器智能的发展
42、，图灵曾预言，随着电脑科学和机器智能的发展，本世纪末将会出现这样的机器。在这点上，图灵本世纪末将会出现这样的机器。在这点上，图灵本世纪末将会出现这样的机器。在这点上，图灵本世纪末将会出现这样的机器。在这点上，图灵也过于乐观。但是，也过于乐观。但是，也过于乐观。但是，也过于乐观。但是，“ “图灵试验图灵试验图灵试验图灵试验” ”大胆地提出大胆地提出大胆地提出大胆地提出“ “机器思维机器思维机器思维机器思维” ”的概念，为人工智能确定了奋斗的目的概念，为人工智能确定了奋斗的目的概念，为人工智能确定了奋斗的目的概念，为人工智能确定了奋斗的目标，并指明了前进的方向。标，并指明了前进的方向。标，并指明了
43、前进的方向。标，并指明了前进的方向。 遗憾的是，遗憾的是，遗憾的是，遗憾的是，19541954年年年年6 6月月月月8 8，图灵英年早逝！，图灵英年早逝！，图灵英年早逝！，图灵英年早逝！ 图灵奖图灵奖 图林开创了计算机科学的重要分支图林开创了计算机科学的重要分支图林开创了计算机科学的重要分支图林开创了计算机科学的重要分支人工智能，人工智能，人工智能，人工智能，虽然他当时并没有明确使用这个术语。把虽然他当时并没有明确使用这个术语。把虽然他当时并没有明确使用这个术语。把虽然他当时并没有明确使用这个术语。把“ “图林奖图林奖图林奖图林奖” ”获奖者作一统计后就会发现，许多电脑科学家恰好是获奖者作一统
44、计后就会发现，许多电脑科学家恰好是获奖者作一统计后就会发现，许多电脑科学家恰好是获奖者作一统计后就会发现，许多电脑科学家恰好是在人工智能领域作出的杰出贡献。例如，在人工智能领域作出的杰出贡献。例如，在人工智能领域作出的杰出贡献。例如，在人工智能领域作出的杰出贡献。例如，19691969年年年年“ “图图图图林奖林奖林奖林奖” ”获得者是哈佛大学的明斯基（获得者是哈佛大学的明斯基（获得者是哈佛大学的明斯基（获得者是哈佛大学的明斯基（M.MinskyM.Minsky）；）；）；）；19711971年年年年“ “图林奖图林奖图林奖图林奖” ”获得者是达特莫斯大学的麦卡锡获得者是达特莫斯大学的麦卡锡获
45、得者是达特莫斯大学的麦卡锡获得者是达特莫斯大学的麦卡锡（J.McCarthyJ.McCarthy）；）；）；）；19751975年年年年“ “图林奖图林奖图林奖图林奖” ”则由卡内基则由卡内基则由卡内基则由卡内基梅隆大学的纽厄尔（梅隆大学的纽厄尔（梅隆大学的纽厄尔（梅隆大学的纽厄尔（A. NewellA. Newell）和赫伯特）和赫伯特）和赫伯特）和赫伯特 西蒙西蒙西蒙西蒙（H.SimonH.Simon）共同获得。）共同获得。）共同获得。）共同获得。 4.人工智能的物质基础人工智能的物质基础:计算机计算机v二战期间，美国军方为了解决计算大量军用数据二战期间，美国军方为了解决计算大量军用数据二
46、战期间，美国军方为了解决计算大量军用数据二战期间，美国军方为了解决计算大量军用数据的难题，成立了由宾夕法尼亚大学莫奇利和埃克的难题，成立了由宾夕法尼亚大学莫奇利和埃克的难题，成立了由宾夕法尼亚大学莫奇利和埃克的难题，成立了由宾夕法尼亚大学莫奇利和埃克特领导的研究小组，开始研制世界上第一台计算特领导的研究小组，开始研制世界上第一台计算特领导的研究小组，开始研制世界上第一台计算特领导的研究小组，开始研制世界上第一台计算机。经过三年紧张的工作，第一台电子计算机终机。经过三年紧张的工作，第一台电子计算机终机。经过三年紧张的工作，第一台电子计算机终机。经过三年紧张的工作，第一台电子计算机终于在于在于在于
47、在19461946年年年年2 2月月月月1414日问世了，它由日问世了，它由日问世了，它由日问世了，它由1746817468个电子个电子个电子个电子管、管、管、管、6 6万个电阻器、万个电阻器、万个电阻器、万个电阻器、1 1万个电容器和万个电容器和万个电容器和万个电容器和6 6千个开关组成千个开关组成千个开关组成千个开关组成，重达，重达，重达，重达3030吨，占地吨，占地吨，占地吨，占地160160平方米，耗电平方米，耗电平方米，耗电平方米，耗电174174千瓦，耗千瓦，耗千瓦，耗千瓦，耗资资资资4545万美元。这台计算机每秒只能运行万美元。这台计算机每秒只能运行万美元。这台计算机每秒只能运行
48、万美元。这台计算机每秒只能运行5 5千次加法千次加法千次加法千次加法运算，称为运算，称为运算，称为运算，称为“ “埃尼阿克埃尼阿克埃尼阿克埃尼阿克” ” 即即即即ENIACENIAC（电子数字积（电子数字积（电子数字积（电子数字积分计算机）。分计算机）。分计算机）。分计算机）。 人工智能的物质基础人工智能的物质基础 Mauchly Mauchly和和和和EckertEckert等研制成功等研制成功等研制成功等研制成功ENIACENIAC电子数字计算机，为人电子数字计算机，为人电子数字计算机，为人电子数字计算机，为人工智能研究奠定物质基础。工智能研究奠定物质基础。工智能研究奠定物质基础。工智能研
49、究奠定物质基础。缺点：缺点：缺点：缺点：（1 1）没有存储器；）没有存储器；）没有存储器；）没有存储器；（2 2）它用布线接板进行控制，甚至要搭接几天，计算速度也就被）它用布线接板进行控制，甚至要搭接几天，计算速度也就被）它用布线接板进行控制，甚至要搭接几天，计算速度也就被）它用布线接板进行控制，甚至要搭接几天，计算速度也就被这一工作抵消了这一工作抵消了这一工作抵消了这一工作抵消了埃克特（右）和莫克利（左）埃克特（右）和莫克利（左）数学奇才、计算机之父数学奇才、计算机之父数学奇才、计算机之父数学奇才、计算机之父冯冯冯冯 诺依曼冯诺依曼冯诺依曼冯诺依曼冯 诺依曼诺依曼诺依曼诺依曼5 5、Von
50、NeumannVon Neumann提出冯提出冯提出冯提出冯 诺依曼计算机模型。诺依曼计算机模型。诺依曼计算机模型。诺依曼计算机模型。冯冯诺依曼诺依曼 指令流指令流控制命令控制命令数据流数据流(指令和数据指令和数据)v熟悉计算机发展历史的人大都知道，美国科学家熟悉计算机发展历史的人大都知道，美国科学家熟悉计算机发展历史的人大都知道，美国科学家熟悉计算机发展历史的人大都知道，美国科学家冯冯冯冯 诺依曼被誉为诺依曼被誉为诺依曼被誉为诺依曼被誉为“ “计算机之父计算机之父计算机之父计算机之父” ”，他是本世纪最，他是本世纪最，他是本世纪最，他是本世纪最伟大的发明家之一。伟大的发明家之一。伟大的发明家
51、之一。伟大的发明家之一。v数学史界却同样坚持认为，冯数学史界却同样坚持认为，冯数学史界却同样坚持认为，冯数学史界却同样坚持认为，冯 诺依曼是本世纪最诺依曼是本世纪最诺依曼是本世纪最诺依曼是本世纪最伟大的数学家之一，他在遍历理论、拓扑群理论伟大的数学家之一，他在遍历理论、拓扑群理论伟大的数学家之一，他在遍历理论、拓扑群理论伟大的数学家之一，他在遍历理论、拓扑群理论等方面作出了开创性的工作，算子代数甚至被命等方面作出了开创性的工作，算子代数甚至被命等方面作出了开创性的工作，算子代数甚至被命等方面作出了开创性的工作，算子代数甚至被命名为名为名为名为“ “冯冯冯冯 诺依曼代数诺依曼代数诺依曼代数诺依曼
52、代数” ”。v物理学家说，冯物理学家说，冯物理学家说，冯物理学家说，冯 诺依曼在诺依曼在诺依曼在诺依曼在3030年代撰写的年代撰写的年代撰写的年代撰写的量子力量子力量子力量子力学的数学基础学的数学基础学的数学基础学的数学基础已经被证明对原子物理学的发展已经被证明对原子物理学的发展已经被证明对原子物理学的发展已经被证明对原子物理学的发展有极其重要的价值。有极其重要的价值。有极其重要的价值。有极其重要的价值。v而经济学家则反复强调，冯而经济学家则反复强调，冯而经济学家则反复强调，冯而经济学家则反复强调，冯 诺依曼建立的经济增诺依曼建立的经济增诺依曼建立的经济增诺依曼建立的经济增长横型体系，特别是长
53、横型体系，特别是长横型体系，特别是长横型体系，特别是4040年代出版的著作年代出版的著作年代出版的著作年代出版的著作博弈论博弈论博弈论博弈论和经济行为和经济行为和经济行为和经济行为，使他在经济学和决策科学领域竖，使他在经济学和决策科学领域竖，使他在经济学和决策科学领域竖，使他在经济学和决策科学领域竖起了一块丰碑。起了一块丰碑。起了一块丰碑。起了一块丰碑。vv19311931年匈牙利首都布达佩斯。身为犹太银行家的父年匈牙利首都布达佩斯。身为犹太银行家的父年匈牙利首都布达佩斯。身为犹太银行家的父年匈牙利首都布达佩斯。身为犹太银行家的父亲在报纸上刊登启事，要为他亲在报纸上刊登启事，要为他亲在报纸上刊
54、登启事，要为他亲在报纸上刊登启事，要为他1111岁的孩子招聘家庭岁的孩子招聘家庭岁的孩子招聘家庭岁的孩子招聘家庭教师，聘金超过常规教师，聘金超过常规教师，聘金超过常规教师，聘金超过常规1010倍。布达佩斯人才济济，可倍。布达佩斯人才济济，可倍。布达佩斯人才济济，可倍。布达佩斯人才济济，可一个多月过去，居然没有一人前往应聘。因为这个一个多月过去，居然没有一人前往应聘。因为这个一个多月过去，居然没有一人前往应聘。因为这个一个多月过去，居然没有一人前往应聘。因为这个城市里，谁都听说过，银行家的长子冯城市里，谁都听说过，银行家的长子冯城市里，谁都听说过，银行家的长子冯城市里，谁都听说过，银行家的长子冯
55、 诺依曼聪慧诺依曼聪慧诺依曼聪慧诺依曼聪慧过人，过人，过人，过人，3 3岁就能背诵父亲帐本上的所有数字，岁就能背诵父亲帐本上的所有数字，岁就能背诵父亲帐本上的所有数字，岁就能背诵父亲帐本上的所有数字， 6 6岁能岁能岁能岁能够心算够心算够心算够心算8 8位数除位数除位数除位数除8 8位数的复杂算术题，位数的复杂算术题，位数的复杂算术题，位数的复杂算术题，8 8岁学会了微岁学会了微岁学会了微岁学会了微积分。积分。积分。积分。v父亲无可奈何，只好把冯父亲无可奈何，只好把冯诺依曼送进一所诺依曼送进一所正规学校就读。不到一个学期，他班上的正规学校就读。不到一个学期，他班上的数学老师走进家门，告诉银行家
56、自己的数数学老师走进家门，告诉银行家自己的数学水平已远不能满足冯学水平已远不能满足冯诺依曼的需要。诺依曼的需要。“假如不给创造这孩子深造的机会，将会耽假如不给创造这孩子深造的机会，将会耽误他的前途，误他的前途，”老师认真地说道，老师认真地说道，“我可我可以将他推荐给一位数学教授，您看如何？以将他推荐给一位数学教授，您看如何？” 银行家一听大喜过望，于是冯银行家一听大喜过望，于是冯诺依曼一诺依曼一面在学校跟班读书，一面由布达佩斯大学面在学校跟班读书，一面由布达佩斯大学教授为他教授为他“开小灶开小灶”。 然而，这种状况也没能维持几年，勤奋好学然而，这种状况也没能维持几年，勤奋好学然而，这种状况也没
57、能维持几年，勤奋好学然而，这种状况也没能维持几年，勤奋好学的中学生很快又超过了大学教授，他居然把学习的中学生很快又超过了大学教授，他居然把学习的中学生很快又超过了大学教授，他居然把学习的中学生很快又超过了大学教授，他居然把学习的触角伸进了当时最新数学分支的触角伸进了当时最新数学分支的触角伸进了当时最新数学分支的触角伸进了当时最新数学分支集合论和泛集合论和泛集合论和泛集合论和泛函分析，同时还阅读了大量历史和文学方面的书函分析，同时还阅读了大量历史和文学方面的书函分析，同时还阅读了大量历史和文学方面的书函分析，同时还阅读了大量历史和文学方面的书籍，并且学会了七种外语。毕业前夕，冯籍，并且学会了七种
58、外语。毕业前夕，冯籍，并且学会了七种外语。毕业前夕，冯籍，并且学会了七种外语。毕业前夕，冯 诺依曼诺依曼诺依曼诺依曼与数学教授联名发表了他第一篇数学论文，那一与数学教授联名发表了他第一篇数学论文，那一与数学教授联名发表了他第一篇数学论文，那一与数学教授联名发表了他第一篇数学论文，那一年，他还不到年，他还不到年，他还不到年，他还不到1717岁。岁。岁。岁。 考大学前夕，匈牙利政局动荡，冯考大学前夕，匈牙利政局动荡，冯考大学前夕，匈牙利政局动荡，冯考大学前夕，匈牙利政局动荡，冯 诺依曼诺依曼诺依曼诺依曼便浪迹欧洲各地，在柏林和瑞士一些著名的大学便浪迹欧洲各地，在柏林和瑞士一些著名的大学便浪迹欧洲各
59、地，在柏林和瑞士一些著名的大学便浪迹欧洲各地，在柏林和瑞士一些著名的大学听课。听课。听课。听课。2222岁时，他获瑞士苏黎士联邦工业大学化岁时，他获瑞士苏黎士联邦工业大学化岁时，他获瑞士苏黎士联邦工业大学化岁时，他获瑞士苏黎士联邦工业大学化学工程师文凭。一年之后，轻而易举摘取布达佩学工程师文凭。一年之后，轻而易举摘取布达佩学工程师文凭。一年之后，轻而易举摘取布达佩学工程师文凭。一年之后，轻而易举摘取布达佩斯大学数学博士学位。在柏林当了几年无薪讲师斯大学数学博士学位。在柏林当了几年无薪讲师斯大学数学博士学位。在柏林当了几年无薪讲师斯大学数学博士学位。在柏林当了几年无薪讲师后，他转而攻向物理学，为
60、量子力学研究数学模后，他转而攻向物理学，为量子力学研究数学模后，他转而攻向物理学，为量子力学研究数学模后，他转而攻向物理学，为量子力学研究数学模型，又使自己在理论物理学领域占据了突出的地型，又使自己在理论物理学领域占据了突出的地型，又使自己在理论物理学领域占据了突出的地型，又使自己在理论物理学领域占据了突出的地位。风华正茂的冯位。风华正茂的冯位。风华正茂的冯位。风华正茂的冯 诺依曼，靠着顽强的学习毅力，诺依曼，靠着顽强的学习毅力，诺依曼，靠着顽强的学习毅力，诺依曼，靠着顽强的学习毅力，在科学殿堂里在科学殿堂里在科学殿堂里在科学殿堂里“ “横扫千军如卷席横扫千军如卷席横扫千军如卷席横扫千军如卷席
61、” ”，成为横跨，成为横跨，成为横跨，成为横跨“ “数、理、化数、理、化数、理、化数、理、化” ”各门学科的超级全才。各门学科的超级全才。各门学科的超级全才。各门学科的超级全才。 1928 1928年，美国数学泰斗、普林斯顿高级研究年，美国数学泰斗、普林斯顿高级研究年，美国数学泰斗、普林斯顿高级研究年，美国数学泰斗、普林斯顿高级研究院维伯伦教授（院维伯伦教授（院维伯伦教授（院维伯伦教授（O.VeblenO.Veblen）广罗天下之英才，一）广罗天下之英才，一）广罗天下之英才，一）广罗天下之英才，一封烫金的大红聘书，寄给了柏林大学这位无薪讲封烫金的大红聘书，寄给了柏林大学这位无薪讲封烫金的大红聘
62、书，寄给了柏林大学这位无薪讲封烫金的大红聘书，寄给了柏林大学这位无薪讲师，请他去美国讲授师，请他去美国讲授师，请他去美国讲授师，请他去美国讲授“ “量子力学理论课量子力学理论课量子力学理论课量子力学理论课” ”。冯。冯。冯。冯 诺诺诺诺依曼预料到未来科学的发展中心即将西移，欣然依曼预料到未来科学的发展中心即将西移，欣然依曼预料到未来科学的发展中心即将西移，欣然依曼预料到未来科学的发展中心即将西移，欣然同意赴美国任教。同意赴美国任教。同意赴美国任教。同意赴美国任教。19301930年，年，年，年，2727岁的冯岁的冯岁的冯岁的冯 诺依曼被诺依曼被诺依曼被诺依曼被提升为教授；提升为教授；提升为教授
63、；提升为教授；19331933年，他又与爱因斯坦一起，被年，他又与爱因斯坦一起，被年，他又与爱因斯坦一起，被年，他又与爱因斯坦一起，被聘为普林斯顿高等研究院第一批终身教授，而且聘为普林斯顿高等研究院第一批终身教授，而且聘为普林斯顿高等研究院第一批终身教授，而且聘为普林斯顿高等研究院第一批终身教授，而且是是是是6 6名大师中最年轻的一名。名大师中最年轻的一名。名大师中最年轻的一名。名大师中最年轻的一名。vv19441944年戈德斯坦来到阿贝丁车站，等候去费城的火车，突年戈德斯坦来到阿贝丁车站，等候去费城的火车，突年戈德斯坦来到阿贝丁车站，等候去费城的火车，突年戈德斯坦来到阿贝丁车站，等候去费城的
64、火车，突然看见前面不远处，有个熟悉的身影向他走过来。来者正然看见前面不远处，有个熟悉的身影向他走过来。来者正然看见前面不远处，有个熟悉的身影向他走过来。来者正然看见前面不远处，有个熟悉的身影向他走过来。来者正是闻名世界的大数学家冯是闻名世界的大数学家冯是闻名世界的大数学家冯是闻名世界的大数学家冯 诺依曼。天赐良机，戈德斯坦诺依曼。天赐良机，戈德斯坦诺依曼。天赐良机，戈德斯坦诺依曼。天赐良机，戈德斯坦感到绝不能放过这次偶然的邂逅，他把早已埋藏在心中的感到绝不能放过这次偶然的邂逅，他把早已埋藏在心中的感到绝不能放过这次偶然的邂逅，他把早已埋藏在心中的感到绝不能放过这次偶然的邂逅，他把早已埋藏在心中
65、的几个数学难题，一古脑儿倒出来，向数学大师讨教。数学几个数学难题，一古脑儿倒出来，向数学大师讨教。数学几个数学难题，一古脑儿倒出来，向数学大师讨教。数学几个数学难题，一古脑儿倒出来，向数学大师讨教。数学家和蔼可亲，没有一点架子，耐心地为戈德斯坦排忧解难。家和蔼可亲，没有一点架子，耐心地为戈德斯坦排忧解难。家和蔼可亲，没有一点架子，耐心地为戈德斯坦排忧解难。家和蔼可亲，没有一点架子，耐心地为戈德斯坦排忧解难。听着听着，冯听着听着，冯听着听着，冯听着听着，冯 诺依曼不觉流露出吃惊的神色，敏锐地从诺依曼不觉流露出吃惊的神色，敏锐地从诺依曼不觉流露出吃惊的神色，敏锐地从诺依曼不觉流露出吃惊的神色，敏锐
66、地从数学问题里，感到眼前这位青年身边正发生着什么不寻常数学问题里，感到眼前这位青年身边正发生着什么不寻常数学问题里，感到眼前这位青年身边正发生着什么不寻常数学问题里，感到眼前这位青年身边正发生着什么不寻常的事情。他开始反过来向戈德斯坦发问，直问得年轻人的事情。他开始反过来向戈德斯坦发问，直问得年轻人的事情。他开始反过来向戈德斯坦发问，直问得年轻人的事情。他开始反过来向戈德斯坦发问，直问得年轻人“ “好像又经历了一次博士论文答辩好像又经历了一次博士论文答辩好像又经历了一次博士论文答辩好像又经历了一次博士论文答辩” ”。最后，戈德斯坦毫不。最后，戈德斯坦毫不。最后，戈德斯坦毫不。最后，戈德斯坦毫不
67、隐瞒地告诉他莫尔学院的电子计算机课题和目前的研究进隐瞒地告诉他莫尔学院的电子计算机课题和目前的研究进隐瞒地告诉他莫尔学院的电子计算机课题和目前的研究进隐瞒地告诉他莫尔学院的电子计算机课题和目前的研究进展。展。展。展。 v19451945年年年年6 6月，冯月，冯月，冯月，冯 诺依曼与戈德斯坦、勃克斯等人，诺依曼与戈德斯坦、勃克斯等人，诺依曼与戈德斯坦、勃克斯等人，诺依曼与戈德斯坦、勃克斯等人，联名发表了一篇长达联名发表了一篇长达联名发表了一篇长达联名发表了一篇长达101101页纸的报告，即计算机史页纸的报告，即计算机史页纸的报告，即计算机史页纸的报告，即计算机史上著名的上著名的上著名的上著名的
68、“ “101101页报告页报告页报告页报告” ”，直到今天，仍然被认为，直到今天，仍然被认为，直到今天，仍然被认为，直到今天，仍然被认为是现代电脑科学发展里程碑式的文献。报告明确是现代电脑科学发展里程碑式的文献。报告明确是现代电脑科学发展里程碑式的文献。报告明确是现代电脑科学发展里程碑式的文献。报告明确规定出计算机的五大部件，并用二进制替代十进规定出计算机的五大部件，并用二进制替代十进规定出计算机的五大部件，并用二进制替代十进规定出计算机的五大部件，并用二进制替代十进制运算。制运算。制运算。制运算。 v他是美国国家科学院、秘鲁国立自然科学院和意他是美国国家科学院、秘鲁国立自然科学院和意他是美国
69、国家科学院、秘鲁国立自然科学院和意他是美国国家科学院、秘鲁国立自然科学院和意大利国立林且学院等院的院土。大利国立林且学院等院的院土。大利国立林且学院等院的院土。大利国立林且学院等院的院土。 19541954年他任美国年他任美国年他任美国年他任美国原子能委员会委员；原子能委员会委员；原子能委员会委员；原子能委员会委员；19511951年至年至年至年至19531953年任美国数学年任美国数学年任美国数学年任美国数学会主席。会主席。会主席。会主席。v19541954年夏，冯。诺依曼被使现患有癌症，年夏，冯。诺依曼被使现患有癌症，年夏，冯。诺依曼被使现患有癌症，年夏，冯。诺依曼被使现患有癌症，1957
70、1957年年年年2 2月月月月8 8日，在华盛顿去世，终年日，在华盛顿去世，终年日，在华盛顿去世，终年日，在华盛顿去世，终年5454岁。岁。岁。岁。MP模型模型vv在在在在19431943年沃仑年沃仑年沃仑年沃仑 麦卡洛克（麦卡洛克（麦卡洛克（麦卡洛克（Warrenc McCullochWarrenc McCulloch）和）和）和）和沃尔特沃尔特沃尔特沃尔特 皮兹（皮兹（皮兹（皮兹（Walter PittsWalter Pitts）研究表明，在原则上由）研究表明，在原则上由）研究表明，在原则上由）研究表明，在原则上由非常简单的单元连接在一起组成的非常简单的单元连接在一起组成的非常简单的单元连
71、接在一起组成的非常简单的单元连接在一起组成的“ “网络网络网络网络” ”可以对任可以对任可以对任可以对任何逻辑和算术函数进行计算。因为网络的单元有些像何逻辑和算术函数进行计算。因为网络的单元有些像何逻辑和算术函数进行计算。因为网络的单元有些像何逻辑和算术函数进行计算。因为网络的单元有些像大大简化的神经元，它现在常被称作大大简化的神经元，它现在常被称作大大简化的神经元，它现在常被称作大大简化的神经元，它现在常被称作“ “神经网络神经网络神经网络神经网络” ”。 MP模型模型6 6、McCullochMcCulloch和和和和PittsPitts建立神经网络数学模型，通过模建立神经网络数学模型，通
72、过模建立神经网络数学模型，通过模建立神经网络数学模型，通过模拟人脑实现智能，开创人工神经网络研究。拟人脑实现智能，开创人工神经网络研究。拟人脑实现智能，开创人工神经网络研究。拟人脑实现智能，开创人工神经网络研究。 w wij ij 代表神经元代表神经元代表神经元代表神经元i i与神经元与神经元与神经元与神经元j j之间的连接强度之间的连接强度之间的连接强度之间的连接强度( (模拟模拟模拟模拟生物神经元之间突触连接强度生物神经元之间突触连接强度生物神经元之间突触连接强度生物神经元之间突触连接强度) )，称之为连接权；，称之为连接权；，称之为连接权；，称之为连接权； u ui i代表神经元代表神经
73、元代表神经元代表神经元i i的活跃值，即神经元状态；的活跃值，即神经元状态；的活跃值，即神经元状态；的活跃值，即神经元状态； v vi i代表神经元代表神经元代表神经元代表神经元j j的输出，即是神经元的输出，即是神经元的输出，即是神经元的输出，即是神经元i i的一个的一个的一个的一个输入；输入；输入；输入； i i代表神经元代表神经元代表神经元代表神经元i i的阈值。的阈值。的阈值。的阈值。 函数函数函数函数f f表达了神经元的输入输出特性。在表达了神经元的输入输出特性。在表达了神经元的输入输出特性。在表达了神经元的输入输出特性。在MPMP模型模型模型模型中，中，中，中，f f定义为阶跃函数
74、：定义为阶跃函数：定义为阶跃函数：定义为阶跃函数： 输入输入输出输出vv本体：细胞体（细胞膜、质、核），对输入信号进行处本体：细胞体（细胞膜、质、核），对输入信号进行处本体：细胞体（细胞膜、质、核），对输入信号进行处本体：细胞体（细胞膜、质、核），对输入信号进行处理，相当于理，相当于理，相当于理，相当于CPUCPU。vv树突：本体向外伸出的分支，多根，长树突：本体向外伸出的分支，多根，长树突：本体向外伸出的分支，多根，长树突：本体向外伸出的分支，多根，长1mm1mm左右，本体左右，本体左右，本体左右，本体的输入端。的输入端。的输入端。的输入端。vv轴突：本体向外伸出的最长的分支，即神经纤维，一
75、根，轴突：本体向外伸出的最长的分支，即神经纤维，一根，轴突：本体向外伸出的最长的分支，即神经纤维，一根，轴突：本体向外伸出的最长的分支，即神经纤维，一根，长长长长1cm1m1cm1m左右，通过轴突上的神经末梢将信号传给其左右，通过轴突上的神经末梢将信号传给其左右，通过轴突上的神经末梢将信号传给其左右，通过轴突上的神经末梢将信号传给其它神经元，相当于本体的输出端。它神经元，相当于本体的输出端。它神经元，相当于本体的输出端。它神经元，相当于本体的输出端。vv 突触：各神经元之间轴突和树突之间的接口，即神经末突触：各神经元之间轴突和树突之间的接口，即神经末突触：各神经元之间轴突和树突之间的接口，即神
76、经末突触：各神经元之间轴突和树突之间的接口，即神经末梢与树突相接触的交界面，每个细胞体大约有梢与树突相接触的交界面，每个细胞体大约有梢与树突相接触的交界面，每个细胞体大约有梢与树突相接触的交界面，每个细胞体大约有103104103104个突触。突触有兴奋型和抑制型两种。个突触。突触有兴奋型和抑制型两种。个突触。突触有兴奋型和抑制型两种。个突触。突触有兴奋型和抑制型两种。7 7、WienerWiener创立控制论，创立控制论，创立控制论，创立控制论，ShannonShannon创立信息论创立信息论创立信息论创立信息论 维纳开始考虑计算机如何能像大脑一样工作。他维纳开始考虑计算机如何能像大脑一样工
77、作。他维纳开始考虑计算机如何能像大脑一样工作。他维纳开始考虑计算机如何能像大脑一样工作。他发现了二者的相似性。维纳认为计算机是一个进行信发现了二者的相似性。维纳认为计算机是一个进行信发现了二者的相似性。维纳认为计算机是一个进行信发现了二者的相似性。维纳认为计算机是一个进行信息处理和信息转换的系统，只要这个系统能得到数据，息处理和信息转换的系统，只要这个系统能得到数据，息处理和信息转换的系统，只要这个系统能得到数据，息处理和信息转换的系统，只要这个系统能得到数据，机器本身就应该能做几乎任何事情。而且计算机本身机器本身就应该能做几乎任何事情。而且计算机本身机器本身就应该能做几乎任何事情。而且计算机
78、本身机器本身就应该能做几乎任何事情。而且计算机本身并不一定要用齿轮，导线，轴，电机等部件制成。麻并不一定要用齿轮，导线，轴，电机等部件制成。麻并不一定要用齿轮，导线，轴，电机等部件制成。麻并不一定要用齿轮，导线，轴，电机等部件制成。麻省理工学院的一位教授为了证实维纳的这个观点，甚省理工学院的一位教授为了证实维纳的这个观点，甚省理工学院的一位教授为了证实维纳的这个观点，甚省理工学院的一位教授为了证实维纳的这个观点，甚至用石块和卫生纸卷制造过一台简单的能运行的计算至用石块和卫生纸卷制造过一台简单的能运行的计算至用石块和卫生纸卷制造过一台简单的能运行的计算至用石块和卫生纸卷制造过一台简单的能运行的计
79、算机。机。机。机。 8 8、英国数学家、逻辑学家、英国数学家、逻辑学家、英国数学家、逻辑学家、英国数学家、逻辑学家BooleBoole（1815-18641815-1864） 实现了莱布尼茨的思维符号化和数学化的思实现了莱布尼茨的思维符号化和数学化的思实现了莱布尼茨的思维符号化和数学化的思实现了莱布尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统想，提出了一种崭新的代数系统想，提出了一种崭新的代数系统想，提出了一种崭新的代数系统布尔代数。布尔代数。布尔代数。布尔代数。布尔利用代數語言使逻辑推理更简洁清晰，從而布尔利用代數語言使逻辑推理更简洁清晰，從而布尔利用代數語言使逻辑推理更简洁清晰
80、，從而布尔利用代數語言使逻辑推理更简洁清晰，從而建立起一種所謂逻辑科学，其方法不但使数学家建立起一種所謂逻辑科学，其方法不但使数学家建立起一種所謂逻辑科学，其方法不但使数学家建立起一種所謂逻辑科学，其方法不但使数学家耳目一新，也使哲學家大為叹服。他为逻辑代數耳目一新，也使哲學家大為叹服。他为逻辑代數耳目一新，也使哲學家大為叹服。他为逻辑代數耳目一新，也使哲學家大為叹服。他为逻辑代數化作出了決定性的贡献，他所建立的理论隨著電化作出了決定性的贡献，他所建立的理论隨著電化作出了決定性的贡献，他所建立的理论隨著電化作出了決定性的贡献，他所建立的理论隨著電子計算机的問世而得到迅速發展。子計算机的問世而得
81、到迅速發展。子計算机的問世而得到迅速發展。子計算机的問世而得到迅速發展。 NP 问题问题v在计算机学科中，存在多项式时间的算法的一类在计算机学科中，存在多项式时间的算法的一类在计算机学科中，存在多项式时间的算法的一类在计算机学科中，存在多项式时间的算法的一类问题，称之为问题，称之为问题，称之为问题，称之为P P类问题；而像梵塔问题、推销员旅类问题；而像梵塔问题、推销员旅类问题；而像梵塔问题、推销员旅类问题；而像梵塔问题、推销员旅行问题、至今没有找到多项式时间算法解的一类行问题、至今没有找到多项式时间算法解的一类行问题、至今没有找到多项式时间算法解的一类行问题、至今没有找到多项式时间算法解的一类
82、问题，称之为问题，称之为问题，称之为问题，称之为NPNP类问题。类问题。类问题。类问题。TSP(Travelingsalesmanproblem,TSP(Travelingsalesmanproblem,旅行商问题旅行商问题) )BACDEFAFEDCBANP:推销员旅行问题推销员旅行问题l l 如果有如果有如果有如果有3 3个城市，则有个城市，则有个城市，则有个城市，则有3!=63!=6种访问每个城市的次序。种访问每个城市的次序。种访问每个城市的次序。种访问每个城市的次序。如果有如果有如果有如果有4 4个城市，则有个城市，则有个城市，则有个城市，则有4!=244!=24种次序种次序种次序种次
83、序. .即使用计算机来即使用计算机来即使用计算机来即使用计算机来计算，这种急剧增长的可能性的数目也远远超过计算计算，这种急剧增长的可能性的数目也远远超过计算计算，这种急剧增长的可能性的数目也远远超过计算计算，这种急剧增长的可能性的数目也远远超过计算资源的处理能力，对此，算法复杂性专家史蒂芬资源的处理能力，对此，算法复杂性专家史蒂芬资源的处理能力，对此，算法复杂性专家史蒂芬资源的处理能力，对此，算法复杂性专家史蒂芬. .库克库克库克库克评论：评论：评论：评论： 如果有如果有如果有如果有100100个城市，需要求出个城市，需要求出个城市，需要求出个城市，需要求出100100！条路线的！条路线的！条
84、路线的！条路线的费用，没有哪一台计算机能够胜任这一任务。打个比费用，没有哪一台计算机能够胜任这一任务。打个比费用，没有哪一台计算机能够胜任这一任务。打个比费用，没有哪一台计算机能够胜任这一任务。打个比方，让太阳系中所有的电子以它旋转的频率来计算，方，让太阳系中所有的电子以它旋转的频率来计算，方，让太阳系中所有的电子以它旋转的频率来计算，方，让太阳系中所有的电子以它旋转的频率来计算，就算太阳烧尽了也算不完。就算太阳烧尽了也算不完。就算太阳烧尽了也算不完。就算太阳烧尽了也算不完。Mathematicalformulation:Mathematicalformulation:1n(c1 cn)(w1
85、 wn)whereW:weightcapacityKnapsackProblem：背包问题人工智能的诞生1 1、导因、导因现实世界中相当多的问题求解是复杂的，常无算法可现实世界中相当多的问题求解是复杂的，常无算法可循，即使有计算方法，也是循，即使有计算方法，也是NP(Non-NP(Non-deterministicPolynomialdeterministicPolynomial，即是多项式复杂程度的非，即是多项式复杂程度的非确定性问题确定性问题 ) )问题。为此，人们可采用启发式知识进问题。为此，人们可采用启发式知识进行问题求解，把复杂的问题大大简化，可在浩瀚的搜行问题求解，把复杂的问题大大
86、简化，可在浩瀚的搜索空间中迅速找到解答。运用专门领域的经验知识，索空间中迅速找到解答。运用专门领域的经验知识，经常会取得有关问题的满意解，而非数学上的最优解。经常会取得有关问题的满意解，而非数学上的最优解。这就是启发式搜索。这就是启发式搜索。达特莫斯会议达特莫斯会议19561956年夏天，年夏天， 美国达特莫斯大学召开了美国达特莫斯大学召开了一次影响深远的历史性会议。一次影响深远的历史性会议。主要发起人是该校青年助教麦卡锡主要发起人是该校青年助教麦卡锡(71,(71,图灵奖图灵奖) )，此外会议发起者还有哈佛大学明斯基，此外会议发起者还有哈佛大学明斯基(69,(69,图灵奖图灵奖) )、贝尔实
87、验室香农（贝尔实验室香农（E.ShannonE.Shannon）和）和IBMIBM公司信息研公司信息研究中心罗彻斯特究中心罗彻斯特(Lochester(Lochester），他们邀请了卡内基），他们邀请了卡内基梅隆大学赫伯特梅隆大学赫伯特 西蒙西蒙(75,(75,图灵奖图灵奖) )、麻省理工学、麻省理工学院塞夫里奇（院塞夫里奇（O.SelfridgeO.Selfridge）和索罗门夫）和索罗门夫R.SolomamffR.Solomamff），以及），以及IBMIBM公司塞缪尔（公司塞缪尔（A.SamuelA.Samuel，跳棋机，跳棋机，5656）和莫尔（）和莫尔（T.MoreT.More）。
88、）。 达特莫斯会议达特莫斯会议这些青年学者的研究专业包括数学、心理学、神经这些青年学者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同的角度共同探生理学、信息论和电脑科学，分别从不同的角度共同探讨人工智能的可能性。讨人工智能的可能性。达特莫斯会议历时长达两个多月，学者们在充分讨达特莫斯会议历时长达两个多月，学者们在充分讨论的基础上，首次提出了论的基础上，首次提出了“ “人工智能人工智能” ”（ArtificialArtificialIntelligenceIntelligence）这一术语，标志着人工智能（）这一术语，标志着人工智能（AIAI）作为一）作为一门新兴学科正式诞
89、生。门新兴学科正式诞生。现代电脑的智能与人类智能vv例一回答问题，例一回答问题，“ “树上有树上有1010只鸟，被猎人用枪打下只鸟，被猎人用枪打下1 1只，只， 问树上还剩下几只鸟？问树上还剩下几只鸟？”vv实际生活：过马路。实际生活：过马路。vv一方面，电脑能计算出一方面，电脑能计算出1010亿位的亿位的 值，能快速处理全值，能快速处理全国人口普查的海量数据，能精确地控制宇宙飞船登上国人口普查的海量数据，能精确地控制宇宙飞船登上月球的每一步骤，使任何聪明绝顶的人在它面前都相月球的每一步骤，使任何聪明绝顶的人在它面前都相形见绌；另一方面，电脑的智力水平可以说连普通形见绌；另一方面，电脑的智力水
90、平可以说连普通3 3岁孩童都不如。岁孩童都不如。 正如正如19801980年国外有人给它下的一个年国外有人给它下的一个通俗的定义：通俗的定义：“ “快速的、按规矩行事的傻子机器。快速的、按规矩行事的傻子机器。” ”。生物智能对对低级动物来讲，它的生存、繁衍是一种智能。为低级动物来讲，它的生存、繁衍是一种智能。为了生存，它必须表现出某种适当的行为，如觅食、避免了生存，它必须表现出某种适当的行为，如觅食、避免危险、占领一定的地域、吸引异性以及生育和照料后代。危险、占领一定的地域、吸引异性以及生育和照料后代。因此，从个体的角度看，生物智能是动物为达到某种目因此，从个体的角度看，生物智能是动物为达到某
91、种目标而产生正确行为的生理机制。标而产生正确行为的生理机制。自然界智能水平最高的生物就是人类自身，不但具自然界智能水平最高的生物就是人类自身，不但具有很强的生存能力，而且具有感受复杂环境、识别物体、有很强的生存能力，而且具有感受复杂环境、识别物体、表达和获取知识以及进行复杂的思维推理和判断的能力。表达和获取知识以及进行复杂的思维推理和判断的能力。 人类智能人类个体的智能是一种综合性能力。具体地讲，可包括：人类个体的智能是一种综合性能力。具体地讲，可包括：1 1）感知与认识事物、客观世界与自我的能力；）感知与认识事物、客观世界与自我的能力；2 2）通过学习取得经验、积累知识的能力；）通过学习取得
92、经验、积累知识的能力；3 3）理解知识、运用知识和运用经验分析问题和解决问题的能力；）理解知识、运用知识和运用经验分析问题和解决问题的能力；4 4）联想、推理、判断、决策的能力；）联想、推理、判断、决策的能力；5 5）运用语言进行抽象、概括的能力；）运用语言进行抽象、概括的能力；6 6）发现、发明、创造、创新的能力；）发现、发明、创造、创新的能力；7 7）实时地、迅速地、合理地应付复杂环境的能力；）实时地、迅速地、合理地应付复杂环境的能力；8 8）预测、洞察事物发展变化的能力；）预测、洞察事物发展变化的能力；智能定义智能是人类具有的特征之一，然而，对于什么智能是人类具有的特征之一，然而，对于什
93、么是人类智能（或者说智力），科学界至今还没有给是人类智能（或者说智力），科学界至今还没有给出令人满意的定义。出令人满意的定义。1.1.从生物学角度定义为从生物学角度定义为“ “中枢神经系统的功能中枢神经系统的功能” ”。2.2.从心理学角度定义为从心理学角度定义为“ “进行抽象思维的能力进行抽象思维的能力” ”。3.3.有人同义反复地把它定义为有人同义反复地把它定义为“ “获得能力的能力获得能力的能力” ”智能定义 4.4.智能是个体或群体在智能是个体或群体在不确定的动态环境不确定的动态环境中作出适中作出适当反应的能力，这种反应必须有助于它当反应的能力，这种反应必须有助于它 ( (它们它们)
94、)实现实现其最终的行为目标。其最终的行为目标。5.5.智能是个体有目的的行为、合理的思维，以及有智能是个体有目的的行为、合理的思维，以及有效地适应环境的综合能力。通俗地讲，智能是个体效地适应环境的综合能力。通俗地讲，智能是个体认识客观事物、客观世界和运用知识解决问题的能认识客观事物、客观世界和运用知识解决问题的能力。力。注智能是相对的、发展的。离开特定时间说智能智能是相对的、发展的。离开特定时间说智能是困难的、没有意义的。是困难的、没有意义的。人工智能人工智能是相对人的自然智能而言，即用人工人工智能是相对人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿、的方法和技术，研制智
95、能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为和延伸和扩展人的智能，实现智能行为和“ “机器思维机器思维” ”，解决需要人类专家才能处理的问题。，解决需要人类专家才能处理的问题。人类的许多活动，如解算题、猜谜语、进行讨人类的许多活动，如解算题、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等，都需要骑自行车等等，都需要“ “智能智能” ”。如果机器能够执。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行这种任务，就可以认为机器已具有某种性质的“ “人工智能人工智能” ”。 例子例子1 1：能够模拟人的思维，进
96、行博弈的计算机。：能够模拟人的思维，进行博弈的计算机。“深蓝深蓝” ”(DeepBlue)(DeepBlue)。 例子例子2 2：能够进行深海探测的潜水机器人。：能够进行深海探测的潜水机器人。例子例子3 3：在星际探险中的移动机器人，如美国研制的火：在星际探险中的移动机器人，如美国研制的火星探测车。星探测车。 vv人工智能是人工制品人工智能是人工制品(artifact)(artifact)中所涉及的智能行为。中所涉及的智能行为。其中，智能行为包括：感知其中，智能行为包括：感知(perception)(perception)、推理、推理(Reasoning)(Reasoning)、学习、学习(l
97、earning)(learning)、通信、通信(communicating)(communicating)和复杂环境下的动作行为和复杂环境下的动作行为(acting)(acting)。人工智能定义西蒙西蒙认为：认为：AIAI是学会怎样编制计算机程序完成机智是学会怎样编制计算机程序完成机智的行为，学习人类怎样做这些机智行为；的行为，学习人类怎样做这些机智行为；明斯基明斯基则认为人工智能一方面帮助人的思考，另一则认为人工智能一方面帮助人的思考，另一方面使计算机更有用。方面使计算机更有用。鉴于图灵是用行为来判断机器是否具有智能，麻省鉴于图灵是用行为来判断机器是否具有智能，麻省理工学院理工学院温斯顿
98、温斯顿（P.WinstonP.Winston）在）在AIAI教科书里下定教科书里下定义说：义说：“ “人工智能就是研究如何使计算机去做过去人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。只有人才能做的智能的工作。” ”人工智能的特点与分支v特点：具备推理、学习和联想特点：具备推理、学习和联想v人工智能从一开始就形成了其中人工智能从一开始就形成了其中两两种重要的研究种重要的研究范式，即范式，即符号主义和联接主义符号主义和联接主义。符号主义采用知。符号主义采用知识表达和逻辑符号系统来模拟人类的智能。联接识表达和逻辑符号系统来模拟人类的智能。联接主义则从大脑和神经系统的生理背景出发来模
99、拟主义则从大脑和神经系统的生理背景出发来模拟它们的工作机理和学习方式。符号主义试图对智它们的工作机理和学习方式。符号主义试图对智能进行能进行宏现研究宏现研究，而联接主义则是一种，而联接主义则是一种微观意义微观意义上的探索上的探索。符号主义v认为人工智能源于数理逻辑。数理逻辑从认为人工智能源于数理逻辑。数理逻辑从1919世纪世纪末起就获迅速发展；到末起就获迅速发展；到2020世纪世纪3030年代开始用于描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正是这些符号主义者，后来又发了逻辑演绎系统正是这些符号主义者，后来又发展了启发式算
100、法展了启发式算法专家系统专家系统知识工程理论与技知识工程理论与技术，并在术，并在8080年代取得很大发展。符号主义曾长期年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，这一枝独秀，为人工智能的发展作出重要贡献，这个学派的代表有纽厄尔、肖、西蒙和尼尔逊个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)(Nilsson)。连接主义v认为人工智能源于仿生学，特别是人脑模型的研究。认为人工智能源于仿生学，特别是人脑模型的研究。它的代表性成果是它的代表性成果是19431943年由生理学家麦卡洛克年由生理学家麦卡洛克(McCulloch)(McCulloch)和数理逻辑学家皮
101、茨和数理逻辑学家皮茨(Pitts)(Pitts)创立的脑模创立的脑模型，即型，即MPMP模型。模型。60-7060-70年代，联结主义，尤其是对以年代，联结主义，尤其是对以感知机感知机(perceptron)(perceptron)为代表的脑模型的研究曾出现过为代表的脑模型的研究曾出现过热潮热潮. .v对于某一类简单的问题对于某一类简单的问题“线性可分线性可分” ”的问题的问题感知机通过有限次训练就能学会正确的行为。感知机通过有限次训练就能学会正确的行为。 感知器模型感知器模型感知器模型如图感知器模型如图 I/OI/O关系为关系为例解解解解 首先定义输入矢量及相应的首先定义输入矢量及相应的目标
102、矢量：目标矢量： P=-0.50.50.30.0;P=-0.50.50.30.0;-0.50.5-0.51.0-0.50.5-0.51.0；T=1.01.00.00.0T=1.01.00.00.0；输入矢量可以用图输入矢量可以用图/来描述，来描述，对应于目标值对应于目标值0 0的输入矢量用符的输入矢量用符号号 00表示，对应于目标值表示，对应于目标值1 1的输的输入矢量符号入矢量符号 +表示。表示。异或异或(Exclusive OR)问题问题g（ x，y）y01x001110Xyv由于当时的理论模型、生物原型和技术条件的限由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在制，脑模型研究
103、在7070年代后期至年代后期至8080年代初期落入年代初期落入低潮。低潮。( (学术权威学术权威M. L. MinskyM. L. Minsky，明斯基和，明斯基和S. S. Papert )Papert )v19861986年鲁梅尔哈特年鲁梅尔哈特(Rumelhart)(Rumelhart)等人提出多层网络等人提出多层网络中的反向传播中的反向传播(BP)(BP)算法。此后，联结主义势头大算法。此后，联结主义势头大振，从模型到算法，从理论分析到工程实现，为振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。现在，对神经网络计算机走向市场打下基础。现在，对ANNANN的研究
104、热情仍然不减。的研究热情仍然不减。 人工智能的目标v人工智能科学想要解决的问题，是让电脑也具有人工智能科学想要解决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环人类那种听、说、读、写、思考、学习、适应环境变化、解决各种实际问题等等能力。换言之，境变化、解决各种实际问题等等能力。换言之，人工智能是电脑科学的一个重要分支，它的人工智能是电脑科学的一个重要分支，它的近期近期目标目标是让电脑更聪明、更有用，它的是让电脑更聪明、更有用，它的远期目标远期目标是是使电脑变成使电脑变成“ “像人一样具有智能的机器像人一样具有智能的机器” ”。人工智能的发展(61年之后)1.机器证明机器证明2
105、.专家系统专家系统3.第五代计算机第五代计算机4.模式识别模式识别5.人脑与电脑人脑与电脑6.人工智能预言人工智能预言1.机器证明v赫伯特赫伯特赫伯特赫伯特 西蒙西蒙西蒙西蒙等人合作编制的等人合作编制的逻辑理论机逻辑理论机, ,即数即数学定理证明程序，从而使机器迈出了逻辑推理的第学定理证明程序，从而使机器迈出了逻辑推理的第一步。一步。v原理：在卡内基原理：在卡内基梅隆大学的计算机实验室，西梅隆大学的计算机实验室，西蒙从分析人类解答数学题的技巧入手，让一些人对蒙从分析人类解答数学题的技巧入手，让一些人对各种数学题作周密的思考，要求他们不仅写出求解各种数学题作周密的思考，要求他们不仅写出求解的答案
106、，而且说出自己推理的方法和步骤。的答案，而且说出自己推理的方法和步骤。 v经过反复的实验，纽厄尔和赫伯特经过反复的实验，纽厄尔和赫伯特 西蒙进一步认西蒙进一步认识到，人类证明数学定理也有类似的思维规律，识到，人类证明数学定理也有类似的思维规律，通过通过“ “分解分解” ”（把一个复杂问题分解为几个简单（把一个复杂问题分解为几个简单的子问题）和的子问题）和“ “代入代入” ”（利用已知常量代入未知（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变则进行试探性推理，直到所有的子问题最终都变成已知的定理
107、或公理，从而解决整个问题。人类成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索，与电脑下棋求证数学定理也是一种启发式搜索，与电脑下棋的原理异曲同工。的原理异曲同工。v在实验结果的启发下，纽厄尔和赫伯特在实验结果的启发下，纽厄尔和赫伯特 西蒙便利西蒙便利用这个用这个LTLT程序向数学定理发起了激动人心的冲击。程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，它一举证明了数学家罗素的电脑果然不孚众望，它一举证明了数学家罗素的数学名著数学名著数学原理数学原理第二章中的第二章中的3838个定理。个定理。19631963年，经过改进的年，经过改进的LTLT程序在一部更大的电脑
108、上，程序在一部更大的电脑上，最终完成了第二章全部最终完成了第二章全部5252条数学定理的证明。条数学定理的证明。 v美籍华人学者、洛克菲勒大学教授王浩在美籍华人学者、洛克菲勒大学教授王浩在“ “自动自动定理证明定理证明” ”上获得了更大的成就。上获得了更大的成就。19591959年，王浩年，王浩用他首创的用他首创的“ “王氏算法王氏算法” ”，在一台速度不高的，在一台速度不高的IBM704IBM704电脑上再次向电脑上再次向数学原理数学原理发起挑战。不发起挑战。不到到99分钟，王浩的机器把这本数学史上视为里程分钟，王浩的机器把这本数学史上视为里程碑的著作中全部（碑的著作中全部（350350条以
109、上）条以上） 的定理，统统证的定理，统统证明了一遍。明了一遍。 机器证明v人工智能定理证明研究最有说服力的例子，人工智能定理证明研究最有说服力的例子， 是机器证明了困扰数学界长达是机器证明了困扰数学界长达100100余年之久的难题余年之久的难题“四色定理四色定理” ”。据说，。据说，“ “四色问题四色问题” ”最早是最早是18521852年由一位年由一位2121岁的大学生提出来的数学难题：岁的大学生提出来的数学难题：任何地图都可以用最多四种颜色着色，就能区分任何地图都可以用最多四种颜色着色，就能区分任何两相邻的国家或区域。这个看似简单的问题，任何两相邻的国家或区域。这个看似简单的问题，就象就象
110、“ “哥德巴赫猜想哥德巴赫猜想” ”一样，属于世界上最著名一样，属于世界上最著名的数学难题之一。的数学难题之一。机器证明19761976年年6 6月，美国伊利诺斯大学的两位数学家沃尔夫月，美国伊利诺斯大学的两位数学家沃尔夫冈冈哈肯（哈肯（W.HakenW.Haken）和肯尼斯）和肯尼斯阿佩尔（阿佩尔（K. AppleK. Apple） 宣布，宣布， 他们成功地证明了这一定理，使用的方法就是他们成功地证明了这一定理，使用的方法就是机器证明。机器证明。 哈肯和阿佩尔攻克这一难题使用的方法是哈肯和阿佩尔攻克这一难题使用的方法是 “穷举穷举归纳法归纳法”。哈肯和阿佩尔编制出一种很复杂的程序，让。哈肯和
111、阿佩尔编制出一种很复杂的程序，让3 3台台IBM360IBM360电脑自动高速寻找各种可能的情况，电脑自动高速寻找各种可能的情况， 并逐一并逐一判断它们是否可以被判断它们是否可以被“归纳归纳”。十几天后，。十几天后， 共耗费共耗费12001200个机时，做完个机时，做完200200亿个逻辑判断。亿个逻辑判断。人工智能先驱们认真地研究下棋，研究机器定人工智能先驱们认真地研究下棋，研究机器定理证明，但效果仍不尽如人意。问题的症结在于，理证明，但效果仍不尽如人意。问题的症结在于，虽然机器能够解决一些极其错综复杂的难题，但是虽然机器能够解决一些极其错综复杂的难题，但是有更多的工作，对人来说是简单到不能
112、再简单的事有更多的工作，对人来说是简单到不能再简单的事情，对电脑却难似上青天情，对电脑却难似上青天。6060年代末，由于许多世界一流的人工智能学者年代末，由于许多世界一流的人工智能学者过高地估计了智能电脑的能力，而现实却一再无情过高地估计了智能电脑的能力，而现实却一再无情地打破了他们乐观的梦想，以致遭到越来越多的嘲地打破了他们乐观的梦想，以致遭到越来越多的嘲笑和反对。笑和反对。AIAI研究曾一度堕入低谷，出现了所谓研究曾一度堕入低谷，出现了所谓“ “黑暗时期黑暗时期” ”。 2.专家系统:人工智能的复兴19771977年，曾是赫伯特年，曾是赫伯特 西蒙的研究生、斯坦福大西蒙的研究生、斯坦福大学
113、青年学者费根鲍姆（学青年学者费根鲍姆（E.FeigenbaumE.Feigenbaum），在第五届），在第五届国际人工智能大会上提出了国际人工智能大会上提出了“ “知识工程知识工程” ”的概念，的概念，标志着标志着AIAI研究从传统的以研究从传统的以推理为中心推理为中心，进入到以，进入到以知知识为中心识为中心的新阶段。人工智能重新获得人们的普遍的新阶段。人工智能重新获得人们的普遍重视，逐步跨进了复兴期。重视，逐步跨进了复兴期。专家系统费根鲍姆他具体介绍了他们开发的第一个费根鲍姆他具体介绍了他们开发的第一个“ “专专家系统家系统” ”，并提出，并提出“ “知识库知识库” ”、“ “知识表达知识表
114、达” ”和和“ “知识工程知识工程” ”等一系列全新的概念。等一系列全新的概念。一个人要成为专家，至少必须掌握某一学科渊一个人要成为专家，至少必须掌握某一学科渊博的博的知识知识，具有丰富的，具有丰富的实践经验实践经验，能解决一般人不，能解决一般人不能够解决的疑难问题。专家的数量和质量标志着一能够解决的疑难问题。专家的数量和质量标志着一个国家、一个时代的科学水平。个国家、一个时代的科学水平。专家系统费根鲍姆构建的费根鲍姆构建的“ “专家系统专家系统” ”，就是要在，就是要在机器机器智能与人类智慧集大成者智能与人类智慧集大成者专家的知识经验之间建专家的知识经验之间建造桥梁造桥梁。他解释说：专家系统
115、。他解释说：专家系统“ “是一个已被赋予知是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平作用达到专家的水平” ”专家系统专家本人不一定了解电脑程序，专家本人不一定了解电脑程序，构建构建专家系统专家系统还必须有所谓还必须有所谓“ “知识工程师知识工程师” ”参与，帮助领域专家参与，帮助领域专家从头脑中挖掘启发式知识，并设计知识库和知识推从头脑中挖掘启发式知识，并设计知识库和知识推理程序。因此，理程序。因此，专家系统又被称为知识工程专家系统又被称为知识工程，这两，这两种不同的称谓在英国和日本泾渭分明：英国学界崇种不同的称谓
116、在英国和日本泾渭分明：英国学界崇尚科学，成为专家是人们追逐的境界；而日本学界尚科学，成为专家是人们追逐的境界；而日本学界推崇技术，工程师是人们向往的职业，于是，才有推崇技术，工程师是人们向往的职业，于是，才有了了“ “专家系统专家系统” ”与与“ “知识工程知识工程” ”两种同义的名称。两种同义的名称。知识人类专家的知识通常包括两大类。一类是书本人类专家的知识通常包括两大类。一类是书本知识，它可能是专家在学校读书求学时所获，也可知识，它可能是专家在学校读书求学时所获，也可能是专家从杂志、书籍里自学而来；然而，仅仅掌能是专家从杂志、书籍里自学而来；然而，仅仅掌握了书本知识的学者还不配称为专家，握
117、了书本知识的学者还不配称为专家，专家最为宝专家最为宝贵的知识是他凭借多年的实践积累的经验知识，这贵的知识是他凭借多年的实践积累的经验知识，这是他头脑中最具魅力的知识瑰宝是他头脑中最具魅力的知识瑰宝。在。在AIAI研究里，这研究里，这类知识称之为类知识称之为“ “启发式知识启发式知识” ”。知识表示的目的知识表示的目的知识表示的目的知识表示的目的 使用知识。它是问题求解和专家系统的基础。使用知识。它是问题求解和专家系统的基础。v知识表示遵循的思路知识表示遵循的思路知识表示遵循的思路知识表示遵循的思路产生式规则产生式规则 与或图与或图 状态空间状态空间等等 人工智能语言人工智能语言 （如（如Pro
118、log语言）语言） 通用程序设计语言通用程序设计语言（如（如C、C+）自然语言表示自然语言表示 格式化表示格式化表示 计算机语言表示计算机语言表示如果有毛发或者产奶，那么它是哺育动物；如果有毛发或者产奶，那么它是哺育动物；如果有毛发或者产奶，那么它是哺育动物；如果有毛发或者产奶，那么它是哺育动物；如果吃肉，那么它是食肉动物；如果吃肉，那么它是食肉动物；如果吃肉，那么它是食肉动物；如果吃肉，那么它是食肉动物；如果有犬齿、有爪、眼视前方，那么它是食肉动物；如果有犬齿、有爪、眼视前方，那么它是食肉动物；如果有犬齿、有爪、眼视前方，那么它是食肉动物；如果有犬齿、有爪、眼视前方，那么它是食肉动物；如果是
119、哺育动物、食肉动物、黄褐色、有黑色条纹，那么它是老虎。如果是哺育动物、食肉动物、黄褐色、有黑色条纹，那么它是老虎。如果是哺育动物、食肉动物、黄褐色、有黑色条纹，那么它是老虎。如果是哺育动物、食肉动物、黄褐色、有黑色条纹，那么它是老虎。自然语言描述知识自然语言描述知识vvif if 有毛发或者产奶有毛发或者产奶有毛发或者产奶有毛发或者产奶 then then 它是哺育动物；它是哺育动物；它是哺育动物；它是哺育动物；vvif if 吃肉吃肉吃肉吃肉 then then 它是食肉动物；它是食肉动物；它是食肉动物；它是食肉动物；vvif if 有犬齿，且有爪，且眼视前方有犬齿，且有爪，且眼视前方有犬齿
120、，且有爪，且眼视前方有犬齿，且有爪，且眼视前方 then then 它是食肉它是食肉它是食肉它是食肉动物；动物；动物；动物；vvif if 是哺育动物，且是食肉动物，且是黄褐色，且是哺育动物，且是食肉动物，且是黄褐色，且是哺育动物，且是食肉动物，且是黄褐色，且是哺育动物，且是食肉动物，且是黄褐色，且有黑色条纹有黑色条纹有黑色条纹有黑色条纹 then then 它是老虎。它是老虎。它是老虎。它是老虎。产生式规则表示知识产生式规则表示知识产生式规则的基本形式：产生式规则的基本形式：If P then Q或者或者PQ老虎老虎黄褐色黄褐色黑色条纹黑色条纹食肉动物食肉动物吃肉吃肉有犬牙有犬牙有爪有爪眼睛
121、向前眼睛向前哺育动物哺育动物产奶产奶有毛发有毛发产生式规则表示知识的网络产生式规则表示知识的网络老虎老虎黄褐色黄褐色黑色条纹黑色条纹食肉动物食肉动物吃肉吃肉有犬牙有犬牙有爪有爪眼睛向前眼睛向前哺育动物哺育动物产奶产奶有毛发有毛发与或图表示知识与或图表示知识定义如下谓词：定义如下谓词： positive(X)表示该动物具有特点表示该动物具有特点X; negative(X)表示该动物不具有特点表示该动物不具有特点X; It_is(X)表示该动物属于表示该动物属于X类别类别; Animal_is(X)表示该动物的名字叫表示该动物的名字叫X.用用PrologProlog语言表示知识（语言表示知识（1
122、1）It_is(“哺育动物哺育动物”):-positive(“有毛发有毛发”)It_is(“哺育动物哺育动物”):-positive(“产奶产奶”)It_is(“食肉动食肉动 物物”):-positive(“吃肉吃肉”)It_is(“食肉动物食肉动物”):-positive(“有犬齿有犬齿”),positive(“有爪有爪”),positive(“眼视前方眼视前方”)Animal_is(“老虎老虎”):-It_is(“哺育动物哺育动物”),It_is(“食食肉动物肉动物”),positive(“黄褐色黄褐色”),positive(“有黑色有黑色条纹条纹”)用用PrologProlog语言表示知
123、识（语言表示知识（2 2）专家系統的基本结构图人机接口人机接口推理机推理机解释程序解释程序知识获取程序知识获取程序数据库及其管理系统数据库及其管理系统知识库及其管理系统知识库及其管理系统专家系统的一般结构专家系统的一般结构用户用户领域专家领域专家动物识别系统附：规则（知识）附：规则（知识） r1： if 该动物有毛发该动物有毛发 then 该动物是哺乳动物该动物是哺乳动物 r2： if 该动物有奶该动物有奶 then 该动物是哺乳动物该动物是哺乳动物 r3： if 该动物有羽毛该动物有羽毛 then 该动物是鸟该动物是鸟 r4： if 该动物会飞该动物会飞 and 会下蛋会下蛋 then 该动
124、物是鸟该动物是鸟 r5： if 该动物吃肉该动物吃肉 then 该动物是食肉动物该动物是食肉动物 r6： if 该动物有犬齿该动物有犬齿 and 有爪有爪 and 眼盯前方眼盯前方 then 该动物是食肉动物该动物是食肉动物 r7： if 该动物是哺乳动物该动物是哺乳动物 and 有蹄有蹄 then 该动物是有蹄类动物该动物是有蹄类动物 r8： if 该动物是哺乳动物该动物是哺乳动物 and 是嚼反刍类动物是嚼反刍类动物 then 该动物是有蹄类动物该动物是有蹄类动物 r9： if 该动物是哺乳动物该动物是哺乳动物 and 是食肉类动物是食肉类动物 and 是黄褐色是黄褐色 and 身上有暗斑
125、点身上有暗斑点 then 该动物是金钱豹该动物是金钱豹 r10： if 该动物是哺乳动物该动物是哺乳动物 and 是食肉类动物是食肉类动物 and 是黄褐色是黄褐色 and 身上有黑色条纹身上有黑色条纹 then 该动物是虎该动物是虎 r11： if 该动物是有蹄类动物该动物是有蹄类动物 and 有长脖子有长脖子 and 有长腿有长腿 and 身上有暗斑点身上有暗斑点 then 该动物是长颈鹿该动物是长颈鹿 r12： if 该动物是有蹄类动物该动物是有蹄类动物 and 身上有黑色条纹身上有黑色条纹 then 该动物是斑马该动物是斑马 r13： if 该动物是鸟该动物是鸟 and 有长脖子有长脖
126、子 and 有长腿有长腿 and 不会飞不会飞 then 该动物是鸵鸟该动物是鸵鸟 r14： if 该动物是鸟该动物是鸟 and 会游泳会游泳 and 不会飞不会飞 and 有黑白两色有黑白两色 then 该动物是企鹅该动物是企鹅 r15： if 该动物是鸟该动物是鸟 and 善飞善飞 then 该动物是信天翁该动物是信天翁专家系统实例之一19651965年，年， 在斯坦福大学化学专家的配合下，费在斯坦福大学化学专家的配合下，费根鲍姆研制的第一个专家系统根鲍姆研制的第一个专家系统DENDRALDENDRAL是化学领是化学领域的域的“ “专家专家” ”。在输入化学分子式和质谱图等信息。在输入化学
127、分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，后，它能通过分析推理决定有机化合物的分子结构，其分析能力已经接近、甚至超过了有关化学专家的其分析能力已经接近、甚至超过了有关化学专家的水平。该专家系统为水平。该专家系统为AIAI的发展树立了典范，其意义的发展树立了典范，其意义远远超出了系统本身在实用上创造的价值。远远超出了系统本身在实用上创造的价值。 专家系统实例之一专家系统最成功的实例之一，专家系统最成功的实例之一， 是是19761976年美国斯坦福大学年美国斯坦福大学肖特列夫（肖特列夫（ShortliffShortliff）开发的医学专家系统）开发的医学专家系统MYCINM
128、YCIN，这个系，这个系统后来被知识工程师视为统后来被知识工程师视为“ “专家系统的设计规范专家系统的设计规范” ”。 在在MYCINMYCIN的知识库里，大约存放着的知识库里，大约存放着450450条判别规则和条判别规则和10001000条关于细菌感染方面的医学知识。它一边与用户进行对条关于细菌感染方面的医学知识。它一边与用户进行对话，一边进行推理诊断。它的推理规则称为话，一边进行推理诊断。它的推理规则称为“ “产生式规则产生式规则” ”，类似于：，类似于：“ “IFIF（打喷嚏）（打喷嚏）OROR（鼻塞）（鼻塞）OROR（咳嗽），（咳嗽），THENTHEN（有感冒症状）（有感冒症状）” ”
129、这种医生诊断疾病的经验总结，最这种医生诊断疾病的经验总结，最后显示出它后显示出它“ “考虑考虑” ”的可能性最高的病因，并以给出用药的的可能性最高的病因，并以给出用药的建议而结束。建议而结束。 专家系统和知识工程成为符号主义人工智能发展的主流。专家系统和知识工程成为符号主义人工智能发展的主流。诺依曼机我们知道，从用电子管制作的我们知道，从用电子管制作的ENIACENIAC， 直到用直到用超大规模集成电路设计的微型电脑，都毫无例外遵超大规模集成电路设计的微型电脑，都毫无例外遵循着循着4040年代冯年代冯 诺依曼为它们确定的体系结构。诺依曼为它们确定的体系结构。这种体系必须不折不扣地执行人们预先编
130、制、这种体系必须不折不扣地执行人们预先编制、并且已经储存的程序，并且已经储存的程序， 不具备主动学习和自适应能不具备主动学习和自适应能力。所有的程序指令都必须调入力。所有的程序指令都必须调入CPUCPU，一条接着一，一条接着一条地顺序执行。条地顺序执行。 人们把这种顺序执行（串行）人们把这种顺序执行（串行） 已储已储存程序的电脑类型统称为存程序的电脑类型统称为“ “诺依曼机诺依曼机” ”。3.第五代计算机达特莫斯会议以来数十年间，除了在问题求解（包括机达特莫斯会议以来数十年间，除了在问题求解（包括机器博弈、定理证明等）、专家系统、器博弈、定理证明等）、专家系统、 模式识别，人工智能在模式识别，
131、人工智能在自然语言理解、自动程序设计、机器人学、知识库的智能检自然语言理解、自动程序设计、机器人学、知识库的智能检索等各种不同的领域，都开拓出极其广阔的应用前景。索等各种不同的领域，都开拓出极其广阔的应用前景。纵观人类科学技术发展历史，当一门科学技术的各组成部纵观人类科学技术发展历史，当一门科学技术的各组成部分，分别发展到一定阶段时，总是需要有人出来作综合工作，分，分别发展到一定阶段时，总是需要有人出来作综合工作，将分散的理论与实践成果集成为系统。将分散的理论与实践成果集成为系统。谁也没有想到，勇敢地站出来，试图集人工智能研究成谁也没有想到，勇敢地站出来，试图集人工智能研究成果之大成者，竟然是
132、在这个领域并没有多少影响力的日本科果之大成者，竟然是在这个领域并没有多少影响力的日本科学家。学家。 第五代计算机19821982年夏天，日本年夏天，日本“ “新一代计算机技术研究所新一代计算机技术研究所” ”（ICOTICOT），），4040位年轻人位年轻人 在在渊一博渊一博带领开始了新带领开始了新一代计算机机的研究。一代计算机机的研究。“新一代计算机新一代计算机” ”的主要目标之一是突破电脑所的主要目标之一是突破电脑所谓谓“ “冯冯 诺依曼瓶颈诺依曼瓶颈” ”。渊一博和研究人员甚至不把他们研制的机器命渊一博和研究人员甚至不把他们研制的机器命名为计算机，而称作名为计算机，而称作“ “知识信息处
133、理系统知识信息处理系统” ”（KIPSKIPS）。 第五代计算机日本人宣称这种机器将以日本人宣称这种机器将以Prolog(Prolog(人工智能语言人工智能语言) )为机器的语言，其应用程序将达到知识表达级，具为机器的语言，其应用程序将达到知识表达级，具有听觉、视觉甚至味觉功能，能够听懂人说话，自有听觉、视觉甚至味觉功能，能够听懂人说话，自己也能说话，能认识不同的物体，看懂图形和文字。己也能说话，能认识不同的物体，看懂图形和文字。人们不再需要为它编写程序指令，只需要口述命令，人们不再需要为它编写程序指令，只需要口述命令，它自动推理并完成工作任务。它自动推理并完成工作任务。只需要告诉作什么而不需
134、要告诉怎么做！只需要告诉作什么而不需要告诉怎么做！第五代计算机“五代机五代机” ”的命运是悲壮的。的命运是悲壮的。19921992年，因最终年，因最终没能突破关键性的技术难题，无法实现自然语言人没能突破关键性的技术难题，无法实现自然语言人机对话、程序自动生成等目标，导致了该计划最后机对话、程序自动生成等目标，导致了该计划最后阶段研究的流产，渊一博也不得不重返大学讲坛。阶段研究的流产，渊一博也不得不重返大学讲坛。 第五代计算机19921992年年6 6月，就在月，就在“ “五代机五代机” ”计划实施整整计划实施整整1010年年之际，之际，ICOTICOT展示了它研制的五代机原型试制机，由展示了它
135、研制的五代机原型试制机，由6464台处理器实现了并行处理，已初步具备类似人的台处理器实现了并行处理，已初步具备类似人的左脑左脑的先进功能，可以对蛋白质进行高精度分析，的先进功能，可以对蛋白质进行高精度分析，已经在基因研究中发挥了作用。已经在基因研究中发挥了作用。 19921992年，它重新开始实施年，它重新开始实施“ “现实世界计算机现实世界计算机” ”计划，接着研制具有类似于人的计划，接着研制具有类似于人的右脑右脑功能的计算机。功能的计算机。 会看、会听、会说的机器会看、会听、会说的机器v19971997年年1212月，美国微软公司比尔月，美国微软公司比尔 盖茨第五次访问盖茨第五次访问中国中
136、国 。 当介绍到微软正在着手开发手写输入和语音当介绍到微软正在着手开发手写输入和语音识别软件时，比尔识别软件时，比尔 盖茨当场为听众播放了一段电脑盖茨当场为听众播放了一段电脑识别人体语言的录像，精彩的情节引起了与会者浓识别人体语言的录像，精彩的情节引起了与会者浓厚的兴趣。厚的兴趣。 人们看到一台电脑正在分辨人用点头或人们看到一台电脑正在分辨人用点头或摇头表示摇头表示YESYES和和NONO的动作，还有电脑跟踪人眼的指的动作，还有电脑跟踪人眼的指向，在眼睛的指挥下，下了一盘向，在眼睛的指挥下，下了一盘“ “三子棋三子棋” ”。4.模式识别模式识别是近模式识别是近3030年来得到迅速发展的人工智能
137、年来得到迅速发展的人工智能分支学科。但是，对于什么是分支学科。但是，对于什么是“ “模式模式” ”，或者什么，或者什么是机器（也包括人）能够辨认的模式，迄今尚无确是机器（也包括人）能够辨认的模式，迄今尚无确切的定义。切的定义。我们只能形象地解释说，人之所以能识别图象、我们只能形象地解释说，人之所以能识别图象、声音、动作，文字字形、面部表情等等，因为它们声音、动作，文字字形、面部表情等等，因为它们都存在着反映其特征的都存在着反映其特征的某种模式某种模式。人类可识别的模式是什么？人类可识别的模式是什么？ 视觉识别一种可能的解决方案是：图象上的每一点都用一种可能的解决方案是：图象上的每一点都用一个神
138、经细胞与之对应并逐一判别，最后综合为整一个神经细胞与之对应并逐一判别，最后综合为整体；但是，既使只描述图象局部的大致轮廓，神经体；但是，既使只描述图象局部的大致轮廓，神经元的数目仍不敷使用。另一种可能的方案更符合实元的数目仍不敷使用。另一种可能的方案更符合实际：大脑感知的不是图象上所有的点，而是其轮廓际：大脑感知的不是图象上所有的点，而是其轮廓中最典型的特征，如线段、角度、弧度、反差、颜中最典型的特征，如线段、角度、弧度、反差、颜色等等，把它们从图象中抽取出来，然后结合头脑色等等，把它们从图象中抽取出来，然后结合头脑中过去的记忆和有关经验和知识分析判断。中过去的记忆和有关经验和知识分析判断。
139、视觉识别语音识别技术v直到直到19981998年年1212月，月，IBMIBM公司发布第二代技术公司发布第二代技术ViaVoice98ViaVoice98，词库量是，词库量是ViaVoice4.0ViaVoice4.0的三倍，同时的三倍，同时增加了语音导航功能增加了语音导航功能; ;在普通话的基础上能适应广在普通话的基础上能适应广东、四川、上海三种口音，识别率提高了东、四川、上海三种口音，识别率提高了2020个百个百分点以上，平常速度口音读一般文章的识别率达分点以上，平常速度口音读一般文章的识别率达到了到了85%85%95%95%，只需训练，只需训练5 5个词、个词、3 3句话，句话，5 5分
140、分钟左右即可建立一个语音模型，使中文语音识别钟左右即可建立一个语音模型，使中文语音识别技术取得了实质性突破，语音识别终于走到了用技术取得了实质性突破，语音识别终于走到了用户面前。户面前。语音合成技术v至于“会说话”的电脑，目前基本上有两种解决方案，其一是“真人发声”，即事先录制好人说的话语，再由电脑来“鹦鹉学舌”，这当然只能局限为某些特定的话语；其二是语音合成，早期电脑合成的语音听起来就像在“念字”、“说词”而不是“说话”，无法做到抑扬顿挫、声情并茂的诵读。5.人脑与电脑长期以来，长期以来， 一个诱人的科学幻想主题经常涉及到人脑与一个诱人的科学幻想主题经常涉及到人脑与电脑的关系。人类大脑有电脑
141、的关系。人类大脑有140140多亿个脑神经细胞，每个细胞多亿个脑神经细胞，每个细胞都与另外都与另外5 5万个其他细胞相互连结。比目前全球电话网还要万个其他细胞相互连结。比目前全球电话网还要复杂复杂15001500倍。倍。据前苏联学者阿诺克欣测算，一个普通的大脑拥有的神据前苏联学者阿诺克欣测算，一个普通的大脑拥有的神经突触连接和冲动传递途径的数目，经突触连接和冲动传递途径的数目， 是在是在1 1后面加上后面加上10001000万万公里长的、用标准打字机打出的那么多个零！但是，由如此公里长的、用标准打字机打出的那么多个零！但是，由如此庞大数目元件构成的大脑，平均重量不足庞大数目元件构成的大脑，平均
142、重量不足14001400克，平均体积克，平均体积约为约为1.51.5立方分米，立方分米， 消耗的总功率只有消耗的总功率只有1010瓦。若采用半导体瓦。若采用半导体器件组装成相应的电脑装置，则必须做成一座高达器件组装成相应的电脑装置，则必须做成一座高达4040层的摩层的摩天大楼，所需功率要以百万千瓦计。天大楼，所需功率要以百万千瓦计。 表情识别v日前美国加州大学圣迭哥分校的一位计算机博士日前美国加州大学圣迭哥分校的一位计算机博士生就开发了这样一套非常有趣的系统。它将表情生就开发了这样一套非常有趣的系统。它将表情识别系统和教学系统整合在一起，通过表情的探识别系统和教学系统整合在一起，通过表情的探测
143、来了解学生对于教学内容的反应，从而对教程测来了解学生对于教学内容的反应，从而对教程进行改进。进行改进。 人脑与电脑v左脑的功能是抽象概括思维，这种思维必须借助左脑的功能是抽象概括思维，这种思维必须借助于语言和其他符号系统，主管于语言和其他符号系统，主管“ “说话说话” ”、“ “写字写字” ”、“ “计算计算” ”、“ “分析分析” ”等等. .v右脑的功能是感性直观思维，这种思维不需要语右脑的功能是感性直观思维，这种思维不需要语言的参加，比如掌管言的参加，比如掌管“ “音乐音乐” ”、“ “美术美术” ”、“ “立立体感觉体感觉” ”等。等。v而形象思维、知觉、预感、创意这些人类右脑的而形象
144、思维、知觉、预感、创意这些人类右脑的而形象思维、知觉、预感、创意这些人类右脑的而形象思维、知觉、预感、创意这些人类右脑的功能，迄今计算机尚丝毫难以企及。右脑的功能功能，迄今计算机尚丝毫难以企及。右脑的功能功能，迄今计算机尚丝毫难以企及。右脑的功能功能，迄今计算机尚丝毫难以企及。右脑的功能不可替代，只能靠人自己培养和发挥。不可替代，只能靠人自己培养和发挥。不可替代，只能靠人自己培养和发挥。不可替代，只能靠人自己培养和发挥。人脑与电脑对于电脑来说，只要某一个小部件出了毛病，对于电脑来说，只要某一个小部件出了毛病，就会导致整个机器瘫痪。但是，人的大脑细胞具有就会导致整个机器瘫痪。但是，人的大脑细胞具
145、有自行组合和分裂的活性，构成了高度可靠的自行组合和分裂的活性，构成了高度可靠的“ “自适自适应系统应系统” ”。在人的一生中，。在人的一生中， 脑神经元大约每小时就脑神经元大约每小时就有有10001000个发生故障，一年之内累计为个发生故障，一年之内累计为800800多万个。多万个。如果人活到如果人活到100100岁，将会有岁，将会有1010亿个神经细胞功能失亿个神经细胞功能失效，约占总数的效，约占总数的1/101/10。即使在这种严重的故障面前，。即使在这种严重的故障面前，大脑仍然可以正常地运作。大脑仍然可以正常地运作。信息的输入v听觉（耳）、视觉（眼）、嗅觉（鼻）、触（皮）听觉（耳）、视觉
146、（眼）、嗅觉（鼻）、触（皮）觉、味觉（嘴）觉、味觉（嘴）v计算机（键盘、鼠标，计算机（键盘、鼠标，0 0和和1 1）人脑与电脑从以上这些数字看，人类的大脑不啻于世界上从以上这些数字看，人类的大脑不啻于世界上最复杂、最高级、最有效、储存容量最大的超级计最复杂、最高级、最有效、储存容量最大的超级计算机。除了运算速度比电脑略逊一筹外，人脑在结算机。除了运算速度比电脑略逊一筹外，人脑在结构、尺寸、性能、能耗等各方面都令最先进的电脑构、尺寸、性能、能耗等各方面都令最先进的电脑望尘莫及。望尘莫及。 一位作家则说：一位作家则说：“ “从本质上讲，从本质上讲， 你你 不是肉不是肉体，而是你的记忆。这个本质上的
147、体，而是你的记忆。这个本质上的 你你 可以在计可以在计算机里保存，变成算机里保存，变成IBMIBM电脑里的磁性脉冲收集品。电脑里的磁性脉冲收集品。” ”人脑复制19881988年，美国最负盛名的学术出版机构哈佛大年，美国最负盛名的学术出版机构哈佛大学出版社，出版了一本学出版社，出版了一本思维儿童思维儿童的专著（有人的专著（有人译作译作换脑儿童换脑儿童），作者是卡内基），作者是卡内基梅隆大学活梅隆大学活动机器人实验室主任汉斯动机器人实验室主任汉斯 莫拉维克。莫拉维克。莫拉维克在书中生动地描述了莫拉维克在书中生动地描述了人怎样把思维输人怎样把思维输入电脑入电脑，以及这一切怎样在未来，以及这一切怎样
148、在未来5050年之内变成现实。年之内变成现实。 人脑复制按照莫拉维克等人的设想，一旦我们能够把思按照莫拉维克等人的设想，一旦我们能够把思维转移到计算机或者储存介质中，既使原件（大脑）维转移到计算机或者储存介质中，既使原件（大脑）受到损伤或者衰老，仍然可以把它拷贝到新克隆出受到损伤或者衰老，仍然可以把它拷贝到新克隆出的大脑中，先的大脑中，先FORMATFORMAT（格式化），再（格式化），再COPYCOPY（拷（拷贝）。人不就可以永生不死！贝）。人不就可以永生不死！ 电脑与人脑相连接人工智能的泰斗明斯基教授想用另外的办法，人工智能的泰斗明斯基教授想用另外的办法，即把微电脑嵌入人的大脑，以便使即把
149、微电脑嵌入人的大脑，以便使“ “我们能设计出我们能设计出我们的我们的 思维儿童思维儿童 ，他们思考问题的速度比我们，他们思考问题的速度比我们现在快现在快100100万倍。万倍。” ”将电脑植入人脑，用微型芯片配合脑神经细胞将电脑植入人脑，用微型芯片配合脑神经细胞工作，只要求解决两者之间的接口问题工作，只要求解决两者之间的接口问题 。电脑与人脑相连接德国科学家已经在硅芯片上培植成功一种与人德国科学家已经在硅芯片上培植成功一种与人类神经细胞极为相似的老鼠神经细胞，并且可以把类神经细胞极为相似的老鼠神经细胞，并且可以把神经细胞发出的电子脉冲信号传送到特制传感器上。神经细胞发出的电子脉冲信号传送到特制
150、传感器上。由此看来，人机连由此看来，人机连“ “脑脑” ”不是梦，人脑与电脑相连不是梦，人脑与电脑相连能优势互补，可以弥补人类记忆和运算能力的不足，能优势互补，可以弥补人类记忆和运算能力的不足，大大增强人脑的功能。大大增强人脑的功能。人工智能动物人工智能动物- Nature, 417:37-38,2002.动物的脑是可以和电脑结合在一起，按人类的意志来控制动物的行为的。这样，在新的世纪里，有可能出现一种这样的产物，它是生物机体和电子电路结合的产物，我们可以称呼它为 “人工智能动物人工智能动物” 利用动物的感受器来作为一个动物和机器的通讯界面，利用巴普洛夫的操作式条件反射理论完全可能达到控制的目
151、的。 研究者可通过脑刺激来控制动物的行为，但仔细分析表明，在个体较大的动物，其实这种直接的脑刺激是不必要，也不可取的，它需要复杂的脑外科手术和昂贵的设备，局限于实验室研究。v如将计算机的指令变成动物可以接受的信息模式，如将计算机的指令变成动物可以接受的信息模式，如将计算机的指令变成动物可以接受的信息模式，如将计算机的指令变成动物可以接受的信息模式，比如声音信号，颜色，图形信号。经过训练的动比如声音信号，颜色，图形信号。经过训练的动比如声音信号，颜色，图形信号。经过训练的动比如声音信号，颜色，图形信号。经过训练的动物可以根据这些信号执行一些简单的指令，而一物可以根据这些信号执行一些简单的指令，而
152、一物可以根据这些信号执行一些简单的指令，而一物可以根据这些信号执行一些简单的指令，而一个复杂的动作可由一系列简单的动作来完成。比个复杂的动作可由一系列简单的动作来完成。比个复杂的动作可由一系列简单的动作来完成。比个复杂的动作可由一系列简单的动作来完成。比如动物只要听懂如动物只要听懂如动物只要听懂如动物只要听懂“朝前走朝前走朝前走朝前走”，“向左转向左转向左转向左转”，“向向向向右转右转右转右转”，这三个指令，就可控制动物走向某一个，这三个指令，就可控制动物走向某一个，这三个指令，就可控制动物走向某一个，这三个指令，就可控制动物走向某一个目标地。一旦动物做对了，可以给一定食物奖励。目标地。一旦动
153、物做对了，可以给一定食物奖励。目标地。一旦动物做对了，可以给一定食物奖励。目标地。一旦动物做对了，可以给一定食物奖励。我们的“人工智能猴”的示意图v利用这样的载体和安装在其上的传感器，比如摄利用这样的载体和安装在其上的传感器，比如摄像机，我们可以接近人类不能亲自到达的场所，像机，我们可以接近人类不能亲自到达的场所，比如探雷，侦察，到地震废墟中，到倒塌的矿洞比如探雷，侦察，到地震废墟中，到倒塌的矿洞里寻找存活人员，到车子底盘下寻找毒品，爆炸里寻找存活人员，到车子底盘下寻找毒品，爆炸物。换上其它传感器和用其它动物，我们还可开物。换上其它传感器和用其它动物，我们还可开发其它用途。发其它用途。6.人工
154、智能预言vv19581958年纽厄尔和赫伯特年纽厄尔和赫伯特西蒙在预言西蒙在预言“电脑将在电脑将在1010内内战胜国际象棋世界冠军战胜国际象棋世界冠军”的同时，还大胆地预言说：的同时，还大胆地预言说：不出不出1010年，电脑便能找到并证明到那时还未被证年，电脑便能找到并证明到那时还未被证明的重要数学定理。明的重要数学定理。不出不出1010年，大部分心理学理论将采取电脑的程序年，大部分心理学理论将采取电脑的程序形式。形式。vv19701970年，明斯基所作的预言却有些离谱：年，明斯基所作的预言却有些离谱：“在三年到八年的时间里，我们将研制出具有普通人在三年到八年的时间里，我们将研制出具有普通人一
155、般智力的计算机。这样的机器能读懂莎士比亚的著一般智力的计算机。这样的机器能读懂莎士比亚的著作，会给汽车上润滑油，会玩弄政治权术，能讲笑话，作，会给汽车上润滑油，会玩弄政治权术，能讲笑话，会争吵。到了这个程度后，计算机将以惊人的速度进会争吵。到了这个程度后，计算机将以惊人的速度进行自我教育。几个月之后，它将具有天才的智力，再行自我教育。几个月之后，它将具有天才的智力，再过几个月，它的智力将无以伦比。过几个月，它的智力将无以伦比。”人工智能的现状人工智能先驱这些充满乐观的预言，除了人工智能先驱这些充满乐观的预言，除了4040年后年后电脑战胜了卡斯帕洛夫之外，其余的直到现在依然远电脑战胜了卡斯帕洛夫
156、之外，其余的直到现在依然远没有被实现，甚至引发长时期无休无止的争论和哲学没有被实现，甚至引发长时期无休无止的争论和哲学意义上的思辩。人工智能虽然作出了许多令人鼓舞的意义上的思辩。人工智能虽然作出了许多令人鼓舞的工作，但在前进的道路上，还面临着相当难以克服的工作，但在前进的道路上，还面临着相当难以克服的障碍。障碍。人工智能的未来现有的计算机技术已充分实现了人类左脑的逻现有的计算机技术已充分实现了人类左脑的逻辑推理功能，人工智能的下一步是模仿人类右脑的辑推理功能，人工智能的下一步是模仿人类右脑的模糊处理能力，以及模拟整个大脑并行处理大量信模糊处理能力，以及模拟整个大脑并行处理大量信息的功能，把人类
157、从那些繁琐的重复性的脑力劳动息的功能，把人类从那些繁琐的重复性的脑力劳动中解放出来，去从事那些具有高创造性的脑力劳动，中解放出来，去从事那些具有高创造性的脑力劳动，如科学发明和艺术创作等等，生产效率也将得到大如科学发明和艺术创作等等，生产效率也将得到大幅度提高。幅度提高。 人工智能的新生：计算智能v8080年代，符号主义年代，符号主义AIAI的研究未能取得应有进展，的研究未能取得应有进展，再加上日本第五代计算机研制的失败，使符号主再加上日本第五代计算机研制的失败，使符号主义的研究受到挫折。然而科学并未因此而停滞不义的研究受到挫折。然而科学并未因此而停滞不前，它总是在可以突破的地方首先契入进去。
158、前，它总是在可以突破的地方首先契入进去。v与之形成对比的是，联接主义与之形成对比的是，联接主义( (神经网络神经网络) )的研究蓬的研究蓬勃发展，在理论和应用上均取得了令人瞩目的成勃发展，在理论和应用上均取得了令人瞩目的成就，占据人工智能的主导地位。就，占据人工智能的主导地位。生物神经元的结构神经末梢突触(输出）树突（接受外来信息）轴突细胞核细胞体它由细胞体它由细胞体(Soma)(Soma)、轴突、轴突(Axon)(Axon)和树突和树突(Dendrite)(Dendrite)三个主要部分组成三个主要部分组成 Cell Body: 细胞体 Dendrites:树突 Axon:轴突 Nucleu
159、s:细胞核 Myelin shenth :髓鞘 Axon Terminal:轴突末梢Nerve impulse: 神经冲动 Synaptic cleft:冲突间隙Vesicle：突触小泡(输出)Dendrite of receiving neuron :受体神经元树突 轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝，用来向外传递神经元产生的输出电信号. 每个神经元都有一条轴突，其最大长度可达1m以上。在轴突的末端形成了许多很细的分枝，这些分支叫神经末梢. 每一条神经末梢可以与其它神经元形成功能性接触，该接触部位称为突触。所谓功能性接触，是指非永久性的接触，这正是神经元之间传递信息的奥秘之处
160、. 树突是指由细胞体向外延伸的除轴突以外的其它所有分支。树突的长度一般较短，但数量很多，它是神经元的输入端，用于接受从其它神经元的突触传来的信号.v人脑大约由1011 -1012个神经元所组成，每个细胞体大约有103104个突触(输出).v小脑中的每个神经元大约有105个突触，并且每个突触都可以与别的神经元的一个树突相连.v人脑神经系统就是由这些巨量的生物神经元经广泛并行互连所形成的一个高度并行性、非常复杂的神经网络系统.v神经元之间的联系主要依赖其突触的联接作用。这种突触的联接是可塑的，也就是说突触特性的变化是受到外界信息的影响或自身生长过程的影响。生理学的研究归纳有以下几个方面的变化：v
161、突触传递效率的变化。首先是突触的膨胀以及由此产生的突触后膜表面积扩大，从而突触所释放出的传递物质增多，使得突触的传递效率提高。其次是突触传递物质质量的变化，包括比例成分的变化所引起传递效率的变化。vv突触接触间隙的变化。在突触表面有许多形状各异的小凸芽，调节其形状变化可以改变接触间隙，并影响传递效率。v突触的发芽。当某些神经纤维被破坏后，可能又会长出新芽，并重新产生附着于神经元上的突触形成新的回路。由于新的回路的形成，使得结合模式发生变化，也会引起传递效率的变化。v突触数目的增减。由于种种复杂环境条件的刺激等原因，或者由于动物本身的生长或衰老，神经系统的突触数目会发生变化，并影响神经元之间的传
162、递效率。神经元产生信号神经元产生信号静止膜电位：静止膜电位：当没有输入信号时的膜电位成为静止膜电位，通常为-70mv 当外部有输入信号时，将使膜电位发生变化，倘若使膜电位升高，比静止膜电位高15mv以上，即超过-55mv（阈值），神经元被激活，内部电位急剧上升至100mv左右，并维持约1ms，然后急剧下降。相当输出一个100mv高1ms宽的脉冲，并沿轴突以100m/s的速度传至其它的神经元。黑箱人工神经元的结构x1x2xnw1w2wny下图是一个MP神经元模型常用的人工神经元模型常用的人工神经元模型根据功能函数的不同，可得到不同的神经元模型。常用模型包括：根据功能函数的不同，可得到不同的神经元
163、模型。常用模型包括：阈值型阈值型(Threshold)(Threshold)f()1 这种模型的神经元没有内部状态，作用函数这种模型的神经元没有内部状态，作用函数f f是一是一个阶跃函数，他表示激活值个阶跃函数，他表示激活值 和输出之间的关系。和输出之间的关系。 这是一种连续的神经元模型，其输入输出特性常用指数、对数或双曲正切等S型函数表示。它反映的是神经元的饱和特性.分段线性强饱和型分段线性强饱和型(Linear Saturation)(Linear Saturation)S S型型(Sibmoid)(Sibmoid) 这种模型又称为伪线性，其输入这种模型又称为伪线性，其输入/ /输出之间在
164、一定输出之间在一定范围内满足线性关系，一直延续到输出为最大值范围内满足线性关系，一直延续到输出为最大值1 1为为止。但当达到最大值后，输出就不再增。止。但当达到最大值后，输出就不再增。 信息的分布表示信息的分布表示记忆在大量元中，每个元存在许多信息的记忆在大量元中，每个元存在许多信息的部分内容，信息在神经网络中的记忆反映在神经元间的突部分内容，信息在神经网络中的记忆反映在神经元间的突触连接强度上（触连接强度上（weightsweights）。）。 运算的全局并行和局部操作运算的全局并行和局部操作：神经网络具有高度的并行结：神经网络具有高度的并行结构和并行实现能力，因而能够有较好的耐故障能力和较
165、快构和并行实现能力，因而能够有较好的耐故障能力和较快的总体处理能力的总体处理能力 处理的非线性处理的非线性：神经网络具有固有的非线性特性，这源于：神经网络具有固有的非线性特性，这源于其近似任意非线性映射（变换）能力。其近似任意非线性映射（变换）能力。 较强的学习能力较强的学习能力：神经网络是通过所研究系统过去的数据：神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此，神经网络能够解决那些由数学模全部数据的能力。因此，神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问题。型或描述规则
166、难以处理的控制过程问题。v1949年心理学家Hebb提出著名的Hebb学习规则，即由神经元之间结合强度的改变来实现神经学习的方法。虽然Hebb学习规则在人们研究神经网络的初期就已提出，但是其基本思想至今在神经网络的研究中仍发挥着重要作用。v50年代末期，Rosenblatt提出感知机模型(Perceptron)，首先从工程角度出发，研究了用于信息处理的神经网络模型.这是一种学习和自组织的心理学模型，它基本符合神经生理学的原理。感知机虽然比较简单，却已具有神经网络的一些基本性质，如分布式存贮、并行处理、可学习性、连续计算等。v这些神经网络的特性与当时流行串行的、离散的、符号处理的电子计算机及其相
167、应的人工智能技术有本质上的不同，由此引起许多研究者的兴趣，在60代掀起了神经网络研究的第一次高潮。感知器模型感知器模型(perceptron model)感知器模型如图感知器模型如图 I/OI/O关系为关系为例解解解解 首先定义输入矢量及相应的首先定义输入矢量及相应的目标矢量：目标矢量： P=-0.50.50.30.0;P=-0.50.50.30.0;-0.50.5-0.51.0-0.50.5-0.51.0；T=1.01.00.00.0T=1.01.00.00.0；输入矢量可以用图输入矢量可以用图/来描述，来描述，对应于目标值对应于目标值0 0的输入矢量用符的输入矢量用符号号 00表示，对应于
168、目标值表示，对应于目标值1 1的输的输入矢量符号入矢量符号 +表示。表示。异或异或(Exclusive OR)问题问题g（ x，y）y01x001110Xyv由于当时的理论模型、生物原型和技术条件的限由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在制，脑模型研究在7070年代后期至年代后期至8080年代初期落入年代初期落入低潮。低潮。( (学术权威学术权威M. L. MinskyM. L. Minsky，明斯基和，明斯基和S. Papert )S. Papert )模糊模糊(Fuzzy)(Fuzzy) 美国加州大学扎德美国加州大学扎德(Zadeh)(Zadeh)教授于教授于19651
169、965年年提出的模糊集合与模糊逻辑理论是模糊计算的数提出的模糊集合与模糊逻辑理论是模糊计算的数学基础。它主要用来处理现实世界中因模糊而引学基础。它主要用来处理现实世界中因模糊而引起的不确定性。起的不确定性。 模糊逻辑是一种精确解决不精确、不完全信模糊逻辑是一种精确解决不精确、不完全信息的方法息的方法。模糊逻辑可以比较自然地处理人的概。模糊逻辑可以比较自然地处理人的概念，它是一种通过模仿人的思维方式来表示和分念，它是一种通过模仿人的思维方式来表示和分析不确定、不精确信息的方法和工具析不确定、不精确信息的方法和工具. .v模糊逻辑突破了传统逻辑的思维模式，对于深刻模糊逻辑突破了传统逻辑的思维模式，
170、对于深刻研究人类的认识能力具有举足轻重的作用。特别研究人类的认识能力具有举足轻重的作用。特别是它与专家系统、神经网络以及控制理论的结合，是它与专家系统、神经网络以及控制理论的结合，在在AIAI研究中扮演重要角色。研究中扮演重要角色。经典集合vs.模糊集合A traditional crisp setA fuzzy setv进化计算是一种模拟自然界生物进化过程与机制进化计算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。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它以达尔文进化论的“物竟天择、适者生存物竟天择、适者生存”作作为算法的进化规则，并结合
171、孟德尔的遗传变异理为算法的进化规则，并结合孟德尔的遗传变异理论，将生物进化过程中的论，将生物进化过程中的 繁殖（繁殖（ReproductionReproduction） 变异（变异（MutationMutation） 竞争（竞争（CompetitionCompetition） 选择（选择（SelectionSelection），引入到了算法中。），引入到了算法中。white0.5greensplit_yroot进化算法的基础思想v基本思想：基本思想：( (美国密执安大学霍兰德教授美国密执安大学霍兰德教授19621962提出提出) )是使用模拟生物和人类进化的方法来求解复杂问是使用模拟生物和人类
172、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，直到满足目标为止新一代种群，如此逐代进化，直到满足目标为止。v这些方法共同点：它是依靠生产者提供的数字这些方法共同点：它是依靠生产者提供的数字, ,数数据材料进行加工处理据材料进行加工处理, ,而不是依赖于知识，具有较而不是依赖于知识，具有较强的鲁棒性强的鲁棒性; ;v这些研究方法各自可以在某些特定方面起到特殊这些研究方法各自可以在某些特定方面起到特殊的作用，但是也存在一些固有的局
173、限，将这些智的作用，但是也存在一些固有的局限，将这些智能方法有机地融合起来进行研究，就能为建立一能方法有机地融合起来进行研究，就能为建立一种统一的智能系统和优化方法提供基础。种统一的智能系统和优化方法提供基础。这就是计算智能这就是计算智能计算智能计算智能系统是在神经网络、模糊系统、进化计计算智能系统是在神经网络、模糊系统、进化计算三个分支发展相对成熟的基础上，通过相互之间算三个分支发展相对成熟的基础上，通过相互之间的有机融合而形成的新的科学方法，也是智能理论的有机融合而形成的新的科学方法，也是智能理论和技术发展的崭新阶段。和技术发展的崭新阶段。 这些不同的成员方法从表面上看各不相同，但实这些不
174、同的成员方法从表面上看各不相同，但实际上它们是紧密相关、互为补充和促进的。际上它们是紧密相关、互为补充和促进的。 近年来的研究发现近年来的研究发现: :神经网络反映大脑思维的高层神经网络反映大脑思维的高层次结构次结构; ;模糊系统模仿低层次的大脑结构；进化系统模糊系统模仿低层次的大脑结构；进化系统则与一个生物体种群的进化过程有着许多相似的特则与一个生物体种群的进化过程有着许多相似的特征征。v9292年年, ,美国学者美国学者JamesJames首次提出首次提出: :计算智能计算智能(CI)(CI)。它是。它是依靠生产者提供的数字依靠生产者提供的数字, ,数据材料进行加工处理数据材料进行加工处理
175、, ,而而不是依赖于知识不是依赖于知识; ;人工智能人工智能(Artificial Intelligence, AI)(Artificial Intelligence, AI)则是须用知识进行处理则是须用知识进行处理. .v个人理解：采用各类软计算方法，主要是神经元个人理解：采用各类软计算方法，主要是神经元网络、模糊逻辑和遗传进化算法等去模拟人类决网络、模糊逻辑和遗传进化算法等去模拟人类决策的一个新兴领域。策的一个新兴领域。v19941994年年6 6月，月，IEEEIEEE召开一次规模空前的召开一次规模空前的CICI大会，论大会，论文总数超过文总数超过16001600篇。篇。CICI中包含了
176、许多基于数值的中包含了许多基于数值的计算方法，这些方法在模拟人脑的联想、记忆、计算方法，这些方法在模拟人脑的联想、记忆、发散思维、非线性推理、模糊概念等传统发散思维、非线性推理、模糊概念等传统AIAI难以难以胜任的方面表现优异，并受到人们的广泛关注。胜任的方面表现优异，并受到人们的广泛关注。计算智能方法也得到越来越多学者的研究和完善，计算智能方法也得到越来越多学者的研究和完善，并与传统的并与传统的AIAI技术互相交叉、取长补短，使得技术互相交叉、取长补短，使得AIAI研究与应用呈现出向上的发展趋势。计算智能研究与应用呈现出向上的发展趋势。计算智能（CICI，Computational Inte
177、lligenceComputational Intelligence）作为人工智能新）作为人工智能新发展的主流地位就从自确定了。发展的主流地位就从自确定了。计算智能v按照按照BezdekBezdek（贝兹德克）的观点，计算智能是基（贝兹德克）的观点，计算智能是基于操作者提供的数据，而传统人工智能是基于于操作者提供的数据，而传统人工智能是基于“知知识识”。计算智能定义为：当一个系统仅仅处理底层。计算智能定义为：当一个系统仅仅处理底层的数据，具有模式识别的部分，并且不使用的数据，具有模式识别的部分，并且不使用AIAI意义意义中的知识，那末这个系统便是计算智能系统。具有中的知识，那末这个系统便是计算
178、智能系统。具有如下特点：如下特点： 具有计算的适应性具有计算的适应性; ; 具有计算误差的容忍度具有计算误差的容忍度; ; 接近人处理问题的速度接近人处理问题的速度; ; 近似人的误差率。近似人的误差率。 vJamesJames在会议上阐述他的观点在会议上阐述他的观点, ,智能有三个层次智能有三个层次: : v生物智能生物智能生物智能生物智能(Biological Intelligence, BI)(Biological Intelligence, BI)。由脑的物理化。由脑的物理化学过程反映出来的学过程反映出来的, , 脑智能的基础脑智能的基础. . 人工智能人工智能人工智能人工智能(Art
179、ificial Intelligence, AI) (Artificial Intelligence, AI) 是非生物的是非生物的, ,人人造的造的, ,常用符号来表示常用符号来表示,AI,AI的来源是人类知识的精华的来源是人类知识的精华. . 计算智能计算智能计算智能计算智能(Computational Intelligence, CI) (Computational Intelligence, CI) 是由数学方法和计算机实现的是由数学方法和计算机实现的,CI,CI的来源数值计算的来源数值计算的传感器的传感器. .CNNCPRCIANNAPRAIBNNBPRBI人类知识人类知识(+)传感
180、输入传感输入知识知识(+)传感数据传感数据计算计算(+)传感器传感器B生物生物的的A符号的符号的C数值的数值的复复杂杂性性复杂性复杂性输入输入层次层次 贝慈德克的智能的贝慈德克的智能的3个层次个层次vv从复杂性来看从复杂性来看:BI AI CI ;:BI AI CI ;从隶属关系来看从隶属关系来看 BI BI 包含包含AI AI 包含包含 CICI。 AIAI是是CICI到到BIBI的过渡的过渡, ,因为因为AIAI中除计算算法之外中除计算算法之外, ,还包括符号还包括符号表示及数值信息处理表示及数值信息处理. .模糊集合和模糊逻辑是模糊集合和模糊逻辑是AIAI到到CICI的过渡的过渡. .
181、也有些人认为也有些人认为CICI不属于不属于AI,AI,仅有部分重合仅有部分重合. . vvAI:AI:符号主义符号主义, ,知识知识, ,规则规则, ,推理推理. . 左脑左脑 CI:CI:连接主义连接主义, ,数据数据, ,学习学习, ,记忆记忆. . 右脑右脑vv计算智能是一种智力方式的低层认知，它与人工智能的区计算智能是一种智力方式的低层认知，它与人工智能的区别只是认知层次从中层下降至低层而已。中层系统含有知别只是认知层次从中层下降至低层而已。中层系统含有知识（精品），低层系统则没有。识（精品），低层系统则没有。计算智能计算智能所包含的领域v人工神经网络人工神经网络(Artificia
182、l Neural Network, ANN) (Artificial Neural Network, ANN) v模糊系统模糊系统(Fuzzy System, FS)(Fuzzy System, FS)v进化计算进化计算(Evolution Computing, EC) (Evolution Computing, EC) vv以自然界，特别是生物体的功能、特点和作用机理为基础，以自然界，特别是生物体的功能、特点和作用机理为基础，研究其中所蕴含的丰富的信息处理机制，抽取出相应的计研究其中所蕴含的丰富的信息处理机制，抽取出相应的计算模型，设计出的算法并应用于各个领域。算模型，设计出的算法并应用于各
183、个领域。vv自然计算包含了进化计算、神经计算、免疫计算、生态计自然计算包含了进化计算、神经计算、免疫计算、生态计算、量子计算、群计算和复杂自适应系统等在内的众多以算、量子计算、群计算和复杂自适应系统等在内的众多以自然界机理为基础的算法自然界机理为基础的算法. . 具有模仿自然界的特点，通常具有模仿自然界的特点，通常是一类具有自适应、自组织、自学习能力的算法，能够解是一类具有自适应、自组织、自学习能力的算法，能够解决传统计算方法难于解决的各种复杂问题，在大规模复杂决传统计算方法难于解决的各种复杂问题，在大规模复杂系统的最优化设计、优化控制、计算机网络安全、创造性系统的最优化设计、优化控制、计算机
184、网络安全、创造性设计等领域具有很好的用途。设计等领域具有很好的用途。自然计算（自然计算（Nature-inspired ComputationNature-inspired Computation）MotivationsMotivationsvTypesofproblemssolvedbynatureandnotyetTypesofproblemssolvedbynatureandnotyetefficientlytechnologicallysolved,efficientlytechnologicallysolved,一些问题人很容一些问题人很容易解决，但机器却很难实现易解决，但机器却很难
185、实现vvPatternrecognition(e.g.vision,voice,etc.)Patternrecognition(e.g.vision,voice,etc.)vvDynamicandnon-linearcontrol(e.g.,motorcontrol,Dynamicandnon-linearcontrol(e.g.,motorcontrol,navigation)navigation)vvSelf-maintenanceSelf-maintenanceWhatisNature-InspiredComputation?WhatisNature-InspiredComputatio
186、n?vTounderstandthis,wecansplitthetitleintoitsTounderstandthis,wecansplitthetitleintoitscomponentparts:componentparts:vv“Nature”orwhatelementsofnatureareconsideredin“Nature”orwhatelementsofnatureareconsideredinNIC?NIC?（自然的特性有多种）（自然的特性有多种）vv“ “Inspired”orhowcannatureinfluencecomputing?Inspired”orhowca
187、nnatureinfluencecomputing?vv“ “Computation”orwhatproblemscanbesolvedbyComputation”orwhatproblemscanbesolvedbyNIC?NIC?（这些特征可用来解决那些问题）（这些特征可用来解决那些问题）vWhichnaturalsystemscanbenefitcomputationWhichnaturalsystemscanbenefitcomputation? ?( (那些自然特性可以用于构造新的计算方法那些自然特性可以用于构造新的计算方法) )vvEvolutionEvolutionvvHuman
188、-likeactivity(e.g.brain,immunesystem)Human-likeactivity(e.g.brain,immunesystem)vvCollectivebehaviours(e.g.antcolonies,swarms)Collectivebehaviours(e.g.antcolonies,swarms)AsmallsamplevvClusteringofdeadbodiesinantColoniesClusteringofdeadbodiesinantColoniesAsmallsamplevPickuprule:ifanantfindsadeadbody,i
189、tpicksPickuprule:ifanantfindsadeadbody,itpicksitupandwandersaroundthearenauntilitfindsitupandwandersaroundthearenauntilitfindsanotherdeadbody.Theprobabilitythatanantanotherdeadbody.Theprobabilitythatanantpicksupadeadbodyisinverselyproportionaltopicksupadeadbodyisinverselyproportionaltothenumberofite
190、msinthatportionofthearena.thenumberofitemsinthatportionofthearena.vDroppingrule:whilewanderingaround,theDroppingrule:whilewanderingaround,theloadedanteventuallyfindsdeadbodiesinitsloadedanteventuallyfindsdeadbodiesinitsway.Themoredeadbodiesarefound,theway.Themoredeadbodiesarefound,thehighertheprobab
191、ilitytheantdropsthedeadhighertheprobabilitytheantdropsthedeadbodyitiscarryingatthatlocationofthearena,bodyitiscarryingatthatlocationofthearena,andvice-versa.andvice-versa.vvWhenweseebirdsflockinginthesky,itismostnaturalWhenweseebirdsflockinginthesky,itismostnaturaltoassumethatthebirdsfollowaleader;i
192、nthispicture,toassumethatthebirdsfollowaleader;inthispicture,theoneinfrontoftheflock.However,itisnowbelievedtheoneinfrontoftheflock.However,itisnowbelievedthatthebirdsinaflockdonotfollowanyleader.thatthebirdsinaflockdonotfollowanyleader.（表面上（表面上看，一般鸟根据看，一般鸟根据“ “领头鸟领头鸟” ”判断自己的方向，但研究发现判断自己的方向，但研究发现在鸟群
193、中并没有一个全局领导者）在鸟群中并没有一个全局领导者）vvThereisnoglobalrulethatcanbedefinedsoastoThereisnoglobalrulethatcanbedefinedsoastosimulateabirdflock.Itispossible,however,tospecifysimulateabirdflock.Itispossible,however,tospecifysomesimpleindividualrulesthatallowsrealisticsomesimpleindividualrulesthatallowsrealisticsim
194、ulationofbirdsflocking(simulationofbirdsflocking(没有一个全局规则来模仿鸟类没有一个全局规则来模仿鸟类的飞行，但是可以构造一个局部的个体规则）的飞行，但是可以构造一个局部的个体规则） “Inspired”vvWhyshouldnaturalsystemsbeusedasinspirationWhyshouldnaturalsystemsbeusedasinspirationfornewalgorithmsfornewalgorithms?(?(为什么这些特征可用于构造新的算法）为什么这些特征可用于构造新的算法）vvEvolutioncreated
195、someofthemostcomplexEvolutioncreatedsomeofthemostcomplexobjectsweknowofourselvesobjectsweknowofourselves.( .(进化创造最复杂的系统进化创造最复杂的系统) )vvHuman-likeactivitywesolvemanyseeminglyHuman-likeactivitywesolvemanyseeminglydifficultproblemssimultaneouslydifficultproblemssimultaneously( (因为我们解决一些看起来很难的问题因为我们解决一些看
196、起来很难的问题) )vvCollectivebehavioursacollectionofseeminglyCollectivebehavioursacollectionofseeminglyunintelligentindividualscandisplayintelligenceasunintelligentindividualscandisplayintelligenceaspartofacollective(partofacollective(一些单个个体的智能水平较低甚至一些单个个体的智能水平较低甚至没有智能，但是群体却具有智能没有智能，但是群体却具有智能) )“Computatio
197、n”vWhatproblemscanbesolvedbyusingnatureWhatproblemscanbesolvedbyusingnatureinspiredcomputationinspiredcomputation?(?(这些自然特征可用于那些问题的计算这些自然特征可用于那些问题的计算) )vvPatternrecognitionbasedlooselyonPatternrecognitionbasedlooselyonvvTheworkingsofthebrainTheworkingsofthebrainvvThehumanimmunesystemThehumanimmunesy
198、stemvvProblemsolvingbasedlooselyonProblemsolvingbasedlooselyonvvPrinciplesofevolution(Principlesofevolution(进化的原理进化的原理) )vvTheoperationofantcolonies(Theoperationofantcolonies(群体的操作群体的操作) )vvBehaviourofswarmsofindividualsBehaviourofswarmsofindividuals主要内容vvArtificialNeuralNetworksArtificialNeuralNetw
199、orksvvEvolutionaryAlgorithmsEvolutionaryAlgorithmsvvSwarmSystemsSwarmSystemsvvArtificialImmuneSystemsArtificialImmuneSystemsvvCulturalAlgorithmsCulturalAlgorithmsvvGrowthandDevelopmentalAlgorithmsGrowthandDevelopmentalAlgorithmsvvArtificialChemistryArtificialChemistryvvMolecularComputing(Computingwi
200、thDNA,RNA,MolecularComputing(ComputingwithDNA,RNA,Membrane,etc.)Membrane,etc.)vvQuantumComputingQuantumComputing应用范围vvPatternRecognitionandClassificationPatternRecognitionandClassificationvvFunctionApproximationFunctionApproximationvvSearchandOptimizationSearchandOptimizationvvIdentificationandContr
201、olIdentificationandControlvvEtc.Etc.WhentoUseWhentoUseNature-InspiredComputationNature-InspiredComputationvvTheproblemtobesolvediscomplex,i.e.,involvesaTheproblemtobesolvediscomplex,i.e.,involvesalargenumberofvariablesand/orpotentialsolutions,islargenumberofvariablesand/orpotentialsolutions,ishighly
202、dynamic,non-linear,etc.;highlydynamic,non-linear,etc.;( (问题复杂，且涉及到多个变量或者解不止一个，或者动态、非线问题复杂，且涉及到多个变量或者解不止一个，或者动态、非线性的性的）vvItisnotpossibletoguaranteethatapotentialsolutionItisnotpossibletoguaranteethatapotentialsolutionfoundisoptimal(inthesensethatthereisnobetterfoundisoptimal(inthesensethatthereisnobe
203、ttersolution),butitispossibletofindaqualitymeasurethatsolution),butitispossibletofindaqualitymeasurethatallowsthecomparisonofsolutionsamongthemselves;allowsthecomparisonofsolutionsamongthemselves;( (不不能保证获得最优解，但是可以找到一种度量准则评价解的性能能保证获得最优解，但是可以找到一种度量准则评价解的性能) )vvTheproblemtobesolvedcannotbe(suitably)mo
204、deled,Theproblemtobesolvedcannotbe(suitably)modeled,suchaspatternrecognitionandclassification(e.g.,suchaspatternrecognitionandclassification(e.g.,vision)tasks.vision)tasks.( (不能对问题进行建模不能对问题进行建模) )对过去五十年的整体评价对过去五十年的整体评价对过去五十年的整体评价对过去五十年的整体评价计算机计算机代替、延伸和增强了人的智力，人工代替、延伸和增强了人的智力，人工智能的诞生，表明人类已经认识到单纯的智能的诞
205、生，表明人类已经认识到单纯的数值计算不能完全解决智能模拟问题，数值计算不能完全解决智能模拟问题，逻逻辑推理辑推理和和启发式搜索启发式搜索必不可少。必不可少。知识工程知识工程出现显示了专门知识的重要性，也出现显示了专门知识的重要性，也暴露了经典数理逻辑的局限性，诱发了人暴露了经典数理逻辑的局限性，诱发了人工智能（符号主义）的工智能（符号主义）的理论危机理论危机。 符号主义的停滞不前，为符号主义的停滞不前，为符号主义的停滞不前，为符号主义的停滞不前，为计算智能计算智能计算智能计算智能的蓬勃发展提的蓬勃发展提的蓬勃发展提的蓬勃发展提供了理想环境，它们用模型计算来模拟各种自然供了理想环境，它们用模型计
206、算来模拟各种自然供了理想环境，它们用模型计算来模拟各种自然供了理想环境，它们用模型计算来模拟各种自然智能机制，取得巨大成功智能机制，取得巨大成功智能机制，取得巨大成功智能机制，取得巨大成功。 计算智能的成功说明计算智能的成功说明计算智能的成功说明计算智能的成功说明智能智能智能智能不仅存在于脑思维中，不仅存在于脑思维中，不仅存在于脑思维中，不仅存在于脑思维中，也也也也广泛存在于生命活动广泛存在于生命活动广泛存在于生命活动广泛存在于生命活动中。中。中。中。 广义智能观广义智能观广义智能观广义智能观的确立为智能科学提出了一系列深刻的确立为智能科学提出了一系列深刻的确立为智能科学提出了一系列深刻的确立
207、为智能科学提出了一系列深刻的理论课题和技术课题。的理论课题和技术课题。的理论课题和技术课题。的理论课题和技术课题。人工智能学科现已形成三大流派人工智能学科现已形成三大流派 符号智能符号智能智能可通过符号演算模拟，如状智能可通过符号演算模拟，如状态空间搜索、逻辑推理和知识工程；态空间搜索、逻辑推理和知识工程； 计计算算智智能能智智能能可可通通过过模模型型计计算算模模拟拟, ,如如 进化计算、免疫计算和模糊计算进化计算、免疫计算和模糊计算 群体智能群体智能-智能可通过群体协同模拟，如多智能可通过群体协同模拟，如多智能体系统，蚁群算法和生态平衡。智能体系统，蚁群算法和生态平衡。 在计算智能和机器学习
208、中各种模型计算的成功，并不在计算智能和机器学习中各种模型计算的成功，并不在计算智能和机器学习中各种模型计算的成功，并不在计算智能和机器学习中各种模型计算的成功，并不说明智能可脱离逻辑而存在，而是呼唤可描述各种智说明智能可脱离逻辑而存在，而是呼唤可描述各种智说明智能可脱离逻辑而存在，而是呼唤可描述各种智说明智能可脱离逻辑而存在，而是呼唤可描述各种智能机制的新逻辑。能机制的新逻辑。能机制的新逻辑。能机制的新逻辑。 应用是应用是应用是应用是人工智能学科向前发展的人工智能学科向前发展的人工智能学科向前发展的人工智能学科向前发展的原动力原动力原动力原动力，专家系统和，专家系统和，专家系统和，专家系统和知
209、识工程的广泛应用，推动了人工智能学科的发展和知识工程的广泛应用，推动了人工智能学科的发展和知识工程的广泛应用，推动了人工智能学科的发展和知识工程的广泛应用，推动了人工智能学科的发展和普及。普及。普及。普及。 尽管人工智能学科发展还很不成熟，但它的原理和方尽管人工智能学科发展还很不成熟，但它的原理和方尽管人工智能学科发展还很不成熟，但它的原理和方尽管人工智能学科发展还很不成熟，但它的原理和方法已经渗透到许多法已经渗透到许多法已经渗透到许多法已经渗透到许多学科学科学科学科中，体现到许多中，体现到许多中，体现到许多中，体现到许多技术技术技术技术中，应用中，应用中，应用中，应用在许多在许多在许多在许多
210、产品产品产品产品中。中。中。中。 应用向人工智能学科提出了许多新课题。应用向人工智能学科提出了许多新课题。应用向人工智能学科提出了许多新课题。应用向人工智能学科提出了许多新课题。 历史上反复出现过对人工智能发展的历史上反复出现过对人工智能发展的过头预过头预言言和对新兴学派的和对新兴学派的顽固排斥顽固排斥，这都是源于，这都是源于对智能的本质和特点缺乏深刻认识。对智能的本质和特点缺乏深刻认识。 我们常犯的错误是把智能想象得太简单，太我们常犯的错误是把智能想象得太简单，太单纯，太固定，太绝对。单纯，太固定，太绝对。以偏概全以偏概全。 智能科学和宇宙科学一样复杂，目前知道的智能科学和宇宙科学一样复杂，
211、目前知道的仍然很少，需要各方面仍然很少，需要各方面不懈地探索不懈地探索。现在正处在人工智能学科现在正处在人工智能学科发生深刻质变的转型期，发生深刻质变的转型期，这十分类似于物理学这十分类似于物理学形成前夕的情况，形成前夕的情况，我们面临着难得的创新机遇！我们面临着难得的创新机遇！五 十 华 诞 忆 学 科大 起 大 落 故 事 多 不 是 智 能 无 真 经要 学 唐 僧 拜 佛 陀还原主义v还原主义者（还原主义者（ReductionistReductionist）看来，无论多么复杂）看来，无论多么复杂的事物或者现象总是可以被分解或者还原到一个的事物或者现象总是可以被分解或者还原到一个单一的最
212、初的原理去解释，问题只是时间和复杂单一的最初的原理去解释，问题只是时间和复杂性。性。v在计算机学科中，存在多项式时间的算法的一类在计算机学科中，存在多项式时间的算法的一类问题，称之为问题，称之为P P类问题；而像梵塔问题、推销员旅类问题；而像梵塔问题、推销员旅行问题、（命题表达式）可满足问题这类，至今行问题、（命题表达式）可满足问题这类，至今没有找到多项式时间算法解的一类问题，称之为没有找到多项式时间算法解的一类问题，称之为NPNP类问题。类问题。NP:推销员旅行问题l l 如果有如果有3 3个城市，互相之间都有往返的飞机，而且起始城市是个城市，互相之间都有往返的飞机，而且起始城市是任意的，则
213、有任意的，则有3!=63!=6种访问每个城市的次序。如果有种访问每个城市的次序。如果有4 4个城市，则个城市，则有有4!=244!=24种次序种次序. .即使用计算机来计算，这种急剧增长的可能性即使用计算机来计算，这种急剧增长的可能性的数目也远远超过计算资源的处理能力，对此，算法复杂性专的数目也远远超过计算资源的处理能力，对此，算法复杂性专家史蒂芬家史蒂芬. .库克评论：库克评论： 如果有如果有100100个城市，需要求出个城市，需要求出100100！条路！条路线的费用，没有哪一台计算机能够胜任这一任务。打个比方，线的费用，没有哪一台计算机能够胜任这一任务。打个比方，让太阳系中所有的电子以它旋转的频率来计算，就算太阳烧尽让太阳系中所有的电子以它旋转的频率来计算，就算太阳烧尽了也算不完。问题的关键是某些东西在实践中行不通。了也算不完。问题的关键是某些东西在实践中行不通。
