人工智能原理课件完整版289页.ppt

人工智能原理课件完整版289页.ppt

《人工智能原理课件完整版289页.ppt》由会员分享，可在线阅读，更多相关《人工智能原理课件完整版289页.ppt（289页珍藏版）》请在冰豆网上搜索。

人工智能原理,第一章概述,人工智能及发展研究基础内容研究领域本学期内容和要求,人工智能（ArtificialIntelligenceAI）人工智能：

研究如何在机器上实现人类智能的学科。

20世纪的三大科学成就：

人工智能、空间技术、原子能技术21世纪的三大科学前沿：

人工智能、空间技术、生物技术,

（1）人工智能是指由计算机实现的人造智能。

人工智能就是用人工的方法在机器（计算机）上实现的智能。

作为一门学科，人工智能可定义为：

人工智能是一门研究如何构造智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能的学科。

（能力）

（2）人工智能是一门交叉边缘学科，与人工智能有关的学科有：

计算机科学、数学、哲学、语言学、神经生理学、神经心理学、脑科学、认知科学、逻辑学、控制论等.（学科）,不同定义：

3人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985）。

定义4人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化（Bellman,1978）。

定义5人工智能是用计算模型研究智力行为（Charniak和McDermott,1985）。

定义6人工智能是研究那些使理解、推理和行为成为可能的计算（Winston,1992）。

定义7人工智能是一种能够执行需要人的智能的创造性机器的技术（Kurzwell,1990）。

定义8人工智能研究如何使计算机做事让人过得更好（Rick和Knight,1991）。

定义9人工智能是一门通过计算过程力图理解和模仿智能行为的学科（Schalkoff,1990）。

定义10人工智能是计算机科学中与智能行为的自动化有关的一个分支（Luger和Stubblefield,1993）。

为什么要研究人工智能1、现有计算机系统的局限性。

智能低下、缺乏自学习、自适应能力。

2、人类智能的局限性。

学习能力因人而异、学习速度慢、效率低。

3、信息化社会的迫切要求。

目标：

近期：

用机器来模拟和实现人的部分/某些智力功能；远期：

全部甚至可以延伸人的智慧。

智能：

有效获取、传递、处理、再生和利用信息，从而在任意给定的环境下达到预定目的的能力。

智能特征：

具有感知能力。

通过视觉、听觉、触觉、味觉和嗅觉感知外部世界。

具有记忆与思维能力。

记忆能存储由感知器官感知到的外部信息以及有思维所产生的知识。

思维用于对记忆的信息进行处理。

思维可分为逻辑思维和形象思维。

具有学习能力及自适应能力。

具有行为能力。

相关学说：

思维理论/认知科学：

研究人们认识世界规律和方法的一门学科，在于揭开大脑思维功能的奥秘；知识域值理论：

智能行为取决于知识数量及一般化的程度；,人工智能研究方法结构派：

（神经计算、生理学派、连接主义）网络连接为主的联结主义；主要观点：

智能活动的基元是神经细胞；智能活动过程是神经网络的状态演化过程；智能活动的基础是神经细胞的突触联结机制；智能系统的工作模式是模仿人脑模式。

主要特征：

1、通过神经元之间的并行协同作用实现信息处理，具有并行性、动态性、全局性。

2、通过神经元间分布式的物理联接存储信息。

联想记忆、容错性。

3、通过神经元间连接强度的动态调整实现自学习和自适应功能。

4、善于模拟人类的形象思维过程。

功能派：

（符号主义、心理学派、逻辑学派）符号处理为核心的方法；主要观点：

思维的基元是符号；思维的过程是符号运算；智能的核心是知识，利用知识推理进行问题求解；智能活动的基础是物理符号系统，人脑电脑都是物理符号系统；知识可用符号表示，可建立基于符号逻辑的智能理论体系。

主要特征：

1、立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程。

2、知识用显式的符号表示，容易表达人的心理模型。

3、现有的数字计算机可以方便地实现高速的符号处理。

4、能与传统的符号数据库进行链接，易于模块化。

5、以知识为基础。

行为模拟派（行为主义、进化主义、控制论学派）基于感知-行为模型的研究途径和方法。

主要观点：

智能行为的基础是感知行动的反应机制；智能系统的智能行为需要在真实世界的复杂境遇中进行学习和训练，在与周围环境的信息交互与适应过程中不断进化和体现；强调智能系统与环境的交互，认为智能取决于感知和行动；智能行为可以不要知识。

研究角度：

符号智能：

运用知识解决问题；计算智能：

神经计算、模糊系统、遗传算法、进化程序设计；人工生命：

生成或构造表现自然生命系统行为特点的仿真系统或模型系统。

人工智能发展孕育期（1956年以前）古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。

英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。

“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼茨）（1646-1716）。

提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。

做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱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布尔代数。

美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），证明了一阶谓词的完备性定；,英国数学家Turing（图灵）（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文。

图灵奖。

美国数学家Mauchly，1946发明了电子数字计算机ENIAC美国神经生理学家McCulloch，建立了第一个神经网络数学模型。

美国数学家Shannon（香农）,1948年发表了通讯的数学理论，代表了“信息论”的诞生。

形成期（1956-1969）起源于美国1956年的一次夏季讨论会（达特茅斯会议）1956年提出了“ArtificialIntelligence（人工智能）”创始人中有：

McCarthy,Minsky,Rochester,Shannon,Moore,Samuel,Selfridge,Solomonff,Simon,Newell等数学家、信息学家、心理学家、神经生理学家、计算机科学家。

McCarthy（麦卡锡）人工智能之父。

50年代初开始有了符号处理。

（搜索法）。

机器翻译、机器定理证明、跳棋程序等。

60年代Simon由试验得到结论：

人类问题的求解是一个搜索的过程，效果与启发式函数有关。

叙述了智能系统的特点：

智能表示、智能推理、智能搜索。

Nilson发表了A*算法（搜索方法）McCarthy建立了人工智能程序设计语言Lisp1965年Robinson提出了归结原理，（于传统的自然演绎法完全不同的消解法）,1968年Quillian提出了语义网络的知识表示方法1969年Minsky出了一本书“感知机”，给当时的神经网络研究结果判了死刑70年代，开始从理论走向实践，解决一些实际问题。

同时很快就发现问题：

归结法费时、下棋赢不了全国冠军、机器翻译一团糟。

一个笑话（英-俄-英翻译）：

Thespiritiswillingbutthefleshisweek.（心有余而力不足）Thevodkaisstrongbutmeatisrotten.（伏特加酒虽然很浓，但肉是腐烂的）结论：

必须理解才能翻译，而理解需要知识,发展期（1970-80年代）知识工程时代1970年，知识工程的提出。

以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出了知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。

专家系统知识工程知识工程席卷全球各国发展计划：

美国星球大战计划英国ALVEY计划法国UNIKA计划日本五代机计划中国“863”计划,第四阶段（80年代中90年代初）新的神经元网络时代BP网（算法），解决了多层网的学习问题Hopfield网存在问题：

理论依据解决大规模问题的能力,第五阶段（90年代初现在）数据与网络时代网络给AI带来无限的机会知识发现与数据挖掘AI走向实用化,IBM的“深蓝”与卡斯帕罗夫,96年2月第一次比赛结果：

“深蓝”：

胜、负、平、平、负、负97年5月第二次比赛结果：

“深蓝”：

负、胜、平、平、平、胜,“深蓝”以3.5：

2.5的总比分战胜卡斯帕罗夫,“深蓝”的技术指标：

32个CPU每个CPU有16个协处理器每个CPU有256M内存每个CPU的处理速度为200万步/秒,IBM超级电脑“沃森”击败人类,2012年2月16日，在美国智力竞猜节目危险边缘（Jeopardy）第三场比赛中，沃森取得77147美元的成绩，以三倍的巨大分数优势力压另两位参赛选手肯詹宁斯和布拉德鲁特，夺得这场人机大战的冠军。

4年前，IBM的研发团队计划研发一种能够理解人类语言，并能利用已知信息给出最佳答案的电脑，这种计算机系统不仅要能听懂不同口音的发音，还需要能理解包括俚语和双关语等语言在内的复杂表述，并剔除一些错误信息，而最后IBM制造出了现在这台以创办人沃森名字命名的超级电脑。

“沃森”数据库中包括辞海和世界图书百科全书等数百万份资料，而构成“沃森”的是90台Power7服务器，占地面积接近一个房间，每台服务器中拥有4个8核Power7处理器，使得其能在3秒钟之内检索数亿页的材料并给出答案。

人工智能研究基础内容研究角度分：

符号智能：

运用知识解决问题；计算智能：

神经计算、模糊系统、遗传算法、进化程序设计；人工生命：

生成或构造表现自然生命系统行为特点的仿真系统或模型系统,功能分：

机器感知/知识获取：

机器听觉、视觉机器思维/知识处理：

知识推理、问题求解、学习、理解机器行为/知识运用：

智能机器系统,基于实现技术的领域划分1、知识工程与符号处理技术。

2、神经网络技术,基于计算机系统结构的领域划分1、智能操作系统。

并行性、分布性和智能性。

2、智能多媒体系统。

人工智能与多媒体技术的有机结合。

3、智能计算机系统。

4、智能网络系统。

模糊和神经网络技术应用于网络的业务量预测和控制、资源动态分配、动态路由选择等方面。

研究领域,传统领域：

专家系统；决策支持；机器学习；模式识别；自然语言理解；智能软件工具/平台；博弈智能体/主体理论。

当前人工智能的研究热点分布式处理智能Agent数据挖掘（DataMining）知识发现环境自适应与各应用领域的结合（智能通讯、智能CAD。

）。

人工智能的基本技术推理技术。

推理是智能的核心。

推理以逻辑为基础。

基于谓词逻辑的自然演绎推理和归结反演推理。

基于非标准逻辑如多值逻辑、模态逻辑、时态逻辑、模糊逻辑、非单调逻辑的推理。

搜索技术。

许多智能活动的过程，都可以看作或抽象为一个“问题求解”过程。

“问题求解”就是在问题空间中进行搜索的过程。

盲目搜索、启发式搜索。

神经网络搜索。

知识表示与知识库技术。

知识表示是指知识在计算机中的表示方式。

知识表示要符合知识的逻辑结构和物理结构，并适合于计算机存储和处理。

知识库由知识构成。

知识的组织、管理、维护和优化。

归纳技术。

机器自动提取概念、获取知识、发现规律的技术。

归纳技术与知识获取和机器学习密切相关。

基于符号处理的归纳和基于神经网络的归纳。

数据库知识发现（KDD,KnowledgeDiscoveryinDatabase）和数据挖掘（DataMining）技术。

联想技术。

联想记忆，联想存储。

人工智能发展的历史和现在人工智能从以往的追求自主的系统，改变为人机结合的系统。

以前的是基于逻辑的深思熟虑；现在是直觉、形象思维与模式识别的结合、SituatedAI,SensingandActing的结合，并引入概率论、遗传算法等理论。

计算机的定量与人的定性信息处理相结合，取长补短，从以前单一的mind到mindandbody。

甚至提出了没有知识表示、没有推理的智能。

智能科学技术学科兴起,本世纪初以来，以自然智能、人工智能、集成智能和协同智能为一体的新的智能科学技术学科正逐步形成：

由对人工之内能够的单一研究走向以自然智能、人工智能、集成智能为一体的协同智能研究；由人工智能的独立研究走向重视与脑科学、认知科学等的交叉研究；由多个不同学派的分立研究走向多