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