人工智能Word格式.docx

1、5.8 博弈 126 人工智能的发展趋势 136.1 直觉、顿悟和灵感的研究 136.2 知识发现与数据挖掘 136.3 分布式人工智能（DAI） 136.4 基于事例的推理 14参考文献： 14人工智能（简称AI）是计算机科学与技术学科领域的一个重要方向。主要以研究计算机系统模拟人类智能及智能行为为目标，是一门多学科相互渗透、具有实用价值和重要战略意义的新兴边缘分支学科。自1956年诞生以来，尽管人工智能学科的发展经历了曲折的过程，但它在知识表示、自动推理、认知建模、机器学习、神经计算、自然语言理解存家系统、智能机器人、分布式人工智能等方向上开展了大量的研究工作，取得了相当大的进展和较多的成

2、果，对其他学科的发展产生了积极的影响。正是由于人工智能学科的重要性和探索机器智能的艰巨性，人工皆能和生物工程、空间工程一起被列为当代尖端科学工程。人工智能、计算机、专家系统、计算机模拟1 人类智能中的认知和思维我们知道，人类智能主要体现在人具有感觉、意识和记忆，可以进行概括抽象，能对事物进行判断与识别，具有逻辑推理和对自身行为做出决策分析等思维活动功能。一般认为，人类的智能活动可以分为认知行为和思维活动。因此，为了使机器具有人类的智能，首先必须研究人类的生理机制和人类智能中的认知过程和思维活动规律。1.1 认知问题与认知科学智能是指人认识客观世界并运用知识解决实际问题的能力，它集中表现在反映客

3、观事物深刻、正确、完全的程度上，以及应用知识解决问题的速度和质量上，往往通过观察、记忆、判断、联想和创造等表现出来。长期的探索研究使人们开始懂得，智能是涉及多层次多学科的问题，智能科学的发展除了要依赖于神经科学和现代心理学对人脑结构机理的研究以外，也与心理认知科学的发展密不可分。 实际上，人类的认知过程是非常复杂的，人们对其研究形成了认知科学。所谓认知可一般地认为是和情感、动机、意志相对应的理智或认识过程，或者说是为了一定的目的，在一定的心理结构中进行的信息加工过程。美国心理学家霍斯顿等人曾将对认知的看归纳为以下5种主要类型： （1）认知是信息的处事过程； （2）认知是心理上的符号运算； （3

4、）认知是问题求解； （4）认知是思维； （5）认知是一组相关的活动，如知觉、记忆、思维、判断、推理、问题求解、学习、想象、概念形成及语言使用等。 认知科学是人工智能的重要理论基础，它的兴起和发展标志着对以人类为中心的认知和智能活动的研究已进入到一个新的阶段，对人工智能的发展起着根本性的作用。认知科学涉及的问题非常广泛，除了像霍斯顿提出的知觉、记忆、思维、判断、推理、问题求解、学习、想象、概念形成及语言使用等等相关联活动外，还会受到环境、社会、文化背景等方面的影响，是信息科学、数学、科学语言学、现代心理学、神经科学、人类学、自然哲学等多学科交叉的结果。可以说，认知科学的研究将为智能革命、知识革命

5、相信息革命建立起坚实的理论基础，为智能计算机系统的研制提供新概念、新思想渐途径。1.2思维与思维科学“人是万物之灵”，人类的智慧和才能是任何其他动物无法比拟的。人类的本质特征就在于具有能够高度发展的智能。人类智能的特点主要是思想，而思想的核心又是思维，可以说，没有思维就没有人类的智能，正是有了思维，人类的智能才能远远超出其他动物而产生质的飞跃，出现了思想意识，才使人类成为万物之灵。思维是具有意识的人脑对客观事物的本质属性、内部规律性的间接的反映过程。这个定义是哲学、逻辑学、心理学、生理学、教育等各界都接受的。“去粗取精、去伪存真、由此及彼、由表及里”地加工改选，才能把握事物的本质，找出事物间的

6、规律性联系，并有效地去改造客观事物。思维科学是研究发生于人脑中意识思维活动的规律和方法的科学，不涉及对具体思维内容的研究。思维科学的基础科学是研究人类有意识思维规律的科学，又称思维学。人的思维除了自己能够控制的意识以外，还有很多人脑不能直接控制的意识，即所谓的下意识。例如人走路时，开步走是人脑控制的，走了两三步后就“自动化”了，脑子并不去想该怎么走。要拐弯或遇到障碍时，又控制一下，所以，人确实有很多意识是没有经过大脑的，思维科学就是要研究人能够控制的那部分意识。中国科学院计算技术研究所史忠植教授于20世纪90年代初提出了人类思维的层次模型。如图所示，图中的感知思维是极其简单的思维形式，它是通过

7、人的眼睛、耳朵、鼻子、舌头、身体感知器官产生表象，形成初级的思维。形象思维以神经网络的连接论为理论基础，可以高度并行处理。抽象思维以物理符号系统为理论基础，用语言表述抽象的概念。由于注意的作用，使其处理基本上是串行的。思维模型反映了三种思维形式的相互关系，以及它们之间的相互转换的微观过程。但是要解决从形象思维到逻辑思维过渡的微过程，还需要做长期的进一步研究。2 人工智能的定义与基础人工智能主要是研究解释和模拟人类智能、智能行为及其规律，用人工的方法和技术，使计算机系统能模仿、实现和扩展人类的智力行为。事实上，给人工智能下一个合适的、为人们普遍同意的定义是非常困难的。1956年夏天在美国Dart

8、mouth大学召开的人工智能专题讨论会上，麦卡锡等人早就把人工智能定义为“研究在计算过程中阐释和仿真智能行为的领域”。但是，随着人工智能研究和应用的不断深入，人们对人工智能的理解和认识发生了深刻的变化，对人工智能的定义也出现了许多不同的说法。我们认为，人工智能就是研究智能计算机及其系统，以模仿和执行人类的某些智力功能。如判断、推理、规划、设计、思考、学习、识别等，解决过去人类专家才能处理好的复杂问题。2.1 符号智能1976年，纽威尔和西蒙将人类求解问题的心理过程表达为符号计算，并提出了物理符号系统假设，使之成为了传统人工智能的基础。所谓符号就是模式，对符号进行操作就是对符号进行比较，从中找出

9、相同的和不同的符旱。所谓物理符号系统是由一组符号的实体组成，它们都是物理模式，可在另一类称为符号结构的实体中作为组分出现。于是，组成符号结构的是一组按某种物理方法关联起来的符号例示。除了这些结构外，系统还含有一组作用在符号结构上以生成其他符号结构的过程，如建立过程、修改过程、复制过程、消除过程等。物理符号系统的基本任务和功能就是辨认相同的符号和区别不同的符号，因此，这种系统就必须能够辨别出不同符号之间的实质差别。实际上，我们现在所说的符号可以是物理符号，也可以是头脑中的抽象符号，或者是电子计算机中的电子运动模式，还可以是头脑中神经元的某些运动方式。物理符号系统假设为人工智能提供了一个理论基础，

10、其核心就是“按照人类思维操作的过程来编制计算机程序”，使计算机“在形式上来描述人的活动过程，或者建立一个理论来说明人的活动过程”。事实上，计算机的确能够很好地执行上述的6种符号操作或计算，实现许多智能功能，如下棋、证明定理、翻译语言文字和解决难题等。这些任务是通过编写与执行模拟人类智能的计算机程序来完成的。当然，这些程序只能接近于人的行为，而不能与人的行为完全相同。2.2 人类智能的计算机模拟由于人类抽象思维的各种规则，可用数理逻辑中的谓词表示，而谓词的真假又可用1和0表示，故谓词演算可转化为计算机中的数字计算。于是人们普遍认为抽象思维不仅可归结为符号计算，还可用计算机加以模拟。另一方面，如文

11、字、语音和图像的感知、记忆、联想、组合规则、优化规划和故障诊断等具有形象思维持点的操作，已在人工神经网络中实现，故有人认为形象思维可用网络计算加以模拟，并提出只要将人工种经网络和人工智能结合起来，就可模拟人类思维和智能的观点。但是，这种观点遇到的问题是：如何揭示人工神经网络模拟形象思维的基本机制或原理，如何统一符号机制与网络机制等。实际上，实现计算机模拟和代替人的认知行为和思维活动，需要满足3个基本前提：第一，求解问题的形式化。用计算机来解决智能问题，首先要建立一个形式系统规定要用的符号；另外还要建立一些规则。求解时从表示问题的符号串出发，按规则加工，直到得出符合要求的符号串为止。此方法需要设

12、计一种包罗万象的先验的形式化系统需要将今天尚未认识而以后才能认识的领域预先形式化，这是目前难以办到的。第二，必须有可行的算法。对于已形式化的问题，还必须找出可计算的算法，也就是要找出一种算法模拟或代替人脑的思维活动。第三，问题需要有合理的复杂度。由于目前计算机的计算能力有限，当我们设置一个算法解题时，问题本身应有合理的复杂度，否则将产生指数爆炸，那时，任何巧妙的技术全都失灵了。人工智能当前面临的多数难题都涉及指数爆炸，用探索法求解时更是如此。应该指出的是，人工智能的根本目标是用物化的智能代替、延伸和扩展人脑和机体的某些功能，它的根本方法是功能模拟法。目前，模拟认知行为的相关领域有汉字识别、机器

13、视觉、物体识别、语音识别和理解、图像识别等等，这方面的模拟实用性很强，故很受重视，也已取得了一些进展，但大多数的研究涉及的难度较大，电脑模拟感受的功能与人的感受功能相比，差距还很大。模拟思维活动的相关领域有符号推理、模糊推理、定理证明、专家系统等，这方面的研究和应用取得了比较显著的成果。但是，计算机思维目前仍处于比较初级的阶段，它与人的思维过程相比还有很大的差距。3 人工智能的产生与发展人工智能的出现不是偶然的，它是人们长期以来探索和研究以进行计算、推理和思维的智能机器的必然结果。自古以来，人们一直在试图用各种机器来代替人的部分脑力劳动，以提高人类征服自然和改造自然的能力。古希腊的哲学家亚里士

14、多德就提出了形式逻辑问题。12世纪末至13世纪初，西班牙逻辑学家卢乐提出了制造可以解决各种问题的通用逻辑机。17世纪，法国的物理学家和数学家帕斯卡制造出世界上第一台机械式加法器、并得到了广泛应用。随后，德国哲学家和数学家莱布尼茨在帕斯卡加法器的基础上进一步制成了可进行四则运算的计算器。莱布尼茨还提出了“符号语言”和“思维演算”的重要设想，他认为：必须将人的思维代数几何化，即像代数那样按照公式来思考，像几何那样直观地通过图画来思维。这一思想导致了后来的数理逻辑的诞生，成为了现代机器思维设计思想的萌芽。19世纪，英国数学家布尔在思维法则一书中，第一次用符号语言描述了思维活动中推理的基本法则创立了布

15、尔代数。英国数学家和发明家巴贝奇发明了差分机和分析机，其中分析机的设计思想与现代电子计算机十分相似。虽然巴贝奇的发明在当时没有得到实现和受到应有的重视，但是他的科学思想为研制“思维机器”做出了巨大的贡献。20世纪30年代，英国数学家图灵开始了寻求智力机的研究工作。1937年，图灵发表了“理想自动机”的论文，该文给可计算性这一概念下了严格的数学定义，并论证了任何需要精确地加以确定的计算过程，都能由“图灵机”完成，为人们清晰地描绘出理想自动机的蓝图，同时也为电子计算机的诞生奠定了理论基础。1945年，匈牙利数学家冯诺依曼提出了存储程序的思想，在计算机领域建立了不朽的功勋。目前的计算机体系结构仍然是

16、冯诺依曼型的。1946年，美国数学家、电子计算机先驱莫克利和他的研究生埃克特合作、成功研制了世界上第一台电子数字计算机ENIAC，为机器智能的研究和实现提供了物质基础。根据计算机能进行符号计算的事实图灵在1950年发表的计算机器与智能中明确提出了计算机能思维的观点，并给出了检验计算机能否思维的一个实验，又称图灵实验。这个实验的大致内容是：一个房间放一台机器，另一房间有一个人。当人们提出问题，房间在不接触对象的情况下，同对象进行一系列对话，如果他不能根据这些对话判断出对象是人还是计算机，那么就可以认为这台计算机具有与人相当的智能。虽然图灵实验巧妙地绕开了哲学的陷阱，通过实验形象说明计算机能模拟人

17、类智能的事实但是从科学哲学的角度来看，图灵实验存在着一些令人质疑的地方，用实验的方式来定义机器的思维也不够严谨。尽管如此，图灵关于机器思维定义的开创性工作对后人的研究具有重要的指导意义，图灵实验对人工智能的产生起到了非常重要的作用。此外，美国数学家维纳创立的控制论，美国应用数学家香农创立的信息论，美籍奥地利生物学家贝塔朗菲创立的系统论，美国神经生物学家麦克卡洛奇和皮特斯建立的第一个神经网络模型等等理论成果，以及这些学科与计算科学、心理学、数学和哲学等领域多种学科相互渗透和交叉取得的一系列令人振奋的研究成果，都为人工智能的诞生奠定了理论、技术和物质基础。3.1 人工智能历史回顾人工智能的研究经历

18、了以下几个阶段：第一阶段：50年代人工智能的兴起和冷落 人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。 第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮 DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（IJCAI

19、）。第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展 日本1982年开始了“第五代计算机研制计划“，即“知识信息处理计算机系统KIPS“，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。第四阶段：80年代末，神经网络飞速发展 1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。第五阶段：90年代，人工智能出现新的研究高潮 由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标

20、的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。4 人工智能的研究方法4.1 符号主义符号主义是一种基于逻辑推理的智能模拟方法，早期的人工智能研究者绝大多数属于此类。符号主义的实现基础是纽威尔和西蒙提出的物理符号系统假设。该学派认为：人类认知和思维的基本单元是符号，而认知过程就是在符号表示上的一种运算。这种方法的实质就是模拟人的左脑抽象逻辑思维，通过研究人类认知系统的功能机理，用某种符号来描述人类的认知过程，并把这种符号输入到能处理符

21、号的计算机中，就可以模拟人类的认知过程，从而实现人工智能。可以把符号主义的思想简单地归结为“认知即计算”。从符号主义的观点来看，知识表示是人工智能的核心，认知就是符号的处理过程，推理就是采用启发式知识及启发式搜索对问题求解的过程，而推理过程又可以用某种形式化的语言来描述。符号主义的代表性成果是1957年纽威尔和西蒙等人研制的称为“逻辑理论家”的数学定理证明程序LT。LT的成功，说明了可以用计算机来研究人的思维过程，模拟人的智能活动以后，符号主义走过了一条启发式算法专家系统知识工程的发展道路，尤其是专家系统的成功开发与应用，使人工智能研究取得了突破性的进展。长期以来，符号主义直在人工智能中处于主

22、导地位，其代表人物是纽威尔、肖、西蒙和尼尔森。4.2 连接主义连接主义是一种基于神经网络及网络间的连接机制与学习算法的智能模拟方法。这一方法从神经生理学和认知科学的研究成果出发，把人的智能归结为人脑的高层网络活动的结果；强调智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。人工神经网络（简称神经网络）就是其典型代表性技术，因此，我们可以把连接主义的思想简单地称为“神经计算”。连接主义认为神经元不仅是大脑神经系统的基本单元，而且是行为反应的基本单元。思维过程是神经元的连接活动的过程，而不是符号运算的过程。任何思维和认知功能都不是少数神经元决定的，而是通过大量突触相互动态联系着的众多神

23、经元协同作用来完成的。实质上，这种基于神经网络的智能模拟方法就是以工程技术手段模拟人脑神经系统的结构和功能为特征，通过大量的非线性并行处理器来模拟人脑中众多的神经细胞（神经元），用处理器的复杂连接关系来模拟人脑中众多神经元之间的突触行为。这种方法在一定程度上可能实现了人脑形象思维的功能，即实现人的右脑抽象思维功能的模拟。连接主义的代表性成果是1943年由麦克洛奇和皮兹提出的形式化神经元模型，即MP模型。他们总结了神经元的一些基本生理持性、提出神经元形式化的数学描述和网络的结构方法，从此开创了神经计算的时代，为人工智能创造了一条用电子装置模仿人脑结构和功能的新途径。1982年，美国物理学家霍普菲

24、尔持提出了离散的神经网络模型，1984年他又提出了连续的神经网络模型，使神经网络可以用电子线路来仿真，开拓了神经网络用于计算机的新途径。1986年，鲁梅尔哈特等人提出了多层网络中的反向传播（BP）算法，使多层感知机的理论模型有所突破。同时，由于许多科学家加入了人工种经网络的理论与技术研究，使这一技术在图像处理、模式识别等领域取得了重要的突破，为实现连接主义的智能模拟创造了条件。4.3 行为主义行为主义是一种基于“感知-行动”的行为智能模拟方法。这方法认为，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的按制结构。行为主义的主要观点可以概括为

25、：（1）知识的形式化表达和模型化方法是人工智能的重要障碍之一；（2）应该直接利用机器对环境发出作用后，环境对作用者的响应作为原型；（3）所建造的智能系统在现实世界中应具有行动和感知的能力；（4）智能系统的能力应该分阶段逐渐增强，在每个阶段都应是一个完整的系统。行为主义的杰出代表人物布鲁克斯教授在1930、1991年相继发表论文，对传统人工智能进行了批评和否定，提出了无须知识表示和无须推理的智能行为观点。在这些论文中，布鲁克从自然界中生物体的智能进化过程出发，提出入工智能系统的建立应采用对自然智能进化过程仿真的方法。他认为智能只是在与环境的交互作用中表现出来的，任何一种“表达”都不能完善地代表客

26、观世界中的真实概念，因而用符号串表达智能过程是不妥当的。布鲁克这种基于行为（进化）的观点开辟了人工智能研究的新途径，从而在国际人工智能界形成了行为主义这个新的学派。4.4 符号主义、连接主义和行为主义的比较上述的3种研究方法从不同侧面研究人的自然智能，与人脑思维模型有其对应关系，粗略地划分，可以认为符号主义研究抽象思维，连接主义研究形象思维，而行为主义研究感知思维。下表中给出了符号主义、连接主义和行为主义特点。5 人工智能的研究与应用领域5.1 知识表示如果人工智能要建立统一的原理，知识表示就是其中的一个。知识表示是用计算机能够接受并进行处理的符号和方式来表示人类的知识，将其形式化并转移给机器

27、。目前，常用的知识表示方法有逻辑、产生式、框架、语义网络、状态空间、功能表示法、面向对象表示法等。这方面研究除对原有知识表示方法做更深入的研究之外，要加强对知识表示本质的研究，研究新的表示方法和原有方法的综合应用。5.2 问题求解所谓问题求解就是要求在给定条件下寻求一个能解决某类问题，只能在有限步内完成的算法。这一研究领域是大多数人工智能应用的基础，它要解决算法的存在性问题，算法怎样控制，以及如何降低算法的复杂度问题。 问题求解方法基本上可以分为两大类：第一类问题可通过某种确保成功的确定性过程（或称计算）来解决，其方法通常采用可由计算机执行的算法；第二类问题是非计算性问题，通常是用搜索求解方法

28、来解决。具体的问题求解步骤有以下3个主要步骤：（1）精确地定义问题。即规定问题空间、待解问题的初始状态和构成待解问题的可接受解的目标状态以及在问题空间中移动所需的操作。（2）分析问题。分析哪些重要特征对选用求解问题的各种可能技术的影响最大。（3）搜索解答空间，寻找较优的解答，即选择知识表达方法和最佳求解技术。搜索技术是问题求解中一个非常重要的问题。在问题空间中，搜索问题就是要找出以所要到达状态为结束的一串状态。目前，最重要和最常见的搜索方法有：深度优先法、广度优先法、爬山法、最小代价法、回溯策略法、启发式搜索法、与或图搜索法和博奕树搜索法等。5.3 模式识别模式识别是人工智能最早的研究领域之一

29、。“模式”一词的原意是指供模仿用的完美无缺的一些标本。所谓模式识别就是使计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。其中，被鉴别的事物可以是物理的、化学的、生理的，也可以是文字、图像、声音等。为了能使计算机进行模式识别，通常需要给它配上各种感知器官，使其能够直接感知外界信息模式识别的一般过程是先采集待识别事物的模式信息，然后对其进行各种变换和预处理、从中得出有意义的特征或基元，得到待识别事物的模式，然后再与机器中原有的各种标准模式进行比较，完成对待识别事物的分类识别，最后输出识别结果。根据给出的标准模式的不同，模式识别技术有多种不同的识别方法。其中，经常采用的方法有模板匹

30、配法、统计模式法、句法模式法、模糊模式法和神经网络法。5.4 专家系统专家系统是一个计算机智能软件系统，它运用特定领域的专门知识，通过推理来模拟解决通常由人类专家才能解决的各种复杂具体的问题，其解决问题的能力达到与领域专家同等水平。专家系统是当前人工智能研究与应用中一个最富有朝气、十分活跃的重要分支，它与传统计算机应用的区别也许在于它有能力采用人类判断及直观的反应过程来处理当今世界上一些富有挑战性的问题，而这也恰恰就是专家系统最使人感兴趣和有效的特点。专家系统在20世纪70年代已经取得了许多满意的成果。目前，专家系统已广泛用于工业、农业、医疗、地质、气象、交通、军事、教育、空间技术、信息管理等

31、各方面，大大提高了工作效率和工作质量，创造了可观的经济效益和积极的社会效益。今后专家系统研究的重点课题是：如何克服专家系统的脆弱性，提高鲁棒性，浅层知识与深层知识推理的结合，多专家系统协作求解，自动知识获取等。专家系统的一般结构：专家系统的问题求解过程示意图：建造专家系统的一般步骤：5.5 机器人学“机器人”这个名词对许多人来说并不陌生。从古代的神话传说，到现代科幻小说、电影和电视，都有许多关于机器人的精彩描述。尽管现实世界中的机器人发展是比较迅速的，但是其本领还是非常有限的。目前，机器人的应用领域主要在工业生产、海洋开发、空间探索等方面，特别应用在一些环境比较危险、人们难以胜任的工作场合。根据国际标准化组织（ISO）的定义，“机器人是一种能自动的、位置可控的、具有编程能力的多功能机械手，这种机械手具有几个轴，能够借助可编程序操作来处理各种材料、零件、工具和专用装置，以执行种种任务”。机器人学则是在社会对机器人的需求和机器人技术的