人工智能及其應用課件

1課程簡介智能信息處理與儀器研究室課程類別：專業(yè)任選課學分：2適用專業(yè)：計算機科學與技術專業(yè)及有關專業(yè)先修課程：高級語言，離散數(shù)學，數(shù)據結構，數(shù)理邏輯，編譯原理或形式語言2基本要求智能信息處理與儀器研究室了解人工智能和智能系統(tǒng)的概況，以及人工智能的研究與應用領域。掌握知識表示方法和搜索推理技術，包括狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網絡法、盲目搜索、啟發(fā)式搜索、規(guī)則演繹算法和產生式系統(tǒng)等。掌握高級知識推理，包括非單調推理、時序推理和各種不確定推理方法。理解并掌握人工智能的主要應用，包括專家系統(tǒng)、機器學習、自動規(guī)劃、Agent、自然語言理解、機器視覺和智能控制等。對于應用內容，根據學時，有選擇地進行學習。了解人工智能對人類經濟、社會和文化的影響，展望人工智能的發(fā)展。通過學習，能夠知道什么時候需要某種合適的人工智能方法用于給定的問題，并能夠選擇適當?shù)膶崿F(xiàn)方法。31．緒論人工智能的定義和發(fā)展；人類智能和人工智能；人工智能各學派的認知觀；人工智能的研究與應用領域。2．知識表示方法狀態(tài)空間法；問題規(guī)約法；謂詞邏輯法；語義網絡法；框架表示；劇本表示；過程的表示。3．搜索推理技術盲目搜索；啟發(fā)式搜索；消解原理；通用問題求解系統(tǒng)。4．高級求解技術規(guī)則演繹系統(tǒng)，系統(tǒng)組織技術，不確定性定理，非單調推理。教學內容智能信息處理與儀器研究室4*5．專家系統(tǒng)產生式系統(tǒng)；專家系統(tǒng)概述；基于規(guī)則的專家系統(tǒng)；基于框架的專家系統(tǒng)；基于模型的專家系統(tǒng)；新型專家系統(tǒng)；專家系統(tǒng)的設計；專家系統(tǒng)開發(fā)工具。*6．機器學習機器學習的定義和發(fā)展歷史；機器學習的主要策略和基本結構；機械學習；歸納學習；類比學習；解釋學習；神經學習；知識發(fā)現(xiàn)

*7．機器人規(guī)劃規(guī)劃系統(tǒng)的定義與任務；積木世界的機器人規(guī)劃；STRIPS規(guī)劃系統(tǒng)；具有學習能力的規(guī)劃系統(tǒng)；分層規(guī)劃；基于專家系統(tǒng)的規(guī)劃。智能信息處理與儀器研究室教學內容5*8．機器視覺圖像的理解與分析；積木世界的景物分析；視覺的知識表示與控制策略；物體形狀的分析與識別。9．自然語言理解自然語言理解的一般問題；句法和語義的自動分析；句子的自動理解；語言的自動生成；自然語言理解系統(tǒng)應用舉例。10．智能控制智能控制的發(fā)展與定義；智能控制的結構理論與特點；智能控制系統(tǒng)；智能控制的應用領域。11．人工智能程序設計邏輯型編程語言；LISP語言；PROLOG語言；關系型數(shù)據庫；專用開發(fā)工具；人工智能機。12．人工智能的爭論與展望關于人工智能的爭論；人工智能對人類的影響；對人工智能的展望。智能信息處理與儀器研究室6參考書目1、N.J.Nilsson.ArtificialIntelligence:ANewSynthesis.MorganKanfmann,1998;機械工業(yè)出社，19992、朱福喜,湯怡群,傅建明.人工智能基礎.武漢大學出版社,20023、楊祥全，蔡慶生.人工智能.重慶：科技文獻出版社重慶分社，19884、王永慶.人工智能原理與方法,西安交通大學出版社,19985、涂序彥.人工智能及其應用,北京:電子工業(yè)出版社,19886、施鵬飛、姚遠.人工智能教程.上海交通大學出版社，1993智能信息處理與儀器研究室7考查方式智能信息處理與儀器研究室考核方式：撰寫論文，具體撰寫論文提前3周通知。成績評定：平時20％，論文和筆記80％8論文要求

寫一篇與講課內容相關的論文，字數(shù)為3－5千字。

注意事項：

1.禁止從網上全文抄襲，一經發(fā)現(xiàn)，取 消成績。

2.論文格式參照科技論文寫作要求。

3.引用文字須注明參考文獻出處。

智能信息處理與儀器研究室9論文提交打印稿1份（含學號、手寫簽名）電子稿1份，發(fā)送到以下郵箱

minli@

（較大文件，請壓縮后發(fā)送）智能信息處理與儀器研究室10第1章緒論智能信息處理與儀器研究室學習要求：1.了解人工智能科學的誕生及其發(fā)展歷史2.掌握人工智能的定義3.了解人工智能研究的各種學派及其理論以及實現(xiàn)人工智能的技術路線4.了解人工智能研究的應用領域11緒論很早人類就有制造機器人的幻想黃帝的“指南車”諸葛亮的“木牛流馬”亞里士多德的形式邏輯布萊尼茨的關于數(shù)理邏輯的思想“機器人”一詞的來源12現(xiàn)代人工智能的興起現(xiàn)代人工智能（ArtificialIntelligence，簡稱AI），一般認為起源于美國1956年的一次夏季討論（達特茅斯會議），在這次會議上，第一次提出了“ArtificialIntelligence”這個詞。13什么是人工智能？至今沒有統(tǒng)一的定義從“計算”到“算計”14像人一樣思考的系統(tǒng)理性地思考的系統(tǒng)“要使計算機能夠思考..….意思就是：有頭腦的機器”（Haugeland,1985）“與人類的思維相關的活動，諸如決策、問題求解、學習等活動”（Bellman,1978）“通過利用計算模型來進行心智能力的研究”（Chamiak和McDermott,1985）“對使得知覺、推理和行為成為可能的計算的研究”（Winston,1992）像人一樣行動的系統(tǒng)理性地行動的系統(tǒng)“一種技藝，創(chuàng)造機器來執(zhí)行人需要智能才能完成的功能”（Kurzweil,1990）“研究如何讓計算機能夠做到那些目前人比計算機做得更好的事情”（Rich和Knight,1991）“計算智能是對設計智能化智能體的研究”（Poole等，1998）“AI..….關心的是人工制品中的智能行為”（Nilsson,1998）15圖靈測試如何知道一個系統(tǒng)是否具有智能呢？1950年，計算機科學家圖靈提出了著名的“圖靈測試”。16AI的本質問題

研究如何制造出人造的智能機器或系統(tǒng)，來模擬人類智能活動的能力，以延伸人們智能的科學。17AI的歷史回顧第一階段（40年代中～50年代末）神經元網絡時代 雙層網絡

M-P模型、感知器模型等 問題：XOR問題不能解決18AI的歷史回顧（續(xù)1）XOR問題（異或問題）輸入1輸入2輸出000011101110(0,0)(1,1)(0,1)(1,0)19AI的歷史回顧（續(xù)2）Minsky的著作：《Perceptions》（感知器）從理論上證明了二層神經元網絡不可能解決XOR問題如果要求解XOR問題，神經元網絡必須是3層或3層以上的結構對于3層或3層以上的神經元網絡，難于找到一個通用的學習算法20AI的歷史回顧（續(xù)3）第二階段（50年代中～60年代中）通用方法時代物理符號系統(tǒng)主要研究的問題：GPS、游戲、翻譯等對問題的難度估計不足，陷入困境21AI的歷史回顧（續(xù)4）一個笑話（英俄翻譯）：

Thespiritiswillingbutthefleshisweek.

（心有余而力不足）

Thevodkaisstrongbutmeatisrotten.

（伏特加酒雖然很濃，但肉是腐爛的）22AI的歷史回顧（續(xù)5）出現(xiàn)這樣的錯誤的原因：

Spirit：

1）精神

2）烈性酒結論： 必須理解才能翻譯，而理解需要知識23AI的歷史回顧（續(xù)6）知識就是力量——培根知識蘊涵著力量——費根鮑姆24AI的歷史回顧（續(xù)7）第三階段（60年代中～80年代初）知識工程時代專家系統(tǒng)知識工程知識工程席卷全球各國發(fā)展計劃：美國星球大戰(zhàn)計劃英國ALVEY計劃法國UNIKA計劃日本五代機計劃中國“863”計劃25AI的歷史回顧（續(xù)8）遇到的困難：知識獲取的瓶頸問題26AI的歷史回顧（續(xù)9）第四階段（80年代中～90年代初）新的神經元網絡時代BP網（算法），解決了多層網的學習問題Hopfield網，成功求解了旅行商問題存在問題：理論依據解決大規(guī)模問題的能力新的動向——構造化方法27AI的歷史回顧（續(xù)10）第五階段（90年代初～現(xiàn)在）海量數(shù)據處理與網絡時代網絡給AI帶來無限的機會知識發(fā)現(xiàn)與數(shù)據挖掘AI走向實用化28AI的研究內容搜索技術知識表示規(guī)劃方法機器學習認知科學29AI的研究內容（續(xù)1）自然語言理解與機器翻譯專家系統(tǒng)與知識工程定理證明博弈機器人數(shù)據挖掘與知識發(fā)現(xiàn)30AI的研究內容（續(xù)2）多Agent系統(tǒng)復雜系統(tǒng)足球機器人人機交互技術31人工智能取得的一些成果四十多年來，人工智能的研究雖然步履艱難，但也取得了一些很突出的成績。下面列舉一些實例。32定理證明50年代中期，世界上最早的啟發(fā)式程序“邏輯理論家”，證明了數(shù)學名著《數(shù)學原理》中的38個定理。經改進后，62年證明了該書中全部的52個定理。被認為是用計算機探討人類智力活動的第一個真正的成果。33四色定理的證明四色定理從1852年發(fā)現(xiàn)四色問題，世界上很多著名的科學家試圖證明，當一直未能完成。1976年6月，哈肯在美國伊利諾斯大學的兩臺不同的電子計算機上，用了1200個小時，作了100億次判斷，終于完成了四色定理的證明，從而解決了一個歷時100多年的問題，轟動了世界。34定理證明的“吳方法”2000年我國最高科學技術獎獲得者吳文俊教授，提出了“數(shù)學機器化”。1977年，吳文俊關于平面幾何定理的機械化證明首次取得成功。創(chuàng)立了定理機器證明的

“吳方法”。35通用問題求解器（GPS）從1957年開始，Newell等人開始研究一種不依賴于具體領域的通用解題程序，這個程序的設計是從模仿人類問題求解的規(guī)程開始的。在它能處理的有限類別的問題中，它顯示出程序決定的子目標及可能采取的行動的次序，與人類求解同樣問題是類似的。因此，GPS很可能是第一個實現(xiàn)了“像人一樣思考”方法的程序。36專家系統(tǒng)人類之所以能求解問題，是因為人類具有知識。專家系統(tǒng)就是把有關領域專家的知識整理出來，讓計算機利用這些知識求解專門領域的問題。1968年世界上第一個專家系統(tǒng)DENDRAL問世。MYCIN，一個著名的醫(yī)療診斷專家系統(tǒng)37第一個商用專家系統(tǒng)：R1世界上第一個成功的商用專家系統(tǒng)，1982年開始正式在DEC公司使用。該程序幫助為新計算機系統(tǒng)配置訂單；到1986年為止，估計它為公司每年節(jié)省了4千萬美元。38海灣戰(zhàn)爭中的專家系統(tǒng)在1991年的海灣危機中，美國軍隊使用專家系統(tǒng)用于自動的后勤規(guī)劃和運輸日程安排。這項工作同時涉及到50000個車輛、貨物和人，而且必須考慮到起點、目的地、路徑以及解決所有參數(shù)之間的沖突。AI規(guī)劃技術使得一個計劃可以在幾小時內產生，而用舊的方法需要花費幾個星期。39數(shù)字識別清華大學智能技術與系統(tǒng)國家重點實驗室采用神經元網絡方法研制的數(shù)字識別系統(tǒng)，用于2000年我國人口普查。對普查數(shù)據進行自動識別，錯誤率達到了萬分之一以下的高水平。40古籍數(shù)字化——《四庫全書》41IBM的“深藍”

北京時間1997年5月12日凌晨4點50分，美國紐約公平大廈，當IBM公司的“深藍”超級電腦將棋盤上的一個兵走到C4的位置上時，國際象棋世界冠軍卡斯帕羅夫對“深藍”的人機大戰(zhàn)落下帷幕，“深藍”以3.5：2.5的總比分戰(zhàn)勝卡斯帕羅夫。42正在與深藍下棋的卡斯帕羅夫43IBM的“深藍”（續(xù)1）96年2月第一次比賽結果： “深藍”：勝、負、平、平、負、負97年5月第二次比賽結果： “深藍”：負、勝、平、平、平、勝44IBM的“深藍”（續(xù)2）“深藍”的技術指標：32個CPU每個CPU有16個協(xié)處理器每個CPU有256M內存每個CPU的處理速度為200萬步/秒45“人機之戰(zhàn)”簡史1958年，IBM704成為第一臺能同人下棋的計算機，名為“思考”，思考速度每秒200步60年代中期，科學家德里夫斯斷言，計算機將無法擊敗一位年僅10歲的棋手1973年，國際象棋軟件4.0被開發(fā)出來，這是未來程序的基礎1979年，國際象棋軟件4.9達到專家級水平1981年，CRAYBLITZ新的超級計算機擁有特殊的集成電路，預言將可在1995年擊敗世界棋王461983年，BELLEAT＆T開發(fā)了國際象棋硬件，達到了大師水平80年代中期，皮茲堡的CARNEGIEMELLON大學開始研究世界級的國際象棋計算機程序1987年，“深思”首次以每秒鐘75萬步的思考速度露面，它的水平相當于擁有國際等級分為2450的棋手1988年，“深思”擊敗丹麥特級大師拉爾森1989年，“深思”已經有6臺信息處理器，每秒思考速度達200萬步，但在與世界棋王卡斯帕羅夫進行的“人機大戰(zhàn)”中對陣以0比2敗北471990年，“深思”第二代產生，使用IBM的硬件，吸引了前世界棋王卡爾波夫與之對抗1991年，“弗里茨”問世1993年，“深思”二代擊敗了丹麥國家隊，在與世界優(yōu)秀女棋手小波爾加的對抗中獲勝1995年，“深藍”更新程序，新的集成電路將其思考速度達到每秒300萬步1996年，“深藍”在與卡斯帕羅夫的挑戰(zhàn)賽中，以2比4不敵卡斯帕羅夫1997年，“超級深藍”開發(fā)出了更加高級的“大腦”，4名國際大師參與IBM的挑戰(zhàn)小組為電腦與卡斯帕羅夫重戰(zhàn)出謀劃策，最后“超級深藍”以3比2擊敗了卡斯帕羅夫，卡斯帕羅夫要求重賽，但沒有得到回應481999年，“弗里茨”升級為“更弗里茨”(DeepFritz)2001年，“更弗里茨”更新了程序，擊敗了卡斯帕羅夫和阿南德，以及除了克拉姆尼克之外的所有排名世界前十位的棋手2002年10月，“更弗里茨”與克拉姆尼克在巴林進行“人機大戰(zhàn)”，思考速度為每秒600萬步，雙方4比4戰(zhàn)平2003年1～2月“更年少者”與卡斯帕羅夫舉行人機對抗，雙方3比3戰(zhàn)平49思考題2：國際象棋、中國象棋與圍棋為什么已經有了可以戰(zhàn)勝國際大師的國際象棋程序，而中國象棋和圍棋的程序水平卻比較低呢？力量投入問題？計算機發(fā)展水平問題？棋本身的復雜性問題？其他別的問題？50智能汽車智能技術與系統(tǒng)國家重點實驗室研制的智能汽車51在高速公路上，該汽車可以自動識別道路，自動躲避障礙物在最近的實驗中，平均速度為100公里，最高速度達到了150公里，達到了世界先進水平。52足球機器人兩個組織：RoboCup和FIRA設有仿真組、小型組、中型組和有腿組控制方式：FIRA采用集中控制，而RoboCup采用分布式控制清華大學獲得2001、2002年RoboCup世界冠軍、2003年亞軍（仿真組）清華大學獲得2003年RoboCup小型組全國冠軍53

小型組有腿組54歷史上的人工智能大師下面介紹圖靈和幾位獲得圖靈獎的人工智能大師55阿倫?圖靈

（AlanTuring）

計算機科學理論的創(chuàng)始人56阿倫?圖靈（AlanTuring）1912年出生于英國倫敦，1954年去世1936年發(fā)表論文“論可計算數(shù)及其在判定問題中的應用”，提出圖靈機理論1950年發(fā)表論文“計算機與智能”，闡述了計算機可以具有智能的想法，提出圖靈測試1966年為紀念圖靈的杰出貢獻，ACM設立圖靈獎57馬文?明斯基

（MarnivLeeMinsky）

人工智能之父 框架理論的創(chuàng)立者 首位獲得圖靈獎的人工智能學者58馬文?明斯基

（MarnivLeeMinsky）1927年出生于美國紐約1951年提出思維如何萌發(fā)并形成的基本理論1956年達特茅斯會議的發(fā)起人之一1958年在MIT創(chuàng)建世界上第一個AI實驗室1969年獲得圖靈獎1975年首創(chuàng)框架理論59約翰?麥卡錫

（JohnMcCarthy）人工智能之父LISP語言的發(fā)明人首次提出AI的概念60約翰?麥卡錫

（JohnMcCarthy）1927年出生于美國波士頓1956年發(fā)起達特茅斯會議，并提出“人工智能”的概念1958年與明斯基一起創(chuàng)建世界上第一個人工智能實驗室發(fā)明α－β剪枝算法1959年開發(fā)LISP語言開創(chuàng)邏輯程序研究，用于程序驗證和自動程序設計1971年獲得圖靈獎61赫伯特?西蒙

（HerbertA.Simon）符號主義學派的創(chuàng)始人愛好廣泛的全能科學家中國科學院外籍院士62赫伯特?西蒙(HerbertA.Simon）1916年出生于美國的威斯康辛州1943年在匹茲堡大學獲政治學博士學位1969年因心理學方面的貢獻獲得杰出科學貢獻獎1975年和他的學生艾倫?紐厄爾共同獲得圖靈獎1978年獲得諾貝爾經濟學獎1986年因行為學方面的成就獲得美國全國科學家獎章6350年代至60年代初開發(fā)了世界上最早的啟發(fā)式程序“邏輯理論家”LT，證明了《數(shù)學原理》第二章中的全部52個定理，開創(chuàng)了機器定理證明這一新的學科領域57年開發(fā)了IPL(InformationProcessingLanguage)語言，是最早的AI語言。60年開發(fā)了“通用問題求解系統(tǒng)”GPS66年開發(fā)了最早的下棋程序之一MATER70年發(fā)展與完善了語義網絡的概念和方法70年代提出了“物理符號系統(tǒng)假說”70年代提出決策過程模型，成為DSS的核心內容64艾倫?紐厄爾（AllenNewell）符號主義學派的創(chuàng)始人之一西蒙的學生與同事1975年與西蒙同獲圖靈獎65查理德?卡普

（RichardM.Karp）

發(fā)明“分枝界限法”的三棲學者66查理德?卡普（RichardM.Karp）1935年出生于美國波士頓是加州大學伯克利分校三個系的教授：電氣工程和計算機系數(shù)學系工業(yè)工程和運籌學系60年代提出“分枝界限法”，成功求解含有65個城市的旅行商問題，創(chuàng)當時的記錄1985年獲得圖靈獎67愛德華?費根鮑姆

（EdwardA.Feigenbaum）

知識工程的提出者 大型人工智能系統(tǒng)的開拓者68愛德華?費根鮑姆

（EdwardA.Feigenbaum）1936年出生于美國的新澤西州通過實驗和研究，證明了實現(xiàn)智能行為的主要手段是知識1977年提出知識工程，使人工智能從理論轉向應用名言：知識蘊藏著力量1994年和勞伊?雷迪共同獲得圖靈獎691963年主編了《計算機與思想》一書，被認為是世界上第一本有關人工智能的經典性專著1965年開發(fā)出世界上第一個專家系統(tǒng)開發(fā)出著名的專家系統(tǒng)MYCIN80年代合著了四卷本的《人工智能手冊》開設Teknowledge和IntelliGenetics兩個公司，是世界上第一家以開發(fā)和將專家系統(tǒng)商品化的公司70勞伊?雷迪

（RajReddy）

大型人工智能系統(tǒng)的開拓者71勞伊?雷迪（RajReddy）37年出生于印度，66年在美國獲得博士1994年與費根鮑姆共同獲得圖靈獎主持過一系列大型AI系統(tǒng)的開發(fā)Navlab能在道路行駛的自動車輛項目LISTEN用于掃盲的語音識別系統(tǒng)以詩人但丁命名的火山探測機器人項目自動機工廠項目，提出“白領機器人學”72人工智能的認知問題

認知是和情感、動機、意志等相對的理智或認識過程。美國心理學家Houston等人將對“認知”的看法歸納為如下五種主要類型：

(1)認知是信息的處理過程；

(2)認知是心理上的符號運算；

(3)認知是問題求解；

(4)認知是思維；

(5)認知是一組相關的活動，如知覺、記憶、思維、判斷、推理、問題求解、學習、想象、概念形成、語言使用等。智能信息處理與儀器研究室73認知

認知心理學家Dodd等則認為，認知應包括三個方面，即適應、結構、過程。也就是說，認知是為了一定的目的，在一定的心理結構中進行的信息加工過程。智能信息處理與儀器研究室74認知科學認知科學探索人類的智力如何由物質產生和人腦信息處理的過程。具體地說，認知科學是研究人類的認知和智力的本質和規(guī)律的前沿科學。認知科學研究的范圍包括知覺、注意、記憶、動作、語言、推理、思考、意識乃至情感動機在內的各個層面的認知活動。智能信息處理與儀器研究室75認知科學認知科學是研究人類感知和思維信息處理過程的科學,包括從感覺的輸入到復雜問題求解,從人類個體到人類社會的智能活動,以及人類智能和機器智能的性質。認知科學是現(xiàn)代心理學、信息科學、神經科學、數(shù)學、科學語言學、人類學乃至自然哲學等學科交叉發(fā)展的結果。它是人工智能重要的理論基礎。智能信息處理與儀器研究室76人工智能的五個基本問題（1)知識與概念化是否是人工智能的核心？（2)認知能力能否與載體分開來研究？（3)認知的軌跡是否可用類自然語言來描述？（4)學習能力能否與認知分開來研究？（5)所有的認知是否有一種統(tǒng)一的結構？智能信息處理與儀器研究室77思維的層次模型

思維是客觀現(xiàn)實的反映過程，是具有意識的人腦對于客觀現(xiàn)實的本質屬性、內部規(guī)律性的自覺的、間接的和概括的反映。人類思維的形態(tài)主要有感知思維形象思維抽象思維靈感思維智能信息處理與儀器研究室78感知思維是一種初級的思維形態(tài)。在人們開始認識世界時,只是把感性材料組織起來,使之構成有條理的知識,所能認識到的僅是現(xiàn)象。在此基礎上形成的思維形態(tài)即是感知思維。人們在實踐過程中,通過眼、耳、鼻、舌、身等感官直接接觸客觀外界而獲得的各種事物的表面現(xiàn)象的初步認識,它的來源和內容都是客觀的、豐富的。智能信息處理與儀器研究室79形象思維形象思維主要是用典型化的方法進行概括，并用形象材料來思維，是一切高等生物所共有的。形象思維是與神經機制的連接論相適應的。模式識別、圖象處理、視覺信息加工都屬于這個范疇。智能信息處理與儀器研究室80抽象思維抽象思維是一種基于抽象概念的思維形式，通過符號信息處理進行思維。只有語言的出現(xiàn)，抽象思維才成為可能，語言和思維互相促進，互相推動。可以認為物理符號系統(tǒng)是抽象思維的基礎。智能信息處理與儀器研究室81靈感思維對靈感思維至今研究甚少。有人認為,靈感思維是形象思維擴大到潛意識,人腦有一部分對信息進行加工,但是人并沒有意識到。也有人認為,靈感思維是頓悟。靈感思維在創(chuàng)造性思維中起重要作用,有待進行深入研究。智能信息處理與儀器研究室82思維的層次模型

智能信息處理與儀器研究室83人工智能智能是什么？智能是個體有目的的行為、合理的思維,以及有效的適應環(huán)境的綜合性能力。通俗地說,智能是個體認識客觀事物和運用知識解決問題的能力。人類個體的智能是一種綜合性能力,具體講,可以包括感知與認識客觀事物、客觀世界與自我的能力;通過學習取得經驗、積累知識的能力;理解知識、運用知識和運用經驗分析問題和解決問題的能力;聯(lián)想、推理、判斷、決策的能力;運用語言進行抽象、概括的能力;發(fā)現(xiàn)、發(fā)明、創(chuàng)造、創(chuàng)新的能力;實時地、迅速地、合理地應付復雜環(huán)境的能力;預測、洞察事物發(fā)展變化的能力等。智能信息處理與儀器研究室84人工智能

人工智能(ArtificialIntelligence)是相對人的自然智能而言，即用人工的方法和技術,模仿、延伸和擴展人類的智能,實現(xiàn)某些“機器思維“。作為一門學科，人工智能研究智能行為的計算模型，研制具有感知、推理、學習、聯(lián)想、決策等思維活動的計算系統(tǒng)，解決需要人類專家才能處理的復雜問題。人工智能是計算機科學的一個分支，它是當前科學技術中正在迅速發(fā)展，且新思想、新觀點、新理論、新技術不斷涌現(xiàn)的一個學科，也是一門涉及數(shù)學、計算機科學、控制論、信息論、心理學、哲學等學科的交叉學科和邊緣學科。智能信息處理與儀器研究室85智能信息處理與儀器研究室人工智能所研究的是用計算機模擬人類智能。人類智能：就是人類所具有的智力和行為能力。而這種智力和能力是以知識為基礎的。智力行為的目的是獲取知識，并運用知識去求解問題，即智力是獲取知識并運用知識去求解問題的能力。人類智能的特點主要體現(xiàn)在感知能力、記憶與思維能力、歸納與演繹能力、學習能力以及行為能力等幾個方面。人工智能86智能信息處理與儀器研究室人工智能的定義目前很難有一個明確的定義，從幾個角度來看：人工智能學科是計算機科學中涉及研究、設計和應用智能機器的一個分支。從另一個角度來看，人工智能是研究怎樣使計算機來模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等思維活動，來解決需要人類專家才能處理的復雜問題，如醫(yī)療診斷、石油測井解釋、氣象預報、交運輸管理等決策性課題。從實用觀點來看，人工智能是一門知識工程學。它以知識為對象，主要研究知識的獲取、知識的表示方法和知識的使用。87人工智能的各種學派邏輯學派：麥卡錫（J.McCarthy）和尼爾遜（N.J.Nilsson）認知學派：紐厄爾（A.Newell）和西蒙（H.A.Simon）知識工程學派：費根鮑姆（E.A.Feigenbaum）（研究知識在人類智能中的作用與地位）聯(lián)結學派：麥克倫德（J.L.McClelland）和魯梅爾哈特（J.D.Rumelhart）（研究神經網絡）分布式學派：賀威特（C.Hewitt）（研究多智能系統(tǒng)中的知識與行為）進化論學派：布魯克（R.A.Brook）從研究途徑來看，主要有：符號主義：邏輯主義或計算機學派。主張運用計算機科學的方法進行研究，通過研究邏輯演計算機上的實現(xiàn)方法實現(xiàn)人類智能在計算機上的模擬。聯(lián)結主義：仿生學派，主張用仿生學的方法進行研究，通過研究人腦的工作模型，探究人類智能的本質。行為主義：進化主義，控制論學派。認為智能取決于感知和行動，不需要知識、不需要表示，不需要推理。

智能信息處理與儀器研究室88符號智能傳統(tǒng)人工智能是符號主義，它以Newell和Simon提出的物理符號系統(tǒng)假設為基礎。物理符號系統(tǒng)假設認為物理符號系統(tǒng)是智能行為充分和必要的條件。物理符號系統(tǒng)由一組符號實體組成，它們都是物理模式，可在符號結構的實體中作為組分出現(xiàn)。該系統(tǒng)可以進行建立、修改、復制、刪除等操作，以生成其它符號結構。智能信息處理與儀器研究室89連接主義連接主義研究非程序的、適應性的、大腦風格的信息處理的本質和能力。人們也稱它為神經計算。由于它近年來的迅速發(fā)展,大量的神經網絡的機理、模型、算法不斷地涌現(xiàn)出來。神經網絡主體是一種開放式的神經網絡環(huán)境，提供典型的、具有實用價值的神經網絡模型。智能信息處理與儀器研究室90行為主義Brooks提出了無需知識表示的智能、無需推理的智能。他認為智能只是在與環(huán)境的交互作用中表現(xiàn)出來，在許多方面是行為心理學觀點在現(xiàn)代人工智能中的反映，人們稱為基于行為的人工智能，簡言之，稱為行為主義。智能信息處理與儀器研究室91智能符號智能是以知識為基礎，通過推理進行問題求解。也即所謂的傳統(tǒng)人工智能。計算智能是以數(shù)據為基礎，通過訓練建立聯(lián)系，進行問題求解。人工神經網絡、遺傳算法、模糊系統(tǒng)、進化程序設計、人工生命等都可以包括在計算智能。智能信息處理與儀器研究室92人工智能的起源與發(fā)展

第一階段

孕育期（1956年以前）數(shù)學家、物理學家和哲學家創(chuàng)立的數(shù)理邏輯、自動機理論、控制論、信息論和系統(tǒng)論等，特別是電子計算機的發(fā)明為人工智能的誕生準備了充足的思想、理論和物質條件。

1956年，麥卡錫在美國的達特茅斯會議上正式提出“人工智能”這一術語，這是一次具有歷史意思的會議，標志著人工智能這門新興的邊緣學科的正式誕生。93第二階段

人工智能基礎技術的研究和形成（1956－1970）進行了一連串開創(chuàng)性的工作。包括機器翻譯。當時人們認為只要使用一個兩種語言的詞典及一些語法知識，自然語言翻譯是容易實現(xiàn)的。但花了兩百萬美元的機械翻譯結果是非常令人失望的。通俗的例子是英語諺語“心有余而力不足”，把它譯成俄語后又譯回來時變成了“酒是好的，但肉是壞的”的笑話。以致很長時間人們對此不抱希望，但是近年來，機器翻譯的一連串工作又重新出現(xiàn)，并取得了較好的應用。這階段的主要成果：啟發(fā)式搜索技術。紐厄爾和西蒙等邏輯理論機、通用問題求解程序系統(tǒng)塞謬爾56年“跳棋程序”有學習功能

59年擊敗它的設計者

62年擊敗了美國一個州的冠軍麥卡錫表處理語言LISP人工智能的起源與發(fā)展

94第三階段

發(fā)展和實用化階段（1971－1980）

利用過去的研究成果，提出各種新的知識表示技術，搜索技術日趨成熟，人工智能與其它領域諸如醫(yī)藥、電子、地質和化學領域發(fā)生密切的聯(lián)系，大量的科研成果證實了自然語言理解、計算機視覺和專家系統(tǒng)是可行的。其中最引人注目的是各種專家系統(tǒng)的出現(xiàn)。

1972年

紹特里夫醫(yī)療專家系統(tǒng)MYCIN等柯氏斯巷提出以邏輯為基礎的程序設計語言prolog的思想

72年由科麥瑞爾及其研究小組在法國馬賽大學實現(xiàn)了世界上第一個prolog系統(tǒng)。

人工智能的起源與發(fā)展

95第四階段

知識工程與專家系統(tǒng)（1980年至今）知識工程提出（77年由費根鮑娒提出）自然語言處理系統(tǒng)商業(yè)化計算機視覺系統(tǒng)的研制構造知識庫和建立專家系統(tǒng)的軟件工具的商業(yè)化日本等國第五代計算機計劃等人工智能的起源與發(fā)展

96發(fā)展歷程Aristotle(公元前384—322)在《工具論》的著作中提出形式邏輯。Bacon(1561—1626)在《新工具》中提出歸納法。Leibnitz(1646—1716)研制了四則計算器，提出了“通用符號”和“推理計算”的概念，使形式邏輯符號化，可以說是“機器思維”研究的萌芽。19世紀以來，數(shù)理邏輯、自動機理論、控制論、信息論、仿生學、計算機、心理學等科學技術的進展，為人工智能的誕生，準備了思想、理論和物質基礎。Boole(1815—1864)創(chuàng)立了布爾代數(shù)，他在《思維法則》書中，首次用符號語言描述了思維活動的基本推理法則。智能信息處理與儀器研究室97發(fā)展歷程1946:ENIACElectronicNumericalIntegratorandCalculator可編程1950:AlanTuring的文章“ComputingMachineryandIntelligence.”提出圖靈測試

Mind,Vol.59,No.236,pp.433-4601955:Newell,Shaw和Simon開發(fā)了IPL-11InformationProcessingLanguage第一個AI語言，能夠處理概念1956:CIA資助GAT項目（GeorgetownAutomaticTranslation）1956:Newell,Shaw和Simon的“TheLogicTheorist”用IPL開發(fā)，證明命題邏輯的命題智能信息處理與儀器研究室98發(fā)展歷程博弈時期1956:

世界上第一次正式的AI會議美國的DartmouthCollege，為期2月JohnMcCarthy正式提出“ArtificialIntelligence”這一術語著名參加者：J.McCarthy、C.Shannon、M.Minsky、N.Wiener、W.McCulloch、S.Papert1957:Newell,Shaw和Simon提出通用問題求解系統(tǒng)GPS1958:McCarthy在MIT實現(xiàn)了LISP1959:Samuel的跳棋程序打敗他本人能學棋譜、能從對陣中學習1962年打敗Connecticut洲的跳棋冠軍智能信息處理與儀器研究室99發(fā)展歷程1958:Newell和Simon的四個預測十年內，計算機將成為世界象棋冠軍十年內，計算機將發(fā)現(xiàn)或證明有意義的數(shù)學定理十年內，計算機將能譜寫優(yōu)美的樂曲十年內，計算機將能實現(xiàn)大多數(shù)的心理學理論1959:FrankRosenblatt提出感知器模型（PerceptronModel)1959:MITAILab正式成立（Minsky和McCarthy）智能信息處理與儀器研究室100發(fā)展歷程專家系統(tǒng)時期1962:McCarthy調到Stanford,1963年創(chuàng)建StanfordAILab1963:M.RossQuillian開創(chuàng)語義網絡（SemanticNets)1965:Feigenbaum掌管StanfordAILab;Noftsker掌管MITAILab1965:MIT的JosephWeizenbaum研制出ELIZA用英語進行交互回答任何問題1965-83:Feigenbaum和Lederberg啟動DENDRAL工程1966:ALPAC的負面報告造成美國政府取消對機器翻譯的資助1969:Minsky和Papert的感知機報告造成美國政府取消對神經網絡研究的資助。結論：有限階感知機僅能識別出Euler數(shù)，不能識別其他的拓撲不變性1969:SRI研制出機器人Shakey具有運動、感知和問題求解能力智能信息處理與儀器研究室101發(fā)展歷程自然語言處理1970:Stanford的TerryWinograd等研制出（ETAOIN）SHRDLU接受自然語言命令操作積木塊1970:Colmerauer研制出PROLOG語言的解釋系統(tǒng)不久，愛丁堡大學的Warren實現(xiàn)了編譯系統(tǒng)1972:DARPA取消Stanford大學機器人研究(Shakey)的資助。1972:Mycin工程啟動1973:JamesLighthill爵士的負面報告使得英國政府取消對AI研究的資助“人工智能研究是不成功的，不值得政府資助?！庇⒄邮芰舜藞蟾娴挠^點。從那時起至今，英國AI研究一蹶不振。1976:DARPA取消對語音識別研究的資助1976:Greenblatt研制出第一臺LISP機CONS智能信息處理與儀器研究室102發(fā)展歷程1976:DougLenat的數(shù)學積分系統(tǒng)AM(AutomatedMathematician)1977:SRI啟動PROSPECTOR工程幫助地質專家探測和解釋礦物1978年發(fā)現(xiàn)鉬礦脈(molybdenumvein)1977:EdwardFeigenbaum正式提出知識工程作為一門學科在1977年IJCAI會議上1979:Stanford研制出第一臺計算機控制的汽車（StanfordCart）1980:

第一屆美國AI協(xié)會會議（AAAI）在Stanford召開。1980:JohnMcDermott的XCON專家系統(tǒng)用于配置VAX機器系統(tǒng)智能信息處理與儀器研究室103發(fā)展歷程知識工程時期1981:日本政府宣布日本五代機（first-generationcomputer）計劃（即智能計算機）1982:JohnHopfield掀起神經網絡的研究1983:MCC（MicroelectronicsandComputerTechnologyCorporation）成立（BobbyInman任主任）1984:DougLenat在BobbyRayInman的勸說下在MCC開始Cyc的研究1986:ThinkingMachinesInc研制聯(lián)結機器(ConnectionMachine)1987:LISP機器市場開始暗淡1988:386芯片使得PC機速度可以與LISP機器媲美智能信息處理與儀器研究室104發(fā)展歷程分布智能和機器學習1992:日本政府宣布五代機計劃失敗。隨后啟動RWC計劃（RealWorldComputingProject）1993:Shoham提出AOP,Agent-OrientedProgramming1995:Vapnik提出SVM1996:中科院計算所多主體系統(tǒng)MAPE1996:DARPA啟動HPKB計劃軍事上的“GrandChallenge”問題分析和求解1997:IBM深藍II(DeepBlue)擊敗GarryKasparov2000:中科院計算所多主體環(huán)境MAGE,知識發(fā)現(xiàn)系統(tǒng)MSMiner智能信息處理與儀器研究室105人工智能的研究狀況認知科學研究是“國際人類前沿科學計劃”的重點。認知科學及其信息處理方面的研究被列為整個計劃的三大部分之一(其余兩部分是“物質和能量的轉換”、“支撐技術”)；“知覺和認知”、“運動和行為”、“記憶和學習”和“語言和思考”被列為人類前沿科學的12大焦點問題中的4個。近年來，美國和歐共體分別推出“腦的十年”計劃和“EC腦的十年計劃”。日本則推出雄心勃勃的“腦科學時代”計劃，總預算高達200億美元。在“腦科學時代”計劃中，腦的認知功能及其信息處理的研究是重中之重。智能信息處理與儀器研究室106人工智能的研究方法認知學派邏輯學派行為學派智能信息處理與儀器研究室107認知學派以Simon,Minsky和Newell等為代表，從人的思維活動出發(fā)，利用計算機進行宏觀功能模擬。

智能信息處理與儀器研究室108認知學派1976年Newell和Simon提出了物理符號系統(tǒng)假設，認為物理系統(tǒng)表現(xiàn)智能行為必要和充分的條件是它是一個物理符號系統(tǒng)。這樣，可以把任何信息加工系統(tǒng)看成是一個具體的物理系統(tǒng)，如人的神經系統(tǒng)、計算機的構造系統(tǒng)等。所謂符號就是模式。任何一個模式，只要它能和其它模式相區(qū)別，它就是一個符號。不同的英文字母就是不同的符號。對符號進行操作就是對符號進行比較，即找出哪幾個是相同的符號，哪幾個是不同的符號。物理符號系統(tǒng)的基本任務和功能是辨認相同的符號和區(qū)分不同的符號。智能信息處理與儀器研究室109認知學派80年代Newell等又致力于SOAR系統(tǒng)的研究。SOAR系統(tǒng)是以知識塊(Chunking)理論為基礎，利用基于規(guī)則的記憶，獲取搜索控制知識和操作符，實現(xiàn)通用問題求解。智能信息處理與儀器研究室110認知學派Minsky從心理學的研究出發(fā)，認為人們在他們日常的認識活動中，使用了大批從以前的經驗中獲取并經過整理的知識。該知識是以一種類似框架的結構記存在人腦中。因此，在70年代他提出了框架知識表示方法。到80年代，Minsky認為人的智能，根本不存在統(tǒng)一的理論。1985年，他發(fā)表了一本著名的書《SocietyofMind(思維社會)》。書中指出思維社會是由大量具有某種思維能力的單元組成的復雜社會。智能信息處理與儀器研究室111邏輯學派邏輯學派是以McCarthy和Nilsson等為代表，主張用邏輯來研究人工智能，即用形式化的方法描述客觀世界。他們認為：

(1)智能機器必須有關于自身環(huán)境的知識。

(2)通用智能機器要能陳述性地表達關于自身環(huán)境的大部分知識

(3)通用智能機器表示陳述性知識的語言至少要有一階邏輯的表達能力。

邏輯學派在人工智能研究中，強調的是概念化知識表示、模型論語義、演繹推理等。McCarthy主張任何事物都可以用統(tǒng)一的邏輯框架來表示，在常識推理中以非單調邏輯為中心。智能信息處理與儀器研究室112行為學派智能只是在與環(huán)境的交互作用中表現(xiàn)出來，其基本觀點：(1)到現(xiàn)場去；(2)物理實現(xiàn)；(3)初級智能；(4)行為產生智能。智能信息處理與儀器研究室113人工智能的研究及應用領域

問題求解

人工智能的第一大成就是發(fā)展了能夠求解難題的下棋的程序。通過研究下棋程序，發(fā)展了人工智能中的搜索策略（人工智能研究中的一個重要方面）及問題規(guī)約技術。下棋程序水平已達到國際錦標賽的水平。

1997年5月IBM超級計算機“深藍”在當時國際象棋世界冠軍獲勝人卡斯帕羅夫對弈六盤，結果“深藍獲勝”。盡管程序有很高的水平，但缺乏大師們洞察棋局的能力。這正是AI下一步要解決的問題。114人工智能的研究及應用領域

機器學習

具有學習能力是人類智能的主要標志，學習是人類獲取知識的基本手段。機器學習是研究如何使用計算機來模擬人類學習活動的一個研究領域。研究的目標有三個：人類學習過程的認知模型、通用學習算法、構造面向任務的專用學習系統(tǒng)的方法。115專家系統(tǒng)

專家系統(tǒng)是一種具有特定領域內大量知識與經驗的程序系統(tǒng)，它應用人工智能技術，根據某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家求解問題的思維過程，以解決改領域內的各種問題。它是目前人工智能中最活躍、最有成效的一個研究領域。人工智能的研究及應用領域

116模式識別

指識別出給定物體所模仿的標本。AI中的模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬。所研究的計算機模式識別系統(tǒng)就是使一個計算機系統(tǒng)具有模擬人類通過感官接觸外界系統(tǒng)。識別和理解周圍環(huán)境的感知能力。人工智能的研究及應用領域

117自動定理證明

是AI中最先進行研究并獲得成功應用的一個研究領域。許多非數(shù)學領域問題如：醫(yī)療診斷、信息檢索、機器人規(guī)劃和難題求解等可能轉化成一個定理證明問題，故其具有普遍意義。

定理證明實質是對前提P和結論Q，證明P－>Q的永真性。通常用反證法、海伯倫（Herbrand）與魯賓遜（Robinson）（消解原理）先后進行卓有成效的研究.人工智能的研究及應用領域

118自動程序設計

程序綜合（用于實現(xiàn)自動編程）程序正確性驗證（較難）人工智能的研究及應用領域

119自然語言理解（難）

研究如何讓計算機理解人類自然語言。主要功能：①回答有關問題②摘要生成③翻譯人工智能的研究及應用領域

120機器人

日益受到重視的領域，涉及多個學科，發(fā)展前景樂觀。第一代可再編程序控制機器人。（可刻板完成程序規(guī)定的動作，不能適應變化了的情況）第二代自適應機器人。（主要標志是自身配備有相應的感覺傳感器，可隨環(huán)境的變化而改變自己的行為）第三代具有類似人的智能的所謂智能機器人。（不僅有傳感器，而且有思維能力，并通過傳動機構執(zhí)行思維機構下達的命令）人工智能的研究及應用領域

121人工神經網絡

用大量稱作人工神經元的簡單處理單元經廣泛連接而組成的人工網絡，用來模擬大腦神經系統(tǒng)的結構和功能。1943年神經心理學家麥克絡奇數(shù)學家皮茲神經元的數(shù)學模型M－P模型80年代Hofield提出Hofield神經網絡模型魯梅爾哈特（Rumelhart）提出了多層網絡中的反向傳播（BP）算法。使神經網絡的研究再次出現(xiàn)高潮，步入鼎盛時期，取得了許多研究成果。神經網絡是AI中的一個及其重要的研究領域，在模式識別、圖像處理、組合優(yōu)化、自動控制、信息處理等方面獲得了廣泛的應用。