智能計(jì)算與自然計(jì)算

智能計(jì)算與自然計(jì)算第一頁(yè)，共三十三頁(yè)，編輯于2023年，星期六報(bào)告提綱夢(mèng)想與困惑人工智能及其發(fā)展面臨困境信息時(shí)代的呼喚智能計(jì)算—回歸自然自然計(jì)算展望第二頁(yè)，共三十三頁(yè)，編輯于2023年，星期六夢(mèng)想機(jī)器具有智能—計(jì)算機(jī)科學(xué)家的夢(mèng)想

什么是智能？能感知、能學(xué)習(xí)、能思維、能記憶、能決策、能行動(dòng)，智能的核心是思維

第三頁(yè)，共三十三頁(yè)，編輯于2023年，星期六圖靈測(cè)試怎樣判斷機(jī)器具有智能—圖靈測(cè)試

1950年AlanTuring的文章“ComputingMachineryandIntelligence.”

（Mind,Vol.59,No.236）提出圖靈測(cè)試，檢驗(yàn)一臺(tái)機(jī)器或電腦是否具有如人一樣的思維能力和智能電腦和人分別封閉在不同的房間，測(cè)試者不知道哪個(gè)房間是人，哪個(gè)房間是電腦，他向雙方提出測(cè)試問(wèn)題，電腦和人給出各自的答案，如果一系列的測(cè)試問(wèn)題之后，測(cè)試者分不出哪些是電腦的答案，哪些是人的答案，則電腦通過(guò)測(cè)試，確實(shí)具有與人一樣的智能。我是人哦！我是誰(shuí)？如實(shí)回答

？第四頁(yè)，共三十三頁(yè)，編輯于2023年，星期六測(cè)試悖論公平性問(wèn)題

圖靈測(cè)試的出發(fā)點(diǎn)顯然是刁難電腦，要求電腦模仿人回答問(wèn)題，公平嗎？反過(guò)來(lái)要求人模仿電腦回答問(wèn)題，公平嗎？標(biāo)準(zhǔn)性問(wèn)題

在怎樣的智能水平下對(duì)電腦進(jìn)行測(cè)試？天才、普通人還是嬰幼兒，或者說(shuō)怎樣認(rèn)定電腦的智力水平？全面性問(wèn)題

怎樣全面地測(cè)試電腦的智能，喜、怒、哀、樂(lè)和表情等有關(guān)情感的測(cè)試如何進(jìn)行？測(cè)試邊界怎樣確定？欺騙性問(wèn)題

電腦如果有意欺騙測(cè)試者，測(cè)試者能判斷出來(lái)嗎？在一定的范圍內(nèi)進(jìn)行測(cè)試還是可行的

第五頁(yè)，共三十三頁(yè)，編輯于2023年，星期六困惑哲學(xué)問(wèn)題

（1）規(guī)則與規(guī)律：規(guī)則是制定的，規(guī)律是客觀存在的，從規(guī)則能自動(dòng)發(fā)現(xiàn)規(guī)律嗎？（2）生命與非生命：智能是高等生命體獨(dú)有的能力，非生命體內(nèi)能產(chǎn)生智能嗎？（3）物質(zhì)與意識(shí)：唯物主義和唯心主義都承認(rèn)二元論，只是在何者起決定作用上爭(zhēng)論不休，智能能在機(jī)器內(nèi)產(chǎn)生將導(dǎo)致一元論—物質(zhì)生成一切？（4）智能的本質(zhì)：理性與感性、思考與行動(dòng)、社會(huì)性與個(gè)體性倫理問(wèn)題（1）電腦與人腦：能否互換？（2）機(jī)器人與人：機(jī)器能否融入人類社會(huì)？（3）情感與役使：機(jī)器是人制造并使用的工具，一旦機(jī)器人具有了智能和情感，人類還能當(dāng)奴隸一樣地役使嗎？（4）機(jī)器人叛亂：機(jī)器人群體有可能叛亂而反過(guò)來(lái)役使人類嗎？第六頁(yè)，共三十三頁(yè)，編輯于2023年，星期六現(xiàn)實(shí)的夢(mèng)比爾·蓋茨預(yù)測(cè)：智能計(jì)算發(fā)展前景乃是機(jī)器最終“能看會(huì)想，能聽(tīng)會(huì)講”無(wú)論是人工智能，還是智能人工，只要能夠殊途同歸，造福于人類，那么所有的努力便都是有價(jià)值的今后十年，智能機(jī)器作為真正意義上的工作助手和生活良伴，將使我們的生活完全改觀“聰明機(jī)器”的出現(xiàn)，也決不會(huì)成為人類的災(zāi)難，在智慧與創(chuàng)造力方面，永遠(yuǎn)是人類最有發(fā)言權(quán)第七頁(yè)，共三十三頁(yè)，編輯于2023年，星期六人工智能人工智能（artificialintelligence，簡(jiǎn)稱AI）

用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的智能,實(shí)現(xiàn)機(jī)器智能。人工智能的五個(gè)基本問(wèn)題

(1)知識(shí)與概念化是否是人工智能的核心？(2)認(rèn)知能力能否與載體分開(kāi)來(lái)研究？(3)認(rèn)知的軌跡是否可用類自然語(yǔ)言來(lái)描述？(4)學(xué)習(xí)能力能否與認(rèn)知分開(kāi)來(lái)研究？(5)所有的認(rèn)知是否有一種統(tǒng)一的結(jié)構(gòu)？學(xué)科交叉

與生命科學(xué)、認(rèn)知科學(xué)、物理學(xué)等眾多學(xué)科高度交叉，共同研究智能行為的基本理論和實(shí)現(xiàn)技術(shù)。三大學(xué)派符號(hào)主義（Symbolism）、連接主義(Connectionism)、行為主義（Behaviorism）——從不同側(cè)面模擬人的智能和智能行為。第八頁(yè)，共三十三頁(yè)，編輯于2023年，星期六符號(hào)主義代表人物

1956年，美國(guó)Dartmouth會(huì)議，幾個(gè)年輕的美國(guó)學(xué)者M(jìn)cCarthy、Simon、Minsky、Newell等首次提出人工智能的術(shù)語(yǔ)基本思想（1）認(rèn)知的本質(zhì)就是計(jì)算，可稱為認(rèn)知可計(jì)算主義—與圖靈機(jī)理論一脈相承（2）思維的基本單元是符號(hào)，智能的核心是利用知識(shí)以及知識(shí)推理進(jìn)行問(wèn)題求解（3）智能活動(dòng)的基礎(chǔ)是物理符號(hào)運(yùn)算，人腦和電腦都是物理符號(hào)系統(tǒng)（4）人的智能可以通過(guò)建了基于符號(hào)邏輯的智能理論體系模擬（5）理論基礎(chǔ)是符號(hào)數(shù)學(xué)、謂詞演算和歸結(jié)原理第九頁(yè)，共三十三頁(yè)，編輯于2023年，星期六符號(hào)主義-續(xù)智能表示（1）1959年McCarthy開(kāi)發(fā)了著名的LISP語(yǔ)言（LIStProcessingLanguage，表處理語(yǔ)言），基于函數(shù)的語(yǔ)言，通過(guò)符號(hào)（不是數(shù)值）運(yùn)算進(jìn)行推理，也是邏輯程序設(shè)計(jì)語(yǔ)言（LogicProgramming）（2）1972年P(guān)ROLOG語(yǔ)言（PROgrammingLOGic）問(wèn)世，被稱為演繹推理機(jī)，接口豐富，非常適合于專家系統(tǒng)開(kāi)發(fā)，曾有人試圖發(fā)明PROLOG機(jī)器，以模擬人的智能，但未獲成功知識(shí)工程與專家系統(tǒng)—典型代表（1）產(chǎn)生式規(guī)則表示知識(shí)（2）產(chǎn)生式規(guī)則系統(tǒng)將領(lǐng)域?qū)＜业闹R(shí)進(jìn)行整理、存儲(chǔ)構(gòu)建知識(shí)庫(kù)（3）專家系統(tǒng)運(yùn)用知識(shí)庫(kù)進(jìn)行推理、問(wèn)題求解等智能活動(dòng)推理方法知識(shí)表示與推理、歸納推理、基于事例的推理等第十頁(yè)，共三十三頁(yè)，編輯于2023年，星期六連接主義代表人物（1）1943年生理學(xué)家McCulloch和Pitts提出神經(jīng)元的數(shù)學(xué)模型，神經(jīng)元模型結(jié)合成多層結(jié)構(gòu)成為神經(jīng)網(wǎng)絡(luò)（2）1959年，Rosenblatt提出感知機(jī)模型（Perceptron)，具有輸入層、中間聯(lián)系層和效驗(yàn)輸出層的三層結(jié)構(gòu)

（3）1982年，Hopfield提出全互連的神經(jīng)網(wǎng)絡(luò)模型，成功求解TSP問(wèn)題，掀起神經(jīng)網(wǎng)絡(luò)研究高潮，對(duì)符號(hào)主義也產(chǎn)生了巨大沖擊（4）1987年，戴維.努梅爾哈特和杰弗里.欣頓提出誤差反向傳播（Back-Propgation）神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法基本思想

（1）人類認(rèn)知活動(dòng)主要基于大腦神經(jīng)元的活動(dòng)，人類思維的基本單元是神經(jīng)元而不是符號(hào)，智能是互連神經(jīng)元競(jìng)爭(zhēng)與協(xié)作的結(jié)果（2）模擬人的智能要依靠仿生學(xué)，特別是模擬人腦，建立腦模型（3）電腦模擬人腦應(yīng)著重于結(jié)構(gòu)模擬，即人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，功能、結(jié)構(gòu)和行為密切相關(guān)，不同的結(jié)構(gòu)表現(xiàn)出不同的功能行為（4）分布式信息存儲(chǔ)和大規(guī)模并行處理，自適應(yīng)和自組織特性，學(xué)習(xí)和容錯(cuò)能力（5）理論基礎(chǔ)是神經(jīng)生理學(xué)與腦科學(xué)第十一頁(yè)，共三十三頁(yè)，編輯于2023年，星期六神經(jīng)元與神經(jīng)網(wǎng)絡(luò)

第十二頁(yè)，共三十三頁(yè)，編輯于2023年，星期六連接主義-續(xù)智能表示（1）神經(jīng)元狀態(tài)值、連接權(quán)值、閾值和激勵(lì)函數(shù)決定輸出值--隱式表示方法

（2）通過(guò)學(xué)習(xí)算法修正神經(jīng)元之間的連接權(quán)值，達(dá)到更精確的知識(shí)表示，學(xué)習(xí)算法包括有導(dǎo)師和無(wú)導(dǎo)師學(xué)習(xí)算法兩類模式識(shí)別—典型代表（1）建立樣本庫(kù)（2）特征提取與特征庫(kù)（3）學(xué)習(xí)算法進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，模式的聚類、分類和識(shí)別學(xué)習(xí)算法提高學(xué)習(xí)和訓(xùn)練速度，保證全局收斂，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和自適應(yīng)調(diào)整第十三頁(yè)，共三十三頁(yè)，編輯于2023年，星期六行為主義代表人物

1988年，Brooks等人提出無(wú)需知識(shí)、知識(shí)表示和推理的智能系統(tǒng)，智能來(lái)自于系統(tǒng)的“感知-動(dòng)作”模式，基于這樣的思路，他發(fā)明了六足行走機(jī)器，一個(gè)模擬昆蟲(chóng)行為的控制器基本思想（1）智能是一個(gè)系統(tǒng)行為，智能行為可以通過(guò)與周圍環(huán)境的的交互作用表現(xiàn)出來(lái)（2）智能的基礎(chǔ)是“感知-動(dòng)作”模式，類似于心理學(xué)的“刺激-反應(yīng)”，它也決定系統(tǒng)的結(jié)構(gòu)和參量（3）系統(tǒng)的智能行為決定于系統(tǒng)的結(jié)構(gòu)和參量（4）自組織、自學(xué)習(xí)、自適應(yīng)是智能系統(tǒng)得基本特征（5）理論基礎(chǔ)是控制論、系統(tǒng)科學(xué)和心理學(xué)第十四頁(yè)，共三十三頁(yè)，編輯于2023年，星期六行為主義-續(xù)智能表示（1）系統(tǒng)模型、模型結(jié)構(gòu)和參量--隱式表示方法（2）學(xué)習(xí)就是一次又一次地從外界接受條件和結(jié)果，即“感知-動(dòng)作”，積累知識(shí)的過(guò)程（3）自學(xué)習(xí)是指：當(dāng)一個(gè)新的輸入條件決定后，能根據(jù)經(jīng)驗(yàn)的積累，給出相應(yīng)結(jié)果的過(guò)程，或者當(dāng)一個(gè)新的條件和結(jié)果給出后，能夠調(diào)整結(jié)構(gòu)和參量的過(guò)程智能控制與智能機(jī)器人—典型代表（1）建立系統(tǒng)模型（2）行為（感知-動(dòng)作）模擬，積累知識(shí)，形成基本控制策略（3）學(xué)習(xí)與自學(xué)習(xí)進(jìn)行自適應(yīng)調(diào)整與優(yōu)化，形成新的控制策略學(xué)習(xí)算法自適應(yīng)、自學(xué)習(xí)、自組織、自尋優(yōu)等智能化方法第十五頁(yè)，共三十三頁(yè)，編輯于2023年，星期六面臨困境源于復(fù)雜性

知識(shí)的復(fù)雜性，知識(shí)表示的組合爆炸不完整知識(shí)的表達(dá)問(wèn)題推理的時(shí)空爆炸性

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜學(xué)習(xí)、訓(xùn)練低效難以全局收斂

能力限制復(fù)雜行為模擬不能用精確的數(shù)學(xué)模型描述的問(wèn)題第十六頁(yè)，共三十三頁(yè)，編輯于2023年，星期六信息時(shí)代的呼喚工業(yè)時(shí)代能量資源-創(chuàng)造動(dòng)力的工具-獲得能量物理學(xué)、化學(xué)創(chuàng)造動(dòng)力工具的理論基礎(chǔ)信息時(shí)代信息資源-創(chuàng)造智能的工具-獲得智能智能計(jì)算理論創(chuàng)造智能工具的理論基礎(chǔ)第十七頁(yè)，共三十三頁(yè)，編輯于2023年，星期六智能計(jì)算-回歸自然自下而上的研究思路傳統(tǒng)人工智能研究思路是自上而下，現(xiàn)代智能計(jì)算方法強(qiáng)調(diào)通過(guò)計(jì)算實(shí)現(xiàn)生物內(nèi)在的智能行為，也稱為計(jì)算智能從簡(jiǎn)單到復(fù)雜的演化進(jìn)程智能的獲得不是一蹴而就，是漸進(jìn)式的積累過(guò)程，簡(jiǎn)單中孕育復(fù)雜，平凡中蘊(yùn)含智慧在傳統(tǒng)學(xué)科中尋找算法

如生命科學(xué)（遺傳算法）、物理學(xué)（模擬退火算法）和化學(xué)（DNA計(jì)算）等從自然與社會(huì)系統(tǒng)中獲得靈感

如螞蟻算法、禁忌搜索和粒子群優(yōu)化方法，模糊計(jì)算及模糊系統(tǒng)、粗造集及其系統(tǒng)第十八頁(yè)，共三十三頁(yè)，編輯于2023年，星期六相互關(guān)系計(jì)算智能與人工智能的界限并非十分明顯，1992年Bezdek給出了一個(gè)有趣的關(guān)系圖，其中

NN—神經(jīng)網(wǎng)絡(luò)，PR—模式識(shí)別，I—智能A－Artificial，表示人工的（非生物的），即人造的B－Biological，表示物理的＋化學(xué)的＋（？？）＝生物的C－Computational，表示數(shù)學(xué)＋計(jì)算機(jī)ABC的關(guān)系圖計(jì)算智能是一種智力方式的低層認(rèn)知，傳統(tǒng)人工智能是中層認(rèn)知，中層系統(tǒng)含有知識(shí)，當(dāng)一個(gè)智能計(jì)算系統(tǒng)以非數(shù)值方式加上知識(shí)值，則為人工智能系統(tǒng)

第十九頁(yè)，共三十三頁(yè)，編輯于2023年，星期六自然計(jì)算自然計(jì)算的含義

學(xué)習(xí)、運(yùn)用自然規(guī)律，模擬自然系統(tǒng)乃至社會(huì)系統(tǒng)的演變過(guò)程的智能計(jì)算方法，借鑒自然科學(xué)學(xué)科的原理和理論進(jìn)行問(wèn)題的求解方法自然計(jì)算方法

演化計(jì)算、蟻群算法、粒子群優(yōu)化方法、人工免疫系統(tǒng)、模糊計(jì)算第二十頁(yè)，共三十三頁(yè)，編輯于2023年，星期六遺傳算法遺傳算法（GeneticAlgorithm）模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程1975年首先由Holland提出用于自然和人工系統(tǒng)的自適應(yīng)行為研究(AdaptationinNaturalandArtificialSystems)組成：個(gè)體與群體、適應(yīng)值函數(shù)、遺傳操作、終止條件特點(diǎn)：隱含并行性、過(guò)程性、非確定性、群體性、內(nèi)在學(xué)習(xí)、統(tǒng)計(jì)性、穩(wěn)健性、整體優(yōu)化

第二十一頁(yè)，共三十三頁(yè)，編輯于2023年，星期六免疫系統(tǒng)人體免疫系統(tǒng)是一個(gè)高度進(jìn)化、復(fù)雜的生理機(jī)制免疫系統(tǒng)通過(guò)高度復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)來(lái)識(shí)別和排除抗原性異物，維護(hù)體內(nèi)環(huán)境的穩(wěn)定免疫系統(tǒng)具有識(shí)別能力、學(xué)習(xí)和免疫記憶功能，以及自適應(yīng)調(diào)節(jié)機(jī)制等特性

第二十二頁(yè)，共三十三頁(yè)，編輯于2023年，星期六蟻群算法概述受螞蟻覓食行為的的啟發(fā)，90年代Dorigo提出蟻群優(yōu)化算法(Ant

Colony

Optimization，ACO)求解TSP問(wèn)題設(shè)計(jì)虛擬的“螞蟻”，摸索不同路線，并留下會(huì)隨時(shí)間揮發(fā)的虛擬“信息素”根據(jù)“信息素較濃，則路徑更短”的原則，每只螞蟻每次隨機(jī)選擇要走的路徑，但傾向于信息素比較濃的路徑算法利用了正反饋機(jī)制，使得較短的路徑能夠有較大的機(jī)會(huì)得到選擇

ACO已成功用于解決其他組合優(yōu)化問(wèn)題圖的著色(Graph

Coloring)問(wèn)題最短超串(Shortest

Common

Supersequence)問(wèn)題網(wǎng)絡(luò)路由問(wèn)題第二十三頁(yè)，共三十三頁(yè)，編輯于2023年，星期六蟻群覓食原理ABCD蟻穴食物螞蟻從蟻穴出發(fā)覓食，可沿AC找到食物，也可沿ABC找到，如右圖。每個(gè)螞蟻找到食物后沿原路返回，并在路上留下外激素。AC路徑短，AC上留下了兩次外激素，而ABC路徑長(zhǎng)，沿CBA返回的螞蟻，還只到了D處，故AD上只留下一次外激素。后續(xù)離穴覓食者選擇外激素濃度大的AC路徑，于是AC上外激素濃度將越來(lái)越大，最后，絕大多數(shù)螞蟻沿較短的AC路徑覓食。第二十四頁(yè)，共三十三頁(yè)，編輯于2023年，星期六蟻群算法初始化，設(shè)置時(shí)間計(jì)數(shù)器，循環(huán)計(jì)數(shù)器，為每條邊設(shè)置信息素濃度的初始值初始化tabu表

tabu表滿？按概率將某一個(gè)螞蟻從第i個(gè)城市移動(dòng)到第j個(gè)城市，并將j插入其tabu表封閉回路，分別計(jì)算每個(gè)螞蟻?zhàn)哌^(guò)的總長(zhǎng)度，記錄最短路徑，計(jì)算信息素濃度改變量達(dá)到最大循環(huán)次數(shù)或不發(fā)展?fàn)顟B(tài)？輸出結(jié)果是否是否第二十五頁(yè)，共三十三頁(yè)，編輯于2023年，星期六粒子群優(yōu)化概述粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)1995年由Eberhart和Kennedy提出，源于模擬鳥(niǎo)群捕食行為一群鳥(niǎo)在隨機(jī)搜索區(qū)域里的一塊食物，所有的鳥(niǎo)都不知道食物在那里，但知道當(dāng)前的位置離食物還有多遠(yuǎn)那么找到食物的最優(yōu)策略是什么呢？最簡(jiǎn)單有效的就是搜尋目前離食物最近的鳥(niǎo)的周圍區(qū)域PSO中，優(yōu)化問(wèn)題的可行解就是搜索空間中的一只鳥(niǎo)，稱之為“粒子”，一群鳥(niǎo)稱為粒子群，所有的粒子都有一個(gè)由優(yōu)化的函數(shù)決定的適應(yīng)值（fitness

value)每個(gè)粒子還有一個(gè)速度決定其飛行的方向和距離，目的是追隨當(dāng)前的最優(yōu)粒子在解空間中搜索粒子通過(guò)跟蹤兩個(gè)“極值”來(lái)更新自己，第一個(gè)就是粒子自己當(dāng)前找到的最優(yōu)解，這個(gè)解叫做個(gè)體極值pBest，另一個(gè)極值是整個(gè)種群目前找到的最優(yōu)解，這個(gè)極值是全局極值gBest第二十六頁(yè)，共三十三頁(yè)，編輯于2023年，星期六粒子移動(dòng)原理粒子i在N維空間里的位置表示為矢量Xi＝(x1，x2，…，xN)，飛行速度表示為矢量Vi＝(v1，v2，…，vN)對(duì)于第k次迭代，PSO中的每一個(gè)粒子的移動(dòng)按照下式進(jìn)行第二十七頁(yè)，共三十三頁(yè)，編輯于2023年，星期六粒子群優(yōu)化算法Step1：

初始化一群粒子(群體規(guī)模為m)，包括隨機(jī)位置和速度；Step2：

評(píng)價(jià)每個(gè)粒子的適應(yīng)度；Step3：

對(duì)每個(gè)粒子，將其適應(yīng)值與其經(jīng)歷過(guò)的最好位置pbest作比較，如果較好，則將其作為當(dāng)前的最好位置pbest；Step4：對(duì)每個(gè)粒子，將其適應(yīng)值與全局所經(jīng)歷的最好位置gbest作比較，如果較好，則重新設(shè)置gbest的索引號(hào)；Step5：

根據(jù)方程(1)變化粒子的速度和位置；Step6：

如未達(dá)到結(jié)束條件（通常為足夠好的適應(yīng)值或達(dá)到一個(gè)預(yù)設(shè)最大代數(shù)Gmax），則返回Step2標(biāo)準(zhǔn)PSO的算法流程第二十八頁(yè)，共三十三頁(yè)，編輯于2023年，星期六模糊集（1）美國(guó)控制論專家扎德（L·A·Zadeh）于1965年將普通集合論的特征函數(shù)的取值范圍由{0,1}推廣到區(qū)間[0,1],提出了模糊集的概念。設(shè)在論域U上給定了一個(gè)映射：U[0,1]u

則稱為U上的模糊（Fuzzy）集,(u)稱為的隸屬函數(shù)（或稱為u對(duì)的隸屬度），模糊（Fuzzy）集簡(jiǎn)記為“F”集。

（2）λ-截集實(shí)現(xiàn)模糊集合到普通集合的映射，實(shí)際應(yīng)用中對(duì)應(yīng)等級(jí)標(biāo)志，或稱置信水平。