人工智能（基礎(chǔ)版）高職人工智能基礎(chǔ)課程PPT完整全套教學(xué)課件

人工智能全套PPT課件目錄contents模塊1認(rèn)識(shí)人工智能模塊2知識(shí)學(xué)習(xí)模塊3機(jī)器學(xué)習(xí)模塊4搜索策略模塊5自然語(yǔ)言的理解模塊6計(jì)算機(jī)視覺(jué)模塊7專家系統(tǒng)模塊8智能機(jī)器人模塊1認(rèn)識(shí)人工智能1.1人工智能概述1.1.1人腦與計(jì)算機(jī)大戰(zhàn)2016年1月27日,國(guó)際頂尖期刊《自然》封面文章報(bào)道,谷歌(Google)公司開(kāi)發(fā)的名為阿爾法(AlphaGo)圍棋的人工智能機(jī)器人,在沒(méi)有任何讓子的情況下,以5∶0完勝歐洲圍棋冠軍、職業(yè)二段選手樊麾。在圍棋人工智能領(lǐng)域,實(shí)現(xiàn)了一次史無(wú)前例的突破。AlphaGo是第一個(gè)擊敗人類職業(yè)圍棋選手、第一個(gè)戰(zhàn)勝世界圍棋冠軍的人工智能機(jī)器人。AlphaGo用到了很多新技術(shù),如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、蒙特卡洛樹(shù)搜索(MonteCarlotreesearch,MCTS)等,使其實(shí)力有了實(shí)質(zhì)性的飛躍。在柯潔與AlphaGo的圍棋人機(jī)大戰(zhàn)三番棋結(jié)束后,AlphaGo團(tuán)隊(duì)宣布AlphaGo將不再參加圍棋比賽。AlphaGo將進(jìn)一步探索醫(yī)療領(lǐng)域,利用人工智能技術(shù)攻克現(xiàn)代醫(yī)學(xué)中的種種難題。1.1人工智能概述1.1.2人工智能學(xué)派1.符號(hào)主義符號(hào)主義(邏輯主義、心理學(xué)派、計(jì)算機(jī)學(xué)派)認(rèn)為人工智能源于數(shù)理邏輯。數(shù)理邏輯從19世紀(jì)末得以迅速發(fā)展,到20世紀(jì)30年代開(kāi)始用于描述智能行為。計(jì)算機(jī)出現(xiàn)后,又在計(jì)算機(jī)上實(shí)現(xiàn)了邏輯演繹系統(tǒng)。其有代表性的成果為啟發(fā)式程序LT邏輯理論家,它證明了38條數(shù)學(xué)定理,表明了可以應(yīng)用計(jì)算機(jī)研究人的思維過(guò)程,模擬人類智能活動(dòng)。符號(hào)主義如圖1-1所示。圖1-1符號(hào)主義1.1人工智能概述1.1.2人工智能學(xué)派2.連接主義連接主義認(rèn)為人工智能源于仿生學(xué),特別是對(duì)人腦模型的研究。它的代表性成果是1943年由生理學(xué)家麥卡洛克(McCulloch)和數(shù)理邏輯學(xué)家皮茨(Pitts)創(chuàng)立的腦模型,即MP模型,開(kāi)創(chuàng)了用電子裝置模仿人腦結(jié)構(gòu)和功能的新途徑。它從神經(jīng)元開(kāi)始,進(jìn)而研究神經(jīng)網(wǎng)絡(luò)模型和腦模型,開(kāi)辟了人工智能的又一發(fā)展道路。圖1-2連接主義1986年,魯梅爾哈特(Rumelhart)等人提出多層網(wǎng)絡(luò)中的反向傳播(BP)算法。此后,連接主義勢(shì)頭大振,從模型到算法,從理論分析到工程實(shí)現(xiàn),為神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)走向市場(chǎng)打下基礎(chǔ)?，F(xiàn)在,對(duì)人工神經(jīng)網(wǎng)絡(luò)(ANN)的研究熱情仍然較高,但研究成果沒(méi)有像預(yù)想的那樣好。連接主義如圖1-2所示。1.1人工智能概述1.1.2人工智能學(xué)派3.行為主義行為主義的原理是控制論及感知-動(dòng)作型控制系統(tǒng)。行為主義認(rèn)為智能取決于感知和行動(dòng),提出智能行為的感知-動(dòng)作模式。智能不需要知識(shí)、不需要表示、不需要推理;人工智能可以像人類智能一樣逐步進(jìn)化;智能行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來(lái)。人工智能三大學(xué)派的優(yōu)勢(shì)和劣勢(shì)對(duì)比如表1-1所示。表1-1人工智能三大學(xué)派的對(duì)比分析1.1人工智能概述1.1.3人工智能的層次結(jié)構(gòu)人工智能正在發(fā)展得無(wú)處不在,大多數(shù)人都在使用,如Baidu搜索、淘寶的推送以及各種新聞資訊的推送,蘋果Siri每周處理20億個(gè)自然語(yǔ)言請(qǐng)求,Android手機(jī)上20%的請(qǐng)求是由語(yǔ)音識(shí)別的?，F(xiàn)階段,神經(jīng)網(wǎng)絡(luò)芯片、深度學(xué)習(xí)算法、大數(shù)據(jù)及云計(jì)算,四個(gè)催化劑使人工智能開(kāi)始迅速發(fā)展。人工智能的層次結(jié)構(gòu)分為基礎(chǔ)層、技術(shù)層和應(yīng)用層,如圖1-3所示。圖1-3人工智能的層次結(jié)構(gòu)1.2人工智能的發(fā)展人工智能的研究可以追溯到亞里士多德(三段論),萊布尼茨(把形式邏輯符號(hào)化,使得人們可以對(duì)思維進(jìn)行運(yùn)算和推理,奠定了數(shù)理邏輯的基礎(chǔ))、布爾(布爾代數(shù))、弗雷格、羅素、哥德?tīng)柕热嗽跀?shù)理邏輯方面的工作,McCulloch和Pitts的人工神經(jīng)元模型,以及圖靈的智能計(jì)算等。阿蘭·圖靈對(duì)后世最大的理論貢獻(xiàn)之一就是圖靈機(jī)。如圖1-4所示。圖1-4圖靈機(jī)模型1.掣制硬件,人工智能的過(guò)去1.2人工智能的發(fā)展阿蘭·圖靈的另一個(gè)偉大理論貢獻(xiàn)是圖靈測(cè)試,至今仍然被當(dāng)作人工智能水平的重要測(cè)試標(biāo)準(zhǔn)之一。圖靈測(cè)試是指人們通過(guò)設(shè)備和另外一個(gè)人聊天,可以是文字形式也可以是語(yǔ)音。如果30%的人認(rèn)為是在和一個(gè)真人聊天,而對(duì)方實(shí)際是個(gè)機(jī)器,這個(gè)機(jī)器就通過(guò)了圖靈測(cè)試,它就是具有智能的。以現(xiàn)在的計(jì)算機(jī)人工智能技術(shù)來(lái)說(shuō),30%的比例定得有些低,近年來(lái)很多人工智能對(duì)話程序已經(jīng)能夠通過(guò)圖靈測(cè)試。但在當(dāng)時(shí)受制于硬件設(shè)備,沒(méi)有機(jī)器能夠通過(guò)這樣的測(cè)試,圖靈測(cè)試也僅是作為一個(gè)預(yù)言出現(xiàn)。圖靈預(yù)言,在20世紀(jì)末,一定會(huì)有計(jì)算機(jī)通過(guò)“圖靈測(cè)試”,如圖1-5所示。圖1-5圖靈測(cè)試1.掣制硬件,人工智能的過(guò)去1.2人工智能的發(fā)展會(huì)議足足開(kāi)了兩個(gè)月的時(shí)間,雖然大家沒(méi)有達(dá)成普遍的共識(shí),但是為會(huì)議討論的內(nèi)容起了一個(gè)名字———人工智能。因此,1956年成為人工智能元年。圖1-6所示為達(dá)特茅斯會(huì)議照片。會(huì)議提出,學(xué)習(xí)或智能的任何特性都能夠被精確地加以描述,使得機(jī)器可以對(duì)其進(jìn)行模擬。圖1-6達(dá)特茅斯會(huì)議照片1.掣制硬件,人工智能的過(guò)去1.2人工智能的發(fā)展大量成功的AI程序和新的研究方向不斷涌現(xiàn),研究學(xué)者認(rèn)為具有完全智能的機(jī)器將在20年內(nèi)出現(xiàn)并給出了如下預(yù)言:1.掣制硬件,人工智能的過(guò)去(1)1958年,西蒙、紐厄爾:10年之內(nèi),數(shù)字計(jì)算機(jī)將成為國(guó)際象棋世界冠軍,將發(fā)現(xiàn)并證明一個(gè)重要的數(shù)學(xué)推理。(2)1965年,西蒙:20年內(nèi),機(jī)器將能完成人能做到的一切工作。(3)1967年,明斯基:一代之內(nèi),創(chuàng)造人工智能的問(wèn)題將獲得實(shí)質(zhì)上的解決。(4)1970年,明斯基:在3~8年的時(shí)間里,我們將得到一臺(tái)具有人類平均智能的機(jī)器。1.2人工智能的發(fā)展計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理(naturallanguageprocessing)的準(zhǔn)確率都已不再停留在“過(guò)家家”的水平,應(yīng)用場(chǎng)景也不再只是一個(gè)新奇的“玩具”,而是逐漸在真實(shí)的商業(yè)界扮演起重要的支持角色,它影響著人類生活的方方面面,如圖1-7所示。2.突破閾值,人工智能的現(xiàn)在圖1-7AI的應(yīng)用場(chǎng)景(a)無(wú)人駕駛(b)智能家居(c)虛擬現(xiàn)實(shí)(d)智能機(jī)器人(e)智能投顧(f)智能醫(yī)療1.2人工智能的發(fā)展人工智能已經(jīng)發(fā)展了很長(zhǎng)時(shí)間,它在未來(lái)的發(fā)展問(wèn)題是該學(xué)科有關(guān)研究人員討論的重點(diǎn),從現(xiàn)階段的發(fā)展情況來(lái)看,未來(lái)人工智能可能會(huì)朝著以下幾個(gè)方向發(fā)展:3.黃金時(shí)代,人工智能的未來(lái)(1)更好地為人類服務(wù)(2)與人類平等(3)毀滅人類1.3人工智能的研究領(lǐng)域1.3.1問(wèn)題求解與博弈人工智能最早的應(yīng)用實(shí)踐是求解難題(problemsolving)和下棋程序。下棋是一種博弈(gameplaying)問(wèn)題。博弈問(wèn)題還包括打牌、游戲和戰(zhàn)爭(zhēng)等競(jìng)爭(zhēng)性智能活動(dòng),即使己方獲勝,敵方失敗。問(wèn)題求解和博弈都是指通過(guò)搜索的方法尋找目標(biāo)解的一個(gè)合適操作序列,并滿足問(wèn)題的各種約束。它們面對(duì)的大多是良結(jié)構(gòu)問(wèn)題。但是這些良結(jié)構(gòu)問(wèn)題一般有巨大的搜索空間,導(dǎo)致雖然在理論上可以用窮舉法找到最優(yōu)解,但是由于現(xiàn)實(shí)時(shí)空約束而不可能得到最優(yōu)解。簡(jiǎn)而言之,其核心研究就是搜索技術(shù)。1.3人工智能的研究領(lǐng)域1.3.1問(wèn)題求解與博弈人工智能中的搜索系統(tǒng)一般由全局?jǐn)?shù)據(jù)庫(kù)、算子集和控制策略三部分組成。(1)②③全局?jǐn)?shù)據(jù)庫(kù)包含與具體任務(wù)有關(guān)的信息,用來(lái)反映問(wèn)題的當(dāng)前狀態(tài)、約束條件及預(yù)期目標(biāo)。算子集,也就是操作規(guī)則集,用來(lái)對(duì)數(shù)據(jù)庫(kù)進(jìn)行操作運(yùn)算?？刂撇呗杂脕?lái)決定下一步選用哪一個(gè)算子并在何處應(yīng)用。1.3人工智能的研究領(lǐng)域1.3.2機(jī)器學(xué)習(xí)目前,機(jī)器學(xué)習(xí)領(lǐng)域的研究工作主要圍繞以下幾個(gè)方面進(jìn)行:(1)面向任務(wù)的研究,研究和分析改進(jìn)一組預(yù)定任務(wù)的執(zhí)行性能的學(xué)習(xí)系統(tǒng)。(2)認(rèn)知模型的研究,研究人類學(xué)習(xí)過(guò)程并進(jìn)行計(jì)算機(jī)模擬。(3)理論性分析的研究,從理論上探索各種可能的學(xué)習(xí)方法和獨(dú)立于應(yīng)用領(lǐng)域的算法。1.3人工智能的研究領(lǐng)域1.3.3模式識(shí)別圖1-8所示為模式識(shí)別的一般過(guò)程,其中,虛線下部是學(xué)習(xí)訓(xùn)練過(guò)程,虛線上部是識(shí)別過(guò)程。圖1-8模式識(shí)別的一般過(guò)程1.3人工智能的研究領(lǐng)域1.3.4自然語(yǔ)言處理自然語(yǔ)言處理是人工智能中一個(gè)看似簡(jiǎn)單,但實(shí)際上十分困難的研究課題。它一方面是語(yǔ)言信息處理的一個(gè)分支,另一方面又是人工智能的核心領(lǐng)域之一。自然語(yǔ)言處理主要研究人類如何使用本民族所熟悉的語(yǔ)言(如漢語(yǔ)、英語(yǔ)、法語(yǔ)等)同計(jì)算機(jī)進(jìn)行信息交流,探討人類自身的語(yǔ)言能力和思維活動(dòng)本質(zhì)的技術(shù)。這在當(dāng)前新技術(shù)革命浪潮中占有十分重要的地位。研究第五代計(jì)算機(jī)的主要目標(biāo)之一,就是要使計(jì)算機(jī)具有理解和運(yùn)用自然語(yǔ)言的功能。1.3人工智能的研究領(lǐng)域1.3.4自然語(yǔ)言處理具體來(lái)講,自然語(yǔ)言處理要達(dá)到以下三個(gè)目標(biāo):(1）(2）(3）目標(biāo)計(jì)算機(jī)能正確理解人們用自然語(yǔ)言輸入的信息,并能正確回答輸入信息中的有關(guān)問(wèn)題。對(duì)輸入的信息,計(jì)算機(jī)能產(chǎn)生相應(yīng)的摘要,能用不同詞語(yǔ)復(fù)述所輸入信息的內(nèi)容。計(jì)算機(jī)能把用某種自然語(yǔ)言表示的信息自動(dòng)地翻譯為另一種自然語(yǔ)言。1.3人工智能的研究領(lǐng)域1.3.5智能機(jī)器人智能機(jī)器人(intelligentrobots)是指能夠模擬人類行為的、可再編程序的多功能操作裝置。智能機(jī)器人是人工智能中視覺(jué)感知系統(tǒng)、問(wèn)題求解系統(tǒng)、計(jì)劃產(chǎn)生系統(tǒng)等領(lǐng)域中技術(shù)的綜合應(yīng)用成果。1.3人工智能的研究領(lǐng)域1.3.5智能機(jī)器人具體來(lái)講,智能機(jī)器人應(yīng)該具有以下兩方面的功能:(1)模式識(shí)別。給機(jī)器人配備視覺(jué)、聽(tīng)覺(jué)及觸覺(jué)傳感器,使其能夠識(shí)別外界環(huán)境中的各種信息,從而實(shí)現(xiàn)信息的輸入。(2)運(yùn)動(dòng)協(xié)調(diào)推理。機(jī)器人的運(yùn)動(dòng)協(xié)調(diào)推理功能是依賴于感覺(jué)驅(qū)動(dòng)的。感覺(jué)是機(jī)器人接受外界的刺激,而運(yùn)動(dòng)則是機(jī)器人的行動(dòng)。1.3人工智能的研究領(lǐng)域1.3.6專家系統(tǒng)領(lǐng)域?qū)＜蚁到y(tǒng)通常由知識(shí)庫(kù)、推理機(jī)、綜合數(shù)據(jù)庫(kù)、解釋器、人機(jī)交互界面和知識(shí)獲取等部分構(gòu)成。(1)知識(shí)庫(kù)用來(lái)存放專家提供的知識(shí)。構(gòu)成(2)推理機(jī)針對(duì)當(dāng)前問(wèn)題的條件或已知信息,反復(fù)匹配知識(shí)庫(kù)中的規(guī)則,產(chǎn)生新的結(jié)論,以得到問(wèn)題的求解結(jié)果。(3)綜合數(shù)據(jù)庫(kù)專門用于存儲(chǔ)推理過(guò)程中所需的原始數(shù)據(jù)、中間結(jié)果和最終結(jié)論,往往是作為暫時(shí)的存儲(chǔ)區(qū)。(4)解釋器能夠根據(jù)用戶的提問(wèn),對(duì)結(jié)論、求解過(guò)程做出說(shuō)明,從而使專家系統(tǒng)更具有易用性。(5)人機(jī)交互界面是系統(tǒng)與用戶進(jìn)行交流時(shí)的界面。(6)知識(shí)獲取是指采集知識(shí)并把知識(shí)輸入知識(shí)庫(kù)的過(guò)程。1.3人工智能的研究領(lǐng)域1.3.7人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetwork)簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)(neuralnetwork),是以聯(lián)結(jié)主義研究人工智能的方法,以對(duì)人腦和自然神經(jīng)網(wǎng)絡(luò)的生理研究成果為基礎(chǔ),抽象和模擬人腦的某些機(jī)理、機(jī)制,實(shí)現(xiàn)某方面的功能。人工神經(jīng)網(wǎng)絡(luò)是人工智能研究的主要途徑之一,也是機(jī)器學(xué)習(xí)中非常重要的一種學(xué)習(xí)方法。1.3人工智能的研究領(lǐng)域1.3.7人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)還有很多其他方法無(wú)法代替的獨(dú)特優(yōu)點(diǎn)?？梢匀我獗平魏螐?fù)雜的非線性關(guān)系。(1)(3)(5)(2)(4)具有自適應(yīng)、自學(xué)習(xí)和自組織能力。所有信息都存儲(chǔ)于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元,個(gè)別神經(jīng)元失效不會(huì)對(duì)整個(gè)系統(tǒng)造成致命影響。具有并行運(yùn)算的本質(zhì),可以快速解決復(fù)雜問(wèn)題,或者得到優(yōu)化解。具有聯(lián)想存儲(chǔ)功能。1.3人工智能的研究領(lǐng)域1.3.7人工神經(jīng)網(wǎng)絡(luò)現(xiàn)在,一般認(rèn)為人工神經(jīng)網(wǎng)絡(luò)比較適用于特征提取、模式分類、聯(lián)想記憶、低層次感知和自適應(yīng)控制等很難應(yīng)用嚴(yán)格解析方法的場(chǎng)合。目前,人工神經(jīng)網(wǎng)絡(luò)研究主要集中在以下幾個(gè)方面:(1)(2)(4)(3)利用神經(jīng)生理與認(rèn)知科學(xué)研究人類思維及智能機(jī)理。利用神經(jīng)基礎(chǔ)理論的研究成果,用數(shù)理方法探索功能更加完善、性能更加優(yōu)越的神經(jīng)數(shù)理理論,如神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)和非線性神經(jīng)場(chǎng)等。對(duì)人工神經(jīng)網(wǎng)絡(luò)的軟件模擬和硬件實(shí)現(xiàn)的研究。人工神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域(如模式識(shí)別、信號(hào)處理、知識(shí)工程、專家系統(tǒng)、優(yōu)化組合和機(jī)器人控制等)中應(yīng)用的研究。1.4人工智能的應(yīng)用領(lǐng)域1.人工智能技術(shù)在泛安防領(lǐng)域的應(yīng)用據(jù)統(tǒng)計(jì),安防領(lǐng)域視頻監(jiān)控占比近90%,中心側(cè)份額最大。出入口控制的主要產(chǎn)品(如人臉識(shí)別閘機(jī)、門禁等)門檻較低,與監(jiān)控人臉識(shí)別具備相通之處,因此絕大部分安防產(chǎn)品與解決方案提供商均涉足這部分業(yè)務(wù),其市場(chǎng)較大。圖1-9所示為2018年AI+安防軟硬件細(xì)分市場(chǎng)占比圖。圖1-92018年AI+安防軟硬件細(xì)分市場(chǎng)占比1.4人工智能的應(yīng)用領(lǐng)域2.人工智能技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用醫(yī)療健康是個(gè)慢行業(yè),中國(guó)AI醫(yī)學(xué)影像的商業(yè)化于2019年起步,到2022年市場(chǎng)規(guī)模達(dá)到9.7億元,在已定級(jí)醫(yī)院中總付費(fèi)滲透率達(dá)5%,在三級(jí)醫(yī)院和二級(jí)醫(yī)院的總付費(fèi)滲透率達(dá)到8%,期間若產(chǎn)品功能取得突破性進(jìn)展則有更大發(fā)展空間。此前,AI醫(yī)學(xué)影像基本采用三甲醫(yī)院試用合作的模式,2019年后逐步推進(jìn)產(chǎn)品收費(fèi)。隨著分級(jí)診療的推進(jìn)和市場(chǎng)對(duì)AI認(rèn)知的提升,2020年年底至2021年部分產(chǎn)品獲得CFDA三類醫(yī)療器械認(rèn)證,同年二級(jí)醫(yī)院客戶數(shù)量首次超過(guò)三級(jí)醫(yī)院。1.4人工智能的應(yīng)用領(lǐng)域2.人工智能技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用目前主要有以下三種收費(fèi)模式:(1)三種收費(fèi)模式(2)(3)將AI醫(yī)學(xué)影像嵌入云HIS或云PACS中,打包售賣,由于現(xiàn)階段AI產(chǎn)品商業(yè)化存在產(chǎn)品功能還未完全直擊客戶痛點(diǎn)的情況,醫(yī)院客戶較多使用的是免費(fèi)AI,與云服務(wù)結(jié)合可將AI作為收費(fèi)模塊。將AI作為服務(wù)單獨(dú)提供,其優(yōu)勢(shì)在于相較于云服務(wù),軟件開(kāi)發(fā)形式更符合醫(yī)院采購(gòu)習(xí)慣。與影像設(shè)備廠商合作提供具有AI功能的醫(yī)療影像設(shè)備,收取一定分成,這種形式較難提供完整的拍片-閱片智能解決方案,需要重新申報(bào)CFDA審批認(rèn)證,目前落地較少。1.4人工智能的應(yīng)用領(lǐng)域2.人工智能技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用目前市場(chǎng)中主要有AI企業(yè)、醫(yī)療信息化廠商、科技巨頭、醫(yī)療影像設(shè)備廠商等幾類廠商。如圖1-10所示是2019—2022年中國(guó)AI醫(yī)學(xué)影像市場(chǎng)規(guī)模。圖1-102019—2022年中國(guó)AI醫(yī)學(xué)影像市場(chǎng)規(guī)模1.4人工智能的應(yīng)用領(lǐng)域3.人工智能技術(shù)在教育領(lǐng)域的應(yīng)用經(jīng)過(guò)多年的發(fā)展,隨著用戶對(duì)在線教育的接受度不斷提升、在線付費(fèi)意識(shí)逐漸養(yǎng)成以及線上學(xué)習(xí)體驗(yàn)和效果的提升等因素影響,中國(guó)在線教育的市場(chǎng)規(guī)模與用戶數(shù)量已進(jìn)入初步成熟階段。據(jù)統(tǒng)計(jì),2018年中國(guó)在線教育市場(chǎng)規(guī)模達(dá)2517.6億元,付費(fèi)用戶數(shù)量超過(guò)1.35億人,人工智能技術(shù)進(jìn)入教育領(lǐng)域后,市場(chǎng)上涌現(xiàn)出大量專注于“AI+教育”的新型教育機(jī)構(gòu),在線教育企業(yè)也在已有業(yè)務(wù)線基礎(chǔ)上引入人工智能技術(shù)以提升教學(xué)效率、拓展商業(yè)模式。1.4人工智能的應(yīng)用領(lǐng)域3.人工智能技術(shù)在教育領(lǐng)域的應(yīng)用圖1-11所示為2018—2022年中國(guó)在線教育及AI相關(guān)業(yè)務(wù)規(guī)模情況。圖1-112018—2022年中國(guó)在線教育市場(chǎng)規(guī)模及AI相關(guān)業(yè)務(wù)規(guī)模情況1.4人工智能的應(yīng)用領(lǐng)域4.人工智能技術(shù)在數(shù)字營(yíng)銷領(lǐng)域的應(yīng)用通過(guò)技術(shù)與營(yíng)銷環(huán)節(jié)相結(jié)合,在提供更加充實(shí)的用戶特征以及創(chuàng)意內(nèi)容的同時(shí),對(duì)投放的策略和形式進(jìn)行優(yōu)化,提升引流、集客、轉(zhuǎn)化效果,圖1-12所示為AI+數(shù)字營(yíng)銷的核心價(jià)值。圖1-12AI+數(shù)字營(yíng)銷的核心價(jià)值1.4人工智能的應(yīng)用領(lǐng)域5.人工智能技術(shù)在城市交通領(lǐng)域的應(yīng)用2016年,應(yīng)用人工智能技術(shù)的交通大腦出現(xiàn),使交通管控系統(tǒng)正式步入智能化時(shí)代。交通大腦實(shí)質(zhì)是囊括數(shù)據(jù)采集平臺(tái)、數(shù)據(jù)分析平臺(tái)、數(shù)據(jù)建模平臺(tái)和決策平臺(tái)的PaaS云服務(wù)。圖1-13所示為交通大腦應(yīng)用流程圖。圖1-13交通大腦應(yīng)用流程圖思考與練習(xí)1.人工智能的概念是什么?2.簡(jiǎn)述人工智能的層次結(jié)構(gòu)。3.簡(jiǎn)述人工智能的三大學(xué)派及其對(duì)比。4.人工智能可以應(yīng)用到哪些工程領(lǐng)域?模塊2知識(shí)學(xué)習(xí)2.1與機(jī)器對(duì)話Eliza是由系統(tǒng)工程師約瑟夫·魏澤堡和精神病學(xué)家肯尼斯·科爾比在20世紀(jì)60年代共同編寫的。在當(dāng)時(shí)自然語(yǔ)言技術(shù)還沒(méi)有突破性進(jìn)展的前提下,Eliza的出現(xiàn)是一件讓人“費(fèi)解”的事情。圖2-1所示為Eliza與人類的聊天記錄,如果仔細(xì)分析Eliza與人聊天的內(nèi)容,就不難發(fā)現(xiàn)它的邏輯原理是非常簡(jiǎn)單的,甚至可以說(shuō)其中并沒(méi)有邏輯,它只是顛倒了對(duì)方所說(shuō)的話的語(yǔ)序,然后回應(yīng)給對(duì)話人。圖2-1Eliza與人類的聊天記錄2.1與機(jī)器對(duì)話2.1.1知識(shí)的概念培根說(shuō):知識(shí)就是力量。那么如何讓計(jì)算機(jī)像人一樣能夠擁有知識(shí)的力量是人工智能的本質(zhì)問(wèn)題。要解決這個(gè)問(wèn)題至少要弄清知識(shí)表示、知識(shí)管理、知識(shí)推理和知識(shí)獲取這些問(wèn)題。知識(shí)是人類進(jìn)行一切智能活動(dòng)的基礎(chǔ)。哲學(xué)、心理學(xué)、語(yǔ)言學(xué)和教育學(xué)等都在對(duì)知識(shí)和知識(shí)的表示方法等問(wèn)題進(jìn)行研究。知識(shí)反映了客觀世界中事物之間的關(guān)系,不同事物或相同事物間的不同關(guān)系形成了不同的知識(shí)。2.1與機(jī)器對(duì)話2.1.2知識(shí)的特征和知識(shí)表示分類1.知識(shí)的特征(1)相對(duì)正確性。知識(shí)是人們對(duì)客觀世界認(rèn)識(shí)的結(jié)晶,并且經(jīng)過(guò)了長(zhǎng)期實(shí)踐的檢驗(yàn)。因此,在一定的條件和環(huán)境下,知識(shí)一般是正確的,是可信任的。(2)不確定性。由于現(xiàn)實(shí)世界的復(fù)雜性,信息可能是精確的,也可能是不精確的,知識(shí)是有關(guān)信息關(guān)聯(lián)在一起形成的信息結(jié)構(gòu)。(3)可表示性與可利用性。知識(shí)是可以用適當(dāng)形式(如語(yǔ)言、文字、圖形和神經(jīng)元網(wǎng)絡(luò)等)表示出來(lái)的;正是由于它具有這一特性,它才能被存儲(chǔ)并得以傳播。2.1與機(jī)器對(duì)話2.1.2知識(shí)的特征和知識(shí)表示分類2.知識(shí)表示分類人工智能中的知識(shí)表示方法注重知識(shí)的運(yùn)用,所以將知識(shí)表示方法粗略地分為過(guò)程性(procedure)知識(shí)表示和陳述性(declarative)知識(shí)表示兩大類。過(guò)程性知識(shí)一般是表示如何做的知識(shí),是有關(guān)系統(tǒng)變化、問(wèn)題求解過(guò)程的操作、演算和行為的知識(shí)。這種知識(shí)是隱含在程序中的,機(jī)器是無(wú)法從程序的編碼中抽取出來(lái)的。(1)過(guò)程性知識(shí)表示(2)陳述性知識(shí)表示陳述性知識(shí)描述系統(tǒng)的狀態(tài)、環(huán)境和條件,以及問(wèn)題的概念、定義和事實(shí)。陳述性知識(shí)表示描述這種事實(shí)性知識(shí),即描述客觀事物所涉及的對(duì)象以及對(duì)象之間的聯(lián)系。陳述性知識(shí)的表示與知識(shí)運(yùn)用(推理)是分開(kāi)處理的,這種知識(shí)是顯性地表示。2.2正確表示知識(shí)1.事實(shí)表示產(chǎn)生式中的事實(shí)表示有對(duì)象性質(zhì)與對(duì)象間關(guān)系兩種表示法。2.2.1產(chǎn)生式表示法(1)對(duì)象性質(zhì)表示對(duì)象性質(zhì)可用一個(gè)三元組表示:(對(duì)象,屬性,值)它表示指定對(duì)象具有指定性質(zhì)的某個(gè)指定值,如(牡丹花,顏色,紅)表示牡丹花是紅色的。(2)對(duì)象間關(guān)系表示對(duì)象間關(guān)系可用一個(gè)三元組表示:(關(guān)系,對(duì)象1,對(duì)象2)它表示指定兩個(gè)對(duì)象間所具有指定的某個(gè)關(guān)系,如(父子,王龍,王晨)表示王龍與王晨間是父子關(guān)系。一個(gè)給定問(wèn)題的產(chǎn)生式系統(tǒng)可組成一個(gè)事實(shí)集合體,稱為綜合數(shù)據(jù)庫(kù)。2.2正確表示知識(shí)2.規(guī)則表示2.2.1產(chǎn)生式表示法規(guī)則是事實(shí)間因果聯(lián)系的動(dòng)態(tài)表示。產(chǎn)生式規(guī)則的一般形式為If

P

then

Q其中前半部P確定了該規(guī)則可應(yīng)用的先決條件,后半部Q描述了應(yīng)用這條規(guī)則所采取的行動(dòng)得出的結(jié)論。一條產(chǎn)生式規(guī)則滿足了應(yīng)用的先決條件P之后,就可用規(guī)則進(jìn)行操作,使其發(fā)生變化產(chǎn)生結(jié)果Q。一個(gè)給定問(wèn)題的產(chǎn)生式系統(tǒng)可組成一個(gè)規(guī)則集合體,稱為規(guī)則庫(kù)。2.2正確表示知識(shí)3.產(chǎn)生式表示法與知識(shí)2.2.1產(chǎn)生式表示法第一層:產(chǎn)生式表示中的對(duì)象。它給出了知識(shí)中的對(duì)象。第二層:產(chǎn)生式表示中的事實(shí)。它給出了知識(shí)中的事實(shí)。第三層:產(chǎn)生式表示中的操作。它給出了知識(shí)中的規(guī)則。第四層:產(chǎn)生式表示中的知識(shí)可設(shè)置約束。它給出了元知識(shí)。2.2正確表示知識(shí)4.產(chǎn)生式表示法實(shí)例2.2.1產(chǎn)生式表示法在醫(yī)學(xué)專家系統(tǒng)中判定咽炎的產(chǎn)生式表示。在該醫(yī)學(xué)專家系統(tǒng)中有事實(shí):A:(病人,咽部觀察,充血);B:(病人,咽部主訴,疼痛);C:(病人,白細(xì)胞數(shù),高);D:(病人,中性指標(biāo),高);E:(病人,體溫,高);F:(病人,病癥,急性咽炎);G:(病人,白細(xì)胞數(shù),>500);H:(病人,中性指標(biāo),>60);I:(病人,體溫,>37);J:(病人,白細(xì)胞數(shù),≤500);K:(病人,中性指標(biāo),≤60);L:(病人,體溫,≤37);M:(病人,白細(xì)胞數(shù),正常);N:(病人,中性指標(biāo),正常);P:(病人,體溫,正常);Q:(病人,病癥,慢性咽炎)。上面16個(gè)事實(shí)組成了綜合數(shù)據(jù)庫(kù)。2.2正確表示知識(shí)4.產(chǎn)生式表示法實(shí)例2.2.1產(chǎn)生式表示法它有如下產(chǎn)生式規(guī)則:If

A

and

B

and

C

and

D

and

E

then

FIf

G

then

CIf

H

then

DIf

I

then

EIf

J

then

MIf

K

then

NIf

L

then

PIf

A

and

B

and

M

and

N

and

P

then

Q這8個(gè)規(guī)則組成了規(guī)則庫(kù)。2.2正確表示知識(shí)5.產(chǎn)生式表示法的評(píng)價(jià)(1)知識(shí)表示的完整性。可以用產(chǎn)生式表示知識(shí)體系中的全部四部分。2.2.1產(chǎn)生式表示法①③④②可以用產(chǎn)生式中的對(duì)象表示知識(shí)中的對(duì)象;可以用產(chǎn)生式中的事實(shí)表示知識(shí)中的事實(shí);可以用產(chǎn)生式中的規(guī)則表示知識(shí)中的規(guī)則;可以用產(chǎn)生式表示知識(shí)中的部分元知識(shí)。2.2正確表示知識(shí)5.產(chǎn)生式表示法的評(píng)價(jià)(2)表示規(guī)則簡(jiǎn)單易用。2.2.1產(chǎn)生式表示法用產(chǎn)生式方法表示知識(shí)無(wú)論是對(duì)象、事實(shí)、規(guī)則都很簡(jiǎn)單,因此易于掌握使用。2.2正確表示知識(shí)1.語(yǔ)義網(wǎng)絡(luò)的概念及結(jié)構(gòu)語(yǔ)義網(wǎng)絡(luò)是知識(shí)的一種有向圖表示方法,如圖2-2所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-2語(yǔ)義基元結(jié)構(gòu)其中,A和B分別代表節(jié)點(diǎn),而RAB則表示A和B之間的某種語(yǔ)義聯(lián)系。節(jié)點(diǎn)用來(lái)表示各種事物、概念、情況、屬性、狀態(tài)、動(dòng)作等,節(jié)點(diǎn)上的標(biāo)注用來(lái)區(qū)分各節(jié)點(diǎn)所表示的不同對(duì)象,每個(gè)節(jié)點(diǎn)可以帶有多個(gè)屬性,以表征其所代表的對(duì)象的特性?；∈怯蟹较虻?方向體現(xiàn)了節(jié)點(diǎn)間的主次關(guān)系,標(biāo)識(shí)用來(lái)區(qū)分各種不同對(duì)象以及對(duì)象間各種不同語(yǔ)義聯(lián)系。2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系當(dāng)把多個(gè)語(yǔ)義基元用相應(yīng)的語(yǔ)義聯(lián)系關(guān)聯(lián)在一起時(shí),就形成了一個(gè)語(yǔ)義網(wǎng)絡(luò),如圖2-3所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-3語(yǔ)義網(wǎng)絡(luò)結(jié)構(gòu)2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系語(yǔ)義網(wǎng)絡(luò)表示法具有如下一些特點(diǎn):2.2.2語(yǔ)義網(wǎng)絡(luò)法(1)結(jié)構(gòu)性(2)聯(lián)想性(3)直觀性(4)非嚴(yán)格性(5)處理復(fù)雜性2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系最基本的語(yǔ)義關(guān)系包括以下幾種:(1)類屬關(guān)系。類屬關(guān)系是指具有共同屬性的不同事物間的分類關(guān)系、成員關(guān)系或?qū)嵗P(guān)系,它體現(xiàn)的是“具體與抽象”“個(gè)體與集體”的層次分類。常用的類屬關(guān)系有以下幾種:2.2.2語(yǔ)義網(wǎng)絡(luò)法①AKO(A-Kind-of):表示一個(gè)事物是另一個(gè)事物的一種類型。②AMO(A-Member-of):表示一個(gè)事物是另一個(gè)事物的成員。③ISA(Is-a):表示一個(gè)事物是另一個(gè)事物的實(shí)例。2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(2)包含關(guān)系。包含關(guān)系也稱為聚集關(guān)系,是指具有組織或結(jié)構(gòu)特征的“部分與整體”之間的關(guān)系,它和類屬關(guān)系最主要的區(qū)別是包含關(guān)系一般不具備屬性的繼承性。例如,“輪胎是汽車的一部分”,其語(yǔ)義網(wǎng)絡(luò)表示如圖2-4所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-4包含關(guān)系實(shí)例2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(3)屬性關(guān)系。屬性關(guān)系是指事物和其屬性之間的關(guān)系。常用的屬性關(guān)系有以下幾種:Have:表示一個(gè)節(jié)點(diǎn)具有另一個(gè)節(jié)點(diǎn)所描述的屬性。Can:表示一個(gè)節(jié)點(diǎn)能做另一個(gè)節(jié)點(diǎn)的事情。例如,“鳥(niǎo)有翅膀”“電視機(jī)可以播放電視節(jié)目”,其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)表示如圖2-5所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-5屬性關(guān)系實(shí)例2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(4)時(shí)間關(guān)系。時(shí)間關(guān)系是指不同事件在其發(fā)生時(shí)間方面的先后關(guān)系,節(jié)點(diǎn)間不具備屬性繼承性。常用的時(shí)間關(guān)系有以下幾種:Before:表示一個(gè)事件在一個(gè)事件之前發(fā)生。After:表示一個(gè)事件在一個(gè)事件之后發(fā)生。例如,“小王在小明之前畢業(yè)”“香港回歸之后,澳門也回歸了”,其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)表示如圖2-6所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-6時(shí)間關(guān)系實(shí)例2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(5)位置關(guān)系。位置關(guān)系是指不同事物在位置方面的關(guān)系,節(jié)點(diǎn)間不具備屬性繼承性。常用的位置關(guān)系有以下幾種:Located-on:表示一個(gè)物體在另一個(gè)物體之上。Located-at:表示一個(gè)物體在某一位置。Located-under:表示一個(gè)物體在另一個(gè)物體之下。Located-inside:表示一個(gè)物體在另一個(gè)物體之中。Located-outside:表示一個(gè)物體在另一個(gè)物體之外。例如,“天津大學(xué)坐落于天津南開(kāi)區(qū)”,其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)表示如圖2-7所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-7位置關(guān)系實(shí)例2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(6)相近關(guān)系。相近關(guān)系又稱相似關(guān)系,是指不同事物在形狀、內(nèi)容等方面相似和接近。常用的相近關(guān)系有以下幾種:Similar-to:表示一個(gè)事物與另一個(gè)事物相似。Near-to:表示一個(gè)事物與另一個(gè)事物接近。例如,“狗長(zhǎng)得像狼”,其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)表示如圖2-8所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-8相似關(guān)系實(shí)例2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(7)因果關(guān)系。因果關(guān)系是指由于某一事件的發(fā)生而導(dǎo)致另一事物的發(fā)生,適合表示規(guī)則性知識(shí)。通常用If-then聯(lián)系表示兩個(gè)節(jié)點(diǎn)之間的因果關(guān)系,其含義是“如果……那么……”。例如,“如果下雨,小王開(kāi)車上班”,其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)表示如圖2-9所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-9因果關(guān)系實(shí)例2.2正確表示知識(shí)2.語(yǔ)義網(wǎng)絡(luò)的基本語(yǔ)義聯(lián)系(8)組成關(guān)系。組成關(guān)系是一種一對(duì)多的聯(lián)系,用于表示某一事物由其他一些事物構(gòu)成,通常用Composed-of聯(lián)系表示。Composed-of聯(lián)系所連接的節(jié)點(diǎn)間不具備屬性繼承性。例如,“整數(shù)由正整數(shù)、負(fù)整數(shù)和零組成”,其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)如圖2-10所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-10組成關(guān)系實(shí)例2.2正確表示知識(shí)3.語(yǔ)義網(wǎng)絡(luò)知識(shí)表示舉例【例2.1】把下列命題用一個(gè)語(yǔ)義網(wǎng)絡(luò)表示出來(lái):(1)豬和羊都是動(dòng)物。(2)豬和羊都是哺乳動(dòng)物。(3)野豬是豬,但生長(zhǎng)在森林中。(4)山羊是羊,頭上長(zhǎng)著角。(5)綿羊是一種羊,它能生產(chǎn)羊毛。2.2.2語(yǔ)義網(wǎng)絡(luò)法解題分析:問(wèn)題涉及的對(duì)象有豬、羊、動(dòng)物、哺乳動(dòng)物、野豬、山羊、綿羊、森林、羊毛、角等。然后分析它們之間的語(yǔ)義關(guān)系,“動(dòng)物”和“哺乳動(dòng)物”,“哺乳動(dòng)物”和“豬”,“哺乳動(dòng)物”和“羊”,“羊”和“山羊”及“綿羊”,“野豬”和“豬”之間的關(guān)系是“是一種”的關(guān)系,可用AKO來(lái)表示。“山羊”和“頭上有角”之間是一種屬性關(guān)系,可用Have來(lái)描述;“綿羊”和“羊毛”之間是一種屬性關(guān)系,可用Have來(lái)描述;“野豬”和“森林”之間是位置關(guān)系,可用Located-at來(lái)表示。2.2正確表示知識(shí)3.語(yǔ)義網(wǎng)絡(luò)知識(shí)表示舉例【例2.1】其語(yǔ)義網(wǎng)絡(luò)表示如圖2-11所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-11有關(guān)羊和豬的語(yǔ)義網(wǎng)絡(luò)2.2正確表示知識(shí)3.語(yǔ)義網(wǎng)絡(luò)知識(shí)表示舉例【例2.2】用能語(yǔ)義網(wǎng)絡(luò)表示下列知識(shí):教師張明在本年度第二學(xué)期給計(jì)算機(jī)應(yīng)用專業(yè)的學(xué)生講授“人工智能”這門課程。2.2.2語(yǔ)義網(wǎng)絡(luò)法解題分析:本題涉及的對(duì)象包括教師、張明、學(xué)生、計(jì)算機(jī)應(yīng)用、人工智能、本年度第二學(xué)期等。然后確定各對(duì)象間的關(guān)系?！皬埫鳌迸c“教師”之間是一種類屬關(guān)系,可用ISA表示;“學(xué)生”和“計(jì)算機(jī)應(yīng)用”之間是一種屬性關(guān)系,可以用Major表示。“張明”“學(xué)生”和“人工智能”則是通過(guò)“講課”這一動(dòng)作聯(lián)系在一起的。從上面的分析可知,必須增加一個(gè)動(dòng)作節(jié)點(diǎn)“講課”,“張明”是這一動(dòng)作的主體,而“學(xué)生”和“人工智能”是這一動(dòng)作的兩個(gè)客體?！氨灸甓鹊诙W(xué)期”則是這個(gè)動(dòng)作的作用時(shí)間,屬于一種時(shí)間關(guān)系。因此,通過(guò)增加這個(gè)動(dòng)作節(jié)點(diǎn)“講課”將網(wǎng)絡(luò)中的各節(jié)點(diǎn)聯(lián)系起來(lái)了。由“講課”節(jié)點(diǎn)引出的弧不僅指出了講課的主體和客體,還指出了講課的時(shí)間。2.2正確表示知識(shí)3.語(yǔ)義網(wǎng)絡(luò)知識(shí)表示舉例【例2.2】通過(guò)分析可得其對(duì)應(yīng)的語(yǔ)義網(wǎng)絡(luò)表示如圖2-12所示。2.2.2語(yǔ)義網(wǎng)絡(luò)法圖2-12有關(guān)講課的語(yǔ)義網(wǎng)絡(luò)2.2正確表示知識(shí)1.框架理論2.2.3框架表示法框架理論的基本觀點(diǎn)是:人腦已存儲(chǔ)有大量的典型情景,當(dāng)人面臨新的情景時(shí),就從記憶中選擇(粗匹配)一個(gè)稱為框架的基礎(chǔ)知識(shí)結(jié)構(gòu),這個(gè)框架是以前記憶的一個(gè)知識(shí)空框,而其具體內(nèi)容依據(jù)新的情景而改變,對(duì)這一空框的細(xì)節(jié)進(jìn)行加工修改和補(bǔ)充,形成對(duì)新情景的認(rèn)識(shí)后又記憶于人腦中,以豐富人的知識(shí)。2.2正確表示知識(shí)2.框架結(jié)構(gòu)框架是表示某一類情景的一種結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)?？蚣苡擅枋鍪挛锏母鱾€(gè)方面的槽組成,每個(gè)槽可有若干個(gè)側(cè)面。在一個(gè)用框架表示的知識(shí)系統(tǒng)中,一般含有多個(gè)框架,為了區(qū)分不同的框架以及一個(gè)框架內(nèi)不同的槽和側(cè)面,需要分別賦予其不同的名字,分別稱為框架名、槽名及側(cè)面名。因此,一個(gè)框架通常由框架名、槽名、側(cè)面和值四部分組成,其一般結(jié)構(gòu)如圖2-13所示。2.2.3框架表示法圖2-13框架的一般結(jié)構(gòu)2.2正確表示知識(shí)2.框架結(jié)構(gòu)例如,要用框架來(lái)描述“5G手機(jī)”這一概念,首先分析商品所具有的屬性,一個(gè)商品可能具有的屬性有商品名稱、生產(chǎn)日期、功能參數(shù)等,這里只考慮這幾個(gè)屬性。這幾個(gè)屬性可以定義為“5G手機(jī)”框架的槽,而“功能參數(shù)”這個(gè)屬性還可以從CPU型號(hào)、CPU核數(shù)、運(yùn)行內(nèi)存和機(jī)身存儲(chǔ)這四個(gè)側(cè)面來(lái)加以描述。如果給各個(gè)槽和側(cè)面賦予具體的值,就得到了“5G手機(jī)”這一概念的一個(gè)實(shí)例框架,如圖2-14所示。2.2.3框架表示法圖2-14框架表示法實(shí)例2.2正確表示知識(shí)1.命題邏輯2.2.4邏輯表示法命題邏輯是數(shù)理邏輯的一種,數(shù)理邏輯是用形式化語(yǔ)言(邏輯符號(hào)語(yǔ)言)進(jìn)行精確(沒(méi)有歧義)的描述,用數(shù)學(xué)的方式進(jìn)行研究。人們最熟悉的是數(shù)學(xué)中的設(shè)未知數(shù)表示。在人工智能的發(fā)展史中,關(guān)于知識(shí)的表示方法曾存在兩種不同的觀點(diǎn)。一種觀點(diǎn)認(rèn)為,知識(shí)主要是陳述性的。其表示方法應(yīng)著重將其靜態(tài)特性,即事物的屬性及事物間的關(guān)系表示出來(lái)。這種觀點(diǎn)稱為陳述式或說(shuō)明性表示方法。另一種觀點(diǎn)認(rèn)為,知識(shí)主要是過(guò)程性的。2.2正確表示知識(shí)1.命題邏輯2.2.4邏輯表示法說(shuō)明性表示方法是一種靜態(tài)表示知識(shí)的方法,其主要特征是把領(lǐng)域內(nèi)的過(guò)程性知識(shí)與控制性知識(shí)(問(wèn)題求解策略)分離開(kāi)。例如,在前面討論的產(chǎn)生式系統(tǒng)中,規(guī)則庫(kù)只是用來(lái)表示并存儲(chǔ)領(lǐng)域內(nèi)的過(guò)程性知識(shí),而把控制性知識(shí)隱含在控制系統(tǒng)中,兩者是分離的。過(guò)程性表示方法著重于對(duì)知識(shí)的利用,它把與問(wèn)題有關(guān)的知識(shí)以及如何運(yùn)用這些知識(shí)求解問(wèn)題的控制策略都表述為一個(gè)或多個(gè)求解問(wèn)題的過(guò)程。每一個(gè)過(guò)程都是一段程序,用于完成對(duì)一個(gè)具體事件或情況的處理。2.2正確表示知識(shí)1.命題邏輯一般來(lái)說(shuō),一個(gè)過(guò)程規(guī)則包括激發(fā)條件、演繹操作、狀態(tài)轉(zhuǎn)換和返回四個(gè)部分。2.2.4邏輯表示法(1)激發(fā)條件。激發(fā)條件由兩部分組成,即推理方向和調(diào)用模式。(2)演繹操作。演繹操作由一系列子目標(biāo)構(gòu)成,當(dāng)上面的激發(fā)條件被滿足時(shí),將執(zhí)行這里列出的演繹操作,如GOAL(brother?x?y)、GOAL(fatherxz)。(3)狀態(tài)轉(zhuǎn)換操作。狀態(tài)轉(zhuǎn)換操作用于對(duì)數(shù)據(jù)庫(kù)進(jìn)行增、刪、改,分別用INSERT、DELETE和MODIFY語(yǔ)句實(shí)現(xiàn)。(4)返回。在使用過(guò)程規(guī)則表示知識(shí)的系統(tǒng)中,求解問(wèn)題的基本過(guò)程是:每當(dāng)有一個(gè)新的目標(biāo)時(shí),就從可用的過(guò)程規(guī)則中選擇一個(gè)(設(shè)為R),并執(zhí)行過(guò)程規(guī)則R。2.2正確表示知識(shí)1.命題邏輯例如,設(shè)數(shù)據(jù)庫(kù)中有以下已知事實(shí):(brother

張江海張江洋)(father

張江海

張小海)需要求解的問(wèn)題是:找出兩個(gè)人u及v,其中u是v的叔父。該問(wèn)題可表示為:GOAL(uncle?u?v)。規(guī)則庫(kù)中的規(guī)則為BR(uncle?y?z),其語(yǔ)句如下:2.2.4邏輯表示法2.2正確表示知識(shí)1.命題邏輯求解該問(wèn)題的過(guò)程如下:2.2.4邏輯表示法(1)在過(guò)程規(guī)則庫(kù)中找出對(duì)于問(wèn)題GOAL(uncle?u?v),其激發(fā)條件可被滿足的過(guò)程規(guī)則。顯然,BR(uncle?y?z)經(jīng)u/y,v/t變量代換后可以匹配,所以選用該規(guī)則。(2)執(zhí)行該規(guī)則的第一個(gè)語(yǔ)句GOAL(brother?x?y),此時(shí)y已被u代換,經(jīng)與已知事實(shí)brother(張江海張江洋)匹配,得x=張江海,u=張江洋。(3)執(zhí)行該規(guī)則過(guò)程的第二個(gè)語(yǔ)句GOAL(fatherxz),可得與已知事實(shí)father(張江海張小海)匹配,求得了變量v的值張小海。(4)執(zhí)行該過(guò)程規(guī)則的第四個(gè)語(yǔ)句INSERT(uncleyz)。此時(shí)y與z的值均已知,所以插入數(shù)據(jù)庫(kù)中的事實(shí)是uncle(張江洋張小海)。2.2正確表示知識(shí)1.命題邏輯這表明“張江洋是張小海的叔父”,從而求得了問(wèn)題的解,如圖2-15所示。2.2.4邏輯表示法圖2-15過(guò)程性表示方法求解過(guò)程2.2正確表示知識(shí)2.謂詞邏輯2.2.4邏輯表示法在命題邏輯中,命題是具有真假意義的陳述句。從語(yǔ)法上分析,一個(gè)陳述句由主語(yǔ)和謂語(yǔ)組成。在謂詞邏輯中,為揭示命題內(nèi)部接口及不同命題的內(nèi)部結(jié)構(gòu)關(guān)系,就按照這兩部分對(duì)命題進(jìn)行分析,并且把主語(yǔ)稱為個(gè)體或客體,把謂語(yǔ)稱為謂詞。謂詞邏輯相當(dāng)于數(shù)學(xué)中的函數(shù)表示。2.2正確表示知識(shí)2.2.5腳本表示法腳本通過(guò)一些原語(yǔ)作為槽名來(lái)表示對(duì)象的基本行為,描述某些事件的發(fā)生序列,有些類似于電影劇本。腳本表示的知識(shí)有強(qiáng)烈的因果結(jié)構(gòu),系統(tǒng)對(duì)事件的處理必須是一個(gè)動(dòng)作完成之后才能完成另一個(gè)動(dòng)作。整個(gè)過(guò)程的啟動(dòng)取決于開(kāi)場(chǎng)條件,只有滿足腳本的開(kāi)場(chǎng)條件,腳本中的事件才有可能發(fā)生,而腳本的結(jié)果就是所有動(dòng)作完成后的系統(tǒng)結(jié)果。2.2正確表示知識(shí)2.2.5腳本表示法腳本描述一般由以下幾部分組成:12345(1)進(jìn)入條件:指出腳本所描述的事件可能發(fā)生的先決條件,即事件發(fā)生的前提條件。(2)角色:描述事件中可能出現(xiàn)的人物。(3)道具:描述事件中可能出現(xiàn)的相關(guān)物體。(4)場(chǎng)景:描述事件序列,可以有多個(gè)場(chǎng)景(場(chǎng)景可變化,劇情可變化)。(5)結(jié)局:給出在劇本所描述的事件發(fā)生以后通常所產(chǎn)生的結(jié)果。思考與練習(xí)1.什么是知識(shí)學(xué)習(xí)?2.簡(jiǎn)述產(chǎn)生式表示法。3.簡(jiǎn)述語(yǔ)義網(wǎng)絡(luò)表示法。4.簡(jiǎn)述過(guò)程表示法。模塊3機(jī)器學(xué)習(xí)模塊3機(jī)器學(xué)習(xí)本模塊講述機(jī)器學(xué)習(xí)的定義和基本模型,機(jī)器學(xué)習(xí)與人類思維的對(duì)比,以及機(jī)器學(xué)習(xí)的分類和學(xué)習(xí)方法、機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域。通過(guò)本模塊的學(xué)習(xí),讀者應(yīng)達(dá)到以下學(xué)習(xí)目標(biāo):(1)了解機(jī)器學(xué)習(xí)的定義和基本模型;(2)了解機(jī)器學(xué)習(xí)的分類;(3)理解機(jī)器學(xué)習(xí)的方法;(4)了解機(jī)器學(xué)習(xí)的應(yīng)用方向。3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.1機(jī)器學(xué)習(xí)的定義機(jī)器學(xué)習(xí)的核心是學(xué)習(xí),但究竟什么是學(xué)習(xí),至今都沒(méi)有一個(gè)統(tǒng)一的定義。來(lái)自神經(jīng)學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)等不同學(xué)科的研究人員,從不同角度對(duì)學(xué)習(xí)給出了不同的解釋。以下是關(guān)于學(xué)習(xí)比較有影響的定義:(1)西蒙(Simon,1983):學(xué)習(xí)就是系統(tǒng)中的適應(yīng)性變化,這種變化使系統(tǒng)在重復(fù)同樣工作或類似工作時(shí),能夠做得更好或效率更高。(2)明斯基(Minsky,1985):學(xué)習(xí)是人們頭腦里(心理上)有用的變化。(3)邁克爾斯基(Michalski,1986):學(xué)習(xí)是對(duì)經(jīng)歷描述的建立和修改。3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.1機(jī)器學(xué)習(xí)的定義機(jī)器學(xué)習(xí)的研究主要集中在三個(gè)方面展開(kāi):一二三一是認(rèn)知模型的研究,目的是通過(guò)對(duì)人類學(xué)習(xí)機(jī)理的研究和模擬,從根本上解決機(jī)器學(xué)習(xí)方面存在的種種問(wèn)題;二是理論學(xué)習(xí)的研究,目的是從理論上探索各種可能的學(xué)習(xí)方法,并建立起獨(dú)立于具體應(yīng)用領(lǐng)域的學(xué)習(xí)算法;三是面向任務(wù)的研究,目的是根據(jù)特定任務(wù)的要求建立相應(yīng)的學(xué)習(xí)系統(tǒng)。3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.1機(jī)器學(xué)習(xí)的定義人工智能是社會(huì)發(fā)展的重要推動(dòng)力,而機(jī)器學(xué)習(xí),尤其是深度學(xué)習(xí)技術(shù)是人工智能發(fā)展的核心,它們?nèi)咧g是包含與被包含的關(guān)系,如圖3-1所示。圖3-1人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)三者之間的關(guān)系3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.2機(jī)器學(xué)習(xí)的基本模型機(jī)器學(xué)習(xí)的實(shí)現(xiàn)依賴于學(xué)習(xí)系統(tǒng),學(xué)習(xí)系統(tǒng)能夠利用過(guò)去與環(huán)境相互作用時(shí)得到的信息提高自身的性能。機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)如圖3-2所示。圖3-2機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的最重要因素是環(huán)境向系統(tǒng)提供的信息。知識(shí)庫(kù)中存放的是執(zhí)行部分動(dòng)作的一般原則,但環(huán)境向?qū)W習(xí)系統(tǒng)提供的信息是多種多樣的。如果信息的質(zhì)量比較高,與一般原則的差別比較小,學(xué)習(xí)部分就比較容易處理。3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.3機(jī)器學(xué)習(xí)與人類思考的類比把機(jī)器學(xué)習(xí)的過(guò)程與人類歸納歷史經(jīng)驗(yàn)的過(guò)程做個(gè)比較,如圖3-3所示。圖3-3機(jī)器學(xué)習(xí)與人類歸納歷史經(jīng)驗(yàn)的過(guò)程比較3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.4機(jī)器學(xué)習(xí)的分類(1)有監(jiān)督學(xué)習(xí)。有監(jiān)督學(xué)習(xí)是通過(guò)已有的訓(xùn)練樣本(已知數(shù)據(jù)及其對(duì)應(yīng)的輸出)進(jìn)行訓(xùn)練,從而得到一個(gè)最優(yōu)模型,再利用這個(gè)模型將所有新的數(shù)據(jù)樣本映射為相應(yīng)的輸出結(jié)果,對(duì)輸出結(jié)果進(jìn)行簡(jiǎn)單的判斷從而實(shí)現(xiàn)分類的目的。(2)無(wú)監(jiān)督學(xué)習(xí)。無(wú)監(jiān)督學(xué)習(xí)是在用來(lái)學(xué)習(xí)的數(shù)據(jù)沒(méi)有任何類別信息以及給定目標(biāo)值的情況下,通過(guò)學(xué)習(xí)尋求數(shù)據(jù)間的內(nèi)在關(guān)系和統(tǒng)計(jì)規(guī)律,從而獲得樣本數(shù)據(jù)的結(jié)構(gòu)特征。(3)強(qiáng)化學(xué)習(xí)。強(qiáng)化學(xué)習(xí)也稱增強(qiáng)式學(xué)習(xí),是一類通過(guò)交互來(lái)學(xué)習(xí)的機(jī)器學(xué)習(xí)算法。在強(qiáng)化學(xué)習(xí)中,智能體根據(jù)環(huán)境的狀態(tài)做出一個(gè)動(dòng)作,并得到即時(shí)或延時(shí)的獎(jiǎng)勵(lì)。智能體在與環(huán)境的交互中不斷學(xué)習(xí)并調(diào)整策略。1.按有無(wú)指導(dǎo)來(lái)分3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.4機(jī)器學(xué)習(xí)的分類2.按學(xué)習(xí)方法來(lái)分(1)機(jī)械式學(xué)習(xí)。機(jī)械式學(xué)習(xí)就是死記硬背式學(xué)習(xí),是最簡(jiǎn)單、最原始的學(xué)習(xí)方法。機(jī)械式學(xué)習(xí)通過(guò)簡(jiǎn)單記憶和查詢達(dá)到學(xué)習(xí)目的。(2)指導(dǎo)式學(xué)習(xí)。指導(dǎo)式學(xué)習(xí)就是由外部環(huán)境向系統(tǒng)提供一般性的指示或建議,系統(tǒng)把它們具體地轉(zhuǎn)化為細(xì)節(jié)知識(shí)并送入知識(shí)庫(kù)中。(3)范例學(xué)習(xí)。范例學(xué)習(xí)也稱為基于實(shí)例的學(xué)習(xí),是基于過(guò)去經(jīng)驗(yàn)的一種學(xué)習(xí)方法,也可以看作一種類比學(xué)習(xí)。3.1認(rèn)識(shí)機(jī)器學(xué)習(xí)3.1.4機(jī)器學(xué)習(xí)的分類3.按推理策略來(lái)分(1)演繹學(xué)習(xí)。演繹學(xué)習(xí)就是根據(jù)常規(guī)邏輯進(jìn)行演繹推理的學(xué)習(xí)方法。演繹推理是從一般到個(gè)別的推理,其學(xué)習(xí)過(guò)程是一個(gè)特化過(guò)程。(2)歸納學(xué)習(xí)。歸納學(xué)習(xí)就是從一系列正例和反例中,通過(guò)歸納推理產(chǎn)生一般概念的學(xué)習(xí)方法。歸納學(xué)習(xí)的目標(biāo)是生成合理的能解釋已知事實(shí)和預(yù)見(jiàn)新事實(shí)的一般性結(jié)論。歸納推理是從個(gè)別到一般的推理,其學(xué)習(xí)過(guò)程是一個(gè)泛化過(guò)程。(3)類比學(xué)習(xí)。類比學(xué)習(xí)就是通過(guò)對(duì)相似事物進(jìn)行比較而得到結(jié)果的學(xué)習(xí)方法。類比學(xué)習(xí)依據(jù)從個(gè)別到個(gè)別的類比推理法。(4)解釋學(xué)習(xí)。解釋學(xué)習(xí)也稱為分析學(xué)習(xí),是從完善的領(lǐng)域理論出發(fā)演繹出有助于有效地利用領(lǐng)域理論的規(guī)則。其學(xué)習(xí)目的是提高系統(tǒng)性能,而不是修改領(lǐng)域理論。3.2機(jī)器學(xué)習(xí)方法機(jī)器學(xué)習(xí)是在計(jì)算機(jī)系統(tǒng)的支持下,由大量樣本數(shù)據(jù)通過(guò)機(jī)器建模獲得學(xué)習(xí)模型作為結(jié)果的一個(gè)過(guò)程,可用下面的公式表示:樣本數(shù)據(jù)+機(jī)器建模=學(xué)習(xí)模型由上述公式可見(jiàn),機(jī)器學(xué)習(xí)的兩大要素是樣本數(shù)據(jù)與機(jī)器建模。學(xué)習(xí)模型是由樣本數(shù)據(jù)通過(guò)機(jī)器建模而獲得的學(xué)習(xí)結(jié)果,它是一種知識(shí)模型。下面討論幾種常見(jiàn)的學(xué)習(xí)模型。3.2機(jī)器學(xué)習(xí)方法3.2.1決策樹(shù)學(xué)習(xí)決策樹(shù)也稱判定樹(shù),它是由對(duì)象的若干屬性、屬性值和有關(guān)決策組成的一棵樹(shù)。其中的節(jié)點(diǎn)為屬性(一般為語(yǔ)音變量),分支為相應(yīng)的屬性值(一般為語(yǔ)言值),從同一節(jié)點(diǎn)出發(fā)的各個(gè)分支之間是邏輯“或”關(guān)系,根節(jié)點(diǎn)為對(duì)象的某個(gè)屬性;從根節(jié)點(diǎn)到每一個(gè)葉子節(jié)點(diǎn)的所有節(jié)點(diǎn)和邊,按順序串連成一條分支路徑,位于同一條分支路徑上的各個(gè)“屬性-值”對(duì)之間是邏輯“與”關(guān)系,葉子節(jié)點(diǎn)為這個(gè)“與”關(guān)系的對(duì)應(yīng)結(jié)果,即決策。1.決策樹(shù)的概念3.2機(jī)器學(xué)習(xí)方法3.2.1決策樹(shù)學(xué)習(xí)例如,圖3-4所示是一棵決策樹(shù)。其中,A、B、C代表屬性,ai、bj、ck代表屬性值,dl

代表對(duì)應(yīng)的決策。處于同一層的屬性(圖3-4中的B、C)可能相同,也可能不同,所有葉子節(jié)點(diǎn)(圖3-4中的dl

,l=1,2,…,6)所表示的決策中也可能有相同者。圖3-4決策樹(shù)示意圖1.決策樹(shù)的概念3.2機(jī)器學(xué)習(xí)方法3.2.1決策樹(shù)學(xué)習(xí)下面用一個(gè)決策樹(shù)來(lái)判斷一個(gè)人的性別,如圖3-5所示。圖中只有一個(gè)屬性來(lái)決定這個(gè)人是男人還是女人,一個(gè)屬性往往決定的結(jié)果并不準(zhǔn)確。例如,小孩沒(méi)有胡子,但是并不能認(rèn)為小孩都是女人。如果想使判斷相對(duì)準(zhǔn)確,需要再增加屬性(如喉結(jié)),如圖3-6所示。圖3-5用一個(gè)屬性判斷性別圖3-6用兩個(gè)屬性判斷性別1.決策樹(shù)的概念3.2機(jī)器學(xué)習(xí)方法3.2.1決策樹(shù)學(xué)習(xí)2.決策樹(shù)的學(xué)習(xí)決策樹(shù)是一種知識(shí)表示形式,構(gòu)造決策樹(shù)可由人來(lái)完成,但也可以由機(jī)器從一些實(shí)例中總結(jié)、歸納出來(lái),即由機(jī)器學(xué)習(xí)而得。機(jī)器學(xué)習(xí)決策樹(shù)也就是所說(shuō)的決策樹(shù)學(xué)習(xí)。決策樹(shù)學(xué)習(xí)是一種歸納學(xué)習(xí)。由于一棵決策樹(shù)表示一組產(chǎn)生式規(guī)則,決策樹(shù)學(xué)習(xí)也是一種規(guī)則學(xué)習(xí)。需要注意的是,當(dāng)規(guī)則是某概念的判定規(guī)則時(shí),這種決策樹(shù)學(xué)習(xí)也就是一種概念學(xué)習(xí)。3.2機(jī)器學(xué)習(xí)方法3.2.1決策樹(shù)學(xué)習(xí)2.決策樹(shù)的學(xué)習(xí)決策樹(shù)學(xué)習(xí)的基本方法和步驟如下:(1)(2)(3)選取一個(gè)屬性,按這個(gè)屬性的不同取值對(duì)實(shí)例集進(jìn)行分類,并以該屬性作為根節(jié)點(diǎn),以這個(gè)屬性的各個(gè)取值作為根節(jié)點(diǎn)的分支來(lái)畫樹(shù)?？疾樗玫拿恳粋€(gè)子類,看其中實(shí)例的結(jié)論是否完全相同。如果完全相同,則以這個(gè)相同的結(jié)論作為相應(yīng)分支路徑末端的葉子節(jié)點(diǎn),否則,選取一個(gè)非父節(jié)點(diǎn)的屬性,按這個(gè)屬性的不同取值對(duì)該子集進(jìn)行分類,并以該屬性作為節(jié)點(diǎn),以這個(gè)屬性的各個(gè)取值作為節(jié)點(diǎn)的分支,繼續(xù)畫樹(shù)。如此繼續(xù),直到所分的子集全都滿足實(shí)例結(jié)論完全相同,而得到所有的葉子節(jié)點(diǎn)為止。這樣,一棵決策樹(shù)就生成了。3.2機(jī)器學(xué)習(xí)方法3.2.1決策樹(shù)學(xué)習(xí)3.ID3算法ID3算法是一個(gè)經(jīng)典的決策樹(shù)學(xué)習(xí)算法,由澳大利亞計(jì)算機(jī)科學(xué)家RQuinlan于1979年提出,全稱是iterativedichotomiser3。ID3算法的基本思想是,以信息熵為度量,用于決策樹(shù)節(jié)點(diǎn)的屬性選擇,每次優(yōu)先選取信息量最多的屬性,亦即能使熵值變成最小的屬性,以構(gòu)造一棵熵值下降最快的決策樹(shù),到葉子節(jié)點(diǎn)處的熵值為0。此時(shí),每個(gè)子節(jié)點(diǎn)對(duì)應(yīng)的實(shí)例集中的實(shí)例屬于同類。3.2機(jī)器學(xué)習(xí)方法3.2.2貝葉斯算法1.貝葉斯算法的概念貝葉斯算法要解決兩個(gè)重要問(wèn)題:正向概率和逆向概率。正向概率是指假設(shè)袋子里面有N個(gè)白球,M個(gè)黑球,你伸手進(jìn)去摸一把,摸出黑球的概率是多大。逆向概率是指如果事先不知道袋子里面黑、白球的比例,而是閉著眼睛摸出一個(gè)(或好幾個(gè))球,觀察這些取出來(lái)的球的顏色之后,那么可以對(duì)袋子里面的黑、白球比例做出什么樣的推測(cè)。例如,校園中,男生占60%,女性占40%,男生喜歡打乒乓球,女生則一半喜歡打乒乓球一半喜歡游泳。正向概率:隨機(jī)選取一個(gè)學(xué)生,他(她)打乒乓球的概率和游泳的概率是多大。逆向概率:迎面走來(lái)一個(gè)拿著乒乓球拍的學(xué)生,你只看得見(jiàn)他(她)拿著乒乓球拍,而無(wú)法確定他(她)的性別,你能夠推斷出他(她)是女生的概率是多大嗎?3.2機(jī)器學(xué)習(xí)方法3.2.2貝葉斯算法1.貝葉斯算法的概念根據(jù)上面的例子,可以推出貝葉斯公式:P

(A|B)=P

(B|A)*P

(A)/P

(B)其中,P

(A|B)是在B

發(fā)生的情況下A發(fā)生的可能性。在貝葉斯定理中,每個(gè)名詞都有約定俗成的名稱:●P

(A)是A的先驗(yàn)概率,之所以稱為“先驗(yàn)”,是因?yàn)樗豢紤]任何B

方面的因素?！馪

(A|B)是已知B發(fā)生后A的條件概率,也由于得自B的取值而被稱為A

的后驗(yàn)概率?！馪

(B|A)是已知A發(fā)生后B的條件概率,也由于得自A的取值而被稱為B

的后驗(yàn)概率?！馪

(B)是B

的先驗(yàn)概率,也稱為標(biāo)準(zhǔn)化常量(normalizingconstant)。3.2機(jī)器學(xué)習(xí)方法3.2.2貝葉斯算法2.樸素貝葉斯算法的特點(diǎn)(1)樸素貝葉斯算法很直觀,計(jì)算量也不大,在很多領(lǐng)域有廣泛的應(yīng)用,主要優(yōu)點(diǎn)如下:樸素貝葉斯模型發(fā)源于古典數(shù)學(xué)理論,有穩(wěn)定的分類效率。①標(biāo)題文字對(duì)小規(guī)模的數(shù)據(jù)表現(xiàn)很好,能夠處理多分類任務(wù),適合增量式訓(xùn)練,尤其是數(shù)據(jù)量超出內(nèi)存時(shí),可以一批批地增量訓(xùn)練。②③對(duì)缺失數(shù)據(jù)不太敏感,算法也比較簡(jiǎn)單,常用于文本分類。3.2機(jī)器學(xué)習(xí)方法3.2.2貝葉斯算法2.樸素貝葉斯算法的特點(diǎn)(2)樸素貝葉斯算法的主要缺點(diǎn)如下:①理論上樸素貝葉斯模型與其他分類方法相比具有最小的誤差率,但是實(shí)際上并非總是如此,這是因?yàn)闃闼刎惾~斯模型假設(shè)屬性之間相互獨(dú)立,這個(gè)假設(shè)在實(shí)際應(yīng)用中往往是不成立的,在屬性個(gè)數(shù)比較多或?qū)傩灾g相關(guān)性較大時(shí),分類效果不好。②需要知道先驗(yàn)概率,且先驗(yàn)概率很多時(shí)候取決于假設(shè),假設(shè)的模型可以有很多種,因此在某些時(shí)候會(huì)由于假設(shè)的先驗(yàn)?zāi)Ｐ偷脑驅(qū)е骂A(yù)測(cè)效果不佳。③由于是通過(guò)先驗(yàn)和數(shù)據(jù)來(lái)決定后驗(yàn)的概率從而決定分類的,分類決策存在一定的錯(cuò)誤率。④對(duì)輸入數(shù)據(jù)的表達(dá)形式很敏感。3.2機(jī)器學(xué)習(xí)方法3.2.2貝葉斯算法3.貝葉斯算法的應(yīng)用場(chǎng)景(2)樸素貝葉斯算法的主要缺點(diǎn)如下:(1)(2)(3)文本分類、垃圾文本過(guò)濾和情感判別。多分類實(shí)時(shí)預(yù)測(cè)。推薦系統(tǒng)。3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法1.K均值聚類算法K均值聚類算法也稱K-Means聚類算法,如圖3-7所示,是使用最普遍和最重要的聚類算法之一。K均值聚類算法主要基于數(shù)據(jù)點(diǎn)之間的均值和與聚類中心的聚類迭代而成。它主要的優(yōu)點(diǎn)是十分高效,只需要計(jì)算數(shù)據(jù)點(diǎn)與聚類中心的距離即可,其計(jì)算復(fù)雜度只有O(n),工作原理主要分為以下四步:1243(1)首先需要預(yù)先給定聚類的數(shù)目同時(shí)隨機(jī)初始化聚類中心,可以粗略地觀察數(shù)據(jù)并給出較為準(zhǔn)確的聚類數(shù)目。(2)每一個(gè)數(shù)據(jù)點(diǎn)通過(guò)計(jì)算與聚類中心的距離來(lái)分類到最鄰近的一類中。(3)根據(jù)分類結(jié)果,利用分類后的數(shù)據(jù)點(diǎn)重新計(jì)算聚類中心。(4)重復(fù)步驟(2)和步驟(3),直到聚類中心不再變化。3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法1.K均值聚類算法圖3-7K均值聚類算法3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法2.均值漂移算法圖3-8均值漂移算法均值漂移算法是一種基于密度梯度上升的非參數(shù)方法,其基本思想是在數(shù)據(jù)集中選定一個(gè)點(diǎn),然后以這個(gè)點(diǎn)為圓心,以r為半徑畫一個(gè)圓(二維下是圓),求出這個(gè)點(diǎn)到所有點(diǎn)的向量的平均值,而圓心與向量均值的和為新的圓心,然后迭代此過(guò)程,直到滿足一點(diǎn)的條件結(jié)束,如圖3-8所示。3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法2.均值漂移算法均值漂移算法的過(guò)程如下:(1)首先以隨機(jī)選取的點(diǎn)為圓心,以r為半徑作一個(gè)圓形的滑窗。其目標(biāo)是找出數(shù)據(jù)點(diǎn)中密度最高點(diǎn)并作為中心。(2)在每個(gè)迭代后滑動(dòng)窗口的中心將向著較高密度的方向移動(dòng)。(3)連續(xù)移動(dòng),直到任何方向的移動(dòng)都不能增加滑窗中點(diǎn)的數(shù)量,此時(shí)滑窗收斂。(4)將上述步驟在多個(gè)滑窗上進(jìn)行以覆蓋所有的點(diǎn)。當(dāng)多個(gè)滑窗收斂重疊時(shí),其經(jīng)過(guò)的點(diǎn)將會(huì)通過(guò)其滑窗聚為一個(gè)類。3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法2.均值漂移算法圖與3-9中每一個(gè)黑點(diǎn)代表一個(gè)滑窗的中心,它們最終重疊在每一類的中心。圖3-9均值漂移算法的滑窗3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法3.基于密度的聚類算法基于密度的聚類經(jīng)典算法———DBSCAN算法(density-based

spatial

clustering

ofapplication

with

noise,具有噪聲的基于密度的空間聚類應(yīng)用)是一種基于高密度連接區(qū)域的密度聚類算法,是一個(gè)比較有代表性的基于密度的聚類算法,但其原理與均值漂移算法大不相同,如圖3-10所示,其主要過(guò)程如下:圖3-10DBSCAN算法3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法4.利用高斯混合模型進(jìn)行最大期望估計(jì)對(duì)于較復(fù)雜的分布K均值算法,將會(huì)產(chǎn)生圖3-11所示的較為離譜的聚類結(jié)果。圖3-11較復(fù)雜的分布K均值算法的聚類效果3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法4.利用高斯混合模型進(jìn)行最大期望估計(jì)而高斯混合模型具有更高的靈活性,是通過(guò)假設(shè)數(shù)據(jù)點(diǎn)符合均值和標(biāo)準(zhǔn)差描述的高斯混合模型來(lái)實(shí)現(xiàn)的。圖3-12所示為以二維情況為例描述的利用最大期望優(yōu)化算法來(lái)獲取分布參數(shù)的過(guò)程。圖3-12利用最大期望優(yōu)化算法來(lái)獲取分布參數(shù)的過(guò)程3.2機(jī)器學(xué)習(xí)方法3.2.3聚類算法5.層次凝聚聚類算法層次凝聚聚類算法主要有自頂向下和自底向上兩種方式。其中,自底向上方式最初將每個(gè)點(diǎn)看作獨(dú)立的類別,隨后通過(guò)一步步地凝聚最后形成獨(dú)立的一大類,并包含所有的數(shù)據(jù)點(diǎn)。這會(huì)形成一個(gè)樹(shù)形結(jié)構(gòu),并在這一過(guò)程中形成聚類,如圖3-13所示。圖3-13層次凝聚聚類算法的樹(shù)形結(jié)構(gòu)3.2機(jī)器學(xué)習(xí)方法3.2.4遷移學(xué)習(xí)對(duì)于人類來(lái)說(shuō),遷移學(xué)習(xí)(transferlearning,TL)就是掌握舉一反三的學(xué)習(xí)能力。例如,學(xué)會(huì)騎自行車后,學(xué)騎摩托車就很簡(jiǎn)單了;在學(xué)會(huì)打羽毛球后,再學(xué)打網(wǎng)球也就沒(méi)那么難了。這就是舉一反三,在某個(gè)領(lǐng)域中所學(xué)習(xí)到的知識(shí)可以在另一個(gè)領(lǐng)域中有類似的知識(shí)供使用,這就是遷移學(xué)習(xí)的思想。3.2機(jī)器學(xué)習(xí)方法3.2.4遷移學(xué)習(xí)基于這種遷移學(xué)習(xí)的思想,可以建立起人工智能中遷移學(xué)習(xí)的理論,它可作為機(jī)器學(xué)習(xí)的一個(gè)部分用于知識(shí)的獲取。這里介紹這種理論中的基本概念,包括如下一些內(nèi)容:(1)源領(lǐng)域。在遷移學(xué)習(xí)中所需遷移知識(shí)所在的領(lǐng)域稱為源領(lǐng)域,如“自行車”領(lǐng)域、“中國(guó)象棋”領(lǐng)域等均為源領(lǐng)域。(2)目標(biāo)領(lǐng)域。在遷移學(xué)習(xí)中所需遷移知識(shí)的目標(biāo)所在的領(lǐng)域稱為目標(biāo)領(lǐng)域,如“摩托車”領(lǐng)域、“國(guó)際象棋”領(lǐng)域及“圍棋”領(lǐng)域等均為目標(biāo)領(lǐng)域。(3)遷移學(xué)習(xí)。在源領(lǐng)域中所學(xué)習(xí)到的知識(shí)往往在目標(biāo)領(lǐng)域中也可學(xué)習(xí)到,此時(shí)實(shí)際上可以用某些變換、映射等手段從源領(lǐng)域中將知識(shí)轉(zhuǎn)移到目標(biāo)領(lǐng)域從而達(dá)到減少目標(biāo)領(lǐng)域中的學(xué)習(xí)成本,提高學(xué)習(xí)效果的作用,這種學(xué)習(xí)稱為遷移學(xué)習(xí)。3.2機(jī)器學(xué)習(xí)方法3.2.4遷移學(xué)習(xí)圖3-14所示為遷移學(xué)習(xí)的原理。圖3-14遷移學(xué)習(xí)的原理在遷移學(xué)習(xí)中,目標(biāo)領(lǐng)域的學(xué)習(xí)方法主要分兩個(gè)步驟進(jìn)行:首先從源領(lǐng)域中通過(guò)遷移學(xué)習(xí)將一部分類似的知識(shí)遷移至目標(biāo)領(lǐng)域;然后以這些知識(shí)為起點(diǎn),在目標(biāo)領(lǐng)域中繼續(xù)學(xué)習(xí),此時(shí)的學(xué)習(xí)已有了遷移的知識(shí),因此學(xué)習(xí)就變得簡(jiǎn)單、方便和容易了,圖3-15所示為遷移學(xué)習(xí)方法的兩個(gè)步驟。圖3-15遷移學(xué)習(xí)方法的兩個(gè)步驟3.2機(jī)器學(xué)習(xí)方法3.2.4遷移學(xué)習(xí)1.計(jì)算機(jī)視覺(jué)遷移學(xué)習(xí)已被廣泛地應(yīng)用于計(jì)算機(jī)視覺(jué)的研究中,如圖片分類、風(fēng)格遷移等。圖3-16展示了不同的遷移學(xué)習(xí)圖片分類任務(wù)。同一類圖片,不同的拍攝角度、光照和背景,都會(huì)造成特征分布發(fā)生改變。因此,使用遷移學(xué)習(xí)構(gòu)建跨領(lǐng)域的魯棒分類器是十分重要的。圖3-16(a)中的手寫體數(shù)據(jù)分別來(lái)自經(jīng)典數(shù)據(jù)集MNIST和USPS,圖3-16(b)中的圖像數(shù)據(jù)則來(lái)自遷移學(xué)習(xí)公開(kāi)數(shù)據(jù)集Office-Home。圖3-16遷移學(xué)習(xí)在視覺(jué)領(lǐng)域的應(yīng)用(a)跨領(lǐng)域手寫體識(shí)別(b)跨領(lǐng)域圖像識(shí)別3.2機(jī)器學(xué)習(xí)方法3.2.4遷移學(xué)習(xí)2.自然語(yǔ)言處理自然語(yǔ)言處理領(lǐng)域也有著大量遷移學(xué)習(xí)的應(yīng)用。以文本分類為例,由于文本數(shù)據(jù)有其領(lǐng)域特殊性,在一個(gè)領(lǐng)域上訓(xùn)練的分類器,不能直接拿來(lái)作用到另一個(gè)領(lǐng)域上,這就需要用到遷移學(xué)習(xí)。圖3-17所示是一個(gè)由電子產(chǎn)品評(píng)論遷移到DVD評(píng)論的遷移學(xué)習(xí)任務(wù)。圖3-17遷移學(xué)習(xí)文本分類任務(wù)3.2機(jī)器學(xué)習(xí)方法3.2.4遷移學(xué)習(xí)3.普適計(jì)算與人機(jī)交互行為識(shí)別(activityrecognition)主要通過(guò)佩戴在用戶身體上的傳感器研究用戶的行為。行為數(shù)據(jù)是一種時(shí)間序列數(shù)據(jù),不同用戶、不同環(huán)境、不同位置、不同設(shè)備,都會(huì)導(dǎo)致時(shí)間序列數(shù)據(jù)的分布發(fā)生變化,此時(shí),也需要進(jìn)行遷移學(xué)習(xí),如圖3-18所示。圖3-18遷移學(xué)習(xí)在普適計(jì)算與人機(jī)交互領(lǐng)域的應(yīng)用(a)不同位置的傳感器信號(hào)差異;(b)室內(nèi)定位模型由于位置的變化導(dǎo)致的模型性能變化3.3深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)起源于對(duì)生物神經(jīng)元的研究,生物神經(jīng)元包括細(xì)胞體、樹(shù)突、軸突等部分。其中,樹(shù)突用于接受輸入信息,輸入信息經(jīng)過(guò)突觸處理,當(dāng)達(dá)到一定條件時(shí)通過(guò)軸突傳出,此時(shí)神經(jīng)元處于激活狀態(tài);反之,沒(méi)有達(dá)到相應(yīng)條件,則神經(jīng)元處于抑制狀態(tài),如圖3-19所示。圖3-19生物神經(jīng)元3.3深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)一般的神經(jīng)網(wǎng)絡(luò)包含輸入層、隱藏層和輸出層三個(gè)部分。圖3-20所示是含有一個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò),隱藏層的層數(shù)越多,隱藏層的節(jié)點(diǎn)數(shù)目越多,在非線性的激活函數(shù)下,神經(jīng)網(wǎng)絡(luò)就可以學(xué)習(xí)更深層次的特征。圖3-20人工神經(jīng)網(wǎng)絡(luò)3.3深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)了解神經(jīng)網(wǎng)絡(luò),還需要了解以下幾個(gè)概念:(1)激活函數(shù)。激活函數(shù)是神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的核心單元,激活函數(shù)是用來(lái)加入非線性因素的,因?yàn)榫€性模型的表達(dá)能力不夠。激活函數(shù)需要滿足以下幾個(gè)條件:①非線性若激活函數(shù)是線性的,則不管引入多少隱藏層,其效果和單層感知機(jī)沒(méi)有任何差別。①可微性訓(xùn)練網(wǎng)絡(luò)時(shí)使用的基于梯度的優(yōu)化方法需要激活函數(shù)必須可微。②單調(diào)性單調(diào)性保證了神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)單。③3.3深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)了解神經(jīng)網(wǎng)絡(luò),還需要了解以下幾個(gè)概念:(2)損失函數(shù)。損失函數(shù)(lossfunction)也稱代價(jià)函數(shù)(costfunction),是神經(jīng)網(wǎng)絡(luò)優(yōu)化的目標(biāo)函數(shù),神經(jīng)網(wǎng)絡(luò)訓(xùn)練或優(yōu)化的過(guò)程就是最小化損失函數(shù)的過(guò)程(損失函數(shù)值小了,對(duì)應(yīng)預(yù)測(cè)的結(jié)果和真實(shí)結(jié)果的值就越接近)。(3)反向傳播(backpropagation,BP)算法。BP算法分為正向傳播和誤差的反向傳播兩個(gè)部分。正向傳播時(shí),輸入樣本從輸入層進(jìn)入網(wǎng)絡(luò),經(jīng)隱藏層逐層傳遞至輸出層,若輸出層的實(shí)際輸出與期望輸出(導(dǎo)師信號(hào))不同,則轉(zhuǎn)至誤差反向傳播;若輸出層的實(shí)際輸出與期望輸出(導(dǎo)師信號(hào))相同,則結(jié)束學(xué)習(xí)算法。3.4機(jī)器學(xué)習(xí)的應(yīng)用1.醫(yī)療診斷和計(jì)算機(jī)生物學(xué)機(jī)器學(xué)習(xí)將改善整個(gè)醫(yī)療保健價(jià)值鏈的成果并降低成本。它擁有改善診斷、減少錯(cuò)誤和簡(jiǎn)化藥物發(fā)現(xiàn)過(guò)程的潛力,而這一切都令人感到興奮?；颊邤?shù)據(jù)可被用于早期檢測(cè)疾病和個(gè)性化治療。制藥和生物科技公司可以使用計(jì)算方法快速、有效地發(fā)現(xiàn)比市場(chǎng)上現(xiàn)有藥品更為有效的新藥。我們的目的是根據(jù)人們的研究提出一組具有代表性的提議。3.4機(jī)器學(xué)習(xí)的應(yīng)用2.供應(yīng)鏈機(jī)器學(xué)習(xí)算法以及基于這種算法的模型,非常擅長(zhǎng)在大型數(shù)據(jù)集中發(fā)現(xiàn)異常、模式和得出預(yù)測(cè)性見(jiàn)解。機(jī)器學(xué)習(xí)可以改善供應(yīng)鏈的方方面面,包括需求預(yù)測(cè)、市場(chǎng)趨勢(shì)、貿(mào)易促銷和新產(chǎn)品。目前的公司很難評(píng)估不斷變化的市場(chǎng)模式和波動(dòng),為業(yè)務(wù)決策提供信息并準(zhǔn)確預(yù)測(cè),而機(jī)器學(xué)習(xí)將改變這一切。據(jù)全球最具權(quán)威的IT研究與顧問(wèn)咨詢公司Gartner預(yù)測(cè),到2023年,25%的供應(yīng)鏈技術(shù)解決方案中將內(nèi)嵌智能算法和人工智能技術(shù),或者將其作為增強(qiáng)型組件。3.4機(jī)器學(xué)習(xí)的應(yīng)用3.制造業(yè)機(jī)器學(xué)習(xí)模型可以增強(qiáng)企業(yè)的幾乎所有方面,從市場(chǎng)營(yíng)銷到銷售再到維護(hù)。在制造業(yè),物聯(lián)網(wǎng)的興起及其帶來(lái)的前所未有的海量數(shù)據(jù),為利用機(jī)器學(xué)習(xí)帶來(lái)了無(wú)數(shù)機(jī)會(huì)。工業(yè)機(jī)械的計(jì)算機(jī)化也在迅速地進(jìn)行?；ヂ?lián)網(wǎng)數(shù)據(jù)中心(Internet

Data

Center,IDC)數(shù)據(jù)顯示,物聯(lián)網(wǎng)平臺(tái)的支出將從2019年的每年7450億美元上升到2023年的逾1萬(wàn)億美元。3.4機(jī)器學(xué)習(xí)的應(yīng)用4.金融風(fēng)險(xiǎn)與合規(guī)性機(jī)器學(xué)習(xí)方法具備分析大量數(shù)據(jù)的能力,同時(shí)提供深度的預(yù)測(cè)分析,可以提高金融機(jī)構(gòu)中的風(fēng)險(xiǎn)管理能力和合規(guī)領(lǐng)域的分析能力。例如,檢測(cè)付費(fèi)系統(tǒng)中復(fù)雜的非法交易模式以及更準(zhǔn)確的信用風(fēng)險(xiǎn)建模。機(jī)器學(xué)習(xí)方法在金融服務(wù)領(lǐng)域的應(yīng)用高度依賴于環(huán)境,金融機(jī)構(gòu)并不總是提供用于培訓(xùn)或分析的高質(zhì)量數(shù)據(jù)。更重要的是,幾種方法的分析預(yù)測(cè)能力可能以增加模型復(fù)雜性和缺乏解釋性洞察力為代價(jià),這是需要改進(jìn)的地方。3.4機(jī)器學(xué)習(xí)的應(yīng)用5.改善語(yǔ)音通話在企業(yè)運(yùn)轉(zhuǎn)中的作用盡管分析語(yǔ)音是業(yè)務(wù)工作流的關(guān)鍵組成部分,但分析語(yǔ)音的復(fù)雜性使其處于機(jī)器學(xué)習(xí)趨勢(shì)的邊緣。2013年的New

Voice

Media研究報(bào)告稱,由于呼叫中心的效率低下,企業(yè)每年約損失410億美元。而企業(yè)每年約有240萬(wàn)內(nèi)部銷售參與數(shù)百萬(wàn)小時(shí)的會(huì)話。因此,對(duì)語(yǔ)音通話進(jìn)行自動(dòng)化流程的改進(jìn)對(duì)企業(yè)具有重要意義。當(dāng)今,電信企業(yè)使用人工智能和機(jī)器學(xué)習(xí)(主要通過(guò)使用虛擬助手和聊天機(jī)器人)來(lái)改善其客戶服務(wù)。3.4機(jī)器學(xué)習(xí)的應(yīng)用6.保險(xiǎn)行業(yè)保險(xiǎn)是一個(gè)龐大且范圍廣泛的類別,機(jī)器學(xué)習(xí)可以幫助保險(xiǎn)公司以更低的成本提供更有針對(duì)性的產(chǎn)品。例如,汽車保險(xiǎn)公司可以使用駕駛和其他行為數(shù)據(jù)單獨(dú)定價(jià)溢價(jià),或者可以使用更好的欺詐檢測(cè)方法降低其總體成本結(jié)構(gòu)。機(jī)器學(xué)習(xí)正在以多種方式改變著保險(xiǎn)行業(yè)。(1)保險(xiǎn)咨詢和客戶服務(wù)的改變(2)交易和索賠的改變(3)減少欺詐行為3.4機(jī)器學(xué)習(xí)的應(yīng)用7.個(gè)性化教育傳統(tǒng)教育的一個(gè)主要限制是,盡管學(xué)生之間的理解水平和學(xué)習(xí)風(fēng)格不同,教師卻必須為整個(gè)班級(jí)教授一個(gè)標(biāo)準(zhǔn)課程。如今,機(jī)器學(xué)習(xí)在教育領(lǐng)域已經(jīng)開(kāi)始發(fā)揮作用,隨著機(jī)器學(xué)習(xí)的整合,教育和教學(xué)效率都有所提高,同時(shí)為教師和學(xué)生提供了可定制的學(xué)習(xí)體驗(yàn)。3.4機(jī)器學(xué)習(xí)的應(yīng)用8.自動(dòng)駕駛汽車機(jī)器學(xué)習(xí)可以將汽車內(nèi)外傳感器的數(shù)據(jù)進(jìn)行融合,借此評(píng)估駕駛員情況、進(jìn)行駕駛場(chǎng)景分類,以此來(lái)實(shí)現(xiàn)自動(dòng)駕駛功能。各大公司已經(jīng)廣泛采用機(jī)器學(xué)習(xí)尋找相應(yīng)的解決方案。汽車中的電子控制單元已經(jīng)整合了傳感器數(shù)據(jù)處理,如何充分利用機(jī)器學(xué)習(xí)完成新的任務(wù)變得至關(guān)重要。百度Apollo無(wú)人駕駛小巴如圖3-21所示。圖3-21百度Apollo無(wú)人駕駛小巴思考與練習(xí)1.什么是機(jī)器學(xué)習(xí)?2.簡(jiǎn)述機(jī)器學(xué)習(xí)的基本模型。3.簡(jiǎn)述機(jī)器學(xué)習(xí)的分類。模塊4搜索策略模塊4搜索策略本模塊講述了問(wèn)題求解中所采用的搜索策略,包括盲目搜索和啟發(fā)式搜索,對(duì)比了多種搜索策略的優(yōu)劣。通過(guò)本模塊的學(xué)習(xí),讀者應(yīng)達(dá)到以下學(xué)習(xí)目標(biāo):(1)了解搜索的基本概念及問(wèn)題的表示方式;(2)了解與或樹(shù)的表示方式;(3)理解廣度優(yōu)先搜索策略和深度優(yōu)先搜索策略的搜索路徑;(4)理解博弈樹(shù)搜索策略及應(yīng)用。4.1搜索策略的基本概念1.空間狀態(tài)法問(wèn)題求解的空間狀態(tài)法可以描述為:若定義S

為被求解問(wèn)題可能有的初始狀態(tài)的集合,F為求解過(guò)程中可使用的操作的集合,而G為目標(biāo)狀態(tài)的集合,那么問(wèn)題求解的過(guò)程則是在狀態(tài)空間中尋找從初始狀態(tài)X出發(fā),到達(dá)目標(biāo)狀態(tài)Xs

的一個(gè)路徑,這就是問(wèn)題求解的搜索路徑。一般情況下,問(wèn)題求解過(guò)程由下面三個(gè)部分組成:(1)數(shù)據(jù)庫(kù)(2)操作規(guī)則(3)控制策略2.問(wèn)題歸納法問(wèn)題歸納法是不同于狀態(tài)空間法的另一種問(wèn)題描述和求解的方法。問(wèn)題歸納可用一個(gè)三元組(S0

,O

,P

)來(lái)描述,其中,S0

是初始問(wèn)題,即要求解的問(wèn)題。P是本原問(wèn)題集,其中的每一個(gè)問(wèn)題是不用證明而自然成立的,如公理、已知事實(shí)等,或已證明過(guò)的。O

是操作算子集,通過(guò)一個(gè)操作算子把一個(gè)問(wèn)題轉(zhuǎn)化成若干個(gè)子問(wèn)題。這種表示方法是由問(wèn)題出發(fā),運(yùn)用操作算子產(chǎn)生一些子問(wèn)題,對(duì)子問(wèn)題再運(yùn)用操作算子產(chǎn)生子問(wèn)題的子問(wèn)題,這樣一直進(jìn)行到產(chǎn)生的問(wèn)題均為本原問(wèn)題,則問(wèn)題得解。4.1搜索策略的基本概念4.1.1認(rèn)識(shí)AI中的搜索什么是AI中的搜索?根據(jù)問(wèn)題的實(shí)際情況不斷尋找可利用的知識(shí),構(gòu)造出一條代價(jià)較少的推理路線,使問(wèn)題得到圓滿解決的過(guò)程稱為搜索。搜索包括兩個(gè)方面,即找到從初始事實(shí)到問(wèn)題最終答案的一條推理路徑和找到的這條路徑是在時(shí)間及空間上復(fù)雜度最小的路徑。搜索是沿著一定的搜索策略找到問(wèn)題的最終可能答案的過(guò)程,它是人工智能中的一個(gè)核心技術(shù),是推理不可分割的一部分,它直接關(guān)系到智能系統(tǒng)的性能和運(yùn)行效率。4.1搜索策略的基本概念為了成功地設(shè)計(jì)和實(shí)現(xiàn)搜索算法,程序員必須能夠分析和預(yù)測(cè)它們的行為。需要回答的問(wèn)題包括:(1)問(wèn)題求解器保證可以找到解嗎?(2)問(wèn)題求解器總是可以終止嗎?也就是說(shuō)它是否可能陷入無(wú)限循環(huán)?(3)當(dāng)找到解時(shí),能保證這個(gè)解是最優(yōu)解嗎?(4)搜索過(guò)程的時(shí)間復(fù)雜度如何?內(nèi)存使用呢?(5)怎樣使解釋程序最有效地降低搜索復(fù)雜度?4.1.2狀態(tài)空間表示法4.1搜索策略的基本概念圖是由一系列節(jié)點(diǎn)和一系列連接節(jié)點(diǎn)的弧構(gòu)成的。在問(wèn)題求解的狀態(tài)空間模型中,圖的節(jié)點(diǎn)被用來(lái)表示問(wèn)題求解過(guò)程中的離散狀態(tài),如邏輯推理的結(jié)果。圖的弧表示狀態(tài)之間的轉(zhuǎn)換。狀態(tài)空間可用三元組(S

,O

,G

)來(lái)描述,其中S

是狀態(tài)集合,每個(gè)元素表示一個(gè)狀態(tài)。狀態(tài)是某種事實(shí)的符號(hào)或數(shù)據(jù)。S0是S

的非空子集,是問(wèn)題的初始狀態(tài)。G

也是S的非空子集,表示目標(biāo)狀態(tài)集。它可以是若干具體的狀態(tài),也可以是對(duì)某些狀態(tài)性質(zhì)的描述。O

是操作子集,利用它將一個(gè)狀態(tài)轉(zhuǎn)化為另一個(gè)狀態(tài)。狀態(tài)空間的一個(gè)解是一個(gè)有限的操作序列,它使初始狀態(tài)轉(zhuǎn)化為目標(biāo)狀態(tài):其中,O1…Ok

即狀態(tài)空間的一個(gè)解,但解不一定是唯一的。4.1.2狀態(tài)空間表示法4.1搜索策略的基本概念狀態(tài)空間可用有向圖表示,如圖4-1所示,其節(jié)點(diǎn)表示狀態(tài),節(jié)點(diǎn)間的弧表示操作過(guò)程。圖4-1有向圖4.1.2狀態(tài)空間表示法4.1搜索策略的基本概念用與或樹(shù)可以方便地把問(wèn)題歸納為子問(wèn)題替換集合。例如,假設(shè)問(wèn)題A

既可通過(guò)問(wèn)題C1

與C2

,也可通過(guò)問(wèn)題C3

、C4

和C5

,或者由單獨(dú)求解問(wèn)題C6

來(lái)解決,如圖4-2所示。圖中各節(jié)點(diǎn)表示要求解的問(wèn)題或子問(wèn)題。問(wèn)題C1和C2構(gòu)成后繼問(wèn)題的一個(gè)集合,問(wèn)題C3

、C4

和C5

構(gòu)成另一后繼問(wèn)題的集合;而問(wèn)題C6

則為第三個(gè)集合。對(duì)應(yīng)于某個(gè)給定集合的各節(jié)點(diǎn),用一個(gè)連接它們的圓弧來(lái)標(biāo)記。由節(jié)點(diǎn)及連接弧組成的圖稱為與或樹(shù)。還可以引進(jìn)某些附加節(jié)點(diǎn),以便使含有一個(gè)以上后繼問(wèn)題的每個(gè)集合能夠聚集在它們各自的父輩節(jié)點(diǎn)之下。這樣圖4-2就變?yōu)閳D4-3所示的結(jié)構(gòu)了,每個(gè)節(jié)點(diǎn)的后繼只包含一個(gè)連接弧。圖4-2與或樹(shù)4.1.3與或樹(shù)4.1搜索策略的基本概念圖4-3帶附加節(jié)點(diǎn)的與或樹(shù)4.2狀態(tài)空間的搜索策略4.2.1狀態(tài)空間的一般搜索過(guò)程1.搜索過(guò)程的思路狀態(tài)空間圖對(duì)問(wèn)題的求解就相當(dāng)于在有向圖上尋找一條從某節(jié)點(diǎn)(初始狀態(tài)節(jié)點(diǎn))到