人工智能簡介

ArtificialIntelligenceLiJinpingSchoolofInformationScienceandEngineering,JinanUniversity,2002.9MainContentsAboutTeachingPlanofAIBriefIntroductiontoArtificialIntelligence 1.WhatisAI? 2.HistoryofAI 3.ObjectsandContents 4.MethodsofResearch 5.ResearchFieldsSummaryandProblemsAboutTeachingPlan大綱本課程教學義務和目的是：學習知識表示方法、問題求解技術〔確定性推理和不確定性推理〕和推理戰(zhàn)略、知識獲取〔機器學習〕、人工智能程序設計和專家系統(tǒng)；了解機器人技術〔規(guī)劃、視覺和自然言語了解〕、智能控制、神經(jīng)網(wǎng)絡和方式識別等運用；經(jīng)過編程實際和前沿進展調(diào)研，使學生掌握人工智能的根本原理和根本方法，了解國內(nèi)外人工智能研討和運用的最新進展，培育學生的運用才干和發(fā)明才干。AboutTeachingPlan根本要求：人工智能是計算機科學中涉及研討、設計和運用智能機器的一個分支，是目前迅速開展的一門新興學科，新思想新方法層出不窮。其根本思想是利用機器來模擬和執(zhí)行人腦的功能，如判別、推理、證明、識別、感知、了解、設計、思索、規(guī)劃、學習和問題求解等思想活動。對于培育學生計算機技術的運用才干，開闊思緒和視野，有重要意義。AboutTeachingPlan因此，要求學生掌握知識表示和問題求解的幾種常用方法，尤其是不確定性推理；掌握機器學習根本概念，了解幾種機器學習方法尤其是神經(jīng)網(wǎng)絡學習方法；掌握專家系統(tǒng)的概念，了解專家系統(tǒng)設計方法，掌握一些智能控制方法，了解國內(nèi)外人工智能研討尤其是機器人的最新進展；具有一定的人工智能編程設計才干〔利用Lisp或Prolog言語〕。AboutTeachingPlan課程內(nèi)容以及學時分配人工智能引論(1) 人工智能概念及與計算機的關系，研討途徑、內(nèi)容和運用領域概略引見，其他最新資料。符號主義、銜接主義、行為主義三大流派人工智能數(shù)學根底(1)知識表示方法〔2〕 形狀空間法、問題歸約法，謂詞邏輯法、產(chǎn)生式表示法〔動物識別系統(tǒng)〕；CLIPS言語；語義網(wǎng)絡法、框架法〔這是構造化表示〕；劇本、過程、Petri網(wǎng)、面向?qū)ο蟮谋硎?。AboutTeachingPlan 搜索技術和戰(zhàn)略〔3-4〕形狀空間法，盲目搜索和啟發(fā)式搜索，A*算法；海伯倫實際、消解原理和戰(zhàn)略；與\或形推理和搜索戰(zhàn)略；其他求解技術。 不確定推理技術〔3-4〕客觀Bayes實際；可信度方法和證據(jù)實際；系統(tǒng)組織技術；非單調(diào)推理；Rete快速算法；模糊推理技術；基于語義網(wǎng)絡和框架不確定推理； 專家系統(tǒng)〔2〕專家系統(tǒng)概念、構造和知識獲?。缓诎迥Ｐ?、知識組織、管理及系統(tǒng)建造和開發(fā)工具；專家系統(tǒng)舉例及編程。 人工智能程序設計〔1〕人工智能言語根本機制：LISP和PROLOG。AboutTeachingPlan 方式識別導論〔3〕方式識別專題：概率方式識別。方式識別專題：構造方式識別 機器學習〔1〕：機械,解釋閱歷,事例,歸納,概念,類比學習等；統(tǒng)計,構造,模糊方式識別。 專題講座〔3次〕 1)神經(jīng)網(wǎng)絡根本實際和運用 (史奎凡課程：安排于人工智能實際與運用課程內(nèi))； 2)智能體〔Agent〕； 3)自然言語處置； 4)智能控制和機器人科學 智能控制的構造實際和研討領域，智能控制系統(tǒng)及運用例如；機器人規(guī)劃、機器視覺和自然言語了解等。AboutTeachingPlan 實際：1) 搜索技術和戰(zhàn)略2) 不確定推理技術3) 專家系統(tǒng)：動物識別系統(tǒng)4) 方式識別技術5) 調(diào)研： 搜索技術和戰(zhàn)略、不確定推理技術、統(tǒng)計方式識別、機器學習等四個領域進展報告。ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能〔ArtificialIntelligence,AI〕是當前科學技開展的一門前沿學科，同時也是一門新思想，新觀念，新實際，新技術不斷出現(xiàn)的新興學科以及正在開展的學科。它是在計算機科學，控制論，信息論，神經(jīng)心思學，哲學，言語學等多種學科研討的根底開展起來的，因此又可把它看作是一門綜合性的邊緣學科。它的出現(xiàn)及所獲得的成就引起了人們的高度注重,并獲得了很高的評價。有的人把它與空間技術，原子能技術一同并譽為20世紀的三大科學技術成就。Intelligence智能是知識與智力的總合。 知識——智能行為的根底； 智力——獲取知識并運用知識求解問題的才干。智能具有以下特征：(1)具有感知才干——指人們經(jīng)過視覺、聽覺、觸覺、味覺、嗅覺等覺得器官感知外部世界的才干；(2)具有記憶與思想的才干——這是人腦最重要的功能，亦是人之所以有智能的根本緣由；(3)具有學習才干及自順應才干；(4)具有行為才干。ArtificialIntelligence人工智能——計算機科學的一個分支，是智能計算機系統(tǒng)，即人類智慧在機器上的模擬，或者說是人們使機器具有類似于人的智慧〔對言語能了解、能學習、能推理〕。2.BriefHistoryofAI (1) 孕育〔1956年前〕古希臘的Aristotle〔亞里士多德〕〔前384-322〕，給出了方式邏輯的根本規(guī)律。英國的哲學家、自然科學家Bacon〔培根〕〔1561-1626〕，系統(tǒng)地給出了歸納法?！爸R就是力量〞德國數(shù)學家、哲學家Leibnitz〔布萊尼茨〕〔1646-1716〕。提出了關于數(shù)理邏輯的思想，把方式邏輯符號化，從而能對人的思想進展運算和推理。做出了能做四那么運算的手搖計算機英國數(shù)學家、邏輯學家Boole〔布爾〕〔1815-1864〕實現(xiàn)了布萊尼茨的思想符號化和數(shù)學化的思想，提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。美籍奧地利數(shù)理邏輯學家Godel〔哥德爾〕〔1906-1978〕，證明了一階謂詞的完備性定；任何包含初等數(shù)論的方式系統(tǒng)，假設它是無矛盾的，那么一定是不完備的。意義在于，人的思想方式化和機械化的某種極限，在實際上證明了有些事是做不到的。英國數(shù)學家Turing(圖靈)〔1912-1954〕,1936年提出了一種理想計算機的數(shù)學模型〔圖靈機〕，1950年提出了圖靈實驗，發(fā)表了“計算機與智能〞的論文。圖靈獎。美國數(shù)學家Mauchly，1946發(fā)明了電子數(shù)字計算機ENIAC美國神經(jīng)生理學家McCulloch，建立了第一個神經(jīng)網(wǎng)絡數(shù)學模型。美國數(shù)學家Shannon〔香農(nóng)〕,1948年發(fā)表了<通訊的數(shù)學實際>，代表了“信息論〞的誕生。 (2) 構成〔1956-1969〕1956年提出了“ArtificialIntelligence〔人工智能〕〞1956年夏由麻省理工學院的J.McCarthy、M.L.Minsky,IBM公司信息研討中心的N.Rochester,貝爾實驗室的C.E.Shannon共同發(fā)起，約請了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位數(shù)學家、信息學家、心思學家、神經(jīng)生理學家、計算機科學家，在Dartmouth大學召開了一次關于機器智能的研討會，會上McCarthy提議正式采用了ArtificialIntelligence〔人工智能〕這一術語。這次會議，標志著人工智能作為一門新興學科正式誕生了。 McCarthy〔麥卡錫〕——人工智能之父。這次會議之后的10年間，人工智能的研討獲得了許多引人矚目的成就.機器學習方面：塞繆爾于1956年研制出了跳棋程序，該程序能從棋譜中學習，也能從下棋實際中提高棋藝；在定理證明方面：王浩于1958年在IBM機上證明了<數(shù)學原理>中有關命題演算的全部定理〔220條〕，還證明了謂詞演算中150條定理85%；1965年，魯賓遜〔Robinson〕提出了消解原理；在方式識別方面：1959年塞爾夫里奇推出了一個方式識別程序；1965年羅伯特〔Robert〕編制出可區(qū)分積木構造的程序；在問題求解方面：1960年紐厄爾等人經(jīng)過心思學實驗總結(jié)出了人們求解問題的思想規(guī)律，編制了通用問題求解程序GPS,可以用來求解11種不同類型的問題；在專家系統(tǒng)方面：斯坦福大學的費根鮑姆〔E.A.Feigenbaum〕自1965年開場進展專家系統(tǒng)DENDRAL〔化學分析專家系統(tǒng)〕，1968年完成并投入運用；在人工智能言語方面：1960年McCarthy等人建立了人工智能程序設計言語Lisp，該言語至今仍是建造智能系統(tǒng)的重要工具；1969年成立了國際人工智能結(jié)合會議〔InternationalJointConferencesOnArtificialIntelligence〕 (3) 開展〔1970年以后〕70年代，開場從實際走向?qū)嶋H，處理一些實踐問題。同時很快就發(fā)現(xiàn)問題：歸結(jié)法費時、下棋贏不了全國冠軍、機器翻譯一團糟。以Feigenbaum為首的一批年輕科學家改動了戰(zhàn)略思想，1977年提出知識工程的概念，以知識為根底的專家咨詢系統(tǒng)開場廣泛的運用。著名專家系統(tǒng)的有：DENDRAL化學分析專家系統(tǒng)〔斯坦福大學1968〕MACSYMA符號數(shù)學專家系統(tǒng)〔麻省理工1971〕MYCIN診斷和治療細菌感染性血液病的專家咨詢系統(tǒng)〔斯坦福大學1973〕CASNET(CausalASsciationalNetwork)診斷和治療青光眼的專家咨詢系統(tǒng)〔拉特格爾斯〔Rutgers〕大學70年代中〕CADUCEUS(原名INTERNIST)醫(yī)療咨詢系統(tǒng)〔匹茲堡大學〕；HEARSAYI和II語音了解系統(tǒng)〔卡內(nèi)基-梅隆大學〕PROSPECTOR地質(zhì)勘探專家系統(tǒng)〔斯坦福大學1976〕XCON計算機配置專家系統(tǒng)〔卡內(nèi)基-梅隆大學1978〕?80年代，人工智能開展到達階段性的頂峰。?87,89年世界大會有６－７千人參與。硬件公司有上千個。并進展Lisp硬件、Lisp機的研討。?在專家系統(tǒng)及其工具越來越商品化的過程中,國際軟件市場上構成了一門旨在消費和加工知識的新產(chǎn)業(yè)——知識產(chǎn)業(yè)。應該說，知識工程和專家系統(tǒng)是近十余年來人工智能研討中最有成就的分支之一。?同年代，1986年Rumlhart指點的并行分布處置研討小組提出了神經(jīng)元網(wǎng)絡的反向傳播學習算法，處理了神經(jīng)網(wǎng)絡的根本問題之一。從此，神經(jīng)網(wǎng)絡的研討進入新的高潮。?90年代，計算機開展趨勢為小型化、并行化、網(wǎng)絡化、智能化。?人工智能技術逐漸與數(shù)據(jù)庫、多媒體等主流技術相結(jié)合，并交融在主流技術之中，旨在使計算機更聰明、更有效、與人更接近。?日本政府于1992年終了了為期十年的稱為“知識信息處置體統(tǒng)〞的第五代計算機系統(tǒng)研討開發(fā)方案。并開場了為期十年的實況計算〔RealWordComputing〕方案。3.ResearchObjectsandMainContents(1)人工智能的研討目的人工智能的長期研討目的：構造智能計算機。

人工智能的近期研討目的：使現(xiàn)有的電子計算機更聰明，更有用，使它不僅能做普通的數(shù)值計算及非數(shù)值信息的數(shù)據(jù)處置，而且能運用知識處置問題，能模擬人類的部分智能行為。(2)人工智能研討的根本內(nèi)容1.機器感知以機器視覺與機器聽覺為主。機器感知是機器獲取外部信息的根本途徑，是使機器具有智能不可或缺的組成部分，對此人工智能中已構成兩個專門的研討領域——方式識別和自然言語了解。2.機器思想指經(jīng)過感知的外部信息及機器內(nèi)部的各種任務信息進展有目的的處理。主要開展以下幾方面的研討：(1)知識表示(2)知識的組織，累計，管理技術(3)知識的推理(4)各種啟發(fā)式搜索及控制戰(zhàn)略(5)神經(jīng)網(wǎng)絡，人腦的構造及其任務原理3.機器學習使計算能自動獲取知識，能直接向書本學習，能經(jīng)過與人說話學習，能經(jīng)過對環(huán)境的察看學習，并能在實際中自我完善。4.機器行為機器行為主要指計算機的表達才干，即“說〞、“寫〞、“畫〞等，對智能機器人，還應該有人的四肢功能，即能走路，能取物，能操作等。5.智能系統(tǒng)及智能計算機的構造技術4.ResearchObjectsandMainContents人工智能面世以來，其研討途徑存在兩種不同的觀念：以符號處置為中心的方法——主張經(jīng)過運用計算機科學的方法進展研討，實現(xiàn)人工智能在計算機的模擬。以網(wǎng)絡銜接為主的銜接機制方法——主張用生物學的方法進展研討，搞清楚人類智能的本質(zhì)。(1)以符號處置為中心的方法該方法來源于紐厄爾等人的通用問題求解系統(tǒng)〔GPS〕，用于模擬人類求解問題的心思過程，逐漸構成為物理符號系統(tǒng)，這種方法以為： 人類研討的目的是實現(xiàn)機器智能，而計算機本身具有符號處置才干，這種才干本身就蘊含著演繹推理的內(nèi)涵，因此可經(jīng)過運轉(zhuǎn)相應的程序來表達某種基于邏輯思想的智能行為，到達模擬人類智能活動的效果。目前人工智能的大部分研討成果都是基于這種方法實現(xiàn)的。該方法的主要特征是：?立足于邏輯運算和符號操作，適宜于模擬人的邏輯思想過程，處理需要進展邏輯推理的復雜問題；?知識可用顯式的符號表示；?便于模塊化；?能與傳統(tǒng)的符號數(shù)據(jù)庫鏈接；?可對推理結(jié)論做出解釋，便于對各種能夠性進展選擇。

但該方法不適宜于籠統(tǒng)思想；而且在用符號表示概念時其有效性在很大程度上取決于符號表示的正確性，且對帶噪聲的信息及不完好的信息難以處置。(2)以網(wǎng)絡銜接為主的銜接機制方法該方法是在人腦神經(jīng)元及其相互銜接而成網(wǎng)絡的啟示下，試圖經(jīng)過多人工神經(jīng)元間的并行協(xié)同作用來實現(xiàn)對人類智能的模擬。該方法以為：大腦是人類一切智能活動的根底，因此從大腦神經(jīng)元及其銜接機制著手進展研討，搞清楚大腦的構造及它進展信息處置的過程及機理，可望提示人類智能的奧妙，從而真正實現(xiàn)人類智慧在機器上的模擬。該方法的主要特征：?經(jīng)過神經(jīng)元之間的并行協(xié)同作用實現(xiàn)信息處置，處置過程具有并行性、動態(tài)性、全局性；?經(jīng)過神經(jīng)元間分布式的物理聯(lián)絡存儲知識和信息，因此可以實現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進展有效地處置。近期的一些研討闡明，該方法在方式識別、圖像信息緊縮等方面獲得了一些研討成果；?經(jīng)過神經(jīng)元間銜接強度的動態(tài)調(diào)整來實現(xiàn)對人類學習、分類等的模擬；?適宜于模擬人類的籠統(tǒng)思想過程；?求解問題時，可以比較快地球的一個近似解。該方法不適宜于模擬人的邏輯思想過程，而且就目前神經(jīng)網(wǎng)絡的研討現(xiàn)狀來看，由固定的體系構造與組成方案所構成的系統(tǒng)還達不到開發(fā)多種多樣知識的要求。(3)系統(tǒng)集成?符號方法擅長模擬人的邏輯思想過程，求解問題時，假設問題有解，它可以準確地求出最優(yōu)解；但求解過程的運算量將隨問題的復雜性的添加成指數(shù)性增長，另外其知識和信息的符號化過程需求由人來完成，它本身不具備這種功能。?銜接機制方法擅長模擬人的籠統(tǒng)思想過程，求解問題時，由于它的并行處置才干，可以較快地得到問題的解，但解普通是近似的，次優(yōu)的；另外，該方法求解問題的過程是隱式的，難以對求解過程以顯式解釋。?將兩個方法結(jié)合起來，取長補短。經(jīng)過籠統(tǒng)思想得到一個直覺的解或給出一種假設，然后用邏輯思想進展仔細的論證或搜索，最終得到一個最優(yōu)解。但兩種方法存在太多的不同，因此將其結(jié)合起來還要抑制許多困難。

就目前的研討而言，這兩種方法結(jié)合起來有兩種途徑：結(jié)合——即兩者分別堅持原來的構造，但親密協(xié)作，任何一方都可以把 本人不能處理的問題轉(zhuǎn)化給另一方；一致——把兩者自然一致在一個系統(tǒng)中，即由邏輯思想的功能，友友形 象思想的功能。目前的一些體系構造有：?黑盒/細線構造〔Black-box/Thin-wire〕?黑盒模塊化〔Black-boxmodularity〕?并行管理和控制〔Parallelmonitoringandcontrol〕?神經(jīng)網(wǎng)絡