《人工智能導(dǎo)論》第2版 課件全套 凌鋒 第1-18章 概論 -人工智能的發(fā)展

第2版人工智能導(dǎo)論什么是ChatGPTOpenAI是一家人工智能研究實驗室，進行AI研究的目的是促進和開發(fā)友好的AI。OpenAI系統(tǒng)運行在世界上第五強大的超級計算機上。馬斯克、微軟都是該組織的捐助者。2020年OpenAI發(fā)布GPT-3，這是一種在大型互聯(lián)網(wǎng)數(shù)據(jù)集上訓(xùn)練的語言模型，旨在用自然語言回答問題，但它也可以在語言之間進行翻譯并連貫地生成即興文本。什么是ChatGPT2021年OpenAI推出DALL-E，這是一種深度學(xué)習(xí)模型，可以從自然語言描述中生成數(shù)字圖像。2022年12月，OpenAI推出基于GPT-3.5的新型AI聊天機器人ChatGPT，受到媒體的廣泛報道。在發(fā)布僅兩個月后就擁有1億用戶（成為史上用戶增長最快的應(yīng)用）。2023年3月14日，OpenAI發(fā)布了GPT-4聊天機器人語言模型。相比GPT3.5，GPT4.0訪問更加穩(wěn)定，數(shù)據(jù)更加準確，并且更加符合我們?nèi)祟惖乃季S方式。簡而言之，更智能！什么是MidjourneyMidjourney（簡稱MJ）是AI繪圖里實用性最強的軟件，其開發(fā)團隊是美國舊金山的小型自籌資金團隊，專注于設(shè)計、人類基礎(chǔ)設(shè)施和人工智能。MJ是一個致力于探索新的思維方式并擴展人類的想象力的人工智能繪圖平臺。它于2022年7月12日首次公測，并于2022年3月14日正式以架設(shè)在Discord上的服務(wù)器形式推出，用戶注冊Discord并加入MJ服務(wù)器即可開始AI創(chuàng)作。ChatGPT+Midjourney一雙丹鳳三角眼，兩彎柳葉吊梢眉，身量苗條，體格風(fēng)騷，粉面含春威不露，丹唇未啟笑先聞。ApairofDanfengtriangleeyes,Twocurvedwillowleaveshangingeyebrows,Slimandcoquettish,Powdernoodlescontainspringpower,Dandidn'tsmileandsmellfirst.谷歌翻譯：王熙鳳ChatGPT+Midjourney一雙丹鳳三角眼，兩彎柳葉吊梢眉，身量苗條，體格風(fēng)騷，粉面含春威不露，丹唇未啟笑先聞。ApairofDanfengtriangleeyes,Twocurvedwillowleaveshangingeyebrows,Slimandcoquettish,Powdernoodlescontainspringpower,Dandidn'tsmileandsmellfirst.谷歌翻譯：王熙鳳第1章概論導(dǎo)讀案例：有意義的人工智能時代由于生成式人工智能的出現(xiàn)，人們與人工智能的距離逐漸縮短。過去很少關(guān)注相關(guān)技術(shù)的人們，很快也會成為人工智能工具的用戶。01計算的淵源02計算機的出現(xiàn)03人工的智能行為04人工智能學(xué)科目錄/CONTENTS05人工智能發(fā)展的6個階段人類，又稱智人，即有智慧的人，這是因為智能對于人類來說尤其重要。幾千年來，人們一直在試圖理解人類是如何思考和行動的，也就是不斷地了解人類的大腦是如何憑借它那小部分的物質(zhì)去感知、理解、預(yù)測并操縱一個遠比其自身更大更復(fù)雜的世界。第1章概論人工智能（artificialintelligence，AI）是計算機科學(xué)的一個重要的分支，這個領(lǐng)域涉及理解和構(gòu)建智能實體，并確保這些機器在各種情況下都能有效和安全地行動。人工智能對世界的影響“將超過迄今為止人類歷史上的任何事物”，它包含大量不同的子領(lǐng)域，從學(xué)習(xí)、推理、感知等通用領(lǐng)域到下棋、證明數(shù)學(xué)定理、寫詩、駕車或診斷疾病等。人工智能可以與任何智能任務(wù)產(chǎn)生聯(lián)系，是真正普遍存在的領(lǐng)域。第1章概論PART01計算的淵源幾千年來，人類一直在利用工具幫助其思考。最原始的工具之一可能就是小鵝卵石了。牧羊人會將與羊群數(shù)量一致的小石頭放在包里隨身攜帶。當他想要確定是否所有羊都在時，只需要數(shù)一只羊掏出一顆石頭，如果包里的石頭還有剩余，那一定是有羊走丟了。1.1計算的淵源慢慢地，用來代表5、10、12、20等不同數(shù)字的石頭也就出現(xiàn)了，中世紀無處不在的計數(shù)板就直接來源于此。在中國，同樣的理念還催生了現(xiàn)代算盤。幾個世紀以來，人類發(fā)明的如計算尺和計算器這樣的一些工具，在一定程度上減輕了人們的腦力勞動量，但應(yīng)用范圍十分有限。1.1計算的淵源傳說在13世紀左右，一個德國商人告訴他的兒子，如果他只是想學(xué)加法和減法，上德國的大學(xué)就足夠了，但如果他還想要學(xué)乘法和除法，那就必須去意大利才行。數(shù)千年甚至數(shù)萬年來，人類智商并沒有什么突破性的變化，簡單的算術(shù)何以變得如此困難呢？因為當時所有的數(shù)字都是用羅馬數(shù)字寫成的，只要想象一下將VI乘以VII得到XLII的復(fù)雜程度，就能想到像今天一樣在紙上計算是完全不可能的，這種復(fù)雜的操作需要依賴于計數(shù)板才能進行。板的表面標有網(wǎng)格，有表示個位、十位、百位等的豎列。1.1.1阿拉伯數(shù)字人們將計數(shù)器放在板上，按照規(guī)則進行計算，與我們的長除法和長乘法大致相同，這些計數(shù)板讓算術(shù)成為可能。但正如上面的故事所表現(xiàn)出來的那樣，這個過程一點也不容易。實際上，古印度很早就想出了解決這些難題的方法。印度數(shù)學(xué)家使用一套十位數(shù)碼，規(guī)定每個位置的數(shù)字所代表的數(shù)位，按個、十、百依次類推。這一規(guī)則與今天的進位制一致，在讀到“234”這個數(shù)字時，我們可以知道它包含了兩個一百、三個十及個位數(shù)四。1.1.1阿拉伯數(shù)字這個概念一路向西經(jīng)過阿拉伯傳到了歐洲，途中遭遇了無數(shù)質(zhì)疑和抵制的目光。遭受非議最多的就是數(shù)字“0”，在那之前這個數(shù)字幾乎沒有被提及過。有時候“0”沒有實際意義，比如，出現(xiàn)在數(shù)字“3”前面構(gòu)成“03”時，“03”和“3”在本質(zhì)上沒有區(qū)別。但有些時候它可以與其他數(shù)字相乘，構(gòu)成十位數(shù)、百位數(shù)，甚至更大數(shù)位的數(shù)字，比如，“30”和“3”就完全不同了。與印度數(shù)碼不同，每一個羅馬數(shù)字的值都是恒定不變的，“I”就代表1，“X”就代表10。一開始，“0”不是被當成數(shù)字對待，而是不倫不類的外來者。然而，隨著時間的推移，新方法的優(yōu)勢逐漸顯現(xiàn)出來，并最終取代了原來的舊體系，從而大大提高了計算速度和解答復(fù)雜問題的能力。1.1.1阿拉伯數(shù)字1821年，英國數(shù)學(xué)家兼發(fā)明家查爾斯·巴貝奇開始了對數(shù)學(xué)機器的研究，這也成為他幾乎奮斗一生的事業(yè)。不像今天我們擁有的便攜式計算器和智能手機應(yīng)用，當時人們還沒有辦法快速解決復(fù)雜計算問題，只能通過紙筆運算，過程漫長并且極有可能出錯。于是，人們針對一些特殊應(yīng)用制成了相應(yīng)的速算表格，例如，可以根據(jù)給定的貸款利率確定還款額，或計算一定范圍內(nèi)的槍支射角和裝載量，但由于這些表格需要手工排版和描繪，所以出錯還是在所難免。1.1.2巴貝奇與數(shù)學(xué)機器一次，巴貝奇在與好友約翰·赫歇爾費盡心思檢查這樣的函數(shù)表時，不禁感嘆：如果這些計算能通過蒸汽動力執(zhí)行該有多好！這位天才數(shù)學(xué)家也因此立志要實現(xiàn)這一目標。1.1.2巴貝奇與數(shù)學(xué)機器（1）差分機。在英國政府的資金支持下，巴貝奇創(chuàng)造了差分機。差分機與我們熟知的計算機不同，它只能進行諸如編制表格這樣的簡單計算。差分機體積龐大且結(jié)構(gòu)復(fù)雜，重達3.6公噸（4噸）。然而，由于巴貝奇與工匠在機器零部件方面產(chǎn)生分歧，英國政府在支出1.75萬英鎊后也對該項目失去了信心，因此差分機一直都沒能最終完成。1.1.2巴貝奇與數(shù)學(xué)機器在差分機工程停歇的時候，巴貝奇遇見了時年17歲的數(shù)學(xué)家埃達·拜倫，她是詩人拜倫勛爵的女兒。巴貝奇被埃達的數(shù)學(xué)能力所折服，邀請埃達參觀差分機，埃達也癡迷上了這類機器。1.1.2巴貝奇與數(shù)學(xué)機器（2）分析機。巴貝奇繼續(xù)進行他的工作，不過不再是差分機，而是一項被稱為分析機的更加宏大的工程。分析機利用了與提花機所用類似的鑿孔卡紙，可以勝任所有數(shù)學(xué)計算，本有希望成為真正的機械計算機。1.1.2巴貝奇與數(shù)學(xué)機器1801年提花織機首次面世，這是第一臺使用鑿孔卡紙來記錄數(shù)據(jù)的設(shè)備。它的結(jié)構(gòu)特點是利用紙帶鑿孔控制頂針穿入，代替經(jīng)緯線組織點。提花機能夠編織出復(fù)雜精美的花樣，大大提高了紡織效率。1.1.2巴貝奇與數(shù)學(xué)機器1842年，巴貝奇請求埃達幫他將一篇與機器相關(guān)的法文文章翻譯成英文，并按照她的理解添加注解。埃達在注解中包含了一套機器編程系統(tǒng)，這也被認為是人類首個出版的計算機程序，埃達因此被人們稱為第一位計算機程序員?？梢院艽_定地說，埃達對分析機的了解程度不比除巴貝奇之外的任何人低，然而她卻對機器能帶來智能產(chǎn)物這一點深感懷疑。她曾寫道：“分析機不該自命不凡，自詡無論什么問題都能解決。它只能完成我們告訴它應(yīng)該怎么做的事情。它能遵循分析，但沒有能力預(yù)測任何解析關(guān)系或事實。它的職責就是幫助我們利用那些我們已經(jīng)熟知了的事情?！?.1.2巴貝奇與數(shù)學(xué)機器分析機的制造仍然沒有完成，甚至設(shè)計都不完整，自始至終只是一系列局部圖表而已。然而，在研究分析機的過程中，巴貝奇總結(jié)了一些原則和提升空間，從而提出了一套全新的差分機設(shè)計方案。缺乏資金支持的第二代差分機后來還是被制作了出來。1985—2002年，倫敦科學(xué)博物館根據(jù)巴貝奇的設(shè)計方案，利用19世紀可以得到的材料，在容差范圍內(nèi)完成了二代差分機的制作，機器也正如巴貝奇預(yù)料的那樣能正常工作。1.1.2巴貝奇與數(shù)學(xué)機器公元8年，羅馬詩人奧維德完成了他的15卷史詩《變形記》，其中（第十卷，故事七）包含了皮格瑪利翁的故事。皮格瑪利翁厭棄身邊女子的頹靡做派，雕刻了一座象牙少女像并愛上了她，他將雕像當成自己的妻子，給她穿上華美的衣裳，戴上美麗的珠寶，甚至與她同床共枕。維納斯節(jié)來臨時，他真摯地祈禱：“如果神能夠賦予一切，請將這座象牙雕像變成我的妻子?！本S納斯聽到了他的禱告，當他再次回到雕像身邊時，驚訝地發(fā)現(xiàn)雕像竟在他的愛撫下變成了一位活生生的少女。1.1.3“機器人”的由來除了表現(xiàn)人類癡迷于人工智能，很明顯，這個故事背后還蘊藏著其他含義，它表明，在那個時代，將無生命的物體變成有生命的存在并不是一件不可思議的事情?？ɡ谞枴で∨蹇说摹读_梭的萬能工人》是一部于1920年首次展演的舞臺劇。該劇的捷克語劇名被譯為英語，其中的“Robot”一詞就源于古捷克語，意為“強迫性勞工”。該劇中的機器人（Robot）不是機械裝置，而是沒有情感的人造生命體。一開始這些機器人還沒有近似人類，直到最后，在消滅了人類種族之后，它們才擁有了愛的能力。1.1.3“機器人”的由來PART02計算機的出現(xiàn)科學(xué)家創(chuàng)造出了汽車、火車、飛機、收音機這樣無數(shù)的技術(shù)系統(tǒng)，它們模仿并拓展了人類身體器官的功能。但是，技術(shù)系統(tǒng)能不能模仿人類大腦的功能呢？到目前為止，人們對人類大腦還知之甚少，僅僅知道它是由100億到1000億個神經(jīng)細胞組成的器官，模仿它或許是天下最困難的事情了。1.2計算機的出現(xiàn)20世紀40年代，那時候還沒有“計算機（Computer）”這個詞。在Z3計算機、離散變量自動電子計算機和小規(guī)模實驗機面世之前，“Computer”指的是做計算的人。這些計算員在桌子前一坐就是一整天，面對一張紙、一份打印的指示手冊，可能還有一臺機械加法機，按照指令一步步地費力工作，最后得出一個結(jié)果。只有他們足夠仔細，結(jié)果才可能正確。1.2計算機的出現(xiàn)面對全球沖突，戰(zhàn)爭的雙方都會通過無線電發(fā)送命令和戰(zhàn)略信息，而這些信號同樣可以被敵方截獲，為了防止信息泄露，軍方會對信號進行加密。能否破解敵方編碼關(guān)乎著成百上千人的性命，自動化破解過程顯然大有裨益。于是，一幫數(shù)學(xué)家開始致力于盡可能快地解決復(fù)雜數(shù)學(xué)問題。這樣，到戰(zhàn)爭結(jié)束時，人們已經(jīng)制造出了兩臺機器，它們可以被看做是現(xiàn)代計算機的源頭。1.2.1為戰(zhàn)爭而發(fā)展的計算機器一臺是美國的電子數(shù)字積分計算機（ENIAC），它被譽為世界上第一臺通用電子數(shù)字計算機，另一臺是英國的巨人計算機（Colossus）。這兩臺計算機都不能像今天的計算機一樣進行編程，配置新任務(wù)時需要進行移動電線和推動開關(guān)等一系列操作。但受其制造經(jīng)驗的啟發(fā)，第二次世界大戰(zhàn)結(jié)束后僅用了三年的時間，第一臺真正意義上的計算機就成功問世了。1.2.1為戰(zhàn)爭而發(fā)展的計算機器早期計算機，諸如英國曼切斯特大學(xué)研制的小規(guī)模實驗機（SSEM）和美國陸軍彈道研究實驗室研制的離散變量自動電子計算機（EDVAC）已經(jīng)具備了真正計算機的特性，它們是通用的，此外，它們的存儲器還會對程序和數(shù)據(jù)進行儲存。Z3計算機是第二次世界大戰(zhàn)期間德國研制成功的，比同盟國所有計算機都要先進，作為通用計算機，它與現(xiàn)代計算機唯一不同之處，是其利用紙帶而非存儲器來存儲程序。1943年，Z3計算機在盟軍對柏林的空襲中毀于一旦。而ENIAC計算機專為美國陸軍軍械部隊所造，主要用于計算大炮射程表，對氫彈研制背后的數(shù)學(xué)計算也做出了重要貢獻。1.2.1為戰(zhàn)爭而發(fā)展的計算機器在第二次世界大戰(zhàn)期間，人們?yōu)橥瓿商囟ㄈ蝿?wù)而研制的計算機，如同差分機一樣只能進行一項計算工作，如果目標任務(wù)改變就必須重新再設(shè)計一臺。因此，為了簡化操作，人們推出了電子數(shù)字積分計算機，它由一系列零部件構(gòu)成，通過線路的不同組合可以進行不同計算。由此，在面對新任務(wù)時，人們不再需要重新制造計算機，只要將一臺機器的線路重新組合即可。1.2.1為戰(zhàn)爭而發(fā)展的計算機器今天，計算機幾乎存在于所有電子設(shè)備之中，通常只是因為它比其他選項都要便宜，這類計算機被稱為嵌入式計算機。比起亂七八糟的一堆組件，嵌入式計算機只用一個簡單芯片就可以實現(xiàn)所有功能。這類計算機運行速度不同、體積大小不一，但從根本上講，它們的功用都是一樣的。1.2.2計算機無處不在烤面包機內(nèi)嵌的計算機存儲器可能無法運行電子制表程序，它也沒有顯示屏、鍵盤和鼠標供人機交互使用，但這些都是物理限制。如果為其配備更高級的存儲器和合適的外圍設(shè)備，它同樣能夠用來運行指定的任何程序。事實上，這類計算機大部分只在工廠進行一次編程，這樣做是為了對運行的程序進行加密，同時降低可能因改編程序引起的售后服務(wù)成本。與臺式計算機相比，嵌入式計算機的運行速度要慢得多。1.2.2計算機無處不在機器人其實就是配有特殊外圍設(shè)備的電子設(shè)備，諸如手臂和輪子，以幫助其與外部環(huán)境進行交互。機器人內(nèi)部的計算機能夠運行程序，它的攝像頭拍攝物體影像后，相關(guān)程序通過數(shù)據(jù)中心里的貓和狗的照片就可以對影像進行區(qū)分，以此來幫助機器人在現(xiàn)實環(huán)境中辨認物體。1.2.2計算機無處不在電子計算機簡稱計算機，俗稱電腦，是一種通用的信息處理機器，它能執(zhí)行可以充分詳細描述的任何過程。用于描述解決特定問題的步驟序列稱為算法，算法可以變成軟件（程序）以確定硬件（物理機）能做什么。創(chuàng)建軟件的過程稱為程序設(shè)計，也稱編程。1.2.3通用計算機中國的第一臺電子計算機誕生于1958年。在2023年6月的榜單中，進入全球超算前十強的超級計算機中，中國入圍兩家，神威·太湖之光和天河二號位列第七和第十。1.2.3通用計算機量子計算機是一類遵循量子力學(xué)規(guī)律進行高速數(shù)學(xué)和邏輯運算、存儲及處理量子信息的物理裝置。當某個裝置處理和計算的是量子信息，運行的是量子算法時，它就是量子計算機。量子計算機的特點主要有運行速度較快、處置信息能力較強、應(yīng)用范圍較廣等。與一般計算機比較起來，信息處理量愈多，對于量子計算機實施運算也就愈加有利，也就更能確保運算具備精準性。1.2.3通用計算機全球有100多家量子計算公司投入了巨大的人力物力進行研制。美國IBM公司在2019年將其商用量子計算機交付部署，加拿大的量子計算公司2011年出售了其第一個量子計算機。中科院量子信息重點實驗室的科技成果轉(zhuǎn)化平臺合肥本源量子科技公司在2020年已上線國內(nèi)首臺國產(chǎn)超導(dǎo)量子計算機本源悟源，并通過云平臺面向全球用戶提供量子計算服務(wù)；2021年2月8日，具有自主知識產(chǎn)權(quán)的量子計算機操作系統(tǒng)“本源司南”發(fā)布。圖1-12本源悟源超導(dǎo)量子計算機1.2.3通用計算機至今，合肥本源量子已研發(fā)出多臺國產(chǎn)量子計算機，并成功交付給用戶使用，使我國成為世界上第三個具備量子計算機整機交付能力的國家，這是我國繼實現(xiàn)“量子優(yōu)越性”之后，又一次牢固確立在國際量子計算研究領(lǐng)域的領(lǐng)先地位。據(jù)了解，本源量子在2022年發(fā)布國內(nèi)首個量子計算機和超級計算機協(xié)同計算系統(tǒng)解決方案，該方案可以雙向發(fā)揮量子計算機和超級計算機的優(yōu)勢。當?shù)貢r間2022年6月9日，英國國防部宣布，獲得政府首臺量子計算機。2022年8月25日，百度發(fā)布集量子硬件、量子軟件、量子應(yīng)用于一體的產(chǎn)業(yè)級超導(dǎo)量子計算機“乾始”。1.2.3通用計算機量子計算機已經(jīng)成為各國競爭的焦點之一，越來越多的研究單位和大型公司企業(yè)的加入，將加速可實用化通用量子計算機研制的進程。計算機到底是什么機器？一個計算設(shè)備怎么能執(zhí)行這么多不同的任務(wù)呢？現(xiàn)代計算機可以被定義為“在可改變的程序的控制下，存儲和操縱信息的機器”。該定義有兩個關(guān)鍵要素：第一，計算機是用于操縱信息的設(shè)備。這意味著人們可以將信息存入計算機，計算機將信息轉(zhuǎn)換為新的、有用的形式，然后顯示或以其他方式輸出信息。1.2.3通用計算機第二，計算機在可改變的程序的控制下運行。計算機不是唯一能操縱信息的機器。人們用簡單的計算器來運算一組數(shù)字時，就執(zhí)行了輸入信息（數(shù)字），處理信息（如計算連續(xù)的總和），然后輸出信息（如顯示）。另一個簡單的例子是油泵，給油箱加油時，油泵利用某些輸入：當前每升汽油的價格和來自傳感器的信號，讀取汽油流入汽車油箱的速率。油泵將這個輸入轉(zhuǎn)換為加了多少汽油和應(yīng)付多少錢的信息。但是，計算器或油泵并不是完整的計算機，盡管這些設(shè)備實際上可能包含有嵌入式計算機，與通用計算機不同，它們被構(gòu)建為執(zhí)行單個特定任務(wù)。1.2.3通用計算機在讀取—執(zhí)行周期中，存儲器內(nèi)的指令會被依次讀取并執(zhí)行，計算機理解的指令組決定了編程的有效性。所有計算機都能完成一樣的工作，但有些只需要一個指令就能執(zhí)行，其他的可能需要好幾個指令才能執(zhí)行。普通臺式計算機可用的指令成百上千，其中還包括一些可用于解決復(fù)雜的數(shù)學(xué)或圖形問題的指令。但制造單一指令計算機也是有可能的。就像詞匯構(gòu)成語言一樣，計算機理解的指令構(gòu)成了計算機語言，也就是機器代碼，這是一種用二進制數(shù)值表示的復(fù)雜語言，由人類寫入十分困難。1.2.4計算機語言小規(guī)模實驗機、離散變量自動電子計算機以及后來出現(xiàn)的大多數(shù)計算機都將程序和程序運行數(shù)據(jù)儲存在同一存儲器中，這就意味著有些程序可以編寫和修改其他一些程序。在計算機的幫助下，人們可以設(shè)計出更有表現(xiàn)力、更加優(yōu)雅的語言，并指示機器將其翻譯為讀取—執(zhí)行周期能夠理解的模式。1.2.4計算機語言計算機語言有許多種，其中有一些是專為利基應(yīng)用——針對企業(yè)的優(yōu)勢細分出來的市場——而設(shè)計的，產(chǎn)品推進利基市場是因為其有盈利的基礎(chǔ)。有些計算機語言有助于操控文本，有些則能夠有效處理結(jié)構(gòu)化數(shù)據(jù)或是簡明應(yīng)用數(shù)學(xué)概念。大部分計算機語言（但并非所有）都由規(guī)則和計算構(gòu)成，這也是大部分人所理解的計算機。1.2.4計算機語言計算機科學(xué)家常常會談及建立某個過程或物體的模型，這并不是說要拿卡紙和軟木來制作一個實際的復(fù)制品。這里，“模型”是一個數(shù)學(xué)術(shù)語，意思是寫出事件運作的所有方程式并進行計算，這樣就可以在沒有真實模型的情況下完成實驗測試。由于計算機運行十分迅速，因此，與真正的實驗操作相比，計算機建模能夠更快得出答案。在某些情況下進行實驗可能是不實際的，氣候變化就是一個典型例子。根本沒有第二個地球或是時間可供我們進行實驗。計算機模型可以非常簡單也可以非常復(fù)雜，完全取決于我們想要探索的信息是什么。1.2.5計算機建模假設(shè)我們想要對橡皮球運動進行物理學(xué)建模。在理想環(huán)境中，掉落的橡皮球總是會反彈到其的一定高度。如果從1米處掉落，它可能會反彈至0.5米，下一次反彈的高度可能只有0.25米，再下一次0.125米，依此類推。反彈所需的時間可以從掉落物體的物理運動中得出。這就是兩個簡單的方程式及兩個數(shù)字，給出了每次反彈的高度及所需時間。理想小球在停止運動前會進行無限次彈跳，但由于每次彈跳時間遞減，所以小球會在有限時間內(nèi)結(jié)束有限次數(shù)的彈跳。不過理想小球并不存在。1.2.5計算機建模在計算上建立這樣的模型十分容易但并不精確。因為小球彈跳的次數(shù)不僅取決于球本身，還與反彈觸及的表面有關(guān)。此外，小球在每次彈跳的過程中還會因反彈摩擦力和空氣阻力丟失能量。將所有這些因素都囊括進模型中需要大量研究和物理學(xué)背景作為支撐，但這并不是不可完成的任務(wù)?，F(xiàn)在假設(shè)要計算球拍擊球后網(wǎng)球在球場上彈跳的路徑，需要考慮球可能以不同角度接觸不同平面，以及球本身的旋轉(zhuǎn)。此外，每次彈跳都會對球內(nèi)空氣進行加熱并改變其特性，要建立起這樣的模型就更加困難。1.2.5計算機建模最后，假設(shè)我們要設(shè)計某種武器，能夠?qū)⑾鹌で蛞詷O快的速度朝定點射出，速度太快以致球會在沖擊力作用下破碎。我們需要對小球的構(gòu)成材料進行建模，并且追蹤每一塊四散飛開的小球碎片。在建立起足夠精確的模型之前，我們甚至需要模擬橡皮球的每一個原子。在現(xiàn)有的計算機上，這樣的模型的運行速度一定會十分緩慢，但也是有可能建立起來的，因為我們了解物理和化學(xué)的基本原理。人工智能最根本也最宏偉的目標之一就是建立人腦般的計算機模型。完美模型固然最好，但精確性稍遜的模型也同樣十分有效。1.2.5計算機建模艾倫·圖靈（1912.6.23-1954.6.7），出生于英國倫敦帕丁頓，畢業(yè)于普林斯頓大學(xué)，是英國數(shù)學(xué)家、邏輯學(xué)家，被譽為“計算機科學(xué)之父”、“人工智能之父”，他是計算機邏輯的奠基者。1950年，圖靈在其論文《計算機器與智能》中提出了著名的“圖靈機”和“圖靈測試”等重要概念。，首次提出了機器具備思維的可能性。他還預(yù)言，到20世紀末一定會出現(xiàn)可以通過圖靈測試的計算機。

圖1-9計算機科學(xué)之父，人工智能之父——圖靈1.2.6人工智能大師圖靈思想為現(xiàn)代計算機的邏輯工作方式奠定了基礎(chǔ)。為了紀念圖靈對計算機科學(xué)的巨大貢獻，1966年，由美國計算機協(xié)會（ACM）設(shè)立一年一度的“圖靈獎”，以表彰在計算機科學(xué)事業(yè)中做出重要貢獻的人。圖靈獎被喻為“計算機界的諾貝爾獎”。1.2.6人工智能大師約翰·馮·諾依曼（1903.12.28-1957.2.8），出生于匈牙利，畢業(yè)于蘇黎世聯(lián)邦工業(yè)大學(xué)，數(shù)學(xué)家，現(xiàn)代計算機、博弈論、核武器和生化武器等領(lǐng)域內(nèi)的科學(xué)全才，被后人稱為“現(xiàn)代計算機之父”和“博弈論之父”。他在泛函分析、遍歷理論、幾何學(xué)、拓撲學(xué)和數(shù)值分析等眾多數(shù)學(xué)領(lǐng)域及計算機學(xué)、量子力學(xué)和經(jīng)濟學(xué)中都有重大成就，也為第一顆原子彈和第一臺電子計算機的研制做出了巨大貢獻。圖1-10現(xiàn)代計算機之父馮·諾依曼1.2.6人工智能大師PART03人工的智能行為顯然，人工智能就是人造的智能，它是科學(xué)和工程的產(chǎn)物。我們也會進一步考慮什么是人力所能及的，或者人自身的智能程度有沒有達到可以創(chuàng)造人工智能的地步，等等。不過，生物學(xué)不在這里討論，因為基因工程與人工智能的科學(xué)基礎(chǔ)全然不同。人們可以在器皿中培育腦細胞，但這只能算是天然大腦的一部分。所有人工智能的研究都圍繞著計算機展開，其全部技術(shù)也都是在計算機中執(zhí)行的。1.3人工的智能行為研究人員曾經(jīng)研究過幾種不同版本的人工智能：有些根據(jù)對人類行為的復(fù)刻來定義智能，而另一些喜歡用“理性”來抽象正式地定義智能，直觀上的理解是做“正確的事情”。智能主題的本身也各不相同：一些人將智能視為內(nèi)部思維過程和推理的屬性，而另一些人則關(guān)注智能的外部特征，也就是智能行為。1.3人工的智能行為從人與理性以及思想與行為這兩個維度來看，有4種可能的組合，即類人行為、類人思考、理性思考和理性行為。追求類人智能（前兩者）必須在某種程度上是與心理學(xué)相關(guān)的經(jīng)驗科學(xué)，包括對真實人類行為和思維過程的觀察和假設(shè)；而理性主義方法（后兩者）涉及數(shù)學(xué)和工程的結(jié)合，并與統(tǒng)計學(xué)、控制理論和經(jīng)濟學(xué)相聯(lián)系。1.3計算機的智能行為“智能”涉及到諸如意識、自我、思維（包括無意識的思維）等問題。事實上，人應(yīng)該了解的是人類本身的智能，但我們對自身智能的理解，對構(gòu)成人的智能的必要元素也了解有限，很難準確定義出什么是“人工”制造的“智能”。因此，人工智能的研究往往涉及對人的智能本身的研究，其他關(guān)于動物或人造系統(tǒng)的智能也普遍被認為是與人工智能相關(guān)的研究課題。

圖1-11研究人的智能1.3.1什么是“智能”1906年，法國心理學(xué)家阿爾弗雷德·比奈這樣定義智能：“……判斷，又或稱為判斷力強，實踐感強，首創(chuàng)精神，適應(yīng)環(huán)境的能力。良好決策、充分理解、正確推論……但記憶與判斷不同且獨立于判斷?！薄杜＝蛴⒄Z詞典》對智能的定義是“獲取和應(yīng)用知識與技能的能力”，這顯然取決于記憶。也許人工智能領(lǐng)域已經(jīng)影響了人們對智力的一般性認識，人們會根據(jù)對實際情況的指導(dǎo)作用來判斷知識的重要程度。人工智能的一個重要領(lǐng)域就是儲存知識以供計算機使用。1.3.1什么是“智能”棋局是程序員研究的早期問題之一。他們認為，就象棋而言，只有人類才能獲勝。1997年，IBM機器深藍擊敗了象棋大師加里·卡斯帕羅夫，但深藍并沒有顯示出任何人類特質(zhì)，僅僅只是對這一任務(wù)進行快速有效的編程而已。圖1-12卡斯帕羅夫與深藍對弈當中1.3.1什么是“智能”圖靈測試是由艾倫·圖靈提出的（1950），它被設(shè)計成一個思維實驗，用以回避“機器能思考嗎？”這個哲學(xué)上模糊的問題。如果人類提問者在提出一些書面問題后無法分辨書面回答是來自人還是來自計算機，那么計算機就能通過測試。1.3.2類人行為：圖靈測試目前，為計算機編程使其能夠通過嚴格的應(yīng)用測試尚有大量工作要做。計算機需要具備下列能力：·自然語言處理，以使用人類語言成功地交流；·知識表示，以存儲它所知道或聽到的內(nèi)容；·自動推理，以回答問題并得出新的結(jié)論；·機器學(xué)習(xí)，以適應(yīng)新的環(huán)境，并檢測和推斷模式。1.3.2類人行為：圖靈測試圖靈認為，沒有必要對人進行物理模擬來證明智能。然而，其他研究人員提出了完全圖靈測試，該測試需要與真實世界中的對象和人進行交互。為了通過完全圖靈測試，機器人還需要具備下列能力：·計算機視覺和語音識別功能，以感知世界；·機器人學(xué)，以操縱對象并行動。1.3.2類人行為：圖靈測試以上6個方面構(gòu)成了人工智能的大部分內(nèi)容。然而，人工智能研究人員很少把精力用在通過圖靈測試上，他們認為研究智能的基本原理更為重要。當工程師和發(fā)明家停止模仿鳥類，轉(zhuǎn)而使用風(fēng)洞并學(xué)習(xí)空氣動力學(xué)時，對“人工飛行”的探索取得了成功。航空工程學(xué)著作并未將其領(lǐng)域的目標定義為制造“能像鴿子一樣飛行，甚至可以騙過其他真鴿子的機器”。1.3.2類人行為：圖靈測試只有知道人類是如何思考的，才能說程序像人類一樣思考?？梢酝ㄟ^3種方式來了解人類的思維：（1）內(nèi)省——試圖在自己進行思維活動時捕獲思維；（2）心理實驗——觀察一個人的行為；（3）大腦成像——觀察大腦的活動。一旦有了足夠精確的心智理論，就有可能把這個理論表達為計算機程序。如果程序的輸入/輸出行為與相應(yīng)的人類行為相匹配，那就表明程序的某些機制也可能在人類中存在。1.3.3類人思考：認知建模例如，開發(fā)通用問題求解器的艾倫·紐厄爾和赫伯特·西蒙并不僅僅滿足于讓他們的程序正確地求解問題，他們更關(guān)心的是將推理步驟的順序和時機與求解相同問題的人類測試者進行比較。認知科學(xué)這一跨學(xué)科領(lǐng)域匯集了人工智能的計算機模型和心理學(xué)的實驗技術(shù)，用以構(gòu)建精確且可測試的人類心智理論。認知科學(xué)本身是一個引人入勝的領(lǐng)域。我們會偶爾評論人工智能技術(shù)和人類認知之間的異同，但真正的認知科學(xué)必須建立在對人類或動物實驗研究的基礎(chǔ)上。1.3.3類人思考：認知建模計算機視覺領(lǐng)域?qū)⑸窠?jīng)生理學(xué)證據(jù)整合到了計算模型中。此外，將神經(jīng)影像學(xué)方法與分析數(shù)據(jù)的機器學(xué)習(xí)技術(shù)相結(jié)合，開啟了“讀心”能力（即查明人類內(nèi)心思想的語義內(nèi)容）的研究。這種能力反過來可以進一步揭示人類認知的運作方式。1.3.3類人思考：認知建模希臘哲學(xué)家亞里士多德（公元前384—公元前322）是最早試圖法則化“正確思維”的人之一，他將其定義為無可辯駁的推理過程。他的三段論為論證結(jié)構(gòu)提供了模式，當給出正確的前提時，總能得出正確的結(jié)論。舉個經(jīng)典的例子，當給出前提蘇格拉底是人和所有人都是凡人時，可以得出結(jié)論蘇格拉底是凡人。這些思維法則被認為支配著思想的運作，他們的研究開創(chuàng)了一個稱為邏輯的領(lǐng)域。1.3.4理性思考：“思維法則”19世紀的邏輯學(xué)家建立了一套精確的符號系統(tǒng)，用于描述世界上物體及其之間的關(guān)系。這與普通算術(shù)表示系統(tǒng)形成對比，后者只提供關(guān)于數(shù)的描述。到1965年，任何用邏輯符號描述的可解問題在原則上都可以用程序求解，人工智能中所謂的邏輯主義就希望在此類程序的基礎(chǔ)上創(chuàng)建智能系統(tǒng)。1.3.4理性思考：“思維法則”按照常規(guī)的理解，邏輯要求關(guān)于世界的認知是確定的，而實際上這很難實現(xiàn)。例如，人們對政治或戰(zhàn)爭規(guī)則的了解遠不如對國際象棋或算術(shù)規(guī)則的了解。概率論填補了這一鴻溝，允許我們在掌握不確定信息的情況下進行嚴格的推理。原則上，它允許我們構(gòu)建全面的理性思維模型，從原始的感知到對世界運作方式的理解，再到對未來的預(yù)測。它無法做到的是形成智能行為。1.3.4理性思考：“思維法則”智能體（agent）是指某種能夠采取行動的東西。當然，所有計算機程序都可以完成一些任務(wù)，但我們期望計算機智能體能夠完成更多的任務(wù)：自主運行、感知環(huán)境、長期持續(xù)存在、適應(yīng)變化以及制定和實現(xiàn)目標。理性智能體需要為取得最佳結(jié)果或在存在不確定性時取得最佳期望結(jié)果而采取行動。1.3.5理性行為：理性智能體基于人工智能的“思維法則”方法重視正確的推斷。做出正確的推斷有時是理性智能體的一部分，因為采取理性行為的一種方式是推斷出某個給定的行為是最優(yōu)的，然后根據(jù)這個結(jié)論采取行動。但是，理性行為的有些方式并不能說與推斷有關(guān)。例如，從火爐前退縮是一種反射作用，這通常比經(jīng)過深思熟慮后采取的較慢的動作更為成功。1.3.5理性行為：理性智能體通過圖靈測試所需的所有技能也使智能體得以采取理性行為。知識表示和推理能讓智能體做出較好的決策。我們需要具備生成易于理解的自然語言句子的能力，以便在復(fù)雜的社會中生存。我們需要學(xué)習(xí)不僅是為了博學(xué)多才，也是為了提升我們產(chǎn)生高效行為的能力，尤其是在新環(huán)境下，這種能力更加重要。1.3.5理性行為：理性智能體與其他方法相比，基于人工智能的理性智能體方法有兩個優(yōu)點。首先，它比“思維法則”方法更普適，因為正確的推斷只是實現(xiàn)理性的幾種可能機制之一。其次，它更適合科學(xué)發(fā)展。理性的標準在數(shù)學(xué)上是明確定義且完全普適的。我們經(jīng)?？梢詮倪@個標準規(guī)范中得出可以被證明能夠?qū)崿F(xiàn)的智能體設(shè)計，而把模仿人類行為或思維過程作為目標的設(shè)計在很大程度上是不可能的。1.3.5理性行為：理性智能體由于上述原因，在人工智能領(lǐng)域的發(fā)展中，基于理性智能體的方法都占據(jù)了上風(fēng)。在最初的幾十年里，理性智能體建立在邏輯的基礎(chǔ)上，并為了實現(xiàn)特定目標制定了明確的規(guī)劃。后來，基于概率論和機器學(xué)習(xí)的方法可以使智能體在不確定性下做出決策，以獲得最佳期望結(jié)果。1.3.5理性行為：理性智能體簡而言之，人工智能專注于研究和構(gòu)建做正確的事情的智能體，其中正確的事情是我們提供給智能體的目標定義。這種通用范式非常普遍，它不僅適用于人工智能，也適用于其他領(lǐng)域?？刂评碚撝?，控制器使代價函數(shù)最小化；運籌學(xué)中，策略使獎勵的總和最大化；統(tǒng)計學(xué)中，決策規(guī)則使損失函數(shù)最??；經(jīng)濟學(xué)中，決策者追求效用或某種意義的社會福利最大化。1.3.5理性行為：理性智能體然而，在復(fù)雜的環(huán)境中，完美理性（總是采取精確的最優(yōu)動作）是不可行的，它的計算代價太高了，因此需要對標準模型做一些重要的改進，也就是在沒有足夠時間進行所有可能的計算的情況下，適當?shù)夭扇⌒袆?。但是，完美理性仍然是理論分析的良好出發(fā)點。1.3.5理性行為：理性智能體PART04人工智能學(xué)科人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。自誕生以來，人工智能的理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。1.4人工智能學(xué)科為人工智能提供思想、觀點和技術(shù)的主要學(xué)科有哲學(xué)、神經(jīng)科學(xué)、計算機工程等。（1）哲學(xué)。古代先哲亞里土多德（公元前384～前322）歷史上第一個制定了一套精確的法則來統(tǒng)御思維的理性部分，他發(fā)展了一套非正式的三段論系統(tǒng)進行適當?shù)耐评?，原則上允許人們在給定初始前提下機械地得出結(jié)論。拉蒙·魯爾（約1232-1315）試圖使用實際的機械設(shè)備——一組可以旋轉(zhuǎn)成不同排列的紙盤——來實現(xiàn)一種推理系統(tǒng)。1.4.1人工智能學(xué)科基礎(chǔ)大約在1500年，列奧納多·達·芬奇（1452-1519）設(shè)計了一臺機械計算器，雖然當時并未制造，但當代人的重構(gòu)表明該設(shè)計是可行的。第一臺已知的計算器是在1623年前后由德國科學(xué)家威廉·席卡德（1592-1635）制造的。布萊茲·帕斯卡（1623-1662）于1642年建造了滾輪式加法器。托馬斯·霍布斯（1588-1679）提出了會思考的機器的想法，他設(shè)想“心臟無非就是發(fā)條，神經(jīng)只是一些游絲，而關(guān)節(jié)不過是一些齒輪”，他還認為“推理就是一種數(shù)值計算，也就是相加減”。1.4.1人工智能學(xué)科基礎(chǔ)勒內(nèi)·笛卡兒（1596-1650）首次清晰地討論了思維與物質(zhì)之間的區(qū)別。他認為，人類思維（靈魂或者精神）的一部分處于自然之外，不受物理定律的約束。但是，動物不具備這種二元特性，可以被視為機器。唯物主義認為大腦根據(jù)物理定律的運作構(gòu)成了思維，自由意志僅僅是實體對可選決策的感知。如果給定可以操縱知識的實體思維，接下來的問題就是建立知識的來源。弗朗西斯·培根（1561-1626）提出“知識歸根到底都來源于經(jīng)驗”。大衛(wèi)·休謨（1711-1776）提出了歸納法原則：通過暴露要素之間的重復(fù)聯(lián)系獲得一般規(guī)則。1.4.1人工智能學(xué)科基礎(chǔ)以路德維?！ぞS特根斯坦（1889-1951）和伯特蘭·羅素（1872-1970）的工作為基礎(chǔ)，著名的維也納學(xué)派的哲學(xué)家和數(shù)學(xué)家發(fā)展了邏輯實證主義學(xué)說，認為所有知識都可以通過邏輯理論來描述，最終與對應(yīng)于感知輸入的觀察語句相聯(lián)系，因此結(jié)合了理性主義和經(jīng)驗主義。魯?shù)婪颉た{普（1891-1970）和卡爾·亨佩爾（1905-1997）的確證理論試圖通過量化應(yīng)分配給邏輯語句的信念度來分析從經(jīng)驗中獲取知識，信念度的取值基于邏輯語句與確證或否定它們的觀察之間的聯(lián)系?？{普最先提出將思維視為計算過程。1.4.1人工智能學(xué)科基礎(chǔ)思維的哲學(xué)圖景中最后一個要素是知識與動作之間的聯(lián)系。這個問題對人工智能來說至關(guān)重要，因為智能不僅需要推理，還需要動作。而且，只有理解了怎樣的行為是合理的，才能構(gòu)建行為合理的（或理性的）智能體。亞里士多德在《論動物的運動》中指出，動作的合理性是通過目標和動作結(jié)果的知識之間的邏輯聯(lián)系來證明的，并進一步提出了一個算法。后來，紐厄爾和西蒙在通用問題求解器程序中實現(xiàn)了亞里士多德的算法，稱為貪婪回歸規(guī)劃系統(tǒng)。在人工智能理論研究的前幾十年中，基于邏輯規(guī)劃以實現(xiàn)確定目標的方法占據(jù)主導(dǎo)地位。1.4.1人工智能學(xué)科基礎(chǔ)（2）數(shù)學(xué)。人工智能需要邏輯和概率的數(shù)學(xué)化，由此引入了一個新的數(shù)學(xué)分支——計算。形式化邏輯思想的數(shù)學(xué)發(fā)展始于喬治·布爾（1815-1864）的工作，他提出了命題和布爾邏輯的細節(jié)。1879年，戈特洛布·弗雷格（1848-1925）將布爾邏輯擴展到包括對象和關(guān)系，創(chuàng)建了沿用至今的一階邏輯（文本和幾何特征的神秘組合）。一階邏輯除了在人工智能研究的早期發(fā)揮核心作用外，還激發(fā)了哥德爾和圖靈的工作，支撐了計算本身。1.4.1人工智能學(xué)科基礎(chǔ)概率論可以被視為信息不確定情況下的廣義邏輯，這對人工智能非常重要。吉羅拉莫·卡爾達諾（1501-1576）首先提出了概率的概念，并根據(jù)賭博事件的可能結(jié)果對其進行了刻畫。1654年，布萊茲·帕斯卡（1623-1662）展示了如何預(yù)測一個未完成的賭博游戲的結(jié)局，并為賭徒分配平均收益。概率很快成為定量科學(xué)的重要組成部分，用于處理不確定的度量和不完備的理論。雅各布·伯努利（1654-1705）等人發(fā)展這一理論，并引入了新的統(tǒng)計方法、托馬斯·貝葉斯（1702-1761）提出了根據(jù)新證據(jù)更新概率的法則，貝葉斯法是人工智能系統(tǒng)的重要工具。1.4.1人工智能學(xué)科基礎(chǔ)概率的形式化結(jié)合數(shù)據(jù)的可用性，使統(tǒng)計學(xué)成為了一個新研究策域，最早的應(yīng)用之一是1662年約翰·格蘭特對倫教人口普查數(shù)據(jù)的分析。羅納德·費舍爾（1890～1962）被認為是第一位現(xiàn)代統(tǒng)計學(xué)家，他匯總了概率、實驗設(shè)計、數(shù)據(jù)分析和計算等思想?！八惴ā币辉~源自一位9世紀的數(shù)學(xué)家穆罕默德·本·穆薩·阿爾·花剌子模，他的著作還將阿拉伯數(shù)字和代數(shù)引入了歐洲。布爾等人討論了邏輯演繹的算法，到19世紀末，人們開始努力將一般的數(shù)學(xué)推理形式化為邏輯演繹。1.4.1人工智能學(xué)科基礎(chǔ)艾倫·圖靈試圖準確地描述哪些函數(shù)是可計算的，即能夠通過有效的過程進行計算，提出將圖靈機可計算的函數(shù)作為可計算性的一般概念。圖靈還表明，存在某些任何圖靈機都無法計算的函數(shù)。盡管可計算性對理解計算很重要，但易處理性的概念對人工智能的影響更大。粗略地說，如果解決一個問題實例所需的時間隨著問題規(guī)模呈指數(shù)增長，那么這個問題就是難處理的。在20世紀60年代中期，復(fù)雜性的多項式增長和指數(shù)增長之間的區(qū)別首次被強調(diào)。因為指數(shù)級增長意味著即使是中等規(guī)模的問題實例也無法在合理的時間內(nèi)解決，所以易處理性很重要。盡管計算機的速度在不斷提高，但對資源的謹慎使用和必要的缺陷將成為智能系統(tǒng)的特征。1.4.1人工智能學(xué)科基礎(chǔ)（3）經(jīng)濟學(xué)。起源于1776年，當時亞當·斯密（1723-1790）在《國富論》中建議將經(jīng)濟視為由許多關(guān)注自身利益的獨立主體組成，但他并不主張將金融貪婪作為道德立場。大多數(shù)人認為經(jīng)濟學(xué)就是關(guān)于錢的。第一個對不確定性下的決策進行的確實與賭注的貨幣價值相關(guān)。后來丹尼爾·伯努利提出了基于期望效用最大化的原則，并指出額外貨幣的邊際效用會隨著一個人獲得更多貨幣而減少，從而解釋了大眾的投資選擇。1.4.1人工智能學(xué)科基礎(chǔ)里昂·瓦爾拉斯為效用理論提供了一個更為普適的基礎(chǔ)，即對任何結(jié)果（不僅僅是貨幣）的投機偏好。這一理論的進一步改進，使經(jīng)濟學(xué)不再是研究金錢的學(xué)科，而是研究欲望和偏好。決策論結(jié)合了概率論和效用理論，為在不確定性下做出個體決策提供了一個形式化完整的框架。這適用于“大型”經(jīng)濟體，其中每個主體都無須關(guān)注其他獨立主體的行為。對“小型”經(jīng)濟體而言更像是一場博弈：一個參與者的行為可以顯著影響另一個參與者的效用（積極或消極的）。1.4.1人工智能學(xué)科基礎(chǔ)馮·諾依曼和摩根斯特恩對博弈論的發(fā)展得出了令人驚訝的結(jié)果，即對于某些博弈，理性智能體應(yīng)該采用隨機的策略。與決策論不同，博弈論并沒有為行為的選擇提供明確的指示。當行為的收益不是立即產(chǎn)生的，而是在幾個連續(xù)的行為后產(chǎn)生時，應(yīng)該如何做出理性的決策。這個課題在運籌學(xué)領(lǐng)域得到探討。理查德·貝爾曼的工作將一類序貫決策問題進行了形式化，稱為馬爾可夫決策過程，用于解決復(fù)雜決策。1.4.1人工智能學(xué)科基礎(chǔ)經(jīng)濟學(xué)和運籌學(xué)的工作對理性智能體的概念做出了很大貢獻，但是多年來的人工智能研究是沿著完全獨立的道路發(fā)展的。原因之一是做出理性決策顯然是復(fù)雜的。人工智能的先驅(qū)赫伯特·西蒙（1916-2001）憑借其早期工作在1978年獲得了諾貝爾經(jīng)濟學(xué)獎，他指出基于滿意度的決策模型做出“夠好”的決策，而不是費力地計算最優(yōu)決策，可以更好地描述實際的人類行為。自20世紀90年代以來，人工智能的決策理論技術(shù)重新引起了人們的興趣。1.4.1人工智能學(xué)科基礎(chǔ)（4）神經(jīng)科學(xué)。盡管大腦進行思考的確切方式還是科學(xué)的奧秘之一，但大腦確實能思考這一現(xiàn)實已經(jīng)被人們接受了數(shù)千年。到18世紀中葉，大腦被廣泛認為是意識的所在地，而之前意識所在地的候選位置包括心臟和脾臟。1861年，保羅·布羅卡（1824-1880）在大腦左半球發(fā)現(xiàn)一個局部區(qū)域負責語音的產(chǎn)生，從而開始了對大腦功能組織的研究。那時，人們已經(jīng)知道大腦主要由神經(jīng)細胞或神經(jīng)元組成。

圖1-14神經(jīng)細胞或神經(jīng)元部分1.4.1人工智能學(xué)科基礎(chǔ)現(xiàn)在人們普遍認為認知功能是由這些結(jié)構(gòu)的電化學(xué)反應(yīng)產(chǎn)生的。也就是說，一組簡單的細胞就可以產(chǎn)生思維、行為和意識，即大腦產(chǎn)生思想?，F(xiàn)在，人們有了一些關(guān)于大腦區(qū)域和身體部位之間映射關(guān)系的數(shù)據(jù)，這些部位是受大腦控制或者是接收感官輸入的。1929年，漢斯·伯杰發(fā)明腦電圖儀（EEG），開啟了對完整大腦活動的測量。功能磁共振成像（fMRI）的發(fā)展為神經(jīng)科學(xué)家提供了前所未有的大腦活動的詳細圖像，從而使測量能夠以有趣的方式與正在進行的認知過程相對應(yīng)。神經(jīng)元活動的單細胞電記錄技術(shù)和光遺傳學(xué)方法的進展增強了這些功能，從而可以測量和控制被修改為對光敏感的單個神經(jīng)元。1.4.1人工智能學(xué)科基礎(chǔ)用于傳感和運動控制的腦機接口的發(fā)展不僅有望恢復(fù)殘疾人的功能，還揭示了神經(jīng)系統(tǒng)許多方面的奧秘，這項工作的一項重要發(fā)現(xiàn)是，大腦能夠自我調(diào)整，使自己成功與外部設(shè)備進行交互，就像對待另一個感覺器官或肢體一樣。大腦和數(shù)字計算機有不同的特性。計算機的周期時間比大腦快一百萬倍。雖然與高端個人計算機相比，大腦擁有更多的存儲和互連，但最大的超級計算機在某些指標上已經(jīng)與大腦相當。1.4.1人工智能學(xué)科基礎(chǔ)（5）心理學(xué)?？茖W(xué)心理學(xué)的起源可以追溯到德國物理學(xué)家赫爾曼·馮·赫爾姆霍茨的工作，他將科學(xué)方法應(yīng)用于人類視覺研究。認知心理學(xué)認為大腦是一個信息處理設(shè)備，感知涉及一種無意識的邏輯推斷形式。劍橋大學(xué)應(yīng)用心理學(xué)系的弗雷德里克·巴特利特及其學(xué)生指出了知識型智能體的3個關(guān)鍵步驟：①刺激必須轉(zhuǎn)化為一種內(nèi)在表示；②認知過程處理表示，從而產(chǎn)生新的內(nèi)部表示；③這些過程反過來又被重新轉(zhuǎn)化為行為。1.4.1人工智能學(xué)科基礎(chǔ)計算機建模的發(fā)展導(dǎo)致了認知科學(xué)的誕生?，F(xiàn)在心理學(xué)家普遍認為“認知理論應(yīng)該就像一個計算機程序”，也就是說，認知理論應(yīng)該從信息處理的角度來描述認知功能的運作。人機交互的先驅(qū)之一道格·恩格巴特倡導(dǎo)智能增強的理念。他認為，計算機應(yīng)該增強人類的能力，而不是完全自動化人類的任務(wù)。1968年，在恩格巴特的“所有演示之母”上首次展示了計算機鼠標、窗口系統(tǒng)、超文本和視頻會議，所有這些都是為了展示人類知識工作者可以通過某些智能增強（IA）來共同完成工作。1.4.1人工智能學(xué)科基礎(chǔ)今天，人們更傾向于將IA和AI視為同一枚硬幣的兩面，IA以人為中心，AI以機器為中心。前者強調(diào)人類控制，而后者強調(diào)機器的智能行為，都是機器有利于人類所必需的。1.4.1人工智能學(xué)科基礎(chǔ)（6）計算機工程?，F(xiàn)代數(shù)字電子計算機是由3個國家的科學(xué)家們獨立且?guī)缀跬瑫r發(fā)明的。從那時起，每一代計算機硬件更新都帶來了速度和容量的提升以及價格的下降，這是摩爾定律所描述的趨勢——大約每18個月CPU的性能就會翻一番。但是，功耗問題導(dǎo)致制造商開始增加CPU的核數(shù)而不是提高CPU的時鐘頻率。人們預(yù)期，未來性能的增加將來自于大量的并行性，這體現(xiàn)了與大腦特性奇妙的一致性。在應(yīng)對不確定的世界時，基于這一理念設(shè)計硬件，不需要64位的數(shù)字精度，只需16位甚至8位就足夠了，這可以使處理速度更快。1.4.1人工智能學(xué)科基礎(chǔ)已經(jīng)出現(xiàn)了一些針對人工智能應(yīng)用進行調(diào)整的硬件，如圖形處理單元（GPU）、張量處理單元（TPU）和晶圓級引擎（WSE）。從20世紀60年代到大約2012年，用于訓(xùn)練頂級機器學(xué)習(xí)應(yīng)用的計算能力遵循摩爾定律。從2012年到2018年，數(shù)字增長了30萬倍，大約每100天翻一番。在2014年花一整天訓(xùn)練的機器學(xué)習(xí)模型在2018年只需兩分鐘就可以訓(xùn)練完成。盡管量子計算還不實用，但它有望為人工智能算法的一些重要子方向提供更顯著的加速。人工智能還得益于計算機軟件方面的發(fā)展，后者提供了編寫現(xiàn)代程序所需的操作系統(tǒng)、編程語言和工具。1.4.1人工智能學(xué)科基礎(chǔ)（7）控制論。古希臘工程師克特西比烏斯（約公元前250年）建造了第一個自我控制的機器：一臺水鐘，它擁有一個可以保持恒定水流速度的調(diào)節(jié)器。這一發(fā)明改變了人造物可以做什么的定義。在此之前，只有生物才能根據(jù)環(huán)境的變化來改變自己的行為。1.4.1人工智能學(xué)科基礎(chǔ)控制理論發(fā)展的核心人物諾伯特·維納（1894-1964）和他的同事認為，具有目的的行為源于試圖最小化“錯誤”的調(diào)節(jié)機制，即當前狀態(tài)和目標狀態(tài)之間的差異。20世紀40年代后期，維納與沃倫·麥卡洛克、沃爾特·皮茨和約翰·馮·諾伊曼一起組織了一系列有影響力的會議，探索關(guān)于認知的新數(shù)學(xué)和計算模型，使大眾意識到了人工智能機器的可能性。與此同時，英國控制論專家羅斯·艾什比在其《大腦設(shè)計》一書中指出，可以通過自我平衡設(shè)備來實現(xiàn)智能，該設(shè)備使用恰當?shù)姆答伝芈穪韺崿F(xiàn)穩(wěn)定的自適應(yīng)行為。1.4.1人工智能學(xué)科基礎(chǔ)現(xiàn)代控制理論，特別是被稱為隨機最優(yōu)控制的分支，其目標是設(shè)計隨時間最小化代價函數(shù)的系統(tǒng)，這與人工智能的標準模型——設(shè)計性能最優(yōu)的系統(tǒng)大致相符。微積分和矩陣代數(shù)是控制理論的工具，它們適用于固定的連續(xù)變量集描述的系統(tǒng)，而人工智能的建立在一定程度上是為了避開這些可感知的局限性。邏輯推理和計算工具使人工智能研究人員能夠考慮語言、視覺和符號規(guī)劃等問題，這些問題完全超出了控制理論家的研究范圍。1.4.1人工智能學(xué)科基礎(chǔ)（8）語言學(xué)。1957年，斯金納對語言學(xué)習(xí)的行為主義方法做了全面詳細的描述。語言學(xué)家諾姆·喬姆斯基以句法模型為基礎(chǔ)的理論可以解釋語言創(chuàng)造力，而且它足夠形式化，原則上可以被程序化。1.4.1人工智能學(xué)科基礎(chǔ)現(xiàn)代語言學(xué)和人工智能幾乎同時“誕生”并一起成長，交叉于一個被稱為計算語言學(xué)或自然語言處理的混合領(lǐng)域。對語言需要理解其主題和上下文，而不僅僅是理解句子結(jié)構(gòu)，這個觀點直到20世紀60年代才得到廣泛認可。知識表示（關(guān)于如何將知識轉(zhuǎn)化為計算機可以推理的形式的研究）的大部分早期工作與語言相關(guān)聯(lián)，并受到語言學(xué)研究的啟發(fā)，而語言學(xué)研究反過來又與數(shù)十年的語言哲學(xué)分析工作有關(guān)聯(lián)。1.4.1人工智能學(xué)科基礎(chǔ)作為計算機科學(xué)的一個分支，人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是一門自然科學(xué)、社會科學(xué)和技術(shù)科學(xué)交叉的邊緣學(xué)科，它涉及的學(xué)科內(nèi)容包括哲學(xué)和認知科學(xué)、數(shù)學(xué)、神經(jīng)生理學(xué)、心理學(xué)、計算機科學(xué)、信息論、控制論、不定性論、仿生學(xué)、社會結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀等。1.4.2人工智能定義人工智能研究領(lǐng)域的一個較早流行的定義，是由約翰·麥卡錫在1956年的達特茅斯會議上提出的，即：人工智能就是要讓機器的行為看起來像是人類所表現(xiàn)出的智能行為一樣。另一個定義指出：人工智能是人造機器所表現(xiàn)出來的智能性?？傮w來講，對人工智能的定義大多可劃分為四類，即機器“像人一樣思考”“像人一樣行動”“理性地思考”和“理性地行動”。這里“行動”應(yīng)廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。1.4.2人工智能定義尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關(guān)于知識的學(xué)科――怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)?！倍鴾厮诡D教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟/硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。1.4.2人工智能定義可以把人工智能定義為一種工具，用來幫助或者替代人類思維。它是一項計算機程序，可以獨立存在于數(shù)據(jù)中心、個人計算機，也可以通過諸如機器人之類的設(shè)備體現(xiàn)出來。它具備智能的外在特征，有能力在特定環(huán)境中有目的地獲取和應(yīng)用知識與技能。人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考，甚至也可能超過人的智能。1.4.2人工智能定義20世紀七十年代以來，人工智能被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能），也被認為是21世紀三大尖端技術(shù)（基因工程、納米科學(xué)、人工智能）之一，這是因為近幾十年來人工智能獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，取得了豐碩成果。1.4.2人工智能定義對于人的思維模擬的研究可以從兩個方向進行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機制，制造出“類人腦”的機器；二是功能模擬，從人腦的功能過程進行模擬。現(xiàn)代電子計算機的產(chǎn)生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。1.4.3人工智能的實現(xiàn)途徑實現(xiàn)人工智能有三種途徑，即強人工智能、弱人工智能和實用型人工智能。強人工智能，又稱多元智能。研究人員希望人工智能最終能成為多元智能并且超越大部分人類的能力。有些人認為要達成以上目標，可能需要擬人化的特性，如人工意識或人工大腦，這被認為是人工智能的完整性：為了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務(wù)，如機器翻譯，要求機器按照作者的論點（推理），知道什么是被人談?wù)摚ㄖR），忠實地再現(xiàn)作者的意圖（情感計算）。因此，機器翻譯被認為是具有人工智能完整性。1.4.3人工智能的實現(xiàn)途徑強人工智能的觀點認為有可能制造出真正能推理和解決問題的智能機器，并且這樣的機器將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：（1）類人的人工智能，即機器的思考和推理就像人的思維一樣；（2）非類人的人工智能，即機器產(chǎn)生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。強人工智能即便可以實現(xiàn)也很難被證實。為了創(chuàng)建具備強人工智能的計算機程序，我們首先必須清楚了解人類思維的工作原理，而想要實現(xiàn)這樣的目標，還有很長的路要走。1.4.3人工智能的實現(xiàn)途徑弱人工智能，認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。弱人工智能只要求機器能夠擁有智能行為，具體的實施細節(jié)并不重要。深藍就是在這樣的理念下產(chǎn)生的，它沒有試圖模仿國際象棋大師的思維，僅僅遵循既定的操作步驟。倘若人類和計算機遵照同樣的步驟，那么比賽時間將會大大延長，因為計算機每秒驗算的可能走位就高達2億個，就算思維驚人的象棋大師也不太可能達到這樣的速度。1.4.3人工智能的實現(xiàn)途徑人類擁有高度發(fā)達的戰(zhàn)略意識，這種意識將需要考慮的走位限制在幾步或是幾十步以內(nèi)，而計算機的考慮數(shù)以百萬計。就弱人工智能而言，這種差異無關(guān)緊要，能證明計算機比人類更會下象棋就足夠了。如今，主流的研究活動都集中在弱人工智能上，并且一般認為這一研究領(lǐng)域已經(jīng)取得可觀的成就，而強人工智能的研究則處于停滯不前的狀態(tài)。1.4.3人工智能的實現(xiàn)途徑第三種途徑稱為實用型人工智能。研究者們將目標放低，不再試圖創(chuàng)造出像人類一般智慧的機器。眼下我們已經(jīng)知道如何創(chuàng)造出能模擬昆蟲行為的機器人。機械家蠅看起來似乎并沒有什么用，但即使是這樣的機器人，在完成某些特定任務(wù)時也是大有裨益的。比如，一群如狗大小，具備螞蟻智商的機器人在清理碎石和在災(zāi)區(qū)找尋幸存者時就能夠發(fā)揮很大的作用。

圖1-15華盛頓大學(xué)研制的靠激光束驅(qū)動的RoboFly昆蟲機器人1.4.3人工智能的實現(xiàn)途徑隨著模型變得越來越精細，機器能夠模仿的生物越來越高等，最終，我們可能必須接受這樣的事實：機器似乎變得像人類一樣智慧了。也許實用型人工智能與強人工智能殊途同歸，但考慮到一切的復(fù)雜性，我們不會相信機器人會有自我意識。1.4.3人工智能的實現(xiàn)途徑PART05人工智能發(fā)展的6個階段電子計算機的誕生使信息存儲和處理的各個方面都發(fā)生了革命，計算機理論的發(fā)展產(chǎn)生了計算機科學(xué)并最終促使了人工智能的出現(xiàn)。計算機這個用電子方式處理數(shù)據(jù)的發(fā)明，為人工智能的可能實現(xiàn)提供了一種媒介。1.5人工智能發(fā)展的6個階段總結(jié)人工智能歷史里程碑的快速方法之一是列舉相關(guān)的圖靈獎得主。獲得圖靈獎的人工智能大神是：馬文·明斯基（1969年圖靈獎得主）和約翰·麥卡錫（1971年圖靈獎得主），定義了基于表示和推理的領(lǐng)域基礎(chǔ)；艾倫·紐厄爾和赫伯特·西蒙（1975年圖靈獎得主），提出了關(guān)于問題求解和人類認知的符號模型；愛德華·費根鮑姆和勞伊·雷迪（1994年圖靈獎得主），開發(fā)了通過對人類知識編碼來解決真實世界問題的專家系統(tǒng)；1.5人工智能發(fā)展的6個階段萊斯利·瓦倫特（2010年圖靈獎得主），對眾多計算理論（包括PAC學(xué)習(xí)、枚舉復(fù)雜性、代數(shù)計算和并行與分布式計算）做出了變革性的貢獻；朱迪亞·珀爾（2011年圖靈獎得主）提出了通過原則性的方式處理不確定性的概率因果推理技術(shù)；約書亞·本吉奧、杰弗里·辛頓和楊立昆（2018年圖靈獎得主），他們將“深度學(xué)習(xí)”（多層神經(jīng)網(wǎng)絡(luò)）作為現(xiàn)代計算的關(guān)鍵部分。1.5人工智能發(fā)展的6個階段回顧圖靈獎50余年的歷史可以發(fā)現(xiàn)，人工智能一直是圖靈獎不斷鼓勵、不斷發(fā)現(xiàn)的重要話題。圖靈的思考是計算機的起點，直到80年后炙手可熱的人工智能仍能從他的思考里找到啟迪。1.5人工智能發(fā)展的6個階段雖然計算機為人工智能提供了必要的技術(shù)基礎(chǔ)，但人們直到上個世紀50年代早期才注意到人類智能與機器之間的聯(lián)系。人工智能60余年的發(fā)展歷史頗具周折，大致可劃分為以下6個階段。圖1-16人工智能發(fā)展歷史1.5人工智能發(fā)展的6個階段一是起步發(fā)展期：1956年—20世紀60年代初。人工智能概念在首次被提出后，相繼取得了一批令人矚目的研究成果，如機器定理證明、跳棋程序、LISP表處理語言等，掀起了人工智能發(fā)展的第一個高潮。二是反思發(fā)展期：20世紀60—70年代初。人工智能發(fā)展初期的突破性進展大大提升了人們對人工智能的期望，人們開始嘗試更具挑戰(zhàn)性的任務(wù)，并提出了一些不切實際的研發(fā)目標。然而，接二連三的失敗和預(yù)期目標的落空（例如無法用機器證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機器翻譯鬧出笑話等），使人工智能的發(fā)展走入了低谷。1.5人工智能發(fā)展的6個階段三是應(yīng)用發(fā)展期：20世紀70年代初—80年代中。20世紀70年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識和經(jīng)驗解決特定領(lǐng)域的問題，實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運用專門知識的重大突破。專家系統(tǒng)在醫(yī)療、化學(xué)、地質(zhì)等領(lǐng)域取得成功，推動人工智能走入了應(yīng)用發(fā)展的新高潮。四是低迷發(fā)展期：20世紀80年代中—90年代中。隨著人工智能的應(yīng)用規(guī)模不斷擴大，專家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現(xiàn)有數(shù)據(jù)庫兼容等問題逐漸暴露出來。1.5人工智能發(fā)展的6個階段五是穩(wěn)步發(fā)展期：20世紀90年代中期到2010年。由于網(wǎng)絡(luò)技術(shù)特別是因特網(wǎng)技術(shù)的發(fā)展，信息與數(shù)據(jù)的匯聚不斷加速，加快了人工智能的創(chuàng)新研究，促使人工智能技術(shù)進一步走向?qū)嵱没?997年IBM深藍超級計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，2008年IBM提出“智慧地球”的概念，這些都是這一時期的標志性事件。1.5人工智能發(fā)展的6個階段六是蓬勃發(fā)展期：2011年至今。隨著因特網(wǎng)、云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)的發(fā)展，泛在感知數(shù)據(jù)和圖形處理器（GPU）等計算平臺推動以神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)為代表的人工智能技術(shù)飛速發(fā)展，大幅跨越科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，圖像分類、語音識別、知識問答、人機對弈、無人駕駛等具有廣闊應(yīng)用前景的人工智能技術(shù)突破了從“不能用、不好用”到“可以用”的技術(shù)瓶頸，人工智能發(fā)展進入爆發(fā)式增長的新高潮。1.5人工智能發(fā)展的6個階段“AlphaGo之父”哈薩比斯表示：“我提醒諸位，必須正確地使用人工智能。正確的兩個原則是：人工智能必須用來造福全人類，而不能用于非法用途；人工智能技術(shù)不能僅為少數(shù)公司和少數(shù)人所使用，必須共享?！?.5人工智能發(fā)展的6個階段第1章概論第2版人工智能導(dǎo)論第2章模糊邏輯與大數(shù)據(jù)思維導(dǎo)讀案例：電商網(wǎng)站的推薦系統(tǒng)知道人們?yōu)槭裁磳@些信息感興趣可能是有用的，但這個問題目前并不是很重要。但是，知道“是什么”可以創(chuàng)造點擊率，這種洞察力足以重塑很多行業(yè)，不僅僅只是電子商務(wù)。01什么是模糊邏輯02模糊邏輯系統(tǒng)03數(shù)據(jù)思維與變革04大數(shù)據(jù)與人工智能目錄/CONTENTS模糊邏輯模仿人腦的不確定性概念判斷和推理思維方式，對于模型未知或不能確定的描述系統(tǒng)等，應(yīng)用模糊集合和模糊規(guī)則進行推理，表達過渡性界限或定性知識經(jīng)驗，實行模糊綜合判斷，推理解決常規(guī)方法難于對付的規(guī)則型模糊信息問題。

圖2-1模糊推理過程第2章模糊邏輯與大數(shù)據(jù)思維大數(shù)據(jù)是人工智能的基礎(chǔ)。大數(shù)據(jù)時代，人們對待數(shù)據(jù)的思維方式主要發(fā)生了以下三個變化：第一，人們處理的數(shù)據(jù)從樣本數(shù)據(jù)變成全部數(shù)據(jù)；第二，由于是全樣本數(shù)據(jù)，人們不得不接受數(shù)據(jù)的混雜性，而放棄對精確性的追求；第三，人們通過對大數(shù)據(jù)的處理，減少對因果關(guān)系的渴求，轉(zhuǎn)而關(guān)注相關(guān)關(guān)系。第2章模糊邏輯與大數(shù)據(jù)思維PART01什么是模糊邏輯計算機的二進制邏輯通常只有兩種狀態(tài)，一句陳述要么是真要么是假，然而，現(xiàn)實生活中卻很少有這么一刀切的情況。一個人如果不餓不一定就是餓，有點餓和餓昏頭不是一回事兒，有點冷比凍僵了的程度也要輕得多。如果我們將含義的所有層次都納入考慮范疇，那么寫入計算機程序的規(guī)則將會變得過分的復(fù)雜難懂。2.1什么是模糊邏輯昆蟲有許多本能幫助其應(yīng)對不同環(huán)境。它可能傾向于遠離光線，隱藏在樹葉和巖石下，這樣不容易被捕食者發(fā)現(xiàn)。然而，它也會朝食物移動，否則就會餓死。如果我們要制作一個甲蟲機器人，可以考慮賦予其如下規(guī)則：如果光線亮度高于50%，食物質(zhì)量低于50%，那么遠離，否則接近。圖2-2甲蟲機器人2.1.1甲蟲機器人的規(guī)則如果食物和光線所占百分比一致會怎么樣？吃飽了的昆蟲會為了保持安全繼續(xù)藏匿在黑暗中，而饑餓的昆蟲就會冒險去接近食物。光越亮，越危險；食物質(zhì)量越高，昆蟲越容易冒險。我們可以根據(jù)這一情況制定出更多規(guī)則，例如：如果饑餓和光線高于75%，食物質(zhì)量低于25%，那么遠離，否則接近。2.1.1甲蟲機器人的規(guī)則但是這些規(guī)則都無法很好把握極值。如果光線為76%，食物質(zhì)量為24%，機器人就會餓死，雖然這僅僅與所設(shè)置的規(guī)則相差1%。當然，我們也可以設(shè)置更多規(guī)則來應(yīng)對極值和特殊情況，但這樣的操作很快就會把程序變成無法理解的一團亂麻?？墒?，在不讓其變復(fù)雜的前提下，怎么能夠處理所有變數(shù)呢？2.1.1甲蟲機器人的規(guī)則假設(shè)我們正在經(jīng)營一家婚姻介紹所。一個客戶的要求是高個子但不富有的男子。我們的記錄中有一名男子，身高1.78米，年收入是全國平均水平的兩倍。應(yīng)該將這名男子介紹給客戶嗎？如何判斷什么是個子高？什么是富有？怎樣對資料庫中的男子進行打分來找到最符合的對象？身高和收入之間不能簡單加減，就像蘋果和橙子不能混為一談一樣。2.1.2模糊邏輯的發(fā)明模糊邏輯的發(fā)明就是為了解決這類問題。在常規(guī)邏輯中，上述規(guī)則的情況只有兩種，不是對就是錯，即不是1就是0。要么有光要么沒有光，要么高要么不高。而在模糊邏輯中，每一個情況的真值可以是0到1中間的任何值。假定身高超過2米的男子是絕對的高個子，身高低于1.7米的為不高，那么1.78米高的客戶可以算作0.55高，既不是特別高但是也不矮。要計算他不高的程度，用1減去高的程度即可。因此，該男子是0.55高，也就是0.45不高。2.1.2模糊邏輯的發(fā)明我們同樣可以對“矮”的范疇進行界定。身高低于1.6米是絕對的矮個子，身高超過1.75米為不矮。由此可以發(fā)現(xiàn)“高”和“矮”的定義有一部分是重疊的，也就意味著處于中間值的人在某種程度上來說是高，而在另一種程度上來說是矮。“矮”和“不高”是兩個概念，“高”“矮”“不高”和“不矮”對應(yīng)的值都是不同的。類似地，我們也可以說他是0.2富有，也就是0.8不富有。女性客戶的要求是“高AND（和）不富有”，所以我們需要計算“0.55AND0.8”，結(jié)果是0.44。通過檢索所有各選項，找到得分最高者就可以介紹給客戶了。2.1.2模糊邏輯的發(fā)明在模糊邏輯中進行“AND”與“OR”運算時計算方法不同，如何選擇應(yīng)當根據(jù)數(shù)字所起的作用決定。本例中是將兩個數(shù)字相乘。另一種純數(shù)學(xué)方式就是選擇二者中的最小值。然而，如果采取這樣的方式，較大的值將不影響結(jié)果。同樣身高的男子，一個0.5不富有，另一個0.8不富有，其運算結(jié)果都是一樣的。同樣，我們也可以為甲蟲機器人設(shè)置規(guī)則，如果饑餓并且光線不太亮，那么就朝食物進發(fā)。這些例子展示了可以利用模糊邏輯解決的問題類型。2.1.2模糊邏輯的發(fā)明專家系統(tǒng)是利用人類專長建立起來的，可以提供程序使用的明確規(guī)則。系統(tǒng)可能會說“如果溫度高于95度超過兩分鐘，或是高于97度超過一分鐘，那么可以斷定恒溫器損壞”。但是更多情況下它們會說“如果溫度過高的情況持續(xù)太久，那么恒溫器可能已經(jīng)損壞”。這時需要由程序員負責填進具體數(shù)字。而利用模糊邏輯，則完全可以制定與專家所言一致的規(guī)則。2.1.3制定模糊邏輯的規(guī)則如果溫度過高并且溫度過高的時間