1、2019/6/30,1,人工智能,2019/6/30,2,绪论 第一章 不确定知识表示及推理 第二章 产生式系统与专家系统 第三章 遗传算法、蚁群算法、粒子群算法 第四章 人工神经网络 第五章 模糊逻辑系统,2019/6/30,3,绪 论,2019/6/30,4,内 容 0.1 智能与人工智能 0.2 人工智能发展历史 0.3 人工智能各学派的认知观 0.4 对人工智能技术路线的争论 0.5 人工智能的研究与应用领域,2019/6/30,5,0.1 智能与人工智能,2019/6/30,6,关于智能的几种解释,智能是人们处理事物、解决问题时表现出来的智慧和能力。,智能是知识和智力的总和。,目前尚
2、不能给智能一个确切的定义。,智能所具有的一些基本特征：,记忆与思维能力， 感知能力，自适应能力，表达能力，自学习能力,2019/6/30,7,人类认知活动与计算机的比较,2019/6/30,8,有关人工智能的几种定义,1、人工智能是一种使计算机能够思维、使机器具有智力的激动人心的新尝试(Haugeland,1985),2、人工智能是与那些与人的思维、决策、问题求解和学习等有关活动的自动化(Bellman,1978),3、人工智能是用计算模型进行研究的智力行为(Charniak和McDermott,1985),4、人工智能是研究那些使理解、推理和行为成为可能的计算(Winston,1992),2
3、019/6/30,9,5、人工智能是一种能够执行需要人的智能的创造性机器的技术(Kurzwell,1990),6、人工智能研究如何通过使计算机做事而让人过得更好 (Rich和Knight,1991),7、人工智能是一门通过计算过程力图理解和模仿智能行为的学科(Schalkoff,1990),8、人工智能是计算机科学中与智能行为的自动化有关的一个分支(Luger和Stubblefield,1993),2019/6/30,10,有关人工智能的几个名词,1、智能机器(Intelligent machine)：能够在各类环境中自主或交互地执行各种拟人任务(anthropomorphic task)的机
4、器。,例子1：能够模拟人的思维，进行博弈的计算机。1997年5月11日，一个名为“深蓝”(Deep Blue)的IBM计算机系统战胜当时的国际象棋世界冠军盖利.卡斯帕罗夫（Garry Kasparov）。 例子2：能够进行深海探测的潜水机器人。 例子3：在星际探险中的移动机器人，如美国研制的火星探测车。,2019/6/30,11,2、人工智能学科：是计算机科学中涉及研究、设计和应用智能机器的一个分支。其近期的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。,3、人工智能能力： 是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信
5、、设计、思考、规划、学习和问题求解等思维活动。,简单地讲，人工智能是关于： 机器智能和智能机器的研究,2019/6/30,12,0.2 人工智能发展历史,2019/6/30,13,第一阶段：50年代人工智能的兴起和冷落,人工智能概念是在1956年由J. McCarthy、M. L. Minsky等四人发起，十名从事数学、精神病学、心理学、信息科学和计算机科学的学者在Dartmouth大学召开的会议上，首次提出的。 当时，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题求解程序、LISP表处理语言等。 但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。 这一阶段
6、的特点是：重视问题求解的方法，忽视知识重要性。,2019/6/30,14,第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮,DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。 并且，1969年成立了国际人工智能联合会议（International Joint Conferences on Artificial Intelligence，即IJCAI）。,2019/6/30,15,第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展,日本
7、1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。 虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。,2019/6/30,16,第四阶段：80年代末，神经网络飞速发展,1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。 此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。,2019/6/30,17,0.3 人工智能各学派的认知观,2019/6/30,18,在为实现人工智能基本目标的探索中，经历了半个世纪，存在着几个不同的研究派别。,目前国际上公认的主要有：,从功能上对人脑进行模仿的符号主
8、义学派,从结构上对人脑进行模仿的连接主义学派,从功能及结构相结合的行为主义学派,2019/6/30,19,符号主义(symbolicism),又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism),其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。,符号主义认为人工智能源于数理逻辑。,正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法专家系统知识工程理论与技术，并在20世纪80年代取得很大发展。,符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智
9、能走向工程应用和实现理论联系实际具有特别重要的意义。,2019/6/30,20,1、语言是人类智能的外壳，机器翻译的不完善成为进入认知人类智能的一个严重的障碍。,存在问题,2、用机器程序处理“组合爆炸”问题，还需等待计算机技术的进一步的发展、革新与突破。,3、日常知识的表征与提取面临着无法逾越的困难。,4、“专家系统”的繁盛最终证明只是一个泡影，在实际生活中，用单纯程序的形式表达人类专家所具备的知识远比想象中要困难得多，复杂得多。,5、二值逻辑是最简单的形式化系统，据此不能构成具有人类智能的人工智能系统。,2019/6/30,21,连接主义(connectionism),又称为仿生学派(bio
10、nicsism)或生理学派(physiologism),其原理主要为神经网络及神经网络间的连接机制与学习算法。,它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的另一发展道路。,代表性成果是1943年由生理学家麦卡洛克和数理逻辑学家皮茨创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。,2019/6/30,22,20世纪6070年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮。,1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，为
11、神经网络计算机走向市场打下了基础。,由于受到当时的理论模型、生物模型和技术条件的限制，脑模型研究在20世纪70年后期至80年代初期落入低潮。,直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。,2019/6/30,23,1、欲从结构出发模拟人脑功能，但对人脑神经网络的整体结构形式了解还需时日。 现已知人类大脑由10101012个神经单元组成，神经元之间的联结通过人脑中1013 1016个突触复杂地结合在一起。 目前在技术上达到人脑神经的这种联结模型还无法实现，如果现有模型遇到需要几百个单元去解决的问题就会运行困难和出错，处理不妥
12、时网络还会出现混沌现象，而且这种神经元似的网络作为硬件不同于人脑。,存在问题,2、联结主义程序自身仍然难以摆脱符号主义研究中最棘手的常识知识问题。,2019/6/30,24,3、网络经常需要大量的训练才能完成某项任务，不像人脑那样经过一两次训练就能学会。 网络虽然经常犯人犯的错误，但也经常犯人类不犯的错误。 人经常一次就能轻松学会，可以通过迁移和类比轻松增加和扩展已有知识而学习，而神经网络还不能实现知识的迁移和类比。 大脑是动态的多种特殊目的成分整合而成的高度复杂化的生物系统，它并不像神经网络模型那样简单地相互联结。 而且目前所有的神经元网络学习主义都仍然停留在语法信息的层次，它不能理解语义信
13、息，也不能利用已有信息，因此它只是低层次的学习，不能显示高水平的智能。,2019/6/30,25,4、如果没有大量指导，网络的工作质量就会很差。 设计者必须精心设计网络参数，在网络运行中还要进行大量调整。 即使输入刺激是特别准备的向量而不是人类处理的大量外界刺激，大多数网络仍然需要指导者，不能实现非监督地自组织学习。,2019/6/30,26,行为主义(actionism),又称为进化主义(evolutionism)或控制论学派(cyberneticsism),其原理为控制论及感知动作型控制系统。,行为主义认为人工智能源于控制论。,行为主义观点认为智能取决于感知和行动（所以被称为行为主义），它
14、不需要知识、不需要表达、不需要推理。,其代表人是布鲁克(R.A.Brook)，他于1991年提出了“没有表达的智能”，1992年又提出了“没有推理的智能”，这是他根据自己对人造机器动物的研究与实践提出的与众不同的观点。,2019/6/30,27,该理论认为，人的本质能力是在动态环境中的行走能力、对外界事务的感知能力、维持生命和繁衍生息的能力，正是这些能力对智能的发展提供了基础，因此智能行为只能在与现实世界的环境交互作用中表现出来。,这似乎符合达尔文的进化论，即人工智能也会像人类智能一样通过逐步进化而实现（所以称为进化主义），而不需要有知识表示和知识推理。,这一学派的代表作首推布鲁克的六足行走机
15、器人，它被看作是新一代的“控制论动物”，是一个基于感知动作模式的模拟昆虫行为的控制系统。,2019/6/30,28,1、行为主义研究的模型是一种自下而上的系统，即事先储备相关知识，建立高层认知任务，然后把任务分解为子任务，实现系统的整体性质。 存在设计过程中只注意细节上的技巧，很难把握系统的高层次的智能处理能力思维能力。 因此，行为主义研究的模型的完善性则受到怀疑。,存在问题,2、行为主义研究的理论基础也有值得商榷的地方。,2019/6/30,29,3、行为主义研究以感知行为为硬核，以行为的存在方式来解释一切智能，具有较强的操作性意义。 而人类心智存在许多隐性认知的能力，这些能力对于知识的明确
16、表达还无法把握。对行为进行观测来把握智能其价值性的大小还有待探讨。 4、行为并不是与单一心理状态相联系的，而是与这一心理状态和其他心理状态的复杂相互作用相联系的。 两个具有不同心理状态的个体可能在行为或行为倾向上有完全一样的表现。 行为主义研究最终要将心智还原为行为来研究，还是不能回避上述问题的质疑。,2019/6/30,30,5、行为主义研究纲领以遗传进化为保护带。 进化可以解释行为与环境的相互作用能力，从而用信息的自我复制、繁殖能力解释行为选择。但是，并非所有的行为选择都是以进化为目标。 大脑表现出高度的特异性和复杂性，不同个体之间特定的相互交流与相互作用也会引起行为选择。 这些行为的意向
17、性与意向的因果性需要得到更好的解释。,2019/6/30,31,符号主义、连接主义和行为主义的特点比较,2019/6/30,32,人工智能未来走向新联结主义,新联结主义研究是以人类的大脑结构为模型，以新一代计算机为技术基础，建立一种模拟人类多种思维为统一体的一种研究。 新联结主义研究的建立受到符号主义、联结主义和行为主义研究在实践所遭遇困境的启示，通过对这些研究纲领所具有的优势进行整合来探讨一种人工智能未来研究的纲领。,2019/6/30,33,与传统的联结主义不同，新联结主义“把认知主要看成是神经网络相互作用中所突现(或涌现)的整体属性，采用还原论与整体主义相融合的研究策略。” 它首先是把人
18、类的智力活动还原为大脑中神经元的活动，把人类的智力活动看作是以序列、并列以及相互作用的大脑神经元的活动，然后在此基础上强调大脑神经元的整体活动，体现了整体论与还原论相融合的立场。 因此，新联结主义的建立是以还原论与整体论辩证统一的思想为硬核，以人脑结构为研究模型，以并行处理神经计算机为技术支持的一种新的人工智能研究理论。,2019/6/30,34,0.4 对人工智能技术路线的争论,2019/6/30,35,1.专用路线 强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。2.通用路线 认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛
19、的和一般的人工智能问题。通用路线强调人工智能应用系统和人工智能产品的开发，应与计算机立体技术和主流技术相结合，并把知识工程视为软件工程的一个分支。,2019/6/30,36,3.硬件路线 认为人工智能的发展主要依靠硬件技术。该路线还认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。4.软件路线 强调人工智能的发展主要依靠软件技术。软件路线认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。,2019/6/30,37,0.5 人工智能的研究范围与领域,2019/6/30,38,人工智能的研究范围,问题求解：如下棋程序。 相关知识：Deep Blue 简历： 1985年，美国
20、卡内基-梅隆大学的博士生Feng-hsiung Hsu着手研制一个国际象棋的计算机程序：“Chiptest”。1989年Hsu 与Murray Campbell加入了IBM的Deep Blue研究项目，最初研究目的是为了检验计算机的并行处理能力。几年后，研制小组开发了专用处理器，可以在每秒中计算2-3000步棋局。在科研人员的不断完善下，1997年，DeepBlue的硬件系统采用了32节点的大规模并行结构，每个节点由8片专用的处理器同时工作，这样，系统由256个处理器组成了一个高速并行计算机系统；研究小组又不断完善了博弈的程序。Deep Blue发展为高水平的博弈大师，在国际象棋比赛规定的每步
21、棋限时3分钟里，可以推演1000-2000亿步棋局。Garry Kasparov的思考速度是200步/分。1997年5月11日，Deep Blue以3.5：2.5战胜了当时的国际象棋世界冠军盖利.卡斯帕罗夫。,2019/6/30,39,逻辑推理和定理证明 如数学定理的证明。 对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题-四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。 四色定理的成
22、功证明曾轰动计算机界。,2019/6/30,40,自然语言处理 如语言翻译、语音识别、语言生成和理解等。 已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。 有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。 人工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。,2019/6/30,41,自动程序设计 “超级编译程序”，能从高级形式的描述，生成所需的程序。专家系统 专家系统是一个具有大量专门知识与经验的程序系统
23、，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。 专家系统和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定的信息基础上作出结论。,2019/6/30,42,机器学习： 机器学习：自动获取新的事实及新的推理算法 学习能力无疑是人工智能研究上最突出和最重要的一个方面。学习是人类智能的主要标志和获得知识的基本手段。 机器学习是使计算机具有智能的根本途径。正如香克(R. Shank)所说：“一台计算机若不会学习，就不能称为具有智能的。“ 此外，机器
24、学习还有助于发现人类学习的机理和揭示人脑的奥秘。,2019/6/30,43,人工神经网络： 由于冯诺依曼(Van Neumann)体系结构的局限性，数字计算机存在一些尚无法解决的问题。人们一直在寻找新的信息处理机制，神经网络计算就是其中之一。 研究结果已经证明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。,2019/6/30,44,机器人学： 这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。 智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构
25、、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。 机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。,2019/6/30,45,模式识别： 计算机硬件的迅速发展，计算机应用领域的不断开拓，急切地要求计算机能更有效地感知诸如声音、文字、图象、温度、震动等等信息资料，模式识别便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。,2019/6/30,4
26、6,机器视觉： 机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。 机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图象压缩传输和复原、多光谱和彩色图象的处理与解释等。 机器视觉已在机器人装配、卫星图象处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛的应用。,2019/6/30,47,带有视觉的月球自主车,带有视觉的越野自主车,2019/6/30,48,智能控制：人工智能的发展促进自动控制向智能控制发展。智能控制是一类无需(或需要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。或者说，智
27、能控制是驱动智能机器自主地实现其目标的过程。 随着人工智能和计算机技术的发展，已可能把自动控制和人工智能以及系统科学的某些分支结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。 1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。十多年后，建立实用智能控制系统的技术逐渐成熟。1971年，傅京孙提出把人工智能与自动控制结合起来的思想。1977年，美国萨里迪斯提出把人工智能、控制论和运筹学结合起来的思想。1986年，中国蔡自兴提出把人工智能、控制论、信息论和运筹学结合起来的思想。 按照这些结构理论已经研究出一些智能控制的理论和技术，用来构造用于不同
28、领域的智能控制系统。,2019/6/30,49,智能检索：随着科学技术的迅速发展，出现了“知识爆炸”的情况。对国内外种类繁多和数量巨大的科技文献之检索远非人力和传统检索系统所能胜任。 研究智能检索系统已成为科技持续快速发展的重要保证。数据库系统是储存某学科大量事实的计算机软件系统，它们可以回答用户提出的有关该学科的各种问题。 数据库系统的设计也是计算机科学的一个活跃的分支。为了有效地表示、存储和检索大量事实，已经发展了许多技术。,2019/6/30,50,智能调度与指挥：一个古典的问题就是推销员旅行问题。这个问题要求为推销员寻找一条最短的旅行路线。他从某个城市出发，访问每个城市一次，且只许一次
29、，然后回到出发的城市。 大多数这类问题能够从可能的组合或序列中选取一个答案，不过组合或序列的范围很大。试图求解这类问题的程序产生了一种组合爆炸的可能性。这时，即使是大型计算机的容量也会被用光。在这些问题中有几个(包括推销员旅行问题)是属于计算理论家称为NP完全性一类的问题。 智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与指挥、空中交通管制以及军事指挥等系统。,2019/6/30,51,人工智能的研究领域,符号智能,符号智能以物理符号系统为基础，研究知识表示、获取、推理过程。,2019/6/30,52,计算智能,20世纪80年代在传统人工智能理论发展出现停顿而人工神经网络理论出现新的
30、突破时，基于结构演化的人工智能理论计算智能理论迅速成为人工智能研究的主流。,1994年，IEEE在美国佛罗里达州举行了关于模糊系统、神经网络和进化计算的首届计算智能世界大会，进行了“计算智能：模仿生命”的主题讨论会。,由于计算智能与生命科学、系统科学密切联系的突出特点，使其继人工智能之后，不仅吸引计算机科学家，而且众多其他学科的学者也投身这一领域，极大促进了它的发展。,2019/6/30,53,智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的结构被保存下来，智能水平也随之提高。 计算智能以生物进化的观点认识和模拟智能，以数据为基础，通过训练
31、建立联系而进行问题求解。 它的主要方法有模糊逻辑、神经网络、遗传算法、遗传程序、演化程序、人工免疫系统、人工生命、生态计算，DNA软计算、局部搜索、模拟退火、多Agent系统等。,2019/6/30,54,计算智能的共同特点,(1)它们大都引入随机因素，具有不确定性。很多计算过程实际上是在计算机上作随机过程的模拟。比如著名的蒙特卡罗模拟。 (2)它们大多具有自适应机制的动力体系或随机动力体系，并且在计算过程中体系结构还在不断作自我调整。 (3)它们都是针对通用的一般目标而设计的，它们不同于针对特殊问题而设计的算法。 (4)这些算法在低维或简单的情况下显得很笨，但是到了高维复杂的情形下具有很强的竟争力。,2019/6/30,55,人工生命,人工生命是指用计算机和精密机械等生成或构造表现自然生命系统行为特点的仿真系统或模型系统。 人工生命是形成新的信息处理体系的推动力，并成为研究生物的有用工具。 人工生命的研究可能将信息科学和生命科学结合起来，形成生命信息科学，成为人工智能研究的新途径。,
