- 1. 人工智能技术导论
- 2. 人工智能学习目标 通过对本课程的学习,突破传统思想的束缚,对人工智能的思想和方法有比较深刻的认识。了解人工智能的发展历史,国内外人工智能相关领域的发展动态,并能够应用相应的人工智能技术解决问题。
- 3. 人工智能学习指南 人工智能的思想和传统的科学技术的方法有很大的不同,因此在学习人工智能时要能够领略人工智能思想的精髓。同时,人工智能是飞速发展的,在学习现有的人工智能技术的同时应当密切关注人工智能的发展动态以及研究热点,因此应当大量阅读最新有关人工智能方面的文献以及经常浏览介绍最新人工智能成果的网站。
- 4. 人工智能难重点学习人工智能最大的难点就在于突破传统思想的藩篱,从智能、知识、推理的角度出发去思考问题,解决问题。另一个难点在于人工智能的内容非常浩繁,深入地了解人工智能的各个方向是非常困难的。因此应当在掌握人工智能思想,对人工智能的各个领域有一定了解的同时,有重点地研究人工智能的相关领域,跟踪人工智能的研究热点,做到点面结合,既扩大了知识面,又能够抓住研究重点。
- 5. 第一章 人工智能概述本章主要内容:
1.1 人工智能的概念
1.2 人工智能研究途径与方法
1.3 人工智能的分支领域
1.4 人工智能的基本技术
1.5 人工智能的发展概况
- 6. 第一节 人工智能的概念本节主要内容:
人工智能的定义
为什么要研究人工智能
人工智能的目标
人工智能的表现形式
- 7. 第一节 人工智能的概念人工智能(Artificial Intelligence,简称 AI)是一门正在发展中的综合性前沿学科,又是交叉学科与边缘学科,其由计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科相互渗透而发展起来。
尽管建立关于智能的理论和让智能机器达到人类的智力水平是人工智能的最终目标,但人工智能的生命力却在于能作为工程技术而得到实际应用。
- 8. 人工智能的定义字面意义:人造智能
狭义定义:计算机科学的一个分支,是智能计算机系统,用计算机模拟或实现的智能
(思维科学)
智能:知识+思维
(对语言能理解、能学习、能推理,分析问题和解决问题的能力)
广义
人类智能行为规律、智能理论方面的研究。
- 9. 为什么要研究人工智能 人们对“数据世界”的需求进而发展到对“知识世界”的需求而产生的。
为了寻求试探性的搜索,启发式的不精确的模糊的甚至允许出现错误的推理方法。以便符合人类的思维过程 。
- 10. 为什么要研究人工智能 计算机同人脑一样具有智能。
信息化社会的迫切需求。
自动化发展的必然趋势
探索人类自身智能的奥秘 。
- 11. 人工智能的目标 远期目标:制造智能机器。
近期目标:即先部分地或某种程度的实现机器的智能。
- 12. 人工智能的表现形式(应用形式) 智能软件:智能软件系统:专家系统
智能的程序模块:WORD
智能设备:具有一定智能的设备
智能网络:智能化的信息网络
智能计算机:拟人化的智能机器
Agent:智能体,具有智能的实体,软件开发的重要突破口。智能体是智能体程序结构的结合。
- 13. 第二节 人工智能的研究途径和方法本节主要内容:
结构模拟,神经计算(连接主义)
功能模拟,符号推演(符号主义)
行为模拟,控制进化(六脚虫)
- 14. 一 结构模拟,神经计算根据人脑的生理结构和工作机理,实现计算机的智能。(局部或近似)
关键词:人工神经网络
数值计算
微观性
低级感知(图象和声音)
- 15. 一 结构模拟,神经计算人工神经网络:采用物理可实现的模型来模仿人脑神经细胞的结构和功能的系统
人工神经元网络的用途:人工神经元网络也许永远无法代替人脑,但它能帮助人类扩展对外部世界的认识和智能控制。
- 16. 二 功能模拟,符号推演是以人脑的心理模型,将问题或知识表示成某种逻辑网络,采用符号推演的方法,实现搜索、推理、学习等功能。
关键词:最早,主要使用
利用 知识库、推理机
高级认知(推理、决策)
定理证明:人工智能研究最原始的课题之一,取得了很多可以证明人工智能技术进步的成就。但不是当今的热点话题。 专家系统:七十年来开始的人工智能领域的古老话题,有一些系统做得比较好,如下棋、探矿等。 机器博弈:主要问题是机器学习和搜索。
- 17. 三 行为模拟,控制进化基于感知行为模型的研究途径和方法,模拟人在控制过程中的智能活动和行为特性。
关键词:自适应
环境的交互
六脚虫:没有知识表示、没有推理的智能,从以前单一的mind到现在mind and body,Sensing and Acting的结合,并且引入了概率论、遗传算法等理论。
- 18. 第三节 人工智能的分支领域本节主要内容:
基于脑功能的领域划分
基于研究途径与实现技术的领域划分
基于应用领域的领域划分
基于应用系统的领域划分
基于计算机系统的领域划分
基于实现工具与环境的领域划分
- 19. 一 基于脑功能的领域划分
机器感知:计算机直接感觉周围世界。(配置感觉器官;图象、声音等信息的识别)
计算机视觉的任务可以分成下列几个方面:图像的获取、特征抽取、识别与分类、三维信息理解、景物描述和图像解释。(图像处理:羊绒/羊毛)
- 20. 一 基于脑功能的领域划分
机器联想:建立事物之间的联系
传统的方法:指针、函数、链表,地 址存取。
人脑的功能:不完全信息的捕捉;相关内容的记忆。
联想存储
- 21. 一 基于脑功能的领域划分
机器推理:计算机推理(自动推理)将人的推理功能赋予机器。(最基本的和最重要的)
推理:前提推出结论(演绎推理、归纳推理、类比推理)
方法:符号演算、数值计算
可靠性:确定性推理、不确定性推理(基于概率和基于模糊的)
- 22. 一 基于脑功能的领域划分
机器学习:计算机自己获取知识(人类已有知识的获取、对客观规律的发现、对自身行为的修正)
方法:符号学习(机械、指导、解释、类比、示例、发现)、连接学习(神经网络学习)
- 23. 一 基于脑功能的领域划分
机器理解:自然语言理解和图形理解
自然语言理解:计算机理解人类的自然语言(口头语言和文字语言)
图形理解:是图形识别的自然延伸,也是计算机视觉的组成部分。
- 24. 一 基于脑功能的领域划分
机器行为:机器人的行动规划,是智能机器人的核心技术。
- 25. 二 基于研究途径和实现技术的领域划分
符号智能:以符号知识为基础,通过符号推理求解而实现的智能。(传统或经典人工智能包括知识工程和符号处理技术)
计算智能:是数据为基础,通过数值计算进行问题求解而实现的智能。(数学模型和相关算法)
- 26. 三 基于应用领域的领域划分
难题求解:困难问题。
NP问题:不能证明其复杂性,又找不到有效算法的问题。
NPC完全问题: 排课表问题。(更难)
智力性问题:意义重大(可以找到解决的途径;有助于其他领域的发展)
- 27. 三 基于应用领域的领域划分
自动定理证明:机器定理证明
方法:自然演绎法
判定法
定理证明器
计算机辅助证明
- 28. 三 基于应用领域的领域划分
自动程序设计:给出高级描述,让计算机自动设计程序。(人工智能和软件工程相结合的课题)
自动翻译:用计算机做两种语言之间的翻译。(依靠自然语言的理解)
智能控制:把人工智能技术引入控制领域
- 29. 三 基于应用领域的领域划分
智能管理:把人工智能技术引入管理领域,是现代管理技术的新动向。(集成技术)
智能决策:把人工智能技术引入决策过程(决策系统、人工智能与专家系统的结合)
智能通信:
智能仿真:
智能CAD:计算机辅助领域
智能CAI:计算机辅助教学
- 30. 三 基于应用系统的领域划分
专家系统:基于人类专家知识的程序系统(最主要的应用系统)
知识库系统:
广义:包含知识库的计算机系统
狭义:某一领域广泛知识以及常识的知识咨询系统。
包括:知识库(数据库的演化)和知识库管理系统
- 31. 三 基于应用系统的领域划分
智能数据库系统:传统数据库加上智能成分。
智能机器人系统:人工智能技术的全面体现和综合运用。四种技能:感知机能、思维机能、人-机通讯机能和运动机能。
- 32. 四 基于计算机系统结构的领域划分
智能操作系统:以智能机为基础,并能支撑外层的AI应用程序,以实现多用户的知识处理和并行推理。
特点:并行性、分布性、智能性
- 33. 四 基于计算机系统结构的领域划分
智能多媒体系统:综合处理文字、图形、图象和声音等多种多媒体信息。(多媒体技术与人工智能技术的结合)
智能计算机系统:全方位具有智能(新一代计算机系统)
智能网络系统:人工智能引入网络。
- 34. 五 基于实现工具与环境的领域划分
智能软件工具:LISP,PROLOG,SMALLTALK,C++,JAVA等以及各种专家系统工具、知识工程工具、知识库管理系统等。
智能硬件平台:支持系统开发和运行的机器硬件。
- 35. 六 基于体系结构的领域划分
集中式人工智能:个体智能。个体的推理、学习、进化、理解等智能行为。
分布式人工智能:群体智能,个体智能的组合和叠加,主要研究在逻辑上或物理上分散的智能个体或智能系统如何并行的、相互协作的实现大型复杂问题的求解。
- 36. 第四节 人工智能的基本技术本节主要内容:
推理技术
搜索技术
知识表示与知识库技术
归纳技术
联想技术
- 37. 一 推理技术
是人工智能的基本技术
理论基础是逻辑
一阶谓词逻辑(重点)
- 38. 二 搜索技术为了达到某一目的,连续进行推理的过程
问题求解
定理证明
状态图的搜索
- 39. 三 归纳技术计算机自动提取概念、抽取知识、寻求规律的技术
与知识获取,机器学习密切相关
分为基于符号处理和基于神经网络的归纳
KDD(知识发现)技术和DM(数据开采)技术
- 40. 四 联想技术前提是联想记忆或联想存储
- 41. 第五节 人工智能的发展概况本节主要内容:
人工智能学科的产生
符号主义途径发展概况
连接主义途径发展概况
当前发展趋势
我国人工智能研究发展简况
- 42. 一 人工智能学科的产生1956年夏季,由麦卡锡(McCarthy)等美国年轻学者发起的首次人工智能研讨会标志着人工智能作为新兴学科的诞生。就在这次会议上,第一次使用了人工智能这一术语。自此以后,人工智能作为计算机学科的一个重要分支,获得了快速的发展。这一发展历程大致可划分为形成、成长、快速发展和稳步增长四个阶段
- 43. 一 人工智能学科的产生英国数学家Turing(图灵)(1912-1954),1936年提出了一种理想计算机的数学模型(图灵机),1950年提出了图灵试验,发表了"计算机与智能"的论文。 当今世界上计算机科学最高荣誉奖励为"图灵奖"。名词解释:图灵试验。当一个人与一个封闭房间里的人或者机器交谈时,如果他不能分辨自己问题的回答是计算机还是人给出时,则称该机器是具有智能的。以往该试验几乎是衡量机器人工智能的唯一标准,但是从九十年代开始,现代人工智能领域的科学家开始对此试验提出异议:反对封闭式的,机器完全自主的智能;提出与外界交流的,人机交互的智能。
- 44. 二 符号主义途径发展概况定理证明
跳棋程序
模式识别
GPS(通用问题求解程序)
LISP语言
归结原理
专家系统
PROLOG语言
知识工程
- 45. 二 符号主义途径发展概况符号主义认为智能产生于符号运算,符号是智能的基本单元,而智能行为则是符号运算的结果。这是AI研究的传统观点,经典的AI基础理论就建立在这种观点之上,目前绝大多数AI系统也均划入这个范畴。(符号)
- 46. 三 连接主义发展概况MP(形式神经元的数学模型)
神经网络(智能控制、语音识别与合成、图形文字识别、数据压缩、知识工程、最优化问题求解、智能计算机)
- 47. 三 连接主义发展概况联接主义认为智能产生于大量简单元素的并行分布式联接之中,简单元素的相互联接是智能的基本单元,而智能行为则是联接计算的结果。
(神经元)
- 48. 四 当前发展趋势两者相结合
新思想、新技术、新理论的出现
AGENT技术和分布式人工智能技术(DAI)
应用研究愈加深入而广泛。
- 49. 五 我国人工智能研究概况起步较晚(70年代)
学术团体纷纷成立(80年代)
自主研究开始
- 50. 人工智能研究的发展 1956年夏季,由麦卡锡(McCarthy)等美国年轻学者发起的首次人工智能研讨会标志着人工智能作为新兴学科的诞生。就在这次会议上,第一次使用了人工智能这一术语。自此以后,人工智能作为计算机学科的一个重要分支,获得了快速的发展。这一发展历程大致可划分为形成、成长、快速发展和稳步增长四个阶段。John McCarthy
- 51. 人工智能研究的发展1 形成期
1956年到1961年。
基于数学逻辑和形式推理成果。
主要成果是定理证明程序、GPS(General Problem Solving)、下棋程序、LISP语言和模式识别系统 。
- 52. 人工智能研究的发展2 成长期
61年以后
早期(60年代),由于不适当地过分强调和依赖于符号逻辑和形式推理,导致了AI研究陷入基于弱法(weak methods)的纯学术研究的困境。
弱法就是通用问题求解策略,由于片面强调相应算法的通用性,忽视问题域特别信息的指导作用,容易引起所谓的组合爆炸问题。
组合爆炸意指,复杂的问题涉及大量因素,由这些因素的适当组合而构成的可能解答的数目相当庞大,以至于再高速的计算机已无法在合理的时间内通过穷尽的枚举来找出正确答案。
- 53. 人工智能研究的发展2 成长期
弱法只能解决智力游戏(过河,九宫图)和玩具问题(积木块世界动作规划)等十分简单的问题。
60年代中期到70年代初,斯坦福大学研制的DENDRAL(用化学专业知识从质谱议数据推断有机化合物的结构)和MYCIN(人血液疾病诊断咨询系统)以及随之涌现的大批专家系统和建造工具的研制,使AI从纯弱法的研究困境中解脱出来,赋予新的生命力,以至引起八十年代初的AI大发展。
关键的教训在于早期的AI研究忽视了人类智能的本质在于有知识,可用以合理地组织和指导问题求解,从而避免组合爆炸。
- 54. 人工智能研究的发展3 快速发展期
80年代初是AI事业在全球得到大发展的时期。
70年代专家系统的初步成功和日本于1979年宣布的五代机研究计划起到了决定性的推动作用。
由于人工智能技术的不成熟性,以及对AI经济效益的期望值太高,结果令人失望;大部分草率上马的专家系统项目均未达实用化程度。
80年代中期,AI热特别是专家系统热大大降温。进而导致了一部分人对AI前景持悲观态度,甚至有人提出AI的冬天已经来临。
- 55. 人工智能研究的发展4 稳步增长期
尽管八十年代中期AI研究的淘金热跌到谷底,但大部份AI研究者都还保持着清醒的头脑。一些老资格的学者早就呼吁不要过于渲染AI的威力,应多做些脚踏实地的工作。甚至在这个淘金热来到时就已预言其很快就会降温。也正是在这批人的领导下,大量扎实的研究工作接连不断地进行,从而使AI技术和方法论的发展始终保持了较高的速度。顺便提一下,80年代中期的降温并不意味着AI研究停滞不进或遭受重大挫折,因为过高的期望未达到是预料中的事,不能认为是受到挫折。自那以来,AI研究进入稳健的线性增长时期,而人工智能技术的实用化进程也步入成熟时期。
- 56. 人工智能研究的成果1 国际象棋(chess)
鉴于下棋需要高级的智能,计算机下棋程序的进展可视为人工智能研究的重大成就。
不少AI问题求解技术来源于下棋程序的研究,如状态空间搜索方法。
60年代初麦卡锡提出了alpha-beta修剪算法,并被广泛地用于各种下棋程序中。
1988年卡内基-梅隆大学下棋程序"DeepThought”
97年由IBM公司研制的超级计算机"DeepBlue"
- 57. DEEP BLUE世界上第一台超级国际象棋电脑,于1997战胜象棋大师卡斯帕罗夫,是一场引人瞩目的“人机大战”。世界排位第二的棋手说:“这是一场象人的机器和一个像机器的人之间的战斗”,卡自己说:“几年前,我对计算机是否有智能总是抱之一笑,这次,我在DEEP BLUE这样的计算机上看到了某种形式上的智能,它尽管疯狂,粗鲁,不很实际,且不可变通,但却能达到和人类一样的智能。
- 58. 人工智能研究的成果2 口语识别(speech)
口语识别是长期以来AI要解决的困难问题。AI面临的问题按困难程度排列如下:智力游戏、国际象棋、定理证明、专家系统、自然语言理解、口语识别、机器视觉。
口语识别和机器学习涉及的知识和处理的数据量大,并要求实时响应。
八十年代后期Sphinx的系统。
口语识别需处理不完全、不精确的数据和知识,这些技术对于其它AI领域也有指导意义。
智能系统的体系结构--黑板模型,就起源于口语识别的研究。
九十年代,出现实用化的口语识别初级产品。
- 59. 人工智能研究的成果3 机器视觉(vision)
开始于50年代,并在60年代开展了3维视觉的研究。
明斯基(Minsky)和麦卡锡--手-眼(hand-eye)项目
卡内基-梅隆大学研制的Navlab(navigation laboratory)的自动车。
具有视觉能力的机器人。
4 专家系统
DENDRAL系统(从质谱议数据推断有机化合物的结构)
MYCIN系统(人血液疾病诊断咨询系统)
80年代后期,加快了其实用化步伐。
DEC研制的计算机系统自动配置软件XCON。
American Express公司研制的专家系统AA和CA。
九十年代初,美国军方投资研制调度和规划系统DART。
其他领域的专家系统。
- 60. 人工智能研究的成果4 专家系统
1969年起,国际人工智能联合会议(简称IJCAI)
91年起,全美人工智能会议(简称AAAI)。
我国AI和专家系统的研究起步较晚。70年代末才由浙江大学、吉林大学和中科院计算所等单位率先开展。
80年代中期得到了国家的重视和支持。“七五”攻关项目。
国家863高技术研究特别设置了智能计算机系统主题。
- 61. 人工智能是一门知识的科学。以知识为对象,研究知识的获取、表示和使用。
数据处理->知识处理,数据->符号。
符号表示知识而不是数值、数据。
有启发,有推导。
人工智能是引起争论最多的科学之一
焦点:当前人工智能的研究应该以人类的普遍思维规律为主,还是以特定知识的处理和运用为主?智能的本质是什么?机器能达到人的水平吗?
结论:人工智能研究是非常困难的
人工智能的研究特点(1)
- 62. 人工智能的研究特点(2)人工智能的研究是十分困难的。
McCarthy:
人工智能的所有问题都是难解的。
Minsky:
人工智能是有史以来最难的科学之一。难在:实现智能需要浩繁的知识,而最难对付的知识是常识(不是专业知识)。
Dreyfus:
常识问题是实现人工智能的最大障碍。
- 63. 常识问题(Commonsence Problems)常识是人类智能的重要部分,具有极其重大的学术和实用价值,但是难度极大。
“邓小平知道毛泽东何时去世,毛泽东知道邓小平何时去世吗?”
常识知识的获取(Cyc)
常识推理(Commonsense Reasoning)
- 64. 存在的问题和发展前景存在的问题
以经典专家系统为代表的人工智能系统存在的问题包括:
(1)脆弱性和不可靠性
(2)与计算机主流技术脱节
(3)知识获取困难
- 65. 存在的问题和发展前景 领域专家的经验知识往往不完善,当要解决的问题落入经验性知识可处理的范围时(图1中兰色区域),系统具有专家级处理能力;但稍一超出范围(即超出兰色区域),处理能力就急剧下降到零。这种现象称为脆弱性,这使系统处理问题的范围狭小,导致问题不能确保解决,出现不可靠性。专家经验知识⑴脆弱性和不可靠性
- 66. 存在的问题和发展前景(2)计算机主流技术脱节
AI技术应加强而不是取代常规软件。孤立使用的符号推理技术不利于推广应用。
(3)知识获取困难
抽取、概括和归纳出经验知识是一种创造性劳动,其难度很大。
发展前景
为推进人工智能技术的实用化,应从三个方面开拓研究工作:
⑴开发对应用领域和问题求解任务的深入理解;
⑵知识获取的自动化;
⑶与计算机主流技术综合集成。
- 67. 存在的问题和发展前景深层知识意指应用领域的专业基础知识(图1中非阴影部分)。知识量大,推理跨度小,推理效率低,但能解决或至少部分解决超出经验适用范围的问题。
浅层知识则是领域专家拥有的经验性启发式关联知识(图1中阴影部分)。知识量少,推理跨度大,可快速推进问题的解决,但具有脆弱性问题。
综合应用深、浅层知识可以起到相互补足的效果,增强问题求解的鲁棒性。
- 68. 总结:1、学习AI需要什么?幻想(Imagination)
智慧(Intelligence)
坚持(Persistence)
- 69. 2、人工智能 = 人类智能?
- 70. 人类智能…(Howard Gardner 智能多重性模型)自我意识、适应掌握他人的心态、意图、动机、情感语言、文字空间的观察、行动用身体表达思想、
意思、动作形式化、逻辑、推理用音乐感知、
判断、表达
- 71. 4、人工智能史:计算机科学家的一部酸甜苦辣史
- 72. 人工智能相关文献及网站介绍 人工智能的理论研究和应用正处于茁壮发展阶段,紧密关注和跟踪最新的人工智能领域的成果是非常重要的。下面介绍一些人工智能领域比较知名的文献与会议、以及网站以方便读者了解人工智能领域的最新动态和研究热点。要了解更多的文献会议和网站,可以使用搜索引擎从互联网上搜索。