人工智能:第一章 绪 论
第一章?緒?論
教學內容:本章首先介紹人工智能的定義、發展概況及相關學派和他們的認知觀,接著討論人工智能的研究和應用領域,最后簡介本書的主要內容和編排。
教學重點:
1.從不同科學或學科出發對人工智能進行的定義;
2.介紹人工智能的起源與發展過程;
3.討論人工智能與人類智能的關系;
4.簡介目前人工智能的主要學派;
5.簡介人工智能所研究的范圍與應用領域。
教學難點:
1.怎么樣理解人工智能;
2.人工智能作為一門學科有什么意義;
3.人工智能的主要學派與其爭論焦點;
教學方法:課堂教學為主,充分利用網絡課程中的多媒體素材來表示抽象概念。
教學要求:重點掌握人工智能的幾種定義,掌握目前人工智能的三個主要學派及對人工智能的理解,一般了解人工智能的主要研究范圍和應用領域。
1.1?人工智能的定義與發展
教學內容:本小節主要介紹目前對人工智能的幾種定義,并對人工智能的起源和發展進行了總結和分析。
教學重點:幾種人工智能的定義和人工智能發展的幾個重要時期。
教學難點:理解人工智能的定義與本質。
教學方法:課堂講授為主。
教學要求:從學科和能力的角度深刻理解人工智能的定義,初步了解人工智能的起源及其發展過程。
1.1.1?人工智能的定義
定義1?智能機器
能夠在各類環境中自主地或交互地執行各種擬人任務(anthropomorphic tasks)的機器。
定義2?人工智能(學科)
人工智能(學科)是計算機科學中涉及研究、設計和應用智能機器的一個分支。它的近期主要目標在于研究用機器來模仿和執行人腦的某些智力功能,并開發相關理論和技術。
定義3?人工智能(能力)
人工智能(能力)是智能機器所執行的通常與人類智能有關的智能行為,如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動。
為了讓讀者對人工智能的定義進行討論,以便更深刻地理解人工智能,下面綜述其它幾種關于人工智能的定義。
定義4?人工智能是一種使計算機能夠思維,使機器具有智力的激動人心的新嘗試(Haugeland,1985)。
定義5?人工智能是那些與人的思維、決策、問題求解和學習等有關活動的自動化(Bellman,1978)。
定義6?人工智能是用計算模型研究智力行為(Charniak和McDermott,1985)。
定義7?人工智能是研究那些使理解、推理和行為成為可能的計算(Winston,1992)。
定義8?人工智能是一種能夠執行需要人的智能的創造性機器的技術(Kurzwell,1990)。
定義9?人工智能研究如何使計算機做事讓人過得更好(Rick和Knight,1991)。
定義10?人工智能是一門通過計算過程力圖理解和模仿智能行為的學科(Schalkoff,1990)。
定義11?人工智能是計算機科學中與智能行為的自動化有關的一個分支(Luger和Stubblefield,1993)。
其中,定義4和定義5涉及擬人思維;定義6和定義7與理性思維有關;定義8和定義9涉及擬人行為;定義10和定義11與擬人理性行為有關。
1.1.2?人工智能的起源與發展
人工智能的發展是以硬件與軟件為基礎的,經歷了漫長的發展歷程。特別是20世紀30年代和40年代的智能界,發現了兩件重要的事情:數理邏輯和關于計算的新思想。以維納(Wiener)、弗雷治、羅素等為代表對發展數理邏輯學科的貢獻及丘奇(Church)、圖靈和其它一些人關于計算本質的思想,為人工智能的形成產生了重要影響。
1956年夏季,人類歷史上第一次人工智能研討會在美國的達特茅斯(Dartmouth)大學舉行,標志著人工智能學科的誕生。
1969年召開了第一屆國際人工智能聯合會議(International Joint Conference on AI, IJCAI),此后每兩年召開一次。
1970年《人工智能》國際雜志(International Journal of AI)創刊。這些對開展人工智能國際學術活動和交流、促進人工智能的研究和發展起到積極作用。
20世紀70~80年代,知識工程的提出與專家系統的成功應用,確定了知識在人工智能中的地位。
近十多年來,機器學習、計算智能、人工神經網絡等和行為主義的研究深入開展,形成高潮。同時,不同人工智能學派間的爭論也非常熱烈。這些都推動人工智能研究的進一步發展。
提問:為什么人工智能在1956年才正式誕生?
1.2?人類智能與人工智能
教學內容:本節主要討論人類智能與人工智能的關系問題。
教學重點:智能信息處理系統,人類智能與人工智能的關系。
教學難點:智能信息處理系統的假設。
教學方法:課堂講授為主。
教學要求:了解人類認知活動與計算機的比較關系,基本了解智能信息處理系統。
1.2.1?智能處理信息系統的假設
1、符號處理系統的六種基本功能
信息處理系統又叫符號操作系統(Symbol Operation System)或物理符號系統(Physical Symbol System)。所謂符號就是模式(pattern)。
一個完善的符號系統應具有下列6種基本功能:
(1)輸入符號(input);
(2)輸出符號(output);
(3)存儲符號(store);
(4)復制符號(copy);
(5)建立符號結構:通過找出各符號間的關系,在符號系統中形成符號結構;
(6)條件性遷移(conditional transfer):根據已有符號,繼續完成活動過程。
2、可以把人看成一個智能信息處理系統
如果一個物理符號系統具有上述全部6種功能,能夠完成這個全過程,那么它就是一個完整的物理符號系統。人具有上述6種功能;現代計算機也具備物理符號系統的這6種功能。
3、理符號系統的假設
任何一個系統,如果它能表現出智能,那么它就必定能夠執行上述6種功能。反之,任何系統如果具有這6種功能,那么它就能夠表現出智能;這種智能指的是人類所具有的那種智能。把這個假設稱為物理符號系統的假設。
4、物理符號系統3個推論
推論一?既然人具有智能,那么他(她)就一定是個物理符號系統。
人之所以能夠表現出智能,就是基于他的信息處理過程。
推論二?既然計算機是一個物理符號系統,它就一定能夠表現出智能。這是人工智能的基本條件。
推論三?既然人是一個物理符號系統,計算機也是一個物理符號系統,那么就能夠用計算機來模擬人的活動。
4、人類的認知行為具有不同的層次
認知生理學?研究認知行為的生理過程,主要研究人的神經系統(神經元、中樞神經系統和大腦)的活動,是認知科學研究的底層。
認知心理學?研究認知行為的心理活動,主要研究人的思維策略,是認知科學研究的頂層。
認知信息學?研究人的認知行為在人體內的初級信息處理,主要研究人的認知行為如何通過初級信息自然處理,由生理活動變為心理活動及其逆過程,即由心理活動變為生理行為。這是認知活動的中間層,承上啟下。
認知工程學?研究認知行為的信息加工處理,主要研究如何通過以計算機為中心的人工信息處理系統,對人的各種認知行為(如知覺、思維、記憶、語言、學習、理解、推理、識別等)進行信息處理。這是研究認知科學和認知行為的工具,應成為現代認知心理學和現代認知生理學的重要研究手段。
提問:為什么能夠把人看做一個物理符號系統?
1.2.2?人類智能的計算機模擬
1、機器智能可以模擬人類智能
物理符號系統假設的推論一告訴人們,人有智能,所以他是一個物理符號系統;推論三指出,可以編寫出計算機程序去模擬人類的思維活動。這就是說,人和計算機這兩個物理符號系統所使用的物理符號是相同的,因而計算機可以模擬人類的智能活動過程。
2、智能計算機的功能
如下棋、證明定理、翻譯語言文字和解決難題等。神經計算機(neural computer)能夠以類似人類的方式進行“思考”,它力圖重建人腦的形象。一些國家對量子計算機的研究也已起步,希望通過對量子計算(quantum computing)的研究,產生量子計算機。
討論:為什么能夠用電腦模擬人腦智能?
1.3?人工智能的學派
教學內容:本節主要介紹人工智能的幾個主要學派及認知觀。
教學重點:符號主義(Symbolicism),聯結主義(Connectionism),行為主義(Actionism)。
教學難點:各學派的對人工智能的不同觀點。
教學方法:課堂講授為主。
教學要求:了解各派別之間的關系及對人工智能發展歷史的看法。
1、人工智能三大學派
·符號主義(Symbolicism),又稱為邏輯主義(Logicism)、心理學派(Psychlogism)或計算機學派(Computerism),其原理主要為物理符號系統(即符號操作系統)假設和有限合理性原理。
·聯結主義(Connectionism),又稱為仿生學派(Bionicsism)或生理學派(Physiologism),其原理主要為神經網絡及神經網絡間的連接機制與學習算法。
·行為主義(Actionism),又稱進化主義(Evolutionism)或控制論學派(Cyberneticsism),其原理為控制論及感知椂饜涂刂葡低場?/P>
2、三大學派對人工智能發展歷史的不同看法
符號主義?認為人工智能源于數理邏輯。符號主義仍然是人工智能的主流派。這個學派的代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson)等。
聯結主義?認為人工智能源于仿生學,特別是人腦模型的研究。
行為主義?認為人工智能源于控制論。這一學派的代表作首推布魯克斯(Brooks)的六足行走機器人,它被看做新一代的“控制論動物”,是一個基于感知-動作模式的模擬昆蟲行為的控制系統。
?
1.4?人工智能的研究與應用領域
教學內容:本節主要討論人工智能的研究與應用領域。
教學重點:人工智能的一些主要研究與應用領域。
教學難點:處理好各領域間的交叉關系。
教學方法:課堂講授為主。
教學要求:初步了解人工智能的研究與應用領域。
1.4.1?問題求解
人工智能的第一個大成就是發展了能夠求解難題的下棋(如國際象棋)程序,它包含問題的表示、分解、搜索與歸約等。
1.4.2?邏輯推理與定理證明
邏輯推理是人工智能研究中最持久的子領域之一,特別重要的是要找到一些方法,只把注意力集中在一個大型數據庫中的有關事實上,留意可信的證明,并在出現新信息時適時修正這些證明。
定理證明的研究在人工智能方法的發展中曾經產生過重要的影響。例如,采用謂詞邏輯語言的演繹過程的形式化有助于更清楚地理解推理的某些子命題。許多非形式的工作,包括醫療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此,在人工智能方法的研究中定理證明是一個極其重要的論題。
我國人工智能大師吳文俊院士提出并實現了幾何定理機器證明的方法,被國際上承認為“吳氏方法”,是定理證明的又一標志性成果。
1.4.3?自然語言理解
語言處理也是人工智能的早期研究領域之一,并引起了進一步的重視。語言的生成和理解是一個極為復雜的編碼和解碼問題。
一個能理解自然語言信息的計算機系統看起來就像一個人一樣需要有上下文知識以及根據這些上下文知識和信息用信息發生器進行推理的過程。理解口頭的和書寫語言的計算機系統所取得的某些進展,其基礎就是有關表示上下文知識結構的某些人工智能思想以及根據這些知識進行推理的某些技術。
1.4.4?自動程序設計
對自動程序設計的研究不僅可以促進半自動軟件開發系統的發展,而且也使通過修正自身數碼進行學習(即修正它們的性能)的人工智能系統得到發展。程序理論方面的有關研究工作對人工智能的所有研究工作都是很重要的。
自動程序設計研究的重大貢獻之一是作為問題求解策略的調整概念。已經發現,對程序設計或機器人控制問題,先產生一個不費事的有錯誤的解,然后再修改它(使它正確工作),這種做法一般要比堅持要求第一個解就完全沒有缺陷的做法有效得多。
1.4.5?專家系統
一般地說,專家系統是一個智能計算機程序系統,其內部具有大量專家水平的某個領域知識與經驗,能夠利用人類專家的知識和解決問題的方法來解決該領域的問題。
發展專家系統的關鍵是表達和運用專家知識,即來自人類專家的并已被證明對解決有關領域內的典型問題是有用的事實和過程。
1.4.6?機器學習
學習是人類智能的主要標志和獲得知識的基本手段;機器學習(自動獲取新的事實及新的推理算法)是使計算機具有智能的根本途徑;機器學習還有助于發現人類學習的機理和揭示人腦的奧秘。學習是一個有特定目的的知識獲取過程,其內部表現為新知識結構的不斷建立和修改,而外部表現為性能的改善。
1.4.7?神經網絡
神經網絡處理直覺和形象思維信息具有比傳統處理方式好得多的效果。
神經網絡已在模式識別、圖象處理、組合優化、自動控制、信息處理、機器人學和人工智能的其它領域獲得日益廣泛的應用。
1.4.8?機器人學
人工智能研究日益受到重視的另一個分支是機器人學,其中包括對操作機器人裝置程序的研究。這個領域所研究的問題,從機器人手臂的最佳移動到實現機器人目標的動作序列的規劃方法,無所不包。目前已經建立了一些比較復雜的機器人系統。
機器人和機器人學的研究促進了許多人工智能思想的發展。
智能機器人的研究和應用體現出廣泛的學科交叉,涉及眾多的課題,機器人已在各領域獲得越來越普遍的應用。
1.4.9?模式識別
人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式,是對人類感知外界功能的模擬,研究的是計算機模式識別系統,也就是使一個計算機系統具有模擬人類通過感官接受外界信息、識別和理解周圍環境的感知能力。
1.4.10?機器視覺
實驗表明,人類接受外界信息的80%以上來自視覺,視覺對人類是非常重要的。
機器視覺或計算機視覺已從模式識別的一個研究領域發展為一門獨立的學科;在視覺方面,已經給計算機系統裝上電視輸入裝置以便能夠“看見”周圍的東西。
機器視覺的前沿研究領域包括實時并行處理、主動式定性視覺、動態和時變視覺、三維景物的建模與識別、實時圖像壓縮傳輸和復原、多光譜和彩色圖像的處理與解釋等。
1.4.11?智能控制
人工智能的發展促進自動控制向智能控制發展。智能控制是一類無需(或需要盡可能少的)人的干預就能夠獨立地驅動智能機器實現其目標的自動控制。
智能控制是同時具有以知識表示的非數學廣義世界模型和數學公式模型表示的混合控制過程,也往往是含有復雜性、不完全性、模糊性或不確定性以及不存在已知算法的非數學過程,并以知識進行推理,以啟發來引導求解過程。
1.4.12?智能檢索
隨著科學技術的迅速發展,出現了“知識爆炸”的情況,研究智能檢索系統已成為科技持續快速發展的重要保證。
智能信息檢索系統的設計者們將面臨以下幾個問題。首先,建立一個能夠理解以自然語言陳述的詢問系統本身就存在不少問題。其次,即使能夠通過規定某些機器能夠理解的形式化詢問語句來回避語言理解問題,但仍然存在一個如何根據存儲的事實演繹出答案的問題。第三,理解詢問和演繹答案所需要的知識都可能超出該學科領域數據庫所表示的知識。
1.4.13?智能調度與指揮
確定最佳調度或組合的問題是人們感興趣的又一類問題,求解這類問題的程序會產生一種組合爆炸的可能性,這時,即使是大型計算機的容量也會被用光。
人工智能學家們曾經研究過若干組合問題的求解方法。他們的努力集中在使“時間-問題大小”曲線的變化盡可能緩慢地增長,即使是必須按指數方式增長。有關問題域的知識再次成為比較有效的求解方法的關鍵。為處理組合問題而發展起來的許多方法對其它組合上不甚嚴重的問題也是有用的。
1.4.14?分布式人工智能與Agent
分布式人工智能(Distributed AI, DAI)是分布式計算與人工智能結合的結果。DAI系統以魯棒性作為控制系統質量的標準,并具有互操作性,即不同的異構系統在快速變化的環境中具有交換信息和協同工作的能力。分布式人工智能的研究目標是要創建一種能夠描述自然系統和社會系統的精確概念模型。
多agent系統(Multiagent System, MAS)?更能體現人類的社會智能,具有更大的靈活性和適應性,更適合開放和動態的世界環境,因而倍受重視,已成為人工智能以至計算機科學和控制科學與工程的研究熱點。
1.4.15?計算智能與進化計算
計算智能(Computing Intelligence)涉及神經計算、模糊計算、進化計算等研究領域。
進化計算(Evolutionary Computation)是指一類以達爾文進化論為依據來設計、控制和優化人工系統的技術和方法的總稱,它包括遺傳算法(Genetic Algorithms)、進化策略(Evolutionary Strategies)和進化規劃(Evolutionary Programming)。
1.4.16?數據挖掘與知識發現
知識獲取是知識信息處理的關鍵問題之一。
數據挖掘是通過綜合運用統計學、粗糙集、模糊數學、機器學習和專家系統等多種學習手段和方法,從大量的數據中提煉出抽象的知識,從而揭示出蘊涵在這些數據背后的客觀世界的內在聯系和本質規律,實現知識的自動獲取。
數據挖掘和知識發現技術已獲廣泛應用。
1.4.17?人工生命
人工生命(Artificial Life, ALife)旨在用計算機和精密機械等人工媒介生成或構造出能夠表現自然生命系統行為特征的仿真系統或模型系統。自然生命系統行為具有自組織、自復制、自修復等特征以及形成這些特征的混沌動力學、進化和環境適應。
人工生命所研究的人造系統能夠演示具有自然生命系統特征的行為,在“生命之所能”(life as it could be)的廣闊范圍內深入研究“生命之所知”(life as we know it)的實質。
人工生命學科的研究內容包括生命現象的仿生系統、人工建模與仿真、進化動力學、人工生命的計算理論、進化與學習綜合系統以及人工生命的應用等。
1.4.18?系統與語言工具
除了直接瞄準實現智能的研究工作外,開發新的方法也往往是人工智能研究的一個重要方面。人工智能對計算機界的某些最大貢獻已經以派生的形式表現出來。計算機系統的一些概念,如分時系統、編目處理系統和交互調試系統等,已經在人工智能研究中得到發展。
?
1.5?本書概要
本書包括下列內容:
1、簡述人工智能的起源與發展,討論人工智能的定義、人工智能與計算機的關系以及人工智能的研究和應用領域。
2、比較概括地論述知識表示的各種主要方法,包括狀態空間法、問題歸約法、謂詞邏輯法、結構化表示法(語義網絡法、框架)、劇本和過程等。
3、討論常用搜索原理,如盲目搜索、啟發式搜索和消解原理等;并研究一些比較高級的推理求解技術,如規則演繹系統、專家系統、系統組織技術、不確定性推理和非單調推理等。
4、介紹近期發展起來的已成為當前研究熱點的人工智能技術和方法,即分布式人工智能與agent、計算智能(含神經計算、邏輯計算與進化計算)、數據挖掘與知識發現、人工生命等。
5、比較詳細地分析人工智能的主要應用領域,涉及專家系統、機器學習、自動規劃系統和自然語言理解等。
6、敘述近年來人工智能研究中出現的爭論,展望人工智能的發展。
?
1.6?辯論會
主題:人工智能能否超過人類智能?
正方觀點:人工智能不會超過人類智能。
反方觀點:人工智能能夠超過人類智能。
from: http://netclass.csu.edu.cn/jpkc2003/rengongzhineng/rengongzhineng/jiaoan/chapter1.htm
總結
以上是生活随笔為你收集整理的人工智能:第一章 绪 论的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Stanford UFLDL教程 独立成
- 下一篇: 人工智能:第二章 知识表示方法