《第一讲计算智能导论.ppt》由会员分享，可在线阅读，更多相关《第一讲计算智能导论.ppt（190页珍藏版）》请在课桌文档上搜索。
1、人工智能 计算智能,计算主义,随着数学和计算机技术的进展，计算的观念越来越显示其在各个领域的威力，从计算的角度审视世界，也已经成为我们在数字化时代生存的一种特殊的思维方式，主张在还原论哲学基础上建立计算主义，认为从物理世界、生命过程直到人类智能都是算法可计算的（Computable），甚至整个宇宙完全是由算法（Algorithm）支配的。,1997年5月11日北京时间早晨4时50分，一台名叫“深蓝”的超级电脑在棋盘C4处落下最后一颗棋子，全世界都听到了震撼世纪的叫杀声“将车”！这场举世瞩目的“人机大战”，终于以机器获胜的结局降下了帏幕。(卡斯帕罗夫)“深蓝”是一台智能电脑，是人工智能的杰作。新
2、闻媒体以挑衅性的标题不断地发问：电脑战胜是一个人，还是整个人类的智能？连棋王都认了输，下一次人类还将输掉什么？智慧输掉了，人类还剩些什么？于是，人工智能又一次成为万众关注的焦点，成为电脑科学界引以自豪的学科。,“深蓝”的技术指标：32个CPU每个CPU有16个协处理器每个CPU有256M内存每个CPU的处理速度为200万步/秒每秒行棋速度：卡斯帕罗夫2步，“深蓝”2亿步。,人工智能（AI）伴随着电脑诞生，在风风雨雨中走过了半个多世纪的艰难历程，已但经是枝繁叶茂、郁郁葱葱！,人工智能的发展,人工智能的萌芽（56年以前）人工智能的诞生（56-61年）人工智能的发展（61年后）,人工智能的萌芽阶段,
3、亚里斯多德(Aristotle 384-322 BC)，主要贡献为形而上学(metaphysics)和逻辑学两方面的思想。亚氏在逻辑主要成就包括主谓命題(statement in subject-predicate form)及关于此类命題的逻辑推理方法，特別是三段论证(syllogism)。所谓命題就是真(true)或假(false)的句子，例如蘇格拉底是人，這是真的命題；至於问句我的书在那里？就不是命題了，它并沒有真假的意义可言。,亚里斯多德与逻辑、推理,逻辑只讨论命題，因它有真假可言。亚氏认为命題基本是由主詞(subject)与谓詞(predicate)构成的，主詞是命題所描述的事物或主
4、題，谓词則是描述主詞的词语。亚氏跟著提出四种比较复杂的主谓命題，它们都具有以下结构：量詞主詞系詞谓詞。這里我们以符号S及P分別表示主詞及谓詞。系詞有两种：是或不是；量词亦有兩种：所有(all)或有(some)。,亚里斯多德与逻辑、推理,(A)所有S是P(或 凡S是P)，例如凡人是動物；(B)凡S不是P，例如凡貓不是狗；(C)有S是P，例如有花是白的；(D)有S不是P，如有花不是白的。所谓逻辑推論，即指由前提推导出结论的正确(valid)的方法，在这种正确推论中，若前提为真，則结论亦必然为真。,亚里斯多德与逻辑、推理,关于推論，亚氏特別讨论三段论证，這是由兩個(主謂命題)前提推出(主謂式)结论的
5、方法。例如：(i)凡孔子的后代是人(ii)凡人皆会死，；因此凡孔子的后代会死。若写成普遍的形式，則是：(i)凡S是M;(ii)凡M是P，；因此凡S是P。这里(i)及(ii)是兩個前提，若這兩個前提为真，則以上推出的结论(凡S是P)亦必然地真，因此这个三段论证是正确的。,2.归纳法,Bacon(培根，1561-1626)在新工具中提出归纳法，提出“知识就是力量”,他十分重视科学实验，认为只有经过实验才能获得真正的知识。,3.Turing图灵与人工智能,艾伦麦席森图灵（Turing，1912年6月23日-1954年6月7日），英国数学家。以“纸上下棋机”率先探讨了下棋与机器智能的联系，他还是举世公
6、认的“人工智能之父”。3岁那年，他进行了在科学实验方面的首次尝试把玩具木头人的胳膊掰下来种植到花园里，想让它们长成更多的木头人。8岁时，图灵尝试着写了一部科学著作，题名关于一种显微镜。,Turing图灵与人工智能,1937年，伦敦权威的数学杂志又收到图灵一篇论文论可计算数及其在判定问题中的应用，作为阐明现代电脑原理的开山之作，被永远载入了计算机的发展史册。这篇论文原本是为了解决一个基础性的数学问题：是否只要给人以足够的时间演算，数学函数都能够通过有限次机械步骤求得解答？传统数学家当然只会想到用公式推导证明它是否成立，可是图灵独辟蹊径地想出了一台冥冥之中的机器。,图灵想象的机器说起来很简单：该计
7、算机使用一条无限长度的纸带，纸带被划分成许多方格，有的方格被画上斜线，代表“1”；有的没有画任何线条，代表“0”。该计算机有一个读写头部件，可以从带子上读出信息，也可以往空方格里写下信息。该计算机仅有的功能是：把纸带向右移动一格，然后把“1”变成“0”，或者相反把“0”变成“1”。,第二次世界大战期间，图灵应征入伍，在战时英国情报中心“布雷契莱庄园”（Bletchiy）从事破译德军密码的工作，与战友们一起制作了第一台密码破译机。在图灵理论指导下，这个“庄园”后来还研制出破译密码的专用电子管计算机“巨人”（Colossus），在盟军诺曼底登陆等战役中立下了丰功伟绩。,1945年，脱下军装的图灵，
8、带着大英帝国授予的最高荣誉勋章，被录用为泰丁顿国家物理研究所高级研究员。由于有了布雷契莱的实践，他提交了一份“自动计算机”的设计方案，领导一批优秀的电子工程师，着手制造一种名叫ACE的电脑。1950年，ACE电脑样机公开表演，被认为是当时世界上最快最强有力的电子计算机之一。,Turing图灵与人工智能,1950年，图灵来到曼彻斯特大学任教，并被指定为该大学自动计算机项目的负责人。就在这年10月，他的又一篇划时代论文计算机与智能 发表。这篇文章后来被改名为机器能思维吗？Can a machine think？,图灵试验,试图通过让机器模仿人回答某些问题，判断它是否具备智能。图灵试验采用“问”与“
9、答”模式，即观察者通过控制打字机向两个试验对象通话，其中一个是人，另一个是机器。要求观察者不断提出各种问题，从而辨别回答者是人还是机器。图灵指出：“如果机器在某些现实的条件下，能够非常好地模仿人回答问题，以至提问者在相当长时间里误认它不是机器，那么机器就可以被认为是能够思维的。”从表面上看，要使机器回答按一定范围提出的问题似乎没有什么困难，可以通过编制特殊的程序来实现。然而，如果提问者并不遵循常规标准，编制回答的程序是极其困难的事情。,图灵预测，2000年之前计算机有30%的概率蒙骗一个普通人达5分钟。然而，AI研究者相信研究智能的根本原理远比复制智能更重要。,图灵测试对计算机的要求,自然语言
10、处理知识表示自动推理机器学习完全图灵测试计算机视觉机器人技术,图灵还为这项试验亲自拟定了几个示范性问：,问：请给我写出有关“第四号桥”主题的十四行诗。答：不要问我这道题，我从来不会写诗。问：34957加70764等于多少？答：（停30秒后）105721 问：你会下国际象棋吗？答：是的。问：我在我的K1处有棋子K；你仅在K6处有棋子K，在 R1处有棋子R。现在轮到你走，你应该下那步棋？答：（停15秒钟后）棋子R走到R8处，将军！,图灵测试,从表面上看，要使机器回答按一定范围提出的问题似乎没有什么困难，可以通过编制特殊的程序来实现。然而，如果提问者并不遵循常规标准，编制回答的程序是极其困难的事情。
11、例如，提问与回答呈现出下列状况：,图灵试验,问：你会下国际象棋吗？答：是的。问：你会下国际象棋吗？答：是的。问：请再次回答，你会下国际象棋吗？答：是的。你多半会想到，面前的这位是一部笨机器。,图灵试验,问：你会下国际象棋吗？答：是的。问：你会下国际象棋吗？答：是的，我不是已经说过了吗？问：请再次回答，你会下国际象棋吗？答：你烦不烦，干嘛老提同样的问题。,图灵试验,上述两种对话的区别在于，第一种可明显地感到回答者是从知识库里提取简单的答案，第二种则具有分析综合的能力，回答者知道观察者在反复提出同样的问题。“图灵试验”没有规定问题的范围和提问的标准，如果想要制造出能通过试验的机器，以我们现在的技术
12、水平，必须在电脑中储存人类所有可以想到的问题，储存对这些问题的所有合乎常理的回答，并且还需要理智地作出选择。,图灵预言,图灵曾预言，随着电脑科学和机器智能的发展，本世纪末将会出现这样的机器。在这点上，图灵也过于乐观。但是，“图灵试验”大胆地提出“机器思维”的概念，为人工智能确定了奋斗的目标，并指明了前进的方向。遗憾的是，1954年6月8，图灵英年早逝！,图灵奖,图林开创了计算机科学的重要分支人工智能，虽然他当时并没有明确使用这个术语。把“图林奖”获奖者作一统计后就会发现，许多电脑科学家恰好是在人工智能领域作出的杰出贡献。例如，1969年“图林奖”获得者是哈佛大学的明斯基（M.Minsky）；1
13、971年“图林奖”获得者是达特莫斯大学的麦卡锡（J.McCarthy）；1975年“图林奖”则由卡内基梅隆大学的纽厄尔（A.Newell）和赫伯特西蒙（H.Simon）共同获得。,4.人工智能的物质基础:计算机,二战期间，美国军方为了解决计算大量军用数据的难题，成立了由宾夕法尼亚大学莫奇利和埃克特领导的研究小组，开始研制世界上第一台计算机。经过三年紧张的工作，第一台电子计算机终于在1946年2月14日问世了，它由17468个电子管、6万个电阻器、1万个电容器和6千个开关组成，重达30吨，占地160平方米，耗电174千瓦，耗资45万美元。这台计算机每秒只能运行5千次加法运算，称为“埃尼阿克”即E
14、NIAC（电子数字积分计算机）。,人工智能的物质基础,Mauchly和Eckert等研制成功ENIAC电子数字计算机，为人工智能研究奠定物质基础。缺点：（1）没有存储器；（2）它用布线接板进行控制，甚至要搭接几天，计算速度也就被这一工作抵消了,埃克特（右）和莫克利（左）,数学奇才、计算机之父冯诺依曼冯诺依曼,5、Von Neumann提出冯诺依曼计算机模型。,冯诺依曼,熟悉计算机发展历史的人大都知道，美国科学家冯诺依曼被誉为“计算机之父”，他是本世纪最伟大的发明家之一。数学史界却同样坚持认为，冯诺依曼是本世纪最伟大的数学家之一，他在遍历理论、拓扑群理论等方面作出了开创性的工作，算子代数甚至被命
15、名为“冯诺依曼代数”。,物理学家说，冯诺依曼在30年代撰写的量子力学的数学基础已经被证明对原子物理学的发展有极其重要的价值。而经济学家则反复强调，冯诺依曼建立的经济增长横型体系，特别是40年代出版的著作博弈论和经济行为，使他在经济学和决策科学领域竖起了一块丰碑。,1931年匈牙利首都布达佩斯。身为犹太银行家的父亲在报纸上刊登启事，要为他11岁的孩子招聘家庭教师，聘金超过常规10倍。布达佩斯人才济济，可一个多月过去，居然没有一人前往应聘。因为这个城市里，谁都听说过，银行家的长子冯诺依曼聪慧过人，3岁就能背诵父亲帐本上的所有数字，6岁能够心算8位数除8位数的复杂算术题，8岁学会了微积分。,父亲无可
16、奈何，只好把冯诺依曼送进一所正规学校就读。不到一个学期，他班上的数学老师走进家门，告诉银行家自己的数学水平已远不能满足冯诺依曼的需要。“假如不给创造这孩子深造的机会，将会耽误他的前途，”老师认真地说道，“我可以将他推荐给一位数学教授，您看如何？”银行家一听大喜过望，于是冯诺依曼一面在学校跟班读书，一面由布达佩斯大学教授为他“开小灶”。,然而，这种状况也没能维持几年，勤奋好学的中学生很快又超过了大学教授，他居然把学习的触角伸进了当时最新数学分支集合论和泛函分析，同时还阅读了大量历史和文学方面的书籍，并且学会了七种外语。毕业前夕，冯诺依曼与数学教授联名发表了他第一篇数学论文，那一年，他还不到17岁
17、。,考大学前夕，匈牙利政局动荡，冯诺依曼便浪迹欧洲各地，在柏林和瑞士一些著名的大学听课。22岁时，他获瑞士苏黎士联邦工业大学化学工程师文凭。一年之后，轻而易举摘取布达佩斯大学数学博士学位。在柏林当了几年无薪讲师后，他转而攻向物理学，为量子力学研究数学模型，又使自己在理论物理学领域占据了突出的地位。风华正茂的冯诺依曼，靠着顽强的学习毅力，在科学殿堂里“横扫千军如卷席”，成为横跨“数、理、化”各门学科的超级全才。,1928年，美国数学泰斗、普林斯顿高级研究院维伯伦教授（O.Veblen）广罗天下之英才，一封烫金的大红聘书，寄给了柏林大学这位无薪讲师，请他去美国讲授“量子力学理论课”。冯诺依曼预料到
18、未来科学的发展中心即将西移，欣然同意赴美国任教。1930年，27岁的冯诺依曼被提升为教授；1933年，他又与爱因斯坦一起，被聘为普林斯顿高等研究院第一批终身教授，而且是6名大师中最年轻的一名。,1944年戈德斯坦来到阿贝丁车站，等候去费城的火车，突然看见前面不远处，有个熟悉的身影向他走过来。来者正是闻名世界的大数学家冯诺依曼。天赐良机，戈德斯坦感到绝不能放过这次偶然的邂逅，他把早已埋藏在心中的几个数学难题，一古脑儿倒出来，向数学大师讨教。数学家和蔼可亲，没有一点架子，耐心地为戈德斯坦排忧解难。听着听着，冯诺依曼不觉流露出吃惊的神色，敏锐地从数学问题里，感到眼前这位青年身边正发生着什么不寻常的事
19、情。他开始反过来向戈德斯坦发问，直问得年轻人“好像又经历了一次博士论文答辩”。最后，戈德斯坦毫不隐瞒地告诉他莫尔学院的电子计算机课题和目前的研究进展。,1945年6月，冯 诺依曼与戈德斯坦、勃克斯等人，联名发表了一篇长达101页纸的报告，即计算机史上著名的“101页报告”，直到今天，仍然被认为是现代电脑科学发展里程碑式的文献。报告明确规定出计算机的五大部件，并用二进制替代十进制运算。,他是美国国家科学院、秘鲁国立自然科学院和意大利国立林且学院等院的院土。1954年他任美国原子能委员会委员；1951年至1953年任美国数学会主席。1954年夏，冯。诺依曼被使现患有癌症，1957年2月8日，在华盛
20、顿去世，终年54岁。,MP模型,在1943年沃仑麦卡洛克（Warrenc McCulloch）和沃尔特皮兹（Walter Pitts）研究表明，在原则上由非常简单的单元连接在一起组成的“网络”可以对任何逻辑和算术函数进行计算。因为网络的单元有些像大大简化的神经元，它现在常被称作“神经网络”。,MP模型,6、McCulloch和Pitts建立神经网络数学模型，通过模拟人脑实现智能，开创人工神经网络研究。,wij 代表神经元i与神经元j之间的连接强度(模拟生物神经元之间突触连接强度)，称之为连接权；ui代表神经元i的活跃值，即神经元状态；vi代表神经元j的输出，即是神经元i的一个输入；i代表神经元
21、i的阈值。函数f表达了神经元的输入输出特性。在MP模型中，f定义为阶跃函数：,输入,输出,本体：细胞体（细胞膜、质、核），对输入信号进行处理，相当于CPU。树突：本体向外伸出的分支，多根，长1mm左右，本体的输入端。轴突：本体向外伸出的最长的分支，即神经纤维，一根，长1cm1m左右，通过轴突上的神经末梢将信号传给其它神经元，相当于本体的输出端。突触：各神经元之间轴突和树突之间的接口，即神经末梢与树突相接触的交界面，每个细胞体大约有103104个突触。突触有兴奋型和抑制型两种。,7、Wiener创立控制论，Shannon创立信息论 维纳开始考虑计算机如何能像大脑一样工作。他发现了二者的相似性。维
22、纳认为计算机是一个进行信息处理和信息转换的系统，只要这个系统能得到数据，机器本身就应该能做几乎任何事情。而且计算机本身并不一定要用齿轮，导线，轴，电机等部件制成。麻省理工学院的一位教授为了证实维纳的这个观点，甚至用石块和卫生纸卷制造过一台简单的能运行的计算机。,8、英国数学家、逻辑学家Boole（1815-1864）实现了莱布尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统布尔代数。布尔利用代數語言使逻辑推理更简洁清晰，從而建立起一種所謂逻辑科学，其方法不但使数学家耳目一新，也使哲學家大為叹服。他为逻辑代數化作出了決定性的贡献，他所建立的理论隨著電子計算机的問世而得到迅速發展。,NP
23、问题,在计算机学科中，存在多项式时间的算法的一类问题，称之为P类问题；而像梵塔问题、推销员旅行问题、至今没有找到多项式时间算法解的一类问题，称之为NP类问题。,TSP(Traveling salesman problem,旅行商问题),NP:推销员旅行问题,如果有3个城市，则有3!=6种访问每个城市的次序。如果有4个城市，则有4!=24种次序.即使用计算机来计算，这种急剧增长的可能性的数目也远远超过计算资源的处理能力，对此，算法复杂性专家史蒂芬.库克评论：如果有100个城市，需要求出100！条路线的费用，没有哪一台计算机能够胜任这一任务。打个比方，让太阳系中所有的电子以它旋转的频率来计算，就算
24、太阳烧尽了也算不完。,Mathematical formulation:,1 n,(c1 cn)(w1 wn),where W:weight capacity,Knapsack Problem：背包问题,人工智能的诞生,1、导因 现实世界中相当多的问题求解是复杂的，常无算法可循，即使有计算方法，也是NP(Non-deterministicPolynomial，即是多项式复杂程度的非确定性问题)问题。为此，人们可采用启发式知识进行问题求解，把复杂的问题大大简化，可在浩瀚的搜索空间中迅速找到解答。运用专门领域的经验知识，经常会取得有关问题的满意解，而非数学上的最优解。这就是启发式搜索。,达特莫斯会
25、议,1956年夏天，美国达特莫斯大学召开了一次影响深远的历史性会议。主要发起人是该校青年助教麦卡锡(71,图灵奖)，此外会议发起者还有哈佛大学明斯基(69,图灵奖)、贝尔实验室香农（E.Shannon）和IBM公司信息研究中心罗彻斯特(Lochester），他们邀请了卡内基梅隆大学赫伯特西蒙(75,图灵奖)、麻省理工学院塞夫里奇（O.Selfridge）和索罗门夫R.Solomamff），以及IBM公司塞缪尔（A.Samuel，跳棋机，56）和莫尔（T.More）。,达特莫斯会议,这些青年学者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同的角度共同探讨人工智能的可能性。达
26、特莫斯会议历时长达两个多月，学者们在充分讨论的基础上，首次提出了“人工智能”（Artificial Intelligence）这一术语，标志着人工智能（AI）作为一门新兴学科正式诞生。,现代电脑 的智能与人类智能,例一回答问题，“树上有10只鸟，被猎人用枪打下1只，问树上还剩下几只鸟？”实际生活：过马路。一方面，电脑能计算出10亿位的值，能快速处理全国人口普查的海量数据，能精确地控制宇宙飞船登上月球的每一步骤，使任何聪明绝顶的人在它面前都相形见绌；另一方面，电脑的智力水平可以说连普通3岁孩童都不如。正如1980年国外有人给它下的一个通俗的定义：“快速的、按规矩行事的傻子机器。”。,生物智能,对
27、低级动物来讲，它的生存、繁衍是一种智能。为了生存，它必须表现出某种适当的行为，如觅食、避免危险、占领一定的地域、吸引异性以及生育和照料后代。因此，从个体的角度看，生物智能是动物为达到某种目标而产生正确行为的生理机制。自然界智能水平最高的生物就是人类自身，不但具有很强的生存能力，而且具有感受复杂环境、识别物体、表达和获取知识以及进行复杂的思维推理和判断的能力。,人类智能,人类个体的智能是一种综合性能力。具体地讲，可包括：1）感知与认识事物、客观世界与自我的能力；2）通过学习取得经验、积累知识的能力；3）理解知识、运用知识和运用经验分析问题和解决问题的能力；4）联想、推理、判断、决策的能力；5）运
28、用语言进行抽象、概括的能力；6）发现、发明、创造、创新的能力；7）实时地、迅速地、合理地应付复杂环境的能力；8）预测、洞察事物发展变化的能力；,智能定义,智能是人类具有的特征之一，然而，对于什么是人类智能（或者说智力），科学界至今还没有给出令人满意的定义。1.从生物学角度定义为“中枢神经系统的功能”。2.从心理学角度定义为“进行抽象思维的能力”。3.有人同义反复地把它定义为“获得能力的能力”,智能定义,4.智能是个体或群体在不确定的动态环境中作出适当反应的能力，这种反应必须有助于它(它们)实现其最终的行为目标。5.智能是个体有目的的行为、合理的思维，以及有效地适应环境的综合能力。通俗地讲，智能
29、是个体认识客观事物、客观世界和运用知识解决问题的能力。,注,智能是相对的、发展的。离开特定时间说智能是困难的、没有意义的。,人工智能,人工智能是相对人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。人类的许多活动，如解算题、猜谜语、进行讨论、编制计划和编写计算机程序，甚至驾驶汽车和骑自行车等等，都需要“智能”。如果机器能够执行这种任务，就可以认为机器已具有某种性质的“人工智能”。,例子1：能够模拟人的思维，进行博弈的计算机。“深蓝”(Deep Blue)。例子2：能够进行深海探测的潜水机器人。例
30、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。人工智能是人工制品(artifact)中所涉及的智能行为。其中，智能行为包括：感知(perception)、推理(Reasoning)、学习(learning)、通信(communicating)和复杂环境下的动作行为(acting)。,人工智能定义,西蒙认为：AI是学会怎样编制计算机程序完成机智的行为，学习人类怎样做这些机智行为；明斯基则认为人工智能一方面帮助人的思考，另一方面使计算机更有用。鉴于图灵是用行为来判断机器是否具有智能，麻省理工学院温斯顿（P.Winston）在AI教科书里下定义说：“人工智能就是研究如何使计算机去做过去只有
31、人才能做的智能的工作。”,人工智能的特点与分支,特点：具备推理、学习和联想人工智能从一开始就形成了其中两种重要的研究范式，即符号主义和联接主义。符号主义采用知识表达和逻辑符号系统来模拟人类的智能。联接主义则从大脑和神经系统的生理背景出发来模拟它们的工作机理和学习方式。符号主义试图对智能进行宏现研究，而联接主义则是一种微观意义上的探索。,符号主义,认为人工智能源于数理逻辑。数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统正是这些符号主义者，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80年代取得很大发展。符号主义曾
32、长期一枝独秀，为人工智能的发展作出重要贡献，这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)。,连接主义,认为人工智能源于仿生学，特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型。60-70年代，联结主义，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.对于某一类简单的问题“线性可分”的问题感知机通过有限次训练就能学会正确的行为。,感知器模型,感知器模型如图 I/O关系为,例,解 首先定义输入矢量及相应的目标矢量：P=-0.5 0.5 0.3 0.0;-0.5 0
33、.5-0.5 1.0；T=1.0 1.0 0.0 0.0；输入矢量可以用图/来描述，对应于目标值0的输入矢量用符号0表示，对应于目标值1的输入矢量符号+表示。,异或(Exclusive OR)问题,由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在70年代后期至80年代初期落入低潮。(学术权威M.L.Minsky，明斯基和S.Papert),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，联结主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。现在，对ANN的研究热情仍然不减。,人工智能的目标,人工智能科学想要解
34、决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化、解决各种实际问题等等能力。换言之，人工智能是电脑科学的一个重要分支，它的近期目标是让电脑更聪明、更有用，它的远期目标是使电脑变成“像人一样具有智能的机器”。,人工智能的发展(61年之后),机器证明专家系统第五代计算机模式识别人脑与电脑人工智能预言,1.机器证明,赫伯特西蒙等人合作编制的逻辑理论机,即数学定理证明程序，从而使机器迈出了逻辑推理的第一步。原理：在卡内基梅隆大学的计算机实验室，西蒙从分析人类解答数学题的技巧入手，让一些人对各种数学题作周密的思考，要求他们不仅写出求解的答案，而且说出自己推理的方法和步骤。,经过反
35、复的实验，纽厄尔和赫伯特西蒙进一步认识到，人类证明数学定理也有类似的思维规律，通过“分解”（把一个复杂问题分解为几个简单的子问题）和“代入”（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索，与电脑下棋的原理异曲同工。,在实验结果的启发下，纽厄尔和赫伯特西蒙便利用这个LT程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，它一举证明了数学家罗素的数学名著数学原理第二章中的38个定理。1963年，经过改进的LT程序在一部更大的电脑上，最终完成了第二章全部52条数学定理
36、的证明。,美籍华人学者、洛克菲勒大学教授王浩在“自动定理证明”上获得了更大的成就。1959年，王浩用他首创的“王氏算法”，在一台速度不高的IBM704电脑上再次向数学原理发起挑战。不到9 分钟，王浩的机器把这本数学史上视为里程碑的著作中全部（350条以上）的定理，统统证明了一遍。,机器证明,人工智能定理证明研究最有说服力的例子，是机器证明了困扰数学界长达100余年之久的难题“四色定理”。据说，“四色问题”最早是1852年由一位21岁的大学生提出来的数学难题：任何地图都可以用最多四种颜色着色，就能区分任何两相邻的国家或区域。这个看似简单的问题，就象“哥德巴赫猜想”一样，属于世界上最著名的数学难题
37、之一。,机器证明,1976年6月，美国伊利诺斯大学的两位数学家沃尔夫冈哈肯（W.Haken）和肯尼斯阿佩尔（K.Apple）宣布，他们成功地证明了这一定理，使用的方法就是机器证明。哈肯和阿佩尔攻克这一难题使用的方法是“穷举归纳法”。哈肯和阿佩尔编制出一种很复杂的程序，让3台IBM360电脑自动高速寻找各种可能的情况，并逐一判断它们是否可以被“归纳”。十几天后，共耗费1200个机时，做完200亿个逻辑判断。,人工智能先驱们认真地研究下棋，研究机器定理证明，但效果仍不尽如人意。问题的症结在于，虽然机器能够解决一些极其错综复杂的难题，但是有更多的工作，对人来说是简单到不能再简单的事情，对电脑却难似上
38、青天。60年代末，由于许多世界一流的人工智能学者过高地估计了智能电脑的能力，而现实却一再无情地打破了他们乐观的梦想，以致遭到越来越多的嘲笑和反对。AI研究曾一度堕入低谷，出现了所谓“黑暗时期”。,2.专家系统:人工智能的复兴,1977年，曾是赫伯特西蒙的研究生、斯坦福大学青年学者费根鲍姆（E.Feigenbaum），在第五届国际人工智能大会上提出了“知识工程”的概念，标志着AI研究从传统的以推理为中心，进入到以知识为中心的新阶段。人工智能重新获得人们的普遍重视，逐步跨进了复兴期。,专家系统,费根鲍姆他具体介绍了他们开发的第一个“专家系统”，并提出“知识库”、“知识表达”和“知识工程”等一系列全
39、新的概念。一个人要成为专家，至少必须掌握某一学科渊博的知识，具有丰富的实践经验，能解决一般人不能够解决的疑难问题。专家的数量和质量标志着一个国家、一个时代的科学水平。,专家系统,费根鲍姆构建的“专家系统”，就是要在机器智能与人类智慧集大成者专家的知识经验之间建造桥梁。他解释说：专家系统“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平”,专家系统,专家本人不一定了解电脑程序，构建专家系统还必须有所谓“知识工程师”参与，帮助领域专家从头脑中挖掘启发式知识，并设计知识库和知识推理程序。因此，专家系统又被称为知识工程，这两种不同的称谓在英国和日本泾渭分明：英国学界崇尚科
40、学，成为专家是人们追逐的境界；而日本学界推崇技术，工程师是人们向往的职业，于是，才有了“专家系统”与“知识工程”两种同义的名称。,知识,人类专家的知识通常包括两大类。一类是书本知识，它可能是专家在学校读书求学时所获，也可能是专家从杂志、书籍里自学而来；然而，仅仅掌握了书本知识的学者还不配称为专家，专家最为宝贵的知识是他凭借多年的实践积累的经验知识，这是他头脑中最具魅力的知识瑰宝。在AI研究里，这类知识称之为“启发式知识”。,知识表示的目的 使用知识。它是问题求解和专家系统的基础。知识表示遵循的思路,产生式规则 与或图 状态空间等,人工智能语言（如Prolog语言）通用程序设计语言（如C、C+）
41、,自然语言表示 格式化表示 计算机语言表示,如果有毛发或者产奶，那么它是哺育动物；如果吃肉，那么它是食肉动物；如果有犬齿、有爪、眼视前方，那么它是食肉动物；如果是哺育动物、食肉动物、黄褐色、有黑色条纹，那么它是老虎。,自然语言描述知识,if 有毛发或者产奶 then 它是哺育动物；if 吃肉 then 它是食肉动物；if 有犬齿，且有爪，且眼视前方 then 它是食肉动物；if 是哺育动物，且是食肉动物，且是黄褐色，且有黑色条纹 then 它是老虎。,产生式规则表示知识,产生式规则的基本形式：If P then Q或者PQ,老虎,黄褐色,黑色条纹,食肉动物,吃肉,有犬牙,有爪,眼睛向前,哺育动
42、物,产奶,有毛发,产生式规则表示知识的网络,与或图表示知识,定义如下谓词：positive(X)表示该动物具有特点X;negative(X)表示该动物不具有特点X;It_is(X)表示该动物属于X类别;Animal_is(X)表示该动物的名字叫X.,用Prolog语言表示知识（1）,It_is(“哺育动物”):-positive(“有毛发”)It_is(“哺育动物”):-positive(“产奶”)It_is(“食肉动 物”):-positive(“吃肉”)It_is(“食肉动物”):-positive(“有犬齿”),positive(“有爪”),positive(“眼视前方”)Animal_
43、is(“老虎”):-It_is(“哺育动物”),It_is(“食肉动物”),positive(“黄褐色”),positive(“有黑色条纹”),用Prolog语言表示知识（2）,专家系統的基本结构图,人机接口,推理机,解释程序,知识获取程序,数据库及其管理系统,知识库及其管理系统,专家系统的一般结构,用户,领域专家,动物识别系统,附：规则（知识）r1：if 该动物有毛发 then 该动物是哺乳动物 r2：if 该动物有奶 then 该动物是哺乳动物 r3：if 该动物有羽毛 then 该动物是鸟 r4：if 该动物会飞 and 会下蛋 then 该动物是鸟 r5：if 该动物吃肉 then 该
44、动物是食肉动物 r6：if 该动物有犬齿 and 有爪 and 眼盯前方 then 该动物是食肉动物 r7：if 该动物是哺乳动物 and 有蹄 then 该动物是有蹄类动物 r8：if 该动物是哺乳动物 and 是嚼反刍类动物 then 该动物是有蹄类动物,r9：if 该动物是哺乳动物 and 是食肉类动物 and 是黄褐色 and 身上有暗斑点 then 该动物是金钱豹 r10：if 该动物是哺乳动物 and 是食肉类动物 and 是黄褐色 and 身上有黑色条纹 then 该动物是虎 r11：if 该动物是有蹄类动物 and 有长脖子 and 有长腿 and 身上有暗斑点 then 该动
45、物是长颈鹿 r12：if 该动物是有蹄类动物 and 身上有黑色条纹 then 该动物是斑马,r13：if 该动物是鸟 and 有长脖子 and 有长腿 and 不会飞 then 该动物是鸵鸟 r14：if 该动物是鸟 and 会游泳 and 不会飞 and 有黑白两色 then 该动物是企鹅 r15：if 该动物是鸟 and 善飞 then 该动物是信天翁,专家系统实例之一,1965年，在斯坦福大学化学专家的配合下，费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，其分析能力已经接近、甚至超过了有关化学
46、专家的水平。该专家系统为AI的发展树立了典范，其意义远远超出了系统本身在实用上创造的价值。,专家系统实例之一,专家系统最成功的实例之一，是1976年美国斯坦福大学肖特列夫（Shortliff）开发的医学专家系统MYCIN，这个系统后来被知识工程师视为“专家系统的设计规范”。在MYCIN的知识库里，大约存放着450条判别规则和1000条关于细菌感染方面的医学知识。它一边与用户进行对话，一边进行推理诊断。它的推理规则称为“产生式规则”，类似于：“IF（打喷嚏）OR（鼻塞）OR（咳嗽），THEN（有感冒症状）”这种医生诊断疾病的经验总结，最后显示出它“考虑”的可能性最高的病因，并以给出用药的建议而结
47、束。专家系统和知识工程成为符号主义人工智能发展的主流。,诺依曼机,我们知道，从用电子管制作的ENIAC，直到用超大规模集成电路设计的微型电脑，都毫无例外遵循着40年代冯诺依曼为它们确定的体系结构。这种体系必须不折不扣地执行人们预先编制、并且已经储存的程序，不具备主动学习和自适应能力。所有的程序指令都必须调入CPU，一条接着一条地顺序执行。人们把这种顺序执行（串行）已储存程序的电脑类型统称为“诺依曼机”。,3.第五代计算机,达特莫斯会议以来数十年间，除了在问题求解（包括机器博弈、定理证明等）、专家系统、模式识别，人工智能在自然语言理解、自动程序设计、机器人学、知识库的智能检索等各种不同的领域，都
48、开拓出极其广阔的应用前景。纵观人类科学技术发展历史，当一门科学技术的各组成部分，分别发展到一定阶段时，总是需要有人出来作综合工作，将分散的理论与实践成果集成为系统。谁也没有想到，勇敢地站出来，试图集人工智能研究成果之大成者，竟然是在这个领域并没有多少影响力的日本科学家。,第五代计算机,1982年夏天，日本“新一代计算机技术研究所”（ICOT），40位年轻人 在渊一博带领开始了新一代计算机机的研究。“新一代计算机”的主要目标之一是突破电脑所谓“冯诺依曼瓶颈”。渊一博和研究人员甚至不把他们研制的机器命名为计算机，而称作“知识信息处理系统”（KIPS）。,第五代计算机,日本人宣称这种机器将以Prol
49、og(人工智能语言)为机器的语言，其应用程序将达到知识表达级，具有听觉、视觉甚至味觉功能，能够听懂人说话，自己也能说话，能认识不同的物体，看懂图形和文字。人们不再需要为它编写程序指令，只需要口述命令，它自动推理并完成工作任务。只需要告诉作什么而不需要告诉怎么做！,第五代计算机,“五代机”的命运是悲壮的。1992年，因最终没能突破关键性的技术难题，无法实现自然语言人机对话、程序自动生成等目标，导致了该计划最后阶段研究的流产，渊一博也不得不重返大学讲坛。,第五代计算机,1992年6月，就在“五代机”计划实施整整10年之际，ICOT展示了它研制的五代机原型试制机，由64台处理器实现了并行处理，已初步
50、具备类似人的左脑的先进功能，可以对蛋白质进行高精度分析，已经在基因研究中发挥了作用。1992年，它重新开始实施“现实世界计算机”计划，接着研制具有类似于人的右脑功能的计算机。,会看、会听、会说的机器,1997年12月，美国微软公司比尔盖茨第五次访问中国。当介绍到微软正在着手开发手写输入和语音识别软件时，比尔盖茨当场为听众播放了一段电脑识别人体语言的录像，精彩的情节引起了与会者浓厚的兴趣。人们看到一台电脑正在分辨人用点头或摇头表示YES和NO的动作，还有电脑跟踪人眼的指向，在眼睛的指挥下，下了一盘“三子棋”。,4.模式识别,模式识别是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模
