浙江大学人工智能PPT1

1．2 人工智能研究的发展
• 1956年夏季，麦卡锡(McCarthy)等美国年轻学者 发起首次人工智能研讨会 •发展历程大致可划分为四个阶段：
• • • • 形成、 成长、 快速发展、 稳步增长
1 形成期（1956-1961）
这一时期，基于前人数学逻辑和形式推理方面取得的成果，建立在卡内基-梅 隆大学、麻省理工学院和IBM公司的研究组开始了AI的早期研究工作。这个时 期的成果主要是定理证明程序、GPS（General Problem Solving）、下棋程序、 LISP语言和模式识别系统等。这些早期成果充分表明，AI作为一门新兴的学科 正在茁壮成长。
课程安排
三、教学要求
• 重点掌握： 问题求解的基本方法、 知识表示方法、 KB系统设计、 智能规划的实现方法、 机器学习的实现方法。 • 课程难点 搜索算法、 演绎推理的实现方法、 结构化知识表示、 KB系统的设计、 自动规划技术、 机器学习技术。
课程安排
四、教材
• 人工智能基础，高济等，02年，高教出版社，新世纪计算机学科系列教材之一。 校门口科海书店 • 参考资料：人工智能原理和方法，王永庆，98年，西安交通大学。
• 80年代中期——AI热特别是专家系统热大大降温。
• 人工智能技术的不成熟性，对AI经济效益的期望值太高，结果不免令人失 望； • 更糟糕的是大部分草率上马的专家系统项目均未达实用化程度； • 对AI前景持悲观态度，甚至有人提出AI的冬天已经来临。
发展历程
4 稳步增长期（80年代后期以来）
• • • • 大部份AI研究者都还保持着清醒的头脑，扎实的研究工作； AI技术和方法论的发展始终保持了较高的速度； 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。
1．3 人工智能研究的成果
3 机器视觉 • 开始于50年代， • 60年代开展了3维视觉的研究
明斯基（Minsky）和麦卡锡 麻省理工学院和斯坦福大学 手-眼（hand-eye）项目
• 代表计算机视觉研究先进水平的系统——Navlab（navigation laboratory）
其由卡内基-梅隆大学研制，能实现自动的户外导航，通过电子和液压机制开 动车辆并转弯；具有彩色立体的视觉能力，能识别道路上的障碍物，并避开障 碍物行驶。
4 专家系统
•军用后勤调度和规划——DART，九十年代初期由美国军方投资研制
•在被欧美称为沙漠风暴的反击伊拉克入侵科威特的战役中，辅助后勤部门作运送 军队和物资装备的调度规划，出色地完成了运输任务。 •沙漠风暴之战面临的一个严重问题： • 如何尽快地从美国和西欧运送50万军队和1500万磅重的装备到沙特阿拉伯， • 按常规方法，作一次周密的调度规划需要花费几周时间。 • 90年美国军方研究了有关调度规划的KB系统开发工具，DART用该工具开发，6个 星期内就投入使用： • 规划时间从原来的几周缩短到几个小时， • 提供仿真功能， • 发现原来由人制定的计划中只开辟一个运输港口会造成运输瓶颈，就提议必 须开辟第二个。
• 下棋需要高级的智能，其进展可视为人工智能研究的重大成就。
1．3 人工智能研究的成果
2 口语识别 • 口语识别是长期以来AI要解决的困难问题，
• 涉及的知识和处理的数据量大，并要求实时响应， • 计算上的复杂度比智力游戏和国际象棋高好几个数量级，
• 提供与计算机的口语接口有许多优点：自然、不用手、不用看，并不受位 置限制， • 口语识别的研究工作起源于五十年代末， • 60年代，具有小词汇量的系统已用于控制机器人的动作， • 70年代对于自然语言语法和语义的研究成果推动了口语识别的工作， • 代表八十年代后期先进水平的口语识别系统是称为Sphinx的系统， • 进入九十年代，实用化的口语识别初级产品开始出现， • 口语纪录系统，将主人的口述转变为文字记载于文档中 • 翻译电话，使说不同语种的人可以直接通话。
1．1 人工智能的研究和应用
• 人智能研究的先驱工作——古希腊哲学家亚里士多德（Aristotle）的称为三 段论的演绎推理，德国数学家莱布尼茨（Leibniz）于17世纪开创的数理逻 辑和形式推理的研究；20世纪30 ~ 40年代人们发现，人的推理行为可以 通过 “ 基于简单的符号表示结构作运算 ” 来实现，并在此基础上发展了 “谓词演算”这种形式推理方法。 缺乏有效的手段 现代计算机 使人工智能成为现实 尚未达到成熟阶段 • 人工智能的非正式定义——研究如何用计算机来表示和执行人类的智能活 动，以模拟人脑所从事的推理、学习、思考、规划等思维活动，并解决需 要人类的智力才能处理的复杂问题，如医疗诊断、管理决策、下棋、自然 语言理解等。 • AI作为探索智能理论的科学——将进一步与认知科学紧密结合，探索关于 智能行为的新概念、新理论与新方法。 思维等价于计算， 知识表示和推理能力 • 服务于工程目的之应用研究——注意力集中在完善和提高现有的AI理论、 方法和技术，以充分发掘现有计算机的潜力，使计算机变得更聪明一点， 更有效地应用于解决各学科领域中的困难问题。
五、考试
开卷
六、习题
• 思考题——帮助理解讲课内容； • 解析题——体会人工智能方法和技术的应用； • 作业不交，分三次上习题课。
一、绪论：人工智能研究的发 展和基本原则
• 人工智能（Artificial Intelligence，AI）—— 一门正在发展中的综合性前沿 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，目前尚处于技艺状态。 • 最终目的——建立关于智能的理论和让智能机器达到人类的智力水平（人 工智能人）。 • 生命力——作为工程而得到实际应用。 1956年 四十多年 争论、困难和挑战 成功机遇 成长和壮大。 • 在21世纪的以信息技术为主导的网络和知识经济中，人工智能技术将具有 举足轻重的地位和影响。
4 专家系统
• 生产过程监控，如化工、提炼、发电、造纸、材料加工处理等，监控大量 过程变量和警报，优化生产过程，保证质量，节省能源。 • 调度和生产管理，按客户订单（技术指标、数量、交货时间）和工厂现状， 安排生产进度和分配生产资源（机器、材料、人员）。 • 经营管理、工业、服务业、政府和决策过程的自动化，包括库存管理和材 料需求规划，市场销售规划，新产品投产和投标决策，采购决策，资金管 理，保险业的风险管理，个人投资管理，政府审批事务的自动化。 • 工程项目管理，如房屋、车站、机场、港口、水库、电厂的建筑施工、公 路维护、环境保护等，包括项目开发规划、风险分析、规划质疑、工程进 展监测、规划复审和修改等。 • 数据解释，包括油田钻井数据解释，天气预报，地质勘探。 • 故障诊断和预测，如大型设备，生产流程等。 • 交通运输，如车站、机场和港口调度，公路运输调度等。
• 60年代初麦卡锡提出了alpha-beta修剪算法，大大提高了机器下棋水平。 • 下棋程序水平的快速提高：
• • • • 1966年——C级专业棋手水平， 1982年——大师级， 1985年——美国的Hitech，特级大师水平， 1988年——由卡内基-梅隆大学的两个学生设计的程序“DeepThought”在美国 的一次锦标赛中胜了最高级棋手。 • 1997年——由IBM公司研制的超级计算机“DeepBlue”， 在与卡斯帕罗夫的六 盘对弈中，取得三胜二和一负的战绩。
• 目前具有视觉能力的机器人——已能在崎岖的山路上行走，也可下潜到 海底执行勘探任务。
1．3 人工智能研究的成果
4 专家系统 • 起源于前述的DENDRAL系统，与MYCIN系统一起推动了专家系统技术的 大发展。 • 进入80年代后期，专家系统加快了其实用化步伐。
• IBM开发了100个专家系统供内部使用，250 3750万美元， • DEC研制的计算机系统自动配置软件XCON，大幅度减少差错和缩短配置时 间，每年节省2500万美元的开支。
发展历程
3 快速发展期 • 八十年代初——AI研究的淘金热( a gold rush)，AI事业在全球得到大发 展
• • • • 70年代专家系统的初步成功， 日本于1979年宣布的五代机研究计划， 美国、西欧和英国都拟定了庞大的投资计划， DARPA ESPRIT AI被视为具有高的经济价值，因而冒险性投资骤然剧增。
发展历程
2 成长期（1961-1979）
• 早期（60年代）——AI研究陷入基于弱法（weak methods）的纯学术研究 的困境。所谓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，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。 组合爆炸：大量因素，适当组合产生的可能解答数目，穷尽枚举 • 专家系统和建造工具的研制（ 70 年代） —— 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）；困境中解脱，AI大发展；关键的教训：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。
1．1 人工智能的研究和应用
• 目前人工智能研究的主要活跃领域
基于知识的（Knowledge Based, KB）系统、 机器学习和知识发现、 Agent技术和分布的协同工作、 规划和配置、 机器感知。
• 80年代以专家系统为核心发展起来的人工智能和知识工程技术，给AI转变 为生产力做好了技术和社会准备：
1．3 人工智能研究的成果
1 国际象棋 • 国际象棋是典型的适合于AI技术解决的问题
• 50年代AI研究形成时期，其就是AI研究的主要对象之一， • 著名的老一辈AI学者像西蒙（Simon）、纽厄尔（Newell）和肖（shaw）， • 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。
•
商业环境取得显著成功的典型——American Express公司的AA和CA