人工智能及其应用蔡自兴第四版PPT课件
合集下载
人工智能与应用PPT课件
语音识别与合成技术 及应用
2024/1/30
25
语音识别基本原理和方法
声学模型
将声音转化为可识别的特征参数，如梅尔频率倒谱系数（MFCC ）等。
语言模型
利用统计语言模型来描述语音的上下文关系，提高识别准确率。
2024/1/30
解码器
将声学模型和语言模型结合，搜索最可能的文字序列作为识别结果 。
26
2024/1/30
问答系统
通过自然语言处理技术理 解用户提出的问题，并从 知识库中检索相关信息， 生成简洁、准确的答案。
机器翻译
利用自然语言处理技术实 现不同语言之间的自动翻 译，促进国际交流和合作 。
19
自然语言生成技术探讨
2024/1/30
自然语言生成技术
01
研究如何将非结构化的数据或信息转化为人类可读的自然语言
人工智能与应用 PPT课件
2024/1/30
1
contents
目录
2024/1/30
• 人工智能概述 • 机器学习原理与实践 • 自然语言处理技术与应用 • 计算机视觉技术与应用 • 语音识别与合成技术及应用 • 智能推荐系统原理与实践 • 人工智能伦理、法律和社会影响
2
01
人工智能概述
2024/1/30
6
02
机器学习原理与实践
2024/1/30
7
监督学习算法介绍
2024/1/30
原理
通过最小化预测值与真实值之间 的均方误差，学习得到最优的线 性模型参数。
应用
预测连续型数值，如房价、股票 价格等。
8
监督学习算法介绍
2024/1/30
原理
在特征空间中寻找最大间隔超平面， 使得不同类别的样本能够被正确分类 。
2024/1/30
25
语音识别基本原理和方法
声学模型
将声音转化为可识别的特征参数，如梅尔频率倒谱系数（MFCC ）等。
语言模型
利用统计语言模型来描述语音的上下文关系，提高识别准确率。
2024/1/30
解码器
将声学模型和语言模型结合，搜索最可能的文字序列作为识别结果 。
26
2024/1/30
问答系统
通过自然语言处理技术理 解用户提出的问题，并从 知识库中检索相关信息， 生成简洁、准确的答案。
机器翻译
利用自然语言处理技术实 现不同语言之间的自动翻 译，促进国际交流和合作 。
19
自然语言生成技术探讨
2024/1/30
自然语言生成技术
01
研究如何将非结构化的数据或信息转化为人类可读的自然语言
人工智能与应用 PPT课件
2024/1/30
1
contents
目录
2024/1/30
• 人工智能概述 • 机器学习原理与实践 • 自然语言处理技术与应用 • 计算机视觉技术与应用 • 语音识别与合成技术及应用 • 智能推荐系统原理与实践 • 人工智能伦理、法律和社会影响
2
01
人工智能概述
2024/1/30
6
02
机器学习原理与实践
2024/1/30
7
监督学习算法介绍
2024/1/30
原理
通过最小化预测值与真实值之间 的均方误差，学习得到最优的线 性模型参数。
应用
预测连续型数值，如房价、股票 价格等。
8
监督学习算法介绍
2024/1/30
原理
在特征空间中寻找最大间隔超平面， 使得不同类别的样本能够被正确分类 。
第五章人工智能蔡自兴
对C（A）关心的是： 1）A为TRUE，C（A）＝？ 2）A为FALSE, C（A）＝？
7
《人工智能原理》第五章 不确定性推理
概述-分类（1）
不确定性推理方法可分为形式化方法和非形式化方法。
• 形式化方法有逻辑法、新计算法和新概率法。 • 逻辑法是非数值方法，采用多值逻辑和非单调逻辑来
处理不确定性。传统的有基于概率理论的贝叶斯网络 等。
10
《人工智能原理》第五章 不确定性推理
第五章 不确定性推理
• 概述 • 概率论基础 • Bayes网络 • 主观Bayes方法 • 确定性方法 • 证据理论
11
《人工智能原理》第五章 不确定性推理
第五章 不确定性推理
• 概述 • 概率论基础 • Bayes网络 • 主观Bayes方法 • 确定性方法 • 证据理论
U 类似地用
n
Ai = A1 热A2... An
i= 1
表示事件“n个事件A1, A2, …An中至少有一个发生”。
17
《人工智能原理》第五章 不确定性推理
概率论基础（事件间的关系与运算 ）
• 设A，B，A1，A2，…An为一些事件，它们有下述的 运算： – 差：记C=“A发生而B不发生”，称为事件A与B
22
《人工智能原理》第五章 不确定性推理
概率论基础（统计概率性质 ）
• 对任意事件A，有 0 P(A) 1 • 必然事件Ω 的概率P(Ω ) =1，不可能事件φ 的概
率P(φ ) = 0
• 对任意事件A，有 P(~ A) 1 P(A)
• 设事件A1，A2，…An（k≤n）是两两互不相容 的事件，即有 Ai 枪Aj = f (i j) ，则
(AB)C A(BC)
7
《人工智能原理》第五章 不确定性推理
概述-分类（1）
不确定性推理方法可分为形式化方法和非形式化方法。
• 形式化方法有逻辑法、新计算法和新概率法。 • 逻辑法是非数值方法，采用多值逻辑和非单调逻辑来
处理不确定性。传统的有基于概率理论的贝叶斯网络 等。
10
《人工智能原理》第五章 不确定性推理
第五章 不确定性推理
• 概述 • 概率论基础 • Bayes网络 • 主观Bayes方法 • 确定性方法 • 证据理论
11
《人工智能原理》第五章 不确定性推理
第五章 不确定性推理
• 概述 • 概率论基础 • Bayes网络 • 主观Bayes方法 • 确定性方法 • 证据理论
U 类似地用
n
Ai = A1 热A2... An
i= 1
表示事件“n个事件A1, A2, …An中至少有一个发生”。
17
《人工智能原理》第五章 不确定性推理
概率论基础（事件间的关系与运算 ）
• 设A，B，A1，A2，…An为一些事件，它们有下述的 运算： – 差：记C=“A发生而B不发生”，称为事件A与B
22
《人工智能原理》第五章 不确定性推理
概率论基础（统计概率性质 ）
• 对任意事件A，有 0 P(A) 1 • 必然事件Ω 的概率P(Ω ) =1，不可能事件φ 的概
率P(φ ) = 0
• 对任意事件A，有 P(~ A) 1 P(A)
• 设事件A1，A2，…An（k≤n）是两两互不相容 的事件，即有 Ai 枪Aj = f (i j) ，则
(AB)C A(BC)
教学课件 《人工智能基础》蔡自兴
• 启发式搜索、消解原理、不确定性推理…
– 计算智能（Computational Intelligence）
• 模糊计算、神经计算、进化计算…
– 构成技术（系统与语言）
• 产生式系统、LISP语言、Prolog语言…
22
1.6 人工智能的研究和应用领域
1 问题求解与博弈
• 问题的表示、分解、搜索、归约等 • 进行复杂的数学公式符号运算求解
8
连接主义（Connectionism）
• 又称：仿生学派或生理学派 • 原理：神经网络及神经网络间的连接机制
与学习算法 • 起源：源于仿生学，特别是人脑模型的研
究 • 学派代表：卡洛克、皮茨、Hopfield、鲁梅
尔哈特等
9
行为主义（Actionism）
• 又称：进化主义或控制论学派 • 原理：控制论及感知—动作型控制系统 • 起源：源于控制论 • 学派代表作：布鲁克斯(Brooks)的六足行走
近期研究目标的远期研究目标
– 近期研究目标是建造智能计算机应以代替人类的某 些智力活动。
– 远期目标是用自动机模仿人类的思维活动和智力功 能。
19
1.4.2 人工智能研究的基本内容
• 认知建模 • 知识表示 • 知识推理 • 知识应用 • 机器感知 • 机器思维 • 机器学习 • 机器行为 • 智能系统构建
15
1.3.2 智能信息处理系统的假设
• 人是一种智能信息处理系统 • 物理符号系统的六种基本功能 • 物理符号系统的假设
– 推论一 – 推论二 – 推论三
16
1.3.3 智能信息处理系统的假设
• 人类的认知行为具有不同层次 – 认知生理学 – 认知心理学 – 认知信息学 – 认知工程学
– 计算智能（Computational Intelligence）
• 模糊计算、神经计算、进化计算…
– 构成技术（系统与语言）
• 产生式系统、LISP语言、Prolog语言…
22
1.6 人工智能的研究和应用领域
1 问题求解与博弈
• 问题的表示、分解、搜索、归约等 • 进行复杂的数学公式符号运算求解
8
连接主义（Connectionism）
• 又称：仿生学派或生理学派 • 原理：神经网络及神经网络间的连接机制
与学习算法 • 起源：源于仿生学，特别是人脑模型的研
究 • 学派代表：卡洛克、皮茨、Hopfield、鲁梅
尔哈特等
9
行为主义（Actionism）
• 又称：进化主义或控制论学派 • 原理：控制论及感知—动作型控制系统 • 起源：源于控制论 • 学派代表作：布鲁克斯(Brooks)的六足行走
近期研究目标的远期研究目标
– 近期研究目标是建造智能计算机应以代替人类的某 些智力活动。
– 远期目标是用自动机模仿人类的思维活动和智力功 能。
19
1.4.2 人工智能研究的基本内容
• 认知建模 • 知识表示 • 知识推理 • 知识应用 • 机器感知 • 机器思维 • 机器学习 • 机器行为 • 智能系统构建
15
1.3.2 智能信息处理系统的假设
• 人是一种智能信息处理系统 • 物理符号系统的六种基本功能 • 物理符号系统的假设
– 推论一 – 推论二 – 推论三
16
1.3.3 智能信息处理系统的假设
• 人类的认知行为具有不同层次 – 认知生理学 – 认知心理学 – 认知信息学 – 认知工程学
人工智能技术及应用课件pptx
无人驾驶汽车 利用传感器、计算机视觉等技术实现车辆自主导航和驾驶。
无人机配送
通过无人机进行快递、外卖等配送服务，提高配送效率。
智能医疗与健康管理
远程医疗
通过互联网技术实现远 程诊断和治疗，缓解医 疗资源紧张问题。
健康管理
利用可穿戴设备和大数 据分析技术，对个人健 康进行监测和管理。
医疗机器人
在手术、康复等领域提 供辅助和支持，提高医 疗质量和效率。
自动驾驶
利用计算机视觉、雷达传感器和深度学习等技术，实现车辆在复杂交 通环境中的自动导航和驾驶。
智慧医疗
通过人工智能技术辅助医生进行疾病诊断和治疗方案制定，提高医疗 效率和准确性。
智能家居
将人工智能技术应用于家居设备，实现远程控制、语音识别、智能推 荐等功能，提高家居生活的便捷性和舒适性。
02
机器学习技术
句法分析的方法
基于规则的方法和基于统计的方法等。
语义理解
1 2
词汇的语义 研究词汇所表达的概念、属性、关系等语义信息。
句子的语义 研究句子所表达的命题、事件、行为等语义信息。
3
篇章的语义 研究篇章的结构、主题、观点等语义信息。
信息抽取
01
命名实体识别
识别文本中的人名、 地名、机构名等命名 实体。
图像增强
03
改善图像质量，提高图像清晰度 和对比度等
04
图像分割
将图像分割成具有相似性质的区 域，如语义分割和实例分割
图像生成
生成与训练数据类似的新图像， 如GANs（生成对抗网络）
目标检测与跟踪
目标检测
01
在图像或视频中定位并识别目标对象，如Faster R-CNN、
YOLO等
无人机配送
通过无人机进行快递、外卖等配送服务，提高配送效率。
智能医疗与健康管理
远程医疗
通过互联网技术实现远 程诊断和治疗，缓解医 疗资源紧张问题。
健康管理
利用可穿戴设备和大数 据分析技术，对个人健 康进行监测和管理。
医疗机器人
在手术、康复等领域提 供辅助和支持，提高医 疗质量和效率。
自动驾驶
利用计算机视觉、雷达传感器和深度学习等技术，实现车辆在复杂交 通环境中的自动导航和驾驶。
智慧医疗
通过人工智能技术辅助医生进行疾病诊断和治疗方案制定，提高医疗 效率和准确性。
智能家居
将人工智能技术应用于家居设备，实现远程控制、语音识别、智能推 荐等功能，提高家居生活的便捷性和舒适性。
02
机器学习技术
句法分析的方法
基于规则的方法和基于统计的方法等。
语义理解
1 2
词汇的语义 研究词汇所表达的概念、属性、关系等语义信息。
句子的语义 研究句子所表达的命题、事件、行为等语义信息。
3
篇章的语义 研究篇章的结构、主题、观点等语义信息。
信息抽取
01
命名实体识别
识别文本中的人名、 地名、机构名等命名 实体。
图像增强
03
改善图像质量，提高图像清晰度 和对比度等
04
图像分割
将图像分割成具有相似性质的区 域，如语义分割和实例分割
图像生成
生成与训练数据类似的新图像， 如GANs（生成对抗网络）
目标检测与跟踪
目标检测
01
在图像或视频中定位并识别目标对象，如Faster R-CNN、
YOLO等
人工智能PPT
显式表示：各节点及其具有代价的弧线由一张表明确
给出。此表可能列出该图中的每一节点、它的后继节点 以及连接弧线的代价。
问题：对于大型图和具有无限节点集合的图不适用。
28
2.2状态空间法
图论的基本概念
隐式表示：起始节点的无限集合{si}和后继节点算符Γ是
已知的。算符Γ能作用于任一节点以产生该节点的全部后 继节点和各连接弧线的代价。1 节点扩展：将后继算符Γ应用于节点的过程，就是扩 展一个节点的过程。 问题求解：搜索某个状态空间以求得算符序列的一个 解答的过程，就对应于使隐式图足够大一部分变为显 示以便包含目标节点的过程。 优化：问题的表示对求解工作量有很大的影响。优化 的问题表示使状态空间小而简单，从而便于求解。 – 许多似乎很难的问题，当表示适当时就可能具有 小而简单的状态空间。 29
9
2.1.3 知识的表示
知识表示就是研究用机器表示上述这些知识的
可行性、有效性的一般方法，可以看作是将知 识符号化并输入到计算机的过程和方法。 知识表示=数据结构+处理机制 知识表示的观点：
陈述性 过程性
10
2.1.3 知识的表示
陈述性知识表示和过程性知识表示各有优缺点
① 由于高级的智能行为似乎强烈地依赖于陈述性知识，因
15
2.1.4智能中“信息-知识-策略”关系
获取信息的功能由感觉器官完成，传递信息的功能 由神经系统完成，处理信息和再生信息的功能由思 维器官完成，施用信息的功能由效应器官完成。
目标 信息 传递信息 处理信息 知识 再生信息 智能 策略 信息 智能行为 问题与环境 施用信息 传递信息 智能 策略 信息
17
2.1.6 知识的分类
人工智能及其应用蔡自兴第四版-PPT文档资料
7
4.2 神经计算 4.2.1 人工神经网络研究的进展
1943年麦卡洛克和皮茨提出神经网络模型 （称为MP模型）的概念。 20世纪60年代威德罗和霍夫提出自适应线性 元件。 60年代末期至80年代中期，整个神经网络研 究处于低潮。 80年代后期以来，人工神经网络研究得到复 苏和发展，在模式识别、图象处理、自动控 制等领域得到广泛应用。
4.1 概述
计算智能与人工智能的 区别和关系
输入 复杂性 层次 人类知识 (＋)传感输入
知识 (＋)传感数据 计算 (＋)传感器
BNN
BPR
BI
B－生物的
复 杂 性
ANN
APR
AI
A－符号的
CNN
CPR
CI
C－数值的
5
4.1 概述
上图由贝兹德克于 1994 年提出，表示 ABC与 神经网络（ NN ）、模式识别（ PR ）和智能 （I）之间的关系 A－Artificial，表示人工的（非生物的）； B－Biological， 表示物理的＋化学的＋（？）＝生物的； C－Computational，表示数学＋计算机 计算智能是一种智力方式的低层认知，它与 人工智能的区别只是认知层次从中层下降至 低层而已。中层系统含有知识（精品），低 层系统则没有。
6
4.1 概述
定义 1 ：当一个系统只涉及数值（低层） 数据，含有模式识别部分，不应用人工 智能意义上的知识，而且能够呈现出：
（1）计算适应性； （2）计算容错性； （3）接近人的速； （4）误差率与人相近，
则该系统就是计算智能系统。 定义 2 ：当一个智能计算系统以非数值 方式加上知识（精品）值，即成为人工 智能系统。
J ( W ) W ( k ) y ( k ) hj j h W k hj
4.2 神经计算 4.2.1 人工神经网络研究的进展
1943年麦卡洛克和皮茨提出神经网络模型 （称为MP模型）的概念。 20世纪60年代威德罗和霍夫提出自适应线性 元件。 60年代末期至80年代中期，整个神经网络研 究处于低潮。 80年代后期以来，人工神经网络研究得到复 苏和发展，在模式识别、图象处理、自动控 制等领域得到广泛应用。
4.1 概述
计算智能与人工智能的 区别和关系
输入 复杂性 层次 人类知识 (＋)传感输入
知识 (＋)传感数据 计算 (＋)传感器
BNN
BPR
BI
B－生物的
复 杂 性
ANN
APR
AI
A－符号的
CNN
CPR
CI
C－数值的
5
4.1 概述
上图由贝兹德克于 1994 年提出，表示 ABC与 神经网络（ NN ）、模式识别（ PR ）和智能 （I）之间的关系 A－Artificial，表示人工的（非生物的）； B－Biological， 表示物理的＋化学的＋（？）＝生物的； C－Computational，表示数学＋计算机 计算智能是一种智力方式的低层认知，它与 人工智能的区别只是认知层次从中层下降至 低层而已。中层系统含有知识（精品），低 层系统则没有。
6
4.1 概述
定义 1 ：当一个系统只涉及数值（低层） 数据，含有模式识别部分，不应用人工 智能意义上的知识，而且能够呈现出：
（1）计算适应性； （2）计算容错性； （3）接近人的速； （4）误差率与人相近，
则该系统就是计算智能系统。 定义 2 ：当一个智能计算系统以非数值 方式加上知识（精品）值，即成为人工 智能系统。
J ( W ) W ( k ) y ( k ) hj j h W k hj
第四章知识表示人工智能蔡自兴
第四章知识表示人工智能蔡自兴
表示方法
概述 直接表示 • 逻辑表示 • 产生式规则表示 法 • 语义网络表示法
框架表示法 脚本方法 过程表示 混合型知识表示方法 面向对象的表示方法
第四章知识表示人工智能蔡自兴
表示方法 —直接表示
• 1963年由Gelernter提出的。用于基于传统 欧氏几何证明的几何定理证明器。
第四章知识表示人工智能蔡自兴
表示方法 —逻辑表示法
• 谓词逻辑法是应用最广的方法之一，其原因 是：
– 谓词逻辑与数据库，特别是关系数据库就有密切的 关系。在关系数据库中，逻辑代数表达式是谓词表 达式之一。因此，如果采用谓词逻辑作为系统的理 论背景，则可将数据库系统扩展改造成知识库。
– 一阶谓词逻辑具有完备的逻辑推理算法。如果对逻 辑的某些外延扩展后，则可把大部分的知识表达成 一阶谓词逻辑的形式。（知识易表达）
第四章知识表示人工智能蔡自兴
概述
• 知识的要素
–事实：事物的分类、属性、事物间关系、科学事
实、客观事实等。（最低层的知识）
–规则：事物的行动、动作和联系的因果关系知识。
（启发式规则）。
–控制：当有多个动作同时被激活时，选择哪一个
动作来执行的知识。（技巧性）
–元知识：高层知识。怎样实用规则、解释规则、
• 谓词逻辑规范表达式： P体(。x1, x2, x3, …)， 这里P是谓词, xi是主体与客
第四章知识表示人工智能蔡自兴
表示方法 —逻辑表示法
• 谓词比命题更加细致地刻画知识：
– 表达能力强
• 如：北京是个城市， City(x) 把城市这个概念分割出来。把“城市” 与“北 京”两个概念连接在一起，而且说明“北京”是 “城市”的子概念。（有层）
人工智能原理(PPT 26页)
1
参考书
1. 人工智能 (史忠植 王文杰) 国防工业出版社 2. 人工智能原理与方法(王永庆) 西安交大出版社 3. 人工智能-一种现代方法（第二版）(Stuart Russell .
Peter Norvig) 人民邮电出版社 4. 4.人工智能及其应用(蔡自兴 徐光祐) 清华大学出
版社
第1章 绪论
Artificial Intelligence Principle
人工智能原理
Sep ,2010 Graduate students of 2010 College of Computer Science & Engineering
Changchun University of Technology
17
基于研究途径与实现技术的领域划分
符号智能：智能系统可以理解为某种符号逻辑运算系统，以符 号形式的知识和信息为基础，主要通过逻辑推理，运用知识进 行问题求解。以知识为基础。即所谓传统人工智能。
自然计算:是模拟自然界的生物或者物理现象而设计的各种计算系 统的统称。是模拟群智能的。计算智能以数值数据为基础，主要 通过数值计算进行问题求解。基础多为数据而非知识。
19
AI牛人Newell, Simon等早期所吹的“牛皮”
• 不出10年，计算机将成为世界象棋冠军。 • 不出10年，计算机将发现和证明重要的数学定理。 • 不出10年，计算机将能谱写具有优秀作曲家水平的乐曲。 • 不出10年，大多数心理学理论将在计算机上形成。 • 有人甚至断言，20世纪80年代将全面实现AI，2000年机
脑智能和群智能
脑（主要指人脑）的宏观心理层次的智能表现称为脑智能。 由群体行为所表现出的智能称为群智能。
脑智能和群智能是属于不同层次的智能： 脑智能是一种个体智能。 群智能是一种社会智能， 或者说系统智能。
参考书
1. 人工智能 (史忠植 王文杰) 国防工业出版社 2. 人工智能原理与方法(王永庆) 西安交大出版社 3. 人工智能-一种现代方法（第二版）(Stuart Russell .
Peter Norvig) 人民邮电出版社 4. 4.人工智能及其应用(蔡自兴 徐光祐) 清华大学出
版社
第1章 绪论
Artificial Intelligence Principle
人工智能原理
Sep ,2010 Graduate students of 2010 College of Computer Science & Engineering
Changchun University of Technology
17
基于研究途径与实现技术的领域划分
符号智能：智能系统可以理解为某种符号逻辑运算系统，以符 号形式的知识和信息为基础，主要通过逻辑推理，运用知识进 行问题求解。以知识为基础。即所谓传统人工智能。
自然计算:是模拟自然界的生物或者物理现象而设计的各种计算系 统的统称。是模拟群智能的。计算智能以数值数据为基础，主要 通过数值计算进行问题求解。基础多为数据而非知识。
19
AI牛人Newell, Simon等早期所吹的“牛皮”
• 不出10年，计算机将成为世界象棋冠军。 • 不出10年，计算机将发现和证明重要的数学定理。 • 不出10年，计算机将能谱写具有优秀作曲家水平的乐曲。 • 不出10年，大多数心理学理论将在计算机上形成。 • 有人甚至断言，20世纪80年代将全面实现AI，2000年机
脑智能和群智能
脑（主要指人脑）的宏观心理层次的智能表现称为脑智能。 由群体行为所表现出的智能称为群智能。
脑智能和群智能是属于不同层次的智能： 脑智能是一种个体智能。 群智能是一种社会智能， 或者说系统智能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
7
组织器 分配器
12.2 智能控制的结构理论与特点
组织级
协调器1 硬件控制器1
协调器n 硬件控制器n
过程1
过程n
图12-4 分级智能控制系统
协调级 执行级
8
12.2 智能控制的结构理论与特点
3. 四元结构
蔡自兴提出四元智
能控制结构，把智能控
AI
制看做自动控制、人工
AC IC OR
智能、信息论和运筹学
IN
四个学科的交集。
图12-5 智能控制的四元结构
9
❖信息论作为智能控制结构一个子集的理由：
❖信息论是解释知识和智能的一种手段； ❖控制论、系统论和信息论是紧密相互作用的； ❖信息论已成为控制智能机器的工具； ❖信息熵成为智能控制的测度； ❖信息论参与智能控制的全过程，并对执行级起
到核心作用。
10
12.2 智能控制的结构理论与特点
12.2.2 智能控制器的一般结构
不完全任务描述 任务协商
混合知识表示
多传感器 感知系统
各种传感器
高层规划/控制 常规控制过程 各种驱动器
世界（环境）
图12-6 智能控制器的一般结构
11
12.2 智能控制的结构理论与特点
12.2.3 智能控制的特点
❖智能控制以知识进行推理，以启发引导求解过程。 ❖智能控制的核心在高层控制，即组织级。 ❖智能控制是一门边缘交叉学科。 ❖智能控制是一个新兴的研究领域。
5
12.2 智能控制的结构理论与特点
(Structural Theories and Feature of Intelligent Control)
12.2.1 智能控制的结构理论
1. 二元结构
傅京孙(K.S.Fu) 首先
论述了人工智能与自动控 制的交接关系 ，指出“智
AI IC AC
能控制系统描述自动控制
13
12.3 智能控制的研究领域
❖专家控制系统 ❖智能调度 ❖语音控制 ❖康复机器人控制 ❖智能仪器
14
12.4 智能控制系统
(Intelligent Control Systems)
12.4.1 递阶控制系统
❖递阶智能控制(hierarchically intelligent control)是 从工程控制论的角度总结人工智能与自适应、自学 习和自组织控制的关系之后而逐渐地形成的，是智 能控制的最早理论之一。
18
12.4 智能控制系统
4. 具有熵函数的执行级
❖ 执行级是递阶智能控制的最底层，要求具有 较高的精度和较低的智能；按控制论进行控 制。
❖ 执行级的性能也可由熵来表示，因而统一了 智能机器的功用。此熵的量度选择一适当的 控制，以执行某任务的不确定性。我们能够 选择某个最优控制使此熵(即执行的不确定性) 为最小。
的熵用于度量协调的不确定性。 ❖执行级：执行代价等价于系统所消耗的能量，并由
Boltzman的熵来表示。
16
2. 组织级与知识基系统
12.4 智能控制系统
组织器(organizer)是智能控制的最高级，它的功 能是建立在几个人工智能(基于知识)概念基础上的。 这些概念转换为概率模型，表示推理、规划、决策、 长时记忆交换和反馈学习等功能，以规定一个响应外 部指令的任务。
❖两种分级递阶控制理论: 基于知识/解析混合多层 智能控制理论以及递阶智能控制理论。
15
12.4 智能控制系统
1. 定义与假设
智能控制系统各级的共同要素涉及机器各种作用 的不确定性，采用概率模型来描述这些具有共同度量 的作用，即它们各自的熵(entropies)。
❖组织级：以知识为主体，用香农熵来衡量所需知识。 ❖协调级：以概率描述的决策方式来表示，这些方案
12
12.3 智能控制的研究领域
(Research Fields of Intelligent Control)
❖ 智能机器人 随着机器人技术的发展和自动化程度的提高，对 机器人的功能提出更高的要求，特别是各种具有 不同程度智能的机器人，包括空间智能机器人。
❖ 智能过程控制与规划 差异过程规划；生成过程规划；基于知识的过程 规划。
人工智能
第十二章 智能控制
❖ 智能控制的发展与定义 ❖ 智能控制的结构理论与特点 ❖ 智能控制的研究领域 ❖ 智能控制系统 ❖ 智能控制应用示例 ❖ 小结
12.1 智能控制的发展与定义
(Development and Definition of Intelligent Control)
12.1.1 智能控制的产生和发展
长期存储交换单元
uj 机器推理
机器规划
编译指
令输入 自顶向下
机器决策 自底向上
图12-7 组织级的结构框图
规划 输出
YF 协调级
17
12.4 智能控制系统
3. 协调级与嵌套树
❖ 协调级的目标是把控制问题的实际公式与最有希 望的完全的协调规划联系起来，包括在可供选择 的原本中挑选一个规划。
❖ 协调级由一定数目的协调器组成，每个协调器与 执行级的具体硬件(执行装置)连接。当某个指令 由相应的协调器发送至执行装置时，这些装置就 执行规定好的任务。这种结构意味着：协调级不 具有推理能力。
系统与人工智能的交接作
用”。
图12-2 智能控制的二元结构
6
12.2 智能控制的结构理论与特点
2. 三元结构
❖ 萨里迪斯(Saridis)认为，二元 交集的两元互相支配无助于 智能控制的有效和成功应用， AI 必须把远筹学的概念引入智 能控制，使它成为三元交集 中的一个子集。
OR IC
CT
❖萨里迪斯提出分级智能控制 图12-3 智能控制的三元结构 系统，由3个智能(感知)级组 成：组织级、协调级、执行 级。
4
12.1.2 智能控制的定义 12.1 智能控制的发展与定义
❖智能机器
能够在定形或不定形、熟悉或不熟悉的 环境中自主地或与操作人员交互作用以 执行各种拟人任务的机器。
❖自动控制
能按规定程序对机器或装置进行自动操 作或控制的过程。
❖智能控制
驱动智能机器自主实现其目标的过程。
❖智能控制系统
用于驱动自主智能机器以实现其目标而 无需人员干预的系统叫智能控制系统。
❖ 智能控制的发展
❖ 自动控制的发展过程
❖ 智能控制思潮出现于60年代； ❖ 60年代中期，自动控制与人工智能开始交接； ❖ 近十年来，智能控制的研究出现一股新的热潮。
3
12.1 智能控制的发展与定义
智能控制
进
自学习控制
展
方机控制
最优控制
确定性反馈控制
开环控制
控制复杂性 图12-1 自动控制的发展过程
组织器 分配器
12.2 智能控制的结构理论与特点
组织级
协调器1 硬件控制器1
协调器n 硬件控制器n
过程1
过程n
图12-4 分级智能控制系统
协调级 执行级
8
12.2 智能控制的结构理论与特点
3. 四元结构
蔡自兴提出四元智
能控制结构，把智能控
AI
制看做自动控制、人工
AC IC OR
智能、信息论和运筹学
IN
四个学科的交集。
图12-5 智能控制的四元结构
9
❖信息论作为智能控制结构一个子集的理由：
❖信息论是解释知识和智能的一种手段； ❖控制论、系统论和信息论是紧密相互作用的； ❖信息论已成为控制智能机器的工具； ❖信息熵成为智能控制的测度； ❖信息论参与智能控制的全过程，并对执行级起
到核心作用。
10
12.2 智能控制的结构理论与特点
12.2.2 智能控制器的一般结构
不完全任务描述 任务协商
混合知识表示
多传感器 感知系统
各种传感器
高层规划/控制 常规控制过程 各种驱动器
世界（环境）
图12-6 智能控制器的一般结构
11
12.2 智能控制的结构理论与特点
12.2.3 智能控制的特点
❖智能控制以知识进行推理，以启发引导求解过程。 ❖智能控制的核心在高层控制，即组织级。 ❖智能控制是一门边缘交叉学科。 ❖智能控制是一个新兴的研究领域。
5
12.2 智能控制的结构理论与特点
(Structural Theories and Feature of Intelligent Control)
12.2.1 智能控制的结构理论
1. 二元结构
傅京孙(K.S.Fu) 首先
论述了人工智能与自动控 制的交接关系 ，指出“智
AI IC AC
能控制系统描述自动控制
13
12.3 智能控制的研究领域
❖专家控制系统 ❖智能调度 ❖语音控制 ❖康复机器人控制 ❖智能仪器
14
12.4 智能控制系统
(Intelligent Control Systems)
12.4.1 递阶控制系统
❖递阶智能控制(hierarchically intelligent control)是 从工程控制论的角度总结人工智能与自适应、自学 习和自组织控制的关系之后而逐渐地形成的，是智 能控制的最早理论之一。
18
12.4 智能控制系统
4. 具有熵函数的执行级
❖ 执行级是递阶智能控制的最底层，要求具有 较高的精度和较低的智能；按控制论进行控 制。
❖ 执行级的性能也可由熵来表示，因而统一了 智能机器的功用。此熵的量度选择一适当的 控制，以执行某任务的不确定性。我们能够 选择某个最优控制使此熵(即执行的不确定性) 为最小。
的熵用于度量协调的不确定性。 ❖执行级：执行代价等价于系统所消耗的能量，并由
Boltzman的熵来表示。
16
2. 组织级与知识基系统
12.4 智能控制系统
组织器(organizer)是智能控制的最高级，它的功 能是建立在几个人工智能(基于知识)概念基础上的。 这些概念转换为概率模型，表示推理、规划、决策、 长时记忆交换和反馈学习等功能，以规定一个响应外 部指令的任务。
❖两种分级递阶控制理论: 基于知识/解析混合多层 智能控制理论以及递阶智能控制理论。
15
12.4 智能控制系统
1. 定义与假设
智能控制系统各级的共同要素涉及机器各种作用 的不确定性，采用概率模型来描述这些具有共同度量 的作用，即它们各自的熵(entropies)。
❖组织级：以知识为主体，用香农熵来衡量所需知识。 ❖协调级：以概率描述的决策方式来表示，这些方案
12
12.3 智能控制的研究领域
(Research Fields of Intelligent Control)
❖ 智能机器人 随着机器人技术的发展和自动化程度的提高，对 机器人的功能提出更高的要求，特别是各种具有 不同程度智能的机器人，包括空间智能机器人。
❖ 智能过程控制与规划 差异过程规划；生成过程规划；基于知识的过程 规划。
人工智能
第十二章 智能控制
❖ 智能控制的发展与定义 ❖ 智能控制的结构理论与特点 ❖ 智能控制的研究领域 ❖ 智能控制系统 ❖ 智能控制应用示例 ❖ 小结
12.1 智能控制的发展与定义
(Development and Definition of Intelligent Control)
12.1.1 智能控制的产生和发展
长期存储交换单元
uj 机器推理
机器规划
编译指
令输入 自顶向下
机器决策 自底向上
图12-7 组织级的结构框图
规划 输出
YF 协调级
17
12.4 智能控制系统
3. 协调级与嵌套树
❖ 协调级的目标是把控制问题的实际公式与最有希 望的完全的协调规划联系起来，包括在可供选择 的原本中挑选一个规划。
❖ 协调级由一定数目的协调器组成，每个协调器与 执行级的具体硬件(执行装置)连接。当某个指令 由相应的协调器发送至执行装置时，这些装置就 执行规定好的任务。这种结构意味着：协调级不 具有推理能力。
系统与人工智能的交接作
用”。
图12-2 智能控制的二元结构
6
12.2 智能控制的结构理论与特点
2. 三元结构
❖ 萨里迪斯(Saridis)认为，二元 交集的两元互相支配无助于 智能控制的有效和成功应用， AI 必须把远筹学的概念引入智 能控制，使它成为三元交集 中的一个子集。
OR IC
CT
❖萨里迪斯提出分级智能控制 图12-3 智能控制的三元结构 系统，由3个智能(感知)级组 成：组织级、协调级、执行 级。
4
12.1.2 智能控制的定义 12.1 智能控制的发展与定义
❖智能机器
能够在定形或不定形、熟悉或不熟悉的 环境中自主地或与操作人员交互作用以 执行各种拟人任务的机器。
❖自动控制
能按规定程序对机器或装置进行自动操 作或控制的过程。
❖智能控制
驱动智能机器自主实现其目标的过程。
❖智能控制系统
用于驱动自主智能机器以实现其目标而 无需人员干预的系统叫智能控制系统。
❖ 智能控制的发展
❖ 自动控制的发展过程
❖ 智能控制思潮出现于60年代； ❖ 60年代中期，自动控制与人工智能开始交接； ❖ 近十年来，智能控制的研究出现一股新的热潮。
3
12.1 智能控制的发展与定义
智能控制
进
自学习控制
展
方机控制
最优控制
确定性反馈控制
开环控制
控制复杂性 图12-1 自动控制的发展过程