计算机学科概论第2版课件第11章 人工智能
合集下载
(完整版)人工智能介绍PPT课件
人工智能简介
Brief introduction of
Artificial Intelligence
2021/5/31 Made by Bob
•Contents
1 人工智能是什么？
What is Artificial Intelligence？
2 人工智能的发展与应用
Application of Artificial Intelligence
AI
Natural language learning
Pattern recognition
Expert system
2021/5/31
人工智视频介绍
Part 2 人工智能的发展与应用
2021/5/31
2
人工智能的发展与应用
人工智能飞速发展
1961年,明斯基发表了“走向人工智能的步骤”的论文，推动了人工智 能的发展。
吴文俊
2 人工智能的发展与应用
人工智能的应用
3.智能汽车
汽车能和人一样会“思考”“判断”“行 走”，可以自动启动、加速、刹车，可以 自动绕过地面障碍物。在复杂多变的情况 下，它的“大脑”能随机应变，自动选择 最佳方案，指挥汽车正常、顺利地行驶。
4.语音助手
通过智能对话与即时问答的智能交互，实 现帮忙用户解决问题，其主要是帮忙用户 解决生活类问题。
2021/5/31
Part 4 人工智能的未来
2021/5/31
4
人工智能的未来
健全人工智能发展标准和监管制度
任何一门新技术的诞生、发展和使用都离不开一套完整 的发展标准和科学的管理制度，这是保证科学技术“以 人为本”的根本，面对人类日益强大的科研能力，人工 智能的发展必将会在未来出现突破性的进展，强人工智 能技术也将完整的出现在人类面前。鉴于人工智能技术 的特殊性，我们不难发现，它给人类生存带来的威胁不 亚于核武器，这就要求我们必须有严格的标准来要求人 工智能的发展，并且要科学谨慎的监管其生产和使用过 程的每个细节。
Brief introduction of
Artificial Intelligence
2021/5/31 Made by Bob
•Contents
1 人工智能是什么？
What is Artificial Intelligence？
2 人工智能的发展与应用
Application of Artificial Intelligence
AI
Natural language learning
Pattern recognition
Expert system
2021/5/31
人工智视频介绍
Part 2 人工智能的发展与应用
2021/5/31
2
人工智能的发展与应用
人工智能飞速发展
1961年,明斯基发表了“走向人工智能的步骤”的论文，推动了人工智 能的发展。
吴文俊
2 人工智能的发展与应用
人工智能的应用
3.智能汽车
汽车能和人一样会“思考”“判断”“行 走”，可以自动启动、加速、刹车，可以 自动绕过地面障碍物。在复杂多变的情况 下，它的“大脑”能随机应变，自动选择 最佳方案，指挥汽车正常、顺利地行驶。
4.语音助手
通过智能对话与即时问答的智能交互，实 现帮忙用户解决问题，其主要是帮忙用户 解决生活类问题。
2021/5/31
Part 4 人工智能的未来
2021/5/31
4
人工智能的未来
健全人工智能发展标准和监管制度
任何一门新技术的诞生、发展和使用都离不开一套完整 的发展标准和科学的管理制度，这是保证科学技术“以 人为本”的根本，面对人类日益强大的科研能力，人工 智能的发展必将会在未来出现突破性的进展，强人工智 能技术也将完整的出现在人类面前。鉴于人工智能技术 的特殊性，我们不难发现，它给人类生存带来的威胁不 亚于核武器，这就要求我们必须有严格的标准来要求人 工智能的发展，并且要科学谨慎的监管其生产和使用过 程的每个细节。
人工智能课件
前景展望
随着技术的不断进步和应用场景的不断拓展，人工智能的发展前景非常广阔。未来，人工智能将在更多领域发挥 重要作用，如智能制造、智慧农业、智慧教育等。同时，随着算法和计算能力的不断提升，人工智能的智能化水 平也将不断提高，更加贴近人类智能。
02
CATALOGUE
机器学习原理及算法
监督学习算法
线性回归（Linear Regression）
01
02
逻辑回归（Logistic Regression）
支持向量机（Support Vector Machines ）
03
04
决策树（Decision Trees）
随机森林（Random Forests）
05
06
梯度提升树（Gradient Boosting Trees ）
非监督学习算法
01
02
AI监管和治理机制
随着AI技术的广泛应用，各国政府正在建立AI监管和治理 机制，以确保AI技术的合法、公正和透明使用。这些机制 包括AI技术的审查、评估和监管等方面，旨在防止AI技术 的滥用和误用。
AI对社会经济和生活方式的影响
要点一
自动化和劳动力市场 的变革
随着AI技术的不断发展，越来越多的 工作被自动化。这可能导致大量失业 和劳动力市场的变革。同时，AI技术 也创造了新的工作机会和职业领域， 如数据分析师、机器学习工程师等。
前向传播算法
解释神经网络如何根据输 入数据和权重计算输出结 果。
反向传播算法
阐述如何通过计算损失函 数的梯度来更新神经网络 的权重。
卷积神经网络（CNN）
征，并介绍卷积核、步长
和填充等概念。
池化层
02
介绍池化操作如何降低数据的维度，减少计算量，并提高模型
随着技术的不断进步和应用场景的不断拓展，人工智能的发展前景非常广阔。未来，人工智能将在更多领域发挥 重要作用，如智能制造、智慧农业、智慧教育等。同时，随着算法和计算能力的不断提升，人工智能的智能化水 平也将不断提高，更加贴近人类智能。
02
CATALOGUE
机器学习原理及算法
监督学习算法
线性回归（Linear Regression）
01
02
逻辑回归（Logistic Regression）
支持向量机（Support Vector Machines ）
03
04
决策树（Decision Trees）
随机森林（Random Forests）
05
06
梯度提升树（Gradient Boosting Trees ）
非监督学习算法
01
02
AI监管和治理机制
随着AI技术的广泛应用，各国政府正在建立AI监管和治理 机制，以确保AI技术的合法、公正和透明使用。这些机制 包括AI技术的审查、评估和监管等方面，旨在防止AI技术 的滥用和误用。
AI对社会经济和生活方式的影响
要点一
自动化和劳动力市场 的变革
随着AI技术的不断发展，越来越多的 工作被自动化。这可能导致大量失业 和劳动力市场的变革。同时，AI技术 也创造了新的工作机会和职业领域， 如数据分析师、机器学习工程师等。
前向传播算法
解释神经网络如何根据输 入数据和权重计算输出结 果。
反向传播算法
阐述如何通过计算损失函 数的梯度来更新神经网络 的权重。
卷积神经网络（CNN）
征，并介绍卷积核、步长
和填充等概念。
池化层
02
介绍池化操作如何降低数据的维度，减少计算量，并提高模型
人工智能概述ppt课件
加密技术
使用加密算法保护数据传 输和存储过程中的隐私安 全。
安全性挑战及防范措施
人工智能系统的脆弱性
AI系统可能受到恶意攻击和欺骗，导致系统失效或被利用。
数据安全与保护
防止数据泄露、篡改和破坏，确保AI系统的数据完整性和可用性。
人工智能监管与政策
制定相关法规和政策，规范AI技术的研发和应用，保障社会安全和 公共利益。
符号系统与连接主义结合可以充分发挥各自优势，实现更高效、更智能 的人工智能系统。例如，在深度学习模型中融入符号处理机制，可以提 高模型的可解释性和泛化能力。
05
伦理、隐私和安全问 题探讨
伦理道德问题在AI中体现
数据偏见与歧视
01
算法训练数据可能包含社会和文化偏见，导致不公平的决策和
歧视。
人工智能的决策透明度
人才培养与生态建设
加强人工智能人才培养与引进，构建良好创新生 态，推动人工智能持续发展与进步。
THANKS
感谢观看
均方误差、均方根误差 用于评估回归模型的性能，衡量模型 预测值与实际值之间的差距。
时间复杂度和空间复杂度 用于评估算法的运行效率和存储开销， 是选择算法时需要考虑的重要因素之 一。
04
数据驱动与知识表示 方法
数据驱动思想在AI中体现
数据驱动是人工智能的重要思想，强 调从数据中学习规律，挖掘潜在知识。
06
未来发展趋势与挑战
技术创新方向预测
深度学习
进一步探索神经网络结构与优化算法，提升 模型性能与泛化能力。
迁移学习
实现跨领域、跨任务的知识迁移，降低人工 智能应用门槛。
强化学习
研究更高效的探索与利用策略，拓展在复杂 决策问题中的应用。
人工智能 ppt课件
（2）自然数都是大于等于零的整数。 定义谓词如下： N(x):x是自然数。 I(x):x是整数。 GZ(x):x大于等于零。 （x)(N(x)→(GZ(x）∧I(x))）
(3) 西安市的夏天既干燥又炎热。 定义谓词： SUMMER(x):x处于夏天。 DRY(x):x很干燥。 HOT(x):x很炎热。
f4：从B瓶往C瓶倒油， 把C瓶倒满。
f5：从B瓶往A瓶倒油， 把B瓶倒空。
f6：从B瓶往C瓶倒油， 把B瓶倒空。
f1 f5 f7 0,0
f7
f1 f5
f7：从C瓶往A瓶倒油，
5,2
f4 f2
f3
4,3 f1 5,3
f7 f3
f8
4,0
f4
f5
0,1
f6 f8
f1
1,0
f7 f3
1,3
把C瓶倒空。
f8：从C瓶往B瓶倒油， 把C瓶倒空。
0,1,0 L(0,1)
L(1,0) L(0,1)
2,2,0
3,1,0
L(1,1)
R(1,1)L(0,2) R(0,2)
3,3,1
R(1,0) R(0,1)
1,1,1
0,2,1
L(1,1)R(0,2)
R(1,1)
L(0,2)
0,0,0
L(0,1) R(0,1)
R(0,1) L(0,1)
3,2,0
0,1,1
➢例1：设有下列事实性知识： 张晓辉是一名计算机系的学生，但他不喜欢 编程序。李晓鹏比他父亲长得高。
请用谓词公式表示这些知识。
（1）定义谓词及个体。 Computer(x):x是计算机系的学生。 Like(x,y):x喜欢y。 Higher(x,y):x比y长得高。
第1-10共10章-人工智能丁世飞[优质PPT]
![第1-10共10章-人工智能丁世飞[优质PPT]](https://img.taocdn.com/s3/m/5d5350ec3186bceb19e8bbd4.png)
1.2人工智能的发展
人工智能的实用期
然而，随着专家系统应用的不断深入，专家系统自 身存在的知识获取难、知识领域窄、推理能力弱、智能 水平低、没有分布式功能、实用性差等等问题逐步暴露 出来。
日本、美国、英国和欧洲所制订的那些针对人工智 能的大型计划多数执行到20世纪80年代中期就开始面临 重重困难，已经看出达不到预想的目标1992年，FGCS正 式宣告失败。
2. 这项实验使我们免于受到诸如以下目前无法回答的 问题的牵制：计算机使用的内部处理方法是否恰当 或者机器是否是否真的意识到其动作。
3. 通过使询问者只关注回答问题的内容，消除了有利 于生物体的偏置。
1.1 什么是人工智能
人工智能（AI）是一门正在发展中的综合性 前沿学科，它由计算机科学、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。
1.2人工智能的发展
人工智能的发展期
他说；“人工智能研究的知识表示和知识利用的理论，不 能直接地用于解决复杂的实际问题。知识工程师必须把专家 的知识变换成易于计算机处理的形式加以存储。计算机系统 通过利用知识进行推理来解决实际问题。”从此之后，处理 专家知识的知识工程和利用知识工程的应用系统(专家系统) 大量涌现。专家系统可以预测在一定条件下某种解的概率。 由于当时计算机已有巨大容量，专家系统有可能从数据中得 出规律。专家系统的市场应用很广。十年间，专家系统被用 于股市预测，帮助医生诊断疾病，以及指示矿工确定矿藏位 置等。这一切都因为专家系统存储规律和信息的能力而成为 可能。
Wiener( 维 纳 ) ， 美 国 数 学 家 。 他 于 1948 年 发 表 的 控 制 论 （Cybernetics或动物与机器中的控制与通信）论文，不但开创 了近代控制论，而且为人工智能的行为主义学派树立了信息的 里程碑。
大学计算机基础(Office2016)第2版 第11章 计算机新技术及应用
计算机新技术及应用
11.2.1 大数据的定义
大数据是指无法在一定时间范围内用常规 软件工具（IT技术和软硬件工具）进行捕捉、 管理、处理的数据集合，对大数据进行分析不 仅需要采用集群的方法获取强大的数据分析能 力，还需研究面向大数据的新数据分析算法。
大学计算机基础（Windows 10+Office 2016）（第2版）
第11章
计算机新技术及应用
11.3.3 人工智能的发展
1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批年轻科学家一起聚 会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能” 这一术语，它标志着“人工智能”这门新兴学科的正式诞生。
第11章
计算机新技术及应用
11.2.2 大数据的发展
在大数据行业火热的发展下， 大数据几乎涉及到所有行业的发展， 国家相继出台的一系列政策更是加 快了大数据产业的落地。
大学计算机基础（Windows 10+Office 2016）（第2版）
第11章
计算机新技术及应用
11.2.3 大数据的主要结构与运用
云安全是云计算技术的重要分支，在反病毒领域获得了广泛应用。云安全技术可 以通过网状的大量客户端对网络中软件的异常行为进行监测，获取互联网中木马和恶 意程序的最新信息，自动分析和处理信息，并将解决方案发送到每一个客户端。
“云安全”系统的建立并非轻而易举，要想保证系统的正常运行，不仅需要海量 的客户端、专业的反病毒技术和经验、大量的资金和技术投入，还必须提供开放的系 统，让大量合作伙伴加入。
第11章
计算机新技术及应用
11.1.1 云计算的定义
云计算模式如同单台发电模式向集中供电模式的转变，它将计算任务分布在由大 量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。与传 统的资源提供方向相比，云计算主要具有以下特点。
202X 人工智能AI培训 人工智能讲解PPT(内容完整)
智能
人工智能的研究往往涉及对人智能本身的研 究。普遍被认为是人工智能相关的研究课题
1
空间技术
空间技术，是探索、开发和利用太空以及地球以外天体的综合性工程技术，亦称航天技术。1957年 10月4日，苏联成功发射了世界上第一颗人造地球卫星，标志着人类跨入了航天时代
2
能源技术
新能源技术是高技术的支柱，包括核能技术、太阳能技术、燃煤、磁流体发电技术、地 热能技术、海洋能技术等。其中核能技术与太阳能技术是新能源技术的主要标志，通
虽然计算机为AI提供了必要的技术 基础，但直到50年代早期人们才注 意到人类智能与机器之间 的联系
以人类的智慧创造出堪与人类大脑 相平行的机器脑（人工智能），对 人类来说是一个极具诱惑的领域
大量程序
其中一个叫"SHRDLU"."SHRDLU"是"微型世界"项目的一 部分，包括 在微型世界（例如只有有限数量的几何形体） 中的研究与编程
3
人工智能
人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一，这是因 为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用
思维过程
从思维观点看，人工智能不仅 限于逻辑思维，要考虑形象思 维、灵感思维才能促进人工智 能的突破性的发展，数学常被
认为是多种学科的基础科学
入选理由：经过多年的演进，人工智能发展进入了新阶段。为抢抓人工智能发展的重大战略机遇，构筑我国人 工智能发展的先发优势，加快建设创新型国家和世界科技强国，2017年7月20日，国务院印发了《新一代人工 智能发展规划》。《规划》提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保 障措施，为我国人工智能的进一步加速发展奠定了重要基础。
人工智能概论课件完整版
自然语言处理
研究如何让计算机理解和生成人类自然语言 文本。
深度学习
研究如何构建和训练深度神经网络模型，以 模拟人脑处理信息的方式。
人工智能的应用领域
智能家居
通过人工智能技术实现家庭设备 的自动化和智能化控制，提高生
活便利性和舒适度。
智能交通
利用人工智能技术提高交通系统 的效率和安全性，如自动驾驶汽 车、智能交通信号控制等。
05
人工智能伦理与安全问题
数据隐私保护问题
01
数据采集与使用的透明度不足
在人工智能应用中，大量个人数据被采集和使用，但很多时候用户并不
清楚自己的数据是如何被使用的，于网络安全威胁和技术漏洞的存在，人工智能系统所处理的数据可能
面临泄露和滥用的风险，对个人隐私造成侵害。
人工智能概论课件完整版
目录
• 人工智能概述 • 人工智能基础知识 • 人工智能算法与模型 • 人工智能技术应用 • 人工智能伦理与安全问题 • 人工智能发展趋势与挑战
01
人工智能概述
人工智能的定义与发展
人工智能的定义
人工智能（AI）是计算机科学的一个分支，旨在研究、开发能够模拟、延伸和 扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。
恶意使用风险
人工智能技术可能被恶意使用，如用于网络攻击、欺诈行为或制造虚假信息，这对社会和个 人都构成了安全威胁。
人工智能与人类未来关系探讨
劳动力市场变革
人工智能的发展将导致劳动力市 场的深刻变革，一些传统职业可 能会消失，而新的职业和就业机 会将出现。
社会伦理挑战
随着人工智能技术的广泛应用， 社会将面临一系列伦理挑战，如 人类与机器的权利关系、责任归 属以及道德准则的制定等。
人工智能简介PPT学习课件
机器学习传统的算法包括关联规则、决策树、聚类、贝叶斯分类、支持向量机等等。机器学习已广泛应用于 数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场 分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
规则：牛肉—>鸡肉，购买牛肉的顾客当中也购买了鸡肉可信度是3/4。
现阶段人工智能本质
深度学习：一种实现机器学习的技术。
机器学习的分支，它是试图使用包含复杂结构的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的方法。
观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列特定 形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。
计算机系统的理论和发展能够执行 通常需要人类智能参与的任务。
AI的核心问题包括推理、知识、规划、学习、交流、 感知、移动和操作物体的能力等。
2024/6/5
4
2 人工智能历史与现状
2024/6/5
5
发展历程
深度学习算法在语音和视觉识别上取得成功，进入感知智能时代。
2006年杰弗里辛顿提出学习生成模型的观点，“深度学习”神经网络使得人工 智能性能获得突破性进展。
手写和字符识别是认知自动化应用的范例，支持高强度、复杂繁琐的办公业务，以帮助企业降低风险和成本。如，如机 器翻译是对文本数据的处理；使用自然语言处理和OCR（光学字符识别）技术从文档中提取关键信息。
2024/6/5
16
应用领域
认知参与
系统通过认知技术与人类建立密切交互关系。
语音识别接口，它可以执行语音指令，降低温控器或打开电视频道，如Siri。再如，接收病人入院，或推荐产品和服务， 需要人工智能接触到更复杂的信息并执行数字化任务，通过学习到的认知参与人类互动。
规则：牛肉—>鸡肉，购买牛肉的顾客当中也购买了鸡肉可信度是3/4。
现阶段人工智能本质
深度学习：一种实现机器学习的技术。
机器学习的分支，它是试图使用包含复杂结构的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的方法。
观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列特定 形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。
计算机系统的理论和发展能够执行 通常需要人类智能参与的任务。
AI的核心问题包括推理、知识、规划、学习、交流、 感知、移动和操作物体的能力等。
2024/6/5
4
2 人工智能历史与现状
2024/6/5
5
发展历程
深度学习算法在语音和视觉识别上取得成功，进入感知智能时代。
2006年杰弗里辛顿提出学习生成模型的观点，“深度学习”神经网络使得人工 智能性能获得突破性进展。
手写和字符识别是认知自动化应用的范例，支持高强度、复杂繁琐的办公业务，以帮助企业降低风险和成本。如，如机 器翻译是对文本数据的处理；使用自然语言处理和OCR（光学字符识别）技术从文档中提取关键信息。
2024/6/5
16
应用领域
认知参与
系统通过认知技术与人类建立密切交互关系。
语音识别接口，它可以执行语音指令，降低温控器或打开电视频道，如Siri。再如，接收病人入院，或推荐产品和服务， 需要人工智能接触到更复杂的信息并执行数字化任务，通过学习到的认知参与人类互动。
人工智能介绍最新PPT课件
场景解析
对图像中的场景进行解析和理解，包括场景分类 、场景布局、物体间关系等任务，有助于机器人 导航、自动驾驶等应用。
文字识别
从图像中识别出文字信息，包括印刷体文字识别 和手写文字识别等任务，广泛应用于文档数字化 、自然语言处理等领域。
05
CATALOGUE
人工智能伦理与安全问题
数据隐私保护政策解读
、建立监督机制、加强员工培训等。
算法偏见和歧视问题探讨
01
算法偏见和歧视的定义和表现
解释算法偏见和歧视的概念，以及在人工智能系统中可能出现的形式，
如性别、种族、年龄等方面的歧视。
02
算法偏见和歧视的原因分析
探讨导致算法偏见和歧视的主要原因，如数据不平衡、算法设计缺陷、
人类偏见等。
03
消除算法偏见和歧视的方法
智能客服系统能够实现多轮对话管理，根据用户的反馈和 问题进行持续的交流和解答，提高用户满意度和问题解决 效率。
智能化知识库
智能客服系统通过构建智能化知识库，整合企业内外部的 知识和信息，为用户提供全面、准确的问题解答和信息服 务。
智能推荐系统设计与实现
个性化推荐算法
智能推荐系统采用个性化推荐算法，根据用户的历史行为、兴趣偏 好和社交关系等信息，为用户推荐符合其需求的产品、服务和内容 。
自动驾驶算法
智能驾驶系统利用自动驾驶算法进行车辆控制决策和路径规划，实现车辆的自动导航和驾驶。
安全性与可靠性保障
智能驾驶系统通过多重安全保障机制，如冗余设计、故障预测与处理等，确保车辆在行驶过程中的安全 性和可靠性。同时，系统不断学习和优化自身性能，提高驾驶的准确性和稳定性。
THANKS
感谢观看
介绍消除算法偏见和歧视的技术和方法，如增加数据多样性、改进算法
对图像中的场景进行解析和理解，包括场景分类 、场景布局、物体间关系等任务，有助于机器人 导航、自动驾驶等应用。
文字识别
从图像中识别出文字信息，包括印刷体文字识别 和手写文字识别等任务，广泛应用于文档数字化 、自然语言处理等领域。
05
CATALOGUE
人工智能伦理与安全问题
数据隐私保护政策解读
、建立监督机制、加强员工培训等。
算法偏见和歧视问题探讨
01
算法偏见和歧视的定义和表现
解释算法偏见和歧视的概念，以及在人工智能系统中可能出现的形式，
如性别、种族、年龄等方面的歧视。
02
算法偏见和歧视的原因分析
探讨导致算法偏见和歧视的主要原因，如数据不平衡、算法设计缺陷、
人类偏见等。
03
消除算法偏见和歧视的方法
智能客服系统能够实现多轮对话管理，根据用户的反馈和 问题进行持续的交流和解答，提高用户满意度和问题解决 效率。
智能化知识库
智能客服系统通过构建智能化知识库，整合企业内外部的 知识和信息，为用户提供全面、准确的问题解答和信息服 务。
智能推荐系统设计与实现
个性化推荐算法
智能推荐系统采用个性化推荐算法，根据用户的历史行为、兴趣偏 好和社交关系等信息，为用户推荐符合其需求的产品、服务和内容 。
自动驾驶算法
智能驾驶系统利用自动驾驶算法进行车辆控制决策和路径规划，实现车辆的自动导航和驾驶。
安全性与可靠性保障
智能驾驶系统通过多重安全保障机制，如冗余设计、故障预测与处理等，确保车辆在行驶过程中的安全 性和可靠性。同时，系统不断学习和优化自身性能，提高驾驶的准确性和稳定性。
THANKS
感谢观看
介绍消除算法偏见和歧视的技术和方法，如增加数据多样性、改进算法
人工智能11(北邮课件)
18
图11.2 转移网络(TN)
19
用TN来识别句子The little orange ducks swallow flies 的过 程如表11.1。
词
The little orange ducks swallow files
当前状态
a b b b c e
弧
Байду номын сангаас
新状态
b b b c e F(识别)
20
13
1、语音分析 语音分析则是根据音位规则，从语音流 中区分出一个个独立的音素，再根据音位形 态规则找出一个个音节及其对应的词素或词。 2、词法分析 词法分析的主要目的是找出词汇的各个 词素，从中获得语言学信息。
14
3、句法分析 句法分析是对句子和短语的结构进行分 析。自动句法分析的方法很多，有短语结构 语法、格语法、扩充转移网络、功能语法等 等。句法分析的最大单位就是一个句子。分 析的目的就是找出词、短语等的相互关系以 及各自在句子中的作用等，并以一种层次结 构来加以表达。
3
语法是语言的组织规律。语法规则制约着如何 把词素构成词，词构成词组和句子。语言正 是在这种严密的制约关系中构成的。用词素 构成词的规则叫构词规则。语法中的另一部 分就是句法。句法也可分成两部分：词组构 造法和造句法。词组构造法是词搭配成词组 的规则。造句法则是用词或词组造句的规则。
4
图11.1 语言的构成
9
语言理解包括下列几个方面的内容： (1) 能够理解句子的正确词序规则和概念，又 能理解不含规则的句子。 (2) 知道词的确切含义、形式、词类及构词法。 (3) 了解词的语义分类以及词的多义性和歧义 性。 (4) 指定和不定特性及所有(隶属)特性。 (5) 问题领域的结构知识和时间概念。 (6) 语言的语气信息和韵律表现。 (7) 有关语言表达形式的文学知识。 (8) 论域的背景知识。
人工智能概论(PPT 53页)
9
1.2. 关于智能
1.2. 关于智能
几种关于智能的观点
• 思维理论
• 智能的核心是思维； • 智能来自于大脑的思维活动； • 知识是思维的产物； • 通过对思维规律与方法的研究可望揭示智能的本质。
10
1.2. 关于智能
1.2. 关于智能
几种关于智能的观点
• 知识理论
• 智能就是在巨大知识空间中找到满意解的能力。
开创了AI研究的新领域。
27
1.4. AI发展
GPS vs. ES
• GPS：
寻求一个通用的逻辑推理系统，能解决所有类型问题。
• ES：
专注于相对狭小的专业领域，建立基于知识的AI系统。
1977年第五届国际人工智能联合会议，Feigenbaum提出了
知识工程 (Knowledge Engineering)概念，对以知识为基础的
• Bacon(1561～1626)：在《新工具论》中提出归纳法；
• (德)Leibnitz(1646～1716)：在研制四则计算器时，提出通用符号和 推理计算，使形式逻辑符号化，奠定数理逻辑的基础；
• (英)Boole(1815～1864)：创立布尔代数，首次用符号语言描述思维
活动的基本推理规则；
26
1.4. AI发展
反思
• AI指导思想：用计算机模拟人类思维的普遍规律；
• 模拟重心：建立通用万能的符号逻辑运算体系(GPS)； • 问题关键：忽视现实世界的复杂性和问题的多样性。
总结过去经验及教训，E.A.Feigenbaum提出以知识为中心
的人工智能，此观点被大多数人接受。 1965年, Feigenbaum研制成功专家系统(rt System)，
有些人甚至断言：
1.2. 关于智能
1.2. 关于智能
几种关于智能的观点
• 思维理论
• 智能的核心是思维； • 智能来自于大脑的思维活动； • 知识是思维的产物； • 通过对思维规律与方法的研究可望揭示智能的本质。
10
1.2. 关于智能
1.2. 关于智能
几种关于智能的观点
• 知识理论
• 智能就是在巨大知识空间中找到满意解的能力。
开创了AI研究的新领域。
27
1.4. AI发展
GPS vs. ES
• GPS：
寻求一个通用的逻辑推理系统，能解决所有类型问题。
• ES：
专注于相对狭小的专业领域，建立基于知识的AI系统。
1977年第五届国际人工智能联合会议，Feigenbaum提出了
知识工程 (Knowledge Engineering)概念，对以知识为基础的
• Bacon(1561～1626)：在《新工具论》中提出归纳法；
• (德)Leibnitz(1646～1716)：在研制四则计算器时，提出通用符号和 推理计算，使形式逻辑符号化，奠定数理逻辑的基础；
• (英)Boole(1815～1864)：创立布尔代数，首次用符号语言描述思维
活动的基本推理规则；
26
1.4. AI发展
反思
• AI指导思想：用计算机模拟人类思维的普遍规律；
• 模拟重心：建立通用万能的符号逻辑运算体系(GPS)； • 问题关键：忽视现实世界的复杂性和问题的多样性。
总结过去经验及教训，E.A.Feigenbaum提出以知识为中心
的人工智能，此观点被大多数人接受。 1965年, Feigenbaum研制成功专家系统(rt System)，
有些人甚至断言：
《人工智能课件》.pptx
策略梯度方法
一种基于策略迭代的方法，直接优化策略参数以最大化期望回报。通过计算梯度并更新策 略参数来实现策略改进。
Actor-Critic 方法
结合了值迭代和策略迭代的方法。Actor 负责根据当前策略选择动作，Critic负责评估当前 策略的性能并指导Actor进行改进。两者相互促进，共同优化智能体的行为。
03 深度学习技术与应用
神经网络基本原理
01
神经元模型
神经网络的基本单元，模 拟生物神经元的结构和功
能。
前向传播
输入信号经过神经元处理 后向前传递的过程。
反向传播
根据误差信号调整神经元 权重的过程。
卷积神经网络 (CNN)
卷积层
通过卷积操作提取输入数 据的特征。
池化层
降低数据维度，减少计算
量。
06
人工智能伦理、法律和社会影
响
数据隐私和安全问题
数据隐私泄露
人工智能系统通常需要大量数据进行训练和学习，其中可能包含用户的个人隐 私信息。如果这些数据没有得到妥善保护，就可能导致隐私泄露事件。
网络安全问题
人工智能系统可能成为网络攻击的目标，例如黑客利用漏洞攻击人工智能系统， 获取敏感信息或者破坏系统的正常运行。
将数据划分为K个簇，每个簇的中心由簇内所有样本的均值表示。通过
迭代更新簇中心和重新划分样本，使得每个样本与其所属簇中心的距离
之和最小。
层次聚类
通过计算样本之间的距离，将距离近的样本合并为一个簇，然后不断重 复该过程，直到达到预设的簇数量或满足其他停止条件。
03
主成分分析 (PCA)
通过正交变换将原始特征空间中的线性相关变量转换为线性无关的新变
深度学习在图像识别与分类中的应用 通过训练深度神经网络模型，学习从原始图像数据中提取有用 的特征，进而实现图像的高效识别和分类。
一种基于策略迭代的方法，直接优化策略参数以最大化期望回报。通过计算梯度并更新策 略参数来实现策略改进。
Actor-Critic 方法
结合了值迭代和策略迭代的方法。Actor 负责根据当前策略选择动作，Critic负责评估当前 策略的性能并指导Actor进行改进。两者相互促进，共同优化智能体的行为。
03 深度学习技术与应用
神经网络基本原理
01
神经元模型
神经网络的基本单元，模 拟生物神经元的结构和功
能。
前向传播
输入信号经过神经元处理 后向前传递的过程。
反向传播
根据误差信号调整神经元 权重的过程。
卷积神经网络 (CNN)
卷积层
通过卷积操作提取输入数 据的特征。
池化层
降低数据维度，减少计算
量。
06
人工智能伦理、法律和社会影
响
数据隐私和安全问题
数据隐私泄露
人工智能系统通常需要大量数据进行训练和学习，其中可能包含用户的个人隐 私信息。如果这些数据没有得到妥善保护，就可能导致隐私泄露事件。
网络安全问题
人工智能系统可能成为网络攻击的目标，例如黑客利用漏洞攻击人工智能系统， 获取敏感信息或者破坏系统的正常运行。
将数据划分为K个簇，每个簇的中心由簇内所有样本的均值表示。通过
迭代更新簇中心和重新划分样本，使得每个样本与其所属簇中心的距离
之和最小。
层次聚类
通过计算样本之间的距离，将距离近的样本合并为一个簇，然后不断重 复该过程，直到达到预设的簇数量或满足其他停止条件。
03
主成分分析 (PCA)
通过正交变换将原始特征空间中的线性相关变量转换为线性无关的新变
深度学习在图像识别与分类中的应用 通过训练深度神经网络模型，学习从原始图像数据中提取有用 的特征，进而实现图像的高效识别和分类。
计算机概论第二版
狀態圖（state chart）：扮演著與程序導向分析中的狀態流程 圖相同的角色。
歐亞書局
p.257
圖 10.6 使用案例圖範例
歐亞書局
p.258
圖 10.7 類別圖式範例
歐亞書局
p.258
10.3 設計階段
設計階段（design phase）中，系統的所有組成單元都會被定 義出來。 程序導向式設計 在程序導向式設計（procedure-oriented design）中，我們需要 設計程序與資料。
徹底測試
隨機測試 邊界值測試
歐亞書局
p.265
10.6 文件
為能正確的使用軟體，與有效的進行軟體的維護，文件 （documentation）的製作是有需要的。軟體的文件可分為三 個部分：使用者文件、系統文件與技術文件。 文件的製作與更新是一個不停歇的過程。 使用者文件 使用者需要文件以正確的執行軟體，傳統稱之為使用手冊。 系統文件 系統文件（system documentation）定義軟體本身，它被撰寫 成可以讓非原始開發者用以維護、修改此軟體。 技術文件 技術文件描述軟體系統的安裝與服務。
歐亞書局
p.261
圖 10.10 品質因子
歐亞書局
p.261
10.5 測試階段
測試階段（testing phase）的目標就是找出錯誤。 玻璃箱測試
玻璃箱測試〔glass-box testing；或白箱測試（white-box testing）〕植基於軟體內部結構已知。測試的目標就是檢查軟 體所有組成元件，是否符合所設計的要求。基本路徑測試與 控制結構測試是其中兩種測試方法。
結構圖表（structure chart）：程序導向設計常用來列舉模組間 關聯的工具。
歐亞書局
p.257
圖 10.6 使用案例圖範例
歐亞書局
p.258
圖 10.7 類別圖式範例
歐亞書局
p.258
10.3 設計階段
設計階段（design phase）中，系統的所有組成單元都會被定 義出來。 程序導向式設計 在程序導向式設計（procedure-oriented design）中，我們需要 設計程序與資料。
徹底測試
隨機測試 邊界值測試
歐亞書局
p.265
10.6 文件
為能正確的使用軟體，與有效的進行軟體的維護，文件 （documentation）的製作是有需要的。軟體的文件可分為三 個部分：使用者文件、系統文件與技術文件。 文件的製作與更新是一個不停歇的過程。 使用者文件 使用者需要文件以正確的執行軟體，傳統稱之為使用手冊。 系統文件 系統文件（system documentation）定義軟體本身，它被撰寫 成可以讓非原始開發者用以維護、修改此軟體。 技術文件 技術文件描述軟體系統的安裝與服務。
歐亞書局
p.261
圖 10.10 品質因子
歐亞書局
p.261
10.5 測試階段
測試階段（testing phase）的目標就是找出錯誤。 玻璃箱測試
玻璃箱測試〔glass-box testing；或白箱測試（white-box testing）〕植基於軟體內部結構已知。測試的目標就是檢查軟 體所有組成元件，是否符合所設計的要求。基本路徑測試與 控制結構測試是其中兩種測試方法。
結構圖表（structure chart）：程序導向設計常用來列舉模組間 關聯的工具。
人工智能原理人工智能概述 ppt课件
al-Khowarazmi • 19世纪晚期, 把一般的数学推理形式化为逻
辑演绎的努力已经展开
32
第1章 人工智能概述
数学的贡献(4)
• 1900年, David Hilbert(希尔伯特, 1862~1943) 提出了包括23个问题的清单, 其中最后一个 问题是: 是否存在一个算法可以判定涉及自 然数的逻辑命题的真实性, 即可判定性问题 / 他所要问的是: 有效证明过程的能力是否有 基础的局限性
20
第1章 人工智能概述
哲学的贡献(1)
• 哲学(BC428~现在)贡献的思想:
• 问题1：形式化规则能用来抽取合理的结论 吗?
• 问题2：精神的意识是如何从物质的大脑产 生出来的?
• 问题3：知识是从哪里来的? • 问题4：知识是如何导致行动的?
21
第1章 人工智能概述
哲学的贡献(2)
• 问题1：形式化规则能用来抽取合理的结 论吗?（哲学家及其贡献）
4种方法的比较
类人思考
模拟思维过程 思 考 过 程
类人行为
智 能 行模拟行为功能 为
思维模型
思维过程
人类智 能
智能行为
行为建模
按照模型建立思维系统 理性思考
按照模型建立行为系统 理性行为
• 类人思考或类人行为：直接模拟 / 追随人 • 理性思考或理性行为：间接模拟 / 概括人 – –更普遍
17
第1章 人工智能概述
AI概念理解是一个过程
• 上述定义见仁见智 • 重要的是学习AI方法、应用AI方法，在
实践中逐步深入领会AI这个词的含义 • 目前，AI就是一种运行在我们自己机器
中的程序，它的智能都是我们给的！
18
第1章 人工智能概述
辑演绎的努力已经展开
32
第1章 人工智能概述
数学的贡献(4)
• 1900年, David Hilbert(希尔伯特, 1862~1943) 提出了包括23个问题的清单, 其中最后一个 问题是: 是否存在一个算法可以判定涉及自 然数的逻辑命题的真实性, 即可判定性问题 / 他所要问的是: 有效证明过程的能力是否有 基础的局限性
20
第1章 人工智能概述
哲学的贡献(1)
• 哲学(BC428~现在)贡献的思想:
• 问题1：形式化规则能用来抽取合理的结论 吗?
• 问题2：精神的意识是如何从物质的大脑产 生出来的?
• 问题3：知识是从哪里来的? • 问题4：知识是如何导致行动的?
21
第1章 人工智能概述
哲学的贡献(2)
• 问题1：形式化规则能用来抽取合理的结 论吗?（哲学家及其贡献）
4种方法的比较
类人思考
模拟思维过程 思 考 过 程
类人行为
智 能 行模拟行为功能 为
思维模型
思维过程
人类智 能
智能行为
行为建模
按照模型建立思维系统 理性思考
按照模型建立行为系统 理性行为
• 类人思考或类人行为：直接模拟 / 追随人 • 理性思考或理性行为：间接模拟 / 概括人 – –更普遍
17
第1章 人工智能概述
AI概念理解是一个过程
• 上述定义见仁见智 • 重要的是学习AI方法、应用AI方法，在
实践中逐步深入领会AI这个词的含义 • 目前，AI就是一种运行在我们自己机器
中的程序，它的智能都是我们给的！
18
第1章 人工智能概述
高级人工智能十一章课件
04
03
通过深度学习分析用户行为和喜好，实现个性化推荐。
利用深度学习对图像进行分类、目标检测和语义分割等任务。
利用深度学习进行文本分类、情感分析、机器翻译等任务。
04
CHAPTER
自然语言处理
自然语言处理（NLP）：是指利用计算机对人类自然语言进行各种处理，包括理解、生成、转换、检索、分析等，以实现人机交互。
自然语言处理是人工智能领域的一个重要分支，旨在让计算机能够像人类一样理解和运用自然语言。
信息检索
通过自然语言处理技术，实现对大量文本信息的快速检索和筛选。
机器翻译
利用自然语言处理技术，将一种语言的文本自动翻译成另一种语言的文本。
智能客服
通过自然语言处理技术，实现智能化的客户服务和问答系统。
情感分析
人工智能
20世纪50年代，人工智能概念开始出现，机器翻译、专家系统等初步应用。
起步阶段
反思阶段
应用阶段
集成阶段
20世纪70年代，人工智能遭遇技术瓶颈，对技术发展进行反思。
20世纪80年代，人工智能技术开始在各个领域得到广泛应用，如自然语言处理、机器视觉等。
21世纪初，随着大数据、云计算和深度学习等技术的发展，人工智能技术得到进一步集成和应用。
详细描述
在安防监控领域，计算机视觉可以用于人脸识别、行为分析等；在智能交通领域，可以用于车辆检测、交通流量分析等；在医疗诊断领域，可以用于病灶检测、医学影像分析等；在工业自动化领域，可以用于生产线上的质量检测、机器人导航等。
总结词
06
CHAPTER
强化学习
强化学习是一种机器学习技术，通过与环境互动，智能体（agent）学习如何做出最优决策，以最大化累积奖励。
03
通过深度学习分析用户行为和喜好，实现个性化推荐。
利用深度学习对图像进行分类、目标检测和语义分割等任务。
利用深度学习进行文本分类、情感分析、机器翻译等任务。
04
CHAPTER
自然语言处理
自然语言处理（NLP）：是指利用计算机对人类自然语言进行各种处理，包括理解、生成、转换、检索、分析等，以实现人机交互。
自然语言处理是人工智能领域的一个重要分支，旨在让计算机能够像人类一样理解和运用自然语言。
信息检索
通过自然语言处理技术，实现对大量文本信息的快速检索和筛选。
机器翻译
利用自然语言处理技术，将一种语言的文本自动翻译成另一种语言的文本。
智能客服
通过自然语言处理技术，实现智能化的客户服务和问答系统。
情感分析
人工智能
20世纪50年代，人工智能概念开始出现，机器翻译、专家系统等初步应用。
起步阶段
反思阶段
应用阶段
集成阶段
20世纪70年代，人工智能遭遇技术瓶颈，对技术发展进行反思。
20世纪80年代，人工智能技术开始在各个领域得到广泛应用，如自然语言处理、机器视觉等。
21世纪初，随着大数据、云计算和深度学习等技术的发展，人工智能技术得到进一步集成和应用。
详细描述
在安防监控领域，计算机视觉可以用于人脸识别、行为分析等；在智能交通领域，可以用于车辆检测、交通流量分析等；在医疗诊断领域，可以用于病灶检测、医学影像分析等；在工业自动化领域，可以用于生产线上的质量检测、机器人导航等。
总结词
06
CHAPTER
强化学习
强化学习是一种机器学习技术，通过与环境互动，智能体（agent）学习如何做出最优决策，以最大化累积奖励。
人工智能课件
深神经网络（CNN）
常见的深度学习模型
循环神经网络（RNN）
长短期记忆网络（LSTM）
Transformer
深度学习的应用场景
自然语言处理
04
是指让计算机理解和处理人类语言的一种技术。通过NLP技术，我们可以让计算机从大量的文本数据中提取有用的信息，并对其进行分类、聚类、情感分析、摘要生成等操作。
人工智能的伦理和社会影响
个人隐私保护
02
人工智能技术的应用可能导致个人隐私泄露，需要采取措施保护个人隐私。
人机关系失衡
03
人工智能技术的过度发展可能会导致人机关系失衡，人类可能会过度依赖人工智能，甚至失去自我控制力。
THANKS
谢谢您的观看
语音识别
机器学习在语音识别领域中的应用包括语音转文字、语音合成等。例如，通过机器学习算法可以对语音信号进行自动转写和识别，提高语音处理的效率和准确性。
深度学习
03
深度学习是机器学习的一个分支，它使用人工神经网络模拟人脑神经网络的工作方式，从而实现对数据的处理和分析。
深度学习的定义
深度学习框架是实现深度学习算法的工具，常见的深度学习框架包括TensorFlow、PyTorch、Keras等。
机器学习的分类
机器学习主要分为监督学习、无监督学习和强化学习三类。其中，监督学习是指根据已知输入和输出数据进行训练，无监督学习是指在没有已知输出数据的情况下进行训练，而强化学习则是通过让模型与环境进行交互来学习。
机器学习的定义
机器学习的定义和分类
常见的机器学习算法
一种用于回归分析的线性统计模型，通过对因变量和自变量之间的关系进行建模来预测连续值。
深度学习
利用神经网络模型对文本数据进行建模，常用的有循环神经网络（RNN）、长短期记忆网络（LSTM）、卷积神经网络（CNN）和Transformer等。
常见的深度学习模型
循环神经网络（RNN）
长短期记忆网络（LSTM）
Transformer
深度学习的应用场景
自然语言处理
04
是指让计算机理解和处理人类语言的一种技术。通过NLP技术，我们可以让计算机从大量的文本数据中提取有用的信息，并对其进行分类、聚类、情感分析、摘要生成等操作。
人工智能的伦理和社会影响
个人隐私保护
02
人工智能技术的应用可能导致个人隐私泄露，需要采取措施保护个人隐私。
人机关系失衡
03
人工智能技术的过度发展可能会导致人机关系失衡，人类可能会过度依赖人工智能，甚至失去自我控制力。
THANKS
谢谢您的观看
语音识别
机器学习在语音识别领域中的应用包括语音转文字、语音合成等。例如，通过机器学习算法可以对语音信号进行自动转写和识别，提高语音处理的效率和准确性。
深度学习
03
深度学习是机器学习的一个分支，它使用人工神经网络模拟人脑神经网络的工作方式，从而实现对数据的处理和分析。
深度学习的定义
深度学习框架是实现深度学习算法的工具，常见的深度学习框架包括TensorFlow、PyTorch、Keras等。
机器学习的分类
机器学习主要分为监督学习、无监督学习和强化学习三类。其中，监督学习是指根据已知输入和输出数据进行训练，无监督学习是指在没有已知输出数据的情况下进行训练，而强化学习则是通过让模型与环境进行交互来学习。
机器学习的定义
机器学习的定义和分类
常见的机器学习算法
一种用于回归分析的线性统计模型，通过对因变量和自变量之间的关系进行建模来预测连续值。
深度学习
利用神经网络模型对文本数据进行建模，常用的有循环神经网络（RNN）、长短期记忆网络（LSTM）、卷积神经网络（CNN）和Transformer等。
- 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)。
什么是智能？什么是人工智能？ 人工智能与人类智能有什么关系？ 如何判定机器是否具有智能？
第 11 章 人工智能——什么是人工智能
智能的定义
现代汉语词典对智能的定义是：智慧和能力。 智慧是指辨析判断、发明创造的能力； 智力是指人认识、理解客观事物并运用知识、经验等解决 问题的能力，包括记忆、观察、想像、思考、判断等； 思维是指在表象、概念的基础上进行分析、综合、判断、 推理等认识活动的过程。 智能是一个难以准确定义的概念，其根本原因在于人类智 能的奥秘还没有完全被揭开，没有人确切地知道人脑是如 何存储和处理知识，如何将事物之间的联系合成信息。
如何判定计算机是否具有智能
弱人工智能的两个最著名实验：图灵测试和中文屋子。
如果机器在一场会话中成 功地扮演人的角色，就可 以认为它具有智能。
提问者
回答者A
回答者B
第 11 章 人工智能——什么是人工智能
如何判定计算机是否具有智能
弱人工智能的两个最著名实验：图灵测试和中文屋子。
假设西尔勒被关在一个屋子里，屋子里有序地堆放着足够 的汉字字符，屋外的人递进一串汉语字符，同时还附了一本 用英文写的处理汉字的规则，西尔勒按照规则对这些字符进 行处理后，将一串新的字符送出屋外。 事实上，他根本不知道送进来的字符串就是屋外人提出的 “问题”，也不知道送出去的就是“问题的答案”。
第 11 章 人工智能——应用领域
模式识别
识别是人和生物的基本智能信息处理能力之一。 模式是提供模仿用的标本，模式识别就是识别出给定事 物和哪一个模式相同或相似。 模式识别的研究主要在以下两个方面： （1）图形和图像识别 （2）语音识别
待识别 事物
预处理系统
Байду номын сангаас
识别处理系统
识别 结果
第 11 章 人工智能——应用领域
第 11 章 人工智能——回答问题
学完本章，你将如何回答下列问题：
1. 什么是智能？什么是人工智能？为什么要研究人工智能？ 2. 如何实现人工智能？人工智能的主要研究方法是什么？ 3. 目前，人工智能都应用在哪些领域？有成熟的应用吗？
第 11 章 人工智能
本章讨论的主要问题是：
1. 什么是智能？什么是人工智能？为什么要研究人工智能？ 2. 如何实现人工智能？人工智能的主要研究方法是什么？ 3. 目前，人工智能都应用在哪些领域？有成熟的应用吗？
情景问题——人 PK 计算机
计算机比人做得更好: ➢对大整数进行快速计算，实现复杂的方程求解； ➢在词典中进行快速查找，长期记忆大量数据； ➢ ……
弱人工智能认为：形式化的计算机仅有语法，没有语义，因此， 机器永远也不可能代替人脑，只有从功能的角度来判定机器是 否具有思维，也就是从行为角度对机器思维进行定义。
第 11 章 人工智能——什么是人工智能
如何判定计算机是否具有智能
强人工智能的典型代表——符号主义认为：认知是一种符 号处理过程，人类思维过程也可以用某种符号来描述。但是 这种方法至少有三个关键问题很难解决： （1）人类的智能包含了很多人类难以理解或不能理解的智力 活动。 （2）人脑的结构与计算机的部件之间存在巨大的差别。 （3）机器做事情的最佳方法与人类做这些事情时所用的方法 往往不同。 到目前为止，思维就是符号计算的思想没有实质性的突破。
第 11 章 人工智能——应用领域
专家系统
专家系统是一个智能的计算机系统，它运用知识和推理来 解决只有专家才能解决的复杂问题。 任何解决问题的能力达到同领域人类专家水平的计算机 系统都可以称为专家系统。 世界上第一个专家系统DENDRAL可以像物理化学家一 样推断分子结构。美国DEC公司配置专家系统XCON。 由于专家系统走出了实验室，能够解决现实世界中的实 际问题，被誉为“应用人工智能”，并受到企业界和政府 的关注和支持。
第 11 章 人工智能——应用领域
自然语言理解
自然语言处理（又称自然语言理解）采用人工智能的理论 和技术将自然语言机理用计算机程序表达出来，构造能够理 解自然语言的系统。 我们知道，语言是由语句组成的，所以，语句应该是自然 语言理解的最小单位。然而，一个语句通常不是孤立存在的， 往往是与该语句所在的环境联系在一起才构成它的语义，这 正是自然语言理解所遇到的困难之一。 自然语言理解在下列场合获得广泛应用：（1）机器翻译； （2）篇章理解；（3）自然语言接口。
第 11 章 人工智能——应用领域
数据挖掘与知识发现
“数据爆炸但知识贫乏”的现象，人们希望能够对数据 进行更深层次的分析，从中发现更有价值的信息。 数据挖掘是指从大型数据库或数据仓库中提取隐含的、 未知的、非平凡的、有潜在应用价值的信息或模式的处理 过程。 数据挖掘利用各种分析方法和分析工具在大规模海量数 据中建立模型和发现数据间关系，从而实现决策和预测。 目前，数据挖掘在金融、保险、通讯等行业的成功案例 较多，在零售业、医疗保健、运输业、行政司法等领域都 具有广阔的应用前景。
第 11 章 人工智能——研究方法
智能Agent
Agent是一种具有智能的实体，这种实体可以是软件、设 备、机器人或计算机系统。 Agent的抽象模型是具有传感器和效应器，Agent通过传感 器感知环境，通过效应器作用于环境，并且能与其他Agent 进行信息交流并协同工作。 目前的研究热点主要集中在Agent理论模型、多Agent系统 及其开发应用等方面。 工业界开始介入Agent理论和技术的研究与应用。 OMG标准化组织开始致力于Agent技术的标准化工作并推 出了一些重要的Agent技术标准。
第 11 章 人工智能——什么是人工智能
如何判定计算机是否具有智能
弱人工智能——人类和计算机在结果（即输出）上是等价 的，但实现结果的方式可以不同； 强人工智能——人类和计算机使用相同的内部过程来生成 结果，也就是计算机能够以人类的思维方式（如理解、推 理、判断、感知等）来处理信息。
第 11 章 人工智能——什么是人工智能
第 11 章 人工智能——研究方法
符号智能
符号智能：从人脑的宏观心理层面入手，以智能行为的 心理模型为依据，主要通过逻辑推演，运用知识模拟人 类的思维过程。 符号智能的代表性理念是“物理符号系统假设”，认为 计算机可以通过符号推演的方式来模拟人的逻辑思维过 程，实现人工智能。 代表人物有西蒙、纽厄尔、费根鲍姆、尼尔逊等。 符号主义曾经一支独秀，为人工智能的发展做出重要贡 献，尤其是专家系统的成功开发和利用，对人工智能走 向工程应用具有重要意义，但在模拟人的视觉、听觉以 及学习、适应能力等方面，却遇到了很大的困难。
第 11 章 人工智能——什么是人工智能
人工智能的定义
关于人工智能的严格定义，学术界还没有统一的认识。 人工智能是研究如何使计算机具有智能或如何利用计算机 实现智能的理论、方法和技术。 1981年，费根鲍姆（Feigenbaum）：“人工智能是计算 机科学的一个分支，涉及到智能计算机系统的设计，该系 统显示人类行为中与智能有关的某些特征”。 1984年，绍特里夫（Shortliffe）：“人工智能是计算机科 学的一个分支，它研究问题求解的符号方法和非算法方 法”。 1992年，温斯顿（Winston）：“人工智能是计算机科学 的一个领域，它主要解决如何使计算机感觉、推理和行为 等问题”。
第 11 章 人工智能——什么是人工智能
人工智能的研究意义
如果计算机具有一定的智能，将会在更高层面上扩大和 延伸人类的智能。 人和计算机之间的交互应该更加友好、便捷和多样化， 计算机能够代替人类或者作为人类的代理做一些更为复 杂的工作。 如果计算机具有智能，就能自动实现问题求解，向人们 提供功能和服务，甚至可以自发地工作。 智能化是自动化发展的必然趋势。机械化自动化智 能化。 研究人工智能对探索人类自身智能的奥秘也可提供有益 的帮助。
第 11 章 人工智能——应用领域
机器博弈
博弈：诸如下棋、打牌等竞争性智能活动称为博弈。 博弈为人工智能提供了一个很好的实验领域，人工智能 中的许多概念和方法都是从博弈中提取出来的。 博弈成果显著，如IBM公司研制的IBM超级计算机“深 蓝”于1997年5月与当时的国际象棋世界冠军卡斯帕罗夫 对弈，结果“深蓝”获胜。 实现机器博弈的关键是对博弈树的搜索。一个完整的博 弈树包括每一步所有可能的走步，国际象棋大约有10120个 结点，围棋大约有10768个结点。由于这样的树太大，即使 具备现代的计算能力，在合理的时间内，也只能分析博弈 树的部分结点。
第 11 章 人工智能——研究方法
计算智能
计算智能以数值数据为基础，主要通过数值计算，运用算 法进行问题求解。 神经计算是从人脑的生理层面入手，以智能行为的生理模 型为依据，采用数值计算的方法，模拟人脑神经网络的工 作过程，来研究和实现人工智能。 进化计算（演化计算）是以生物进化为基础，模拟人与环 境的交互和控制过程中表现出来的行为特性，如反应、适 应、学习、寻优等，来研究和实现人工智能。 模糊计算是以模糊数学为基础，运用数学手段，描述和处 理人的思维存在的模糊性概念，来研究和实现人工智能。
计算机比人做得更好: ➢ 模式识别。例如，人可以识别出各种各样的桌子，可 以识别不同字体和形状的字母；
BABABABABABAAB
➢ 逻辑推理，图像识别，……
情景问题——人 PK 计算机
下棋、打牌等是非常能够体现人类智能的竞技性活动， 但是，现在计算机能够像人类一样下棋、打桥牌、打麻 将，甚至手机上一般都有诸如此类的游戏，如果一般的 游戏者和计算机对弈，获胜的一方常常是计算机。
智能机器人
机器人是一种可再编程的多功能的操作装置。 机器人和其他类型计算机的最重要的硬件区别是复杂的 输入和输出设备，机器人并不是把输出传送到屏幕或打印 机，而是发送命令给关节、手臂或其他可移动部件。 理论上，智能机器人至少应该具备以下四种机能： （1）感知机能：获取外部环境信息以便进行自我行动； （2）运动机能：施加于外部环境的相当于人的手、脚； （3）思维机能：求解问题的认识、推理、判断等； （4）通信机能：理解指示命令、输出内部状态，与人流 畅地交换信息的通信机能。
第 11 章 人工智能——什么是人工智能
智能的定义
现代汉语词典对智能的定义是：智慧和能力。 智慧是指辨析判断、发明创造的能力； 智力是指人认识、理解客观事物并运用知识、经验等解决 问题的能力，包括记忆、观察、想像、思考、判断等； 思维是指在表象、概念的基础上进行分析、综合、判断、 推理等认识活动的过程。 智能是一个难以准确定义的概念，其根本原因在于人类智 能的奥秘还没有完全被揭开，没有人确切地知道人脑是如 何存储和处理知识，如何将事物之间的联系合成信息。
如何判定计算机是否具有智能
弱人工智能的两个最著名实验：图灵测试和中文屋子。
如果机器在一场会话中成 功地扮演人的角色，就可 以认为它具有智能。
提问者
回答者A
回答者B
第 11 章 人工智能——什么是人工智能
如何判定计算机是否具有智能
弱人工智能的两个最著名实验：图灵测试和中文屋子。
假设西尔勒被关在一个屋子里，屋子里有序地堆放着足够 的汉字字符，屋外的人递进一串汉语字符，同时还附了一本 用英文写的处理汉字的规则，西尔勒按照规则对这些字符进 行处理后，将一串新的字符送出屋外。 事实上，他根本不知道送进来的字符串就是屋外人提出的 “问题”，也不知道送出去的就是“问题的答案”。
第 11 章 人工智能——应用领域
模式识别
识别是人和生物的基本智能信息处理能力之一。 模式是提供模仿用的标本，模式识别就是识别出给定事 物和哪一个模式相同或相似。 模式识别的研究主要在以下两个方面： （1）图形和图像识别 （2）语音识别
待识别 事物
预处理系统
Байду номын сангаас
识别处理系统
识别 结果
第 11 章 人工智能——应用领域
第 11 章 人工智能——回答问题
学完本章，你将如何回答下列问题：
1. 什么是智能？什么是人工智能？为什么要研究人工智能？ 2. 如何实现人工智能？人工智能的主要研究方法是什么？ 3. 目前，人工智能都应用在哪些领域？有成熟的应用吗？
第 11 章 人工智能
本章讨论的主要问题是：
1. 什么是智能？什么是人工智能？为什么要研究人工智能？ 2. 如何实现人工智能？人工智能的主要研究方法是什么？ 3. 目前，人工智能都应用在哪些领域？有成熟的应用吗？
情景问题——人 PK 计算机
计算机比人做得更好: ➢对大整数进行快速计算，实现复杂的方程求解； ➢在词典中进行快速查找，长期记忆大量数据； ➢ ……
弱人工智能认为：形式化的计算机仅有语法，没有语义，因此， 机器永远也不可能代替人脑，只有从功能的角度来判定机器是 否具有思维，也就是从行为角度对机器思维进行定义。
第 11 章 人工智能——什么是人工智能
如何判定计算机是否具有智能
强人工智能的典型代表——符号主义认为：认知是一种符 号处理过程，人类思维过程也可以用某种符号来描述。但是 这种方法至少有三个关键问题很难解决： （1）人类的智能包含了很多人类难以理解或不能理解的智力 活动。 （2）人脑的结构与计算机的部件之间存在巨大的差别。 （3）机器做事情的最佳方法与人类做这些事情时所用的方法 往往不同。 到目前为止，思维就是符号计算的思想没有实质性的突破。
第 11 章 人工智能——应用领域
专家系统
专家系统是一个智能的计算机系统，它运用知识和推理来 解决只有专家才能解决的复杂问题。 任何解决问题的能力达到同领域人类专家水平的计算机 系统都可以称为专家系统。 世界上第一个专家系统DENDRAL可以像物理化学家一 样推断分子结构。美国DEC公司配置专家系统XCON。 由于专家系统走出了实验室，能够解决现实世界中的实 际问题，被誉为“应用人工智能”，并受到企业界和政府 的关注和支持。
第 11 章 人工智能——应用领域
自然语言理解
自然语言处理（又称自然语言理解）采用人工智能的理论 和技术将自然语言机理用计算机程序表达出来，构造能够理 解自然语言的系统。 我们知道，语言是由语句组成的，所以，语句应该是自然 语言理解的最小单位。然而，一个语句通常不是孤立存在的， 往往是与该语句所在的环境联系在一起才构成它的语义，这 正是自然语言理解所遇到的困难之一。 自然语言理解在下列场合获得广泛应用：（1）机器翻译； （2）篇章理解；（3）自然语言接口。
第 11 章 人工智能——应用领域
数据挖掘与知识发现
“数据爆炸但知识贫乏”的现象，人们希望能够对数据 进行更深层次的分析，从中发现更有价值的信息。 数据挖掘是指从大型数据库或数据仓库中提取隐含的、 未知的、非平凡的、有潜在应用价值的信息或模式的处理 过程。 数据挖掘利用各种分析方法和分析工具在大规模海量数 据中建立模型和发现数据间关系，从而实现决策和预测。 目前，数据挖掘在金融、保险、通讯等行业的成功案例 较多，在零售业、医疗保健、运输业、行政司法等领域都 具有广阔的应用前景。
第 11 章 人工智能——研究方法
智能Agent
Agent是一种具有智能的实体，这种实体可以是软件、设 备、机器人或计算机系统。 Agent的抽象模型是具有传感器和效应器，Agent通过传感 器感知环境，通过效应器作用于环境，并且能与其他Agent 进行信息交流并协同工作。 目前的研究热点主要集中在Agent理论模型、多Agent系统 及其开发应用等方面。 工业界开始介入Agent理论和技术的研究与应用。 OMG标准化组织开始致力于Agent技术的标准化工作并推 出了一些重要的Agent技术标准。
第 11 章 人工智能——什么是人工智能
如何判定计算机是否具有智能
弱人工智能——人类和计算机在结果（即输出）上是等价 的，但实现结果的方式可以不同； 强人工智能——人类和计算机使用相同的内部过程来生成 结果，也就是计算机能够以人类的思维方式（如理解、推 理、判断、感知等）来处理信息。
第 11 章 人工智能——什么是人工智能
第 11 章 人工智能——研究方法
符号智能
符号智能：从人脑的宏观心理层面入手，以智能行为的 心理模型为依据，主要通过逻辑推演，运用知识模拟人 类的思维过程。 符号智能的代表性理念是“物理符号系统假设”，认为 计算机可以通过符号推演的方式来模拟人的逻辑思维过 程，实现人工智能。 代表人物有西蒙、纽厄尔、费根鲍姆、尼尔逊等。 符号主义曾经一支独秀，为人工智能的发展做出重要贡 献，尤其是专家系统的成功开发和利用，对人工智能走 向工程应用具有重要意义，但在模拟人的视觉、听觉以 及学习、适应能力等方面，却遇到了很大的困难。
第 11 章 人工智能——什么是人工智能
人工智能的定义
关于人工智能的严格定义，学术界还没有统一的认识。 人工智能是研究如何使计算机具有智能或如何利用计算机 实现智能的理论、方法和技术。 1981年，费根鲍姆（Feigenbaum）：“人工智能是计算 机科学的一个分支，涉及到智能计算机系统的设计，该系 统显示人类行为中与智能有关的某些特征”。 1984年，绍特里夫（Shortliffe）：“人工智能是计算机科 学的一个分支，它研究问题求解的符号方法和非算法方 法”。 1992年，温斯顿（Winston）：“人工智能是计算机科学 的一个领域，它主要解决如何使计算机感觉、推理和行为 等问题”。
第 11 章 人工智能——什么是人工智能
人工智能的研究意义
如果计算机具有一定的智能，将会在更高层面上扩大和 延伸人类的智能。 人和计算机之间的交互应该更加友好、便捷和多样化， 计算机能够代替人类或者作为人类的代理做一些更为复 杂的工作。 如果计算机具有智能，就能自动实现问题求解，向人们 提供功能和服务，甚至可以自发地工作。 智能化是自动化发展的必然趋势。机械化自动化智 能化。 研究人工智能对探索人类自身智能的奥秘也可提供有益 的帮助。
第 11 章 人工智能——应用领域
机器博弈
博弈：诸如下棋、打牌等竞争性智能活动称为博弈。 博弈为人工智能提供了一个很好的实验领域，人工智能 中的许多概念和方法都是从博弈中提取出来的。 博弈成果显著，如IBM公司研制的IBM超级计算机“深 蓝”于1997年5月与当时的国际象棋世界冠军卡斯帕罗夫 对弈，结果“深蓝”获胜。 实现机器博弈的关键是对博弈树的搜索。一个完整的博 弈树包括每一步所有可能的走步，国际象棋大约有10120个 结点，围棋大约有10768个结点。由于这样的树太大，即使 具备现代的计算能力，在合理的时间内，也只能分析博弈 树的部分结点。
第 11 章 人工智能——研究方法
计算智能
计算智能以数值数据为基础，主要通过数值计算，运用算 法进行问题求解。 神经计算是从人脑的生理层面入手，以智能行为的生理模 型为依据，采用数值计算的方法，模拟人脑神经网络的工 作过程，来研究和实现人工智能。 进化计算（演化计算）是以生物进化为基础，模拟人与环 境的交互和控制过程中表现出来的行为特性，如反应、适 应、学习、寻优等，来研究和实现人工智能。 模糊计算是以模糊数学为基础，运用数学手段，描述和处 理人的思维存在的模糊性概念，来研究和实现人工智能。
计算机比人做得更好: ➢ 模式识别。例如，人可以识别出各种各样的桌子，可 以识别不同字体和形状的字母；
BABABABABABAAB
➢ 逻辑推理，图像识别，……
情景问题——人 PK 计算机
下棋、打牌等是非常能够体现人类智能的竞技性活动， 但是，现在计算机能够像人类一样下棋、打桥牌、打麻 将，甚至手机上一般都有诸如此类的游戏，如果一般的 游戏者和计算机对弈，获胜的一方常常是计算机。
智能机器人
机器人是一种可再编程的多功能的操作装置。 机器人和其他类型计算机的最重要的硬件区别是复杂的 输入和输出设备，机器人并不是把输出传送到屏幕或打印 机，而是发送命令给关节、手臂或其他可移动部件。 理论上，智能机器人至少应该具备以下四种机能： （1）感知机能：获取外部环境信息以便进行自我行动； （2）运动机能：施加于外部环境的相当于人的手、脚； （3）思维机能：求解问题的认识、推理、判断等； （4）通信机能：理解指示命令、输出内部状态，与人流 畅地交换信息的通信机能。