人工智能-6
第六章 人工智能及其应用 课件(共16张PPT).ppt
人工智能 Artificial Intelligence
人工智能是计算机科学的一个分支， 是研究计算机模拟人的某些感知能力、 思维过程和智能行为的学科。人工智能 是引领未来的战略性技术，将深刻改变 人类生产生活方式。人们要保持对人工 智能的控制能力，防范人工智能失控的 风险和对人类社会未来发展的潜在威胁。
揭阳市揭东区第二中学 许家乐 原创课件
《数据与计算》
初识人工智能
第六章导学课
6.1
认识人工智能
6.2
人工智能的应用
揭阳市揭东区第二中学 许家乐 原创课件
PEPORT ON WORK
01
人工智能
什么是人工智能？ 人工智能的诞生和发展历程是怎样的？
揭阳市揭东区第二中学 许家乐 原创课件
揭阳市揭东区第二中学 许家乐 原创课件
1997年“深蓝”战胜卡斯帕罗夫 2006年深度学习的开始研究 2010年大数据时代到来 2016年3月AlphaGo以4比1战胜 世界围棋冠军李世石
揭阳市揭东区第二中学 许家乐 原创课件
人工智能的研究领域
图像识别
看
人脸识别
做 机器人 自动驾驶
语音识别 听
机器学习 学习
理解
机器翻译
思考
人机对弈
专家系统
在教育领域，人工智能成
为教师和学生的得力助手。
比如智能导师：主要通过 自然语言处理和语音识别技术，
Hi
由计算机模拟教师教学的经验
和方法，对学生实施一对一的
教学，并向具有不同需求和特
征的学习者传递知识。
揭阳市揭东区第二中学 许家乐 原创课件
4、智能交通 智能交通系统是通信、信息和控
制技术在交通系统中集成应用的产物， 它借助现代科技手段和设备，将各核 心交通元素联通，实现信息互通与共 享，建立安全、高效、便捷和低碳的 交通运输管理系统。
人工智能 AI6章符号学习
第6章 符号学习
7.1 机器学习概述 7.2 记忆学习 7.3 示例学习 7.4 决策树学习
7.5 统计学习
10
6.2 记忆学习
记忆学习也叫死记硬背学习，其基本过程是每当系统解决一个问题时，就 系统就记住这个问题和它的解，当以后再遇到此类问题时，不必重新计算， 直接找出原来的解即可使用。记忆学习的基本模型如下：
1261机器学习的基本概念62记忆学习63示例学习631示例学习的类型632示例学习的模型633示例学习的归纳方法64决策树学习65统计学习13按例子的来源分类例子来源于教师的示例学习例子来源于学习者本身的示例学习学习者明确知道自己的状态但完全不清楚所要获取的概念
第6章 符号学习
按照机器学习对人类学习方式的模拟，可分为符号学习和联结学习两大类， 符号学习本章讨论，联结学习下章讨论。
验证过程 示例空间 归纳过程
14
规则空间
6.3.3 示例学习的归纳方法
1. 把常量转化为变量
把示例中的常量换成相应的变量即可得到一个一般性的规则。下面以扑克 牌中同花的概念为例，进行讨论。 假设例子空间中有以下两个关于扑克牌中“同花”概念的示例： 示例1：花色(c1，梅花) ∧ 花色(c2，梅花) ∧ 花色(c3，梅花) ∧ 花色(c4， 梅花)∧ 花色(c5，梅花) → 同花(c1, c2, c3, c4, c5) 示例2：花色(c1，红桃) ∧ 花色(c2，红桃) ∧ 花色(c3，红桃) ∧ 花色(c4， 红桃)∧ 花色(c5，红桃) → 同花(c1, c2, c3, c4, c5) 其中，示例1表示5张梅花牌是同花，示例2表示5张红桃牌是同花。
17
6.3.3 示例学习的归纳方法
4. 曲线拟合
对数值问题的归纳可采用曲线拟合法。假设示例空间中的每个示例(x, y, z) 都是输入x, y与输出z之间关系的三元组。例如，有下3个示例： 示例10：(0, 2, 7) 示例11：(6, -1, 10) 示例12：(-1, -5, -16) 用最小二乘法进行曲线拟合，可得x, y, z之间关系的规则如下： 规则4：z=2x+3y+1 说明：在上述前三种方法中，方法(1)是把常量转换为变量；方法(2)是去掉 合取项（约束条件）；方法(3)是增加析取项。它们都是要扩大条件的适用 范围。从归纳速度上看，方法(1)的归纳速度快，但容易出错；方法(2)归纳 速度慢，但不容易出错。因此，在使用方法(1)时应特别小心。例如： 对示例4、示例5及示例6，若使用方法(1) ,则会归纳出如下的错误规则： 规则5：（错误）点数(c1, x)→脸(c1) 它说明，归纳过程是很容易出错的。
人工智能习题答案-第6章-专家系统
⼈⼯智能习题答案-第6章-专家系统第六章专家系统6-1 什么叫做专家系统?它具有哪些特点与优点?专家系统是⼀种模拟⼈类专家解决领域问题的智能计算机程序系统，其内部含有⼤量的某个领域专家⽔平的知识与经验，能够利⽤⼈类专家的知识和解决问题的⽅法来处理该领域问题。
也就是说，专家系统是⼀个具有⼤量的专门知识与经验的程序系统，它应⽤⼈⼯智能技术和计算机技术，根据某领域⼀个或多个专家提供的知识和经验，进⾏推理和判断，模拟⼈类专家的决策过程，以便解决那些需要⼈类专家处理的复杂问题。
特点：(1)启发性专家系统能运⽤专家的知识与经验进⾏推理、判断和决策(2)透明性专家系统能够解释本⾝的推理过程和回答⽤户提出的问题，以便让⽤户能够了解推理过程，提⾼对专家系统的信赖感。
(3) 灵活性专家系统能不断地增长知识，修改原有知识，不断更新。
优点：(1) 专家系统能够⾼效率、准确、周到、迅速和不知疲倦地进⾏⼯作。
(2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。
(3) 可以使专家的专长不受时间和空间的限制，以便推⼴珍贵和稀缺的专家知识与经验。
(4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够⼴泛有⼒地传播专家的知识、经验和能⼒。
(5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重⼤问题的能⼒，它拥有更渊博的知识、更丰富的经验和更强的⼯作能⼒。
(6) 军事专家系统的⽔平是⼀个国家国防现代化的重要标志之⼀。
(7) 专家系统的研制和应⽤，具有巨⼤的经济效益和社会效益。
(8) 研究专家系统能够促进整个科学技术的发展。
专家系统对⼈⼯智能的各个领域的发展起了很⼤的促进作⽤，并将对科技、经济、国防、教育、社会和⼈民⽣活产⽣极其深远的影响。
6-2 专家系统由哪些部分构成?各部分的作⽤为何?(1) 知识库(knowledge base)知识库⽤于存储某领域专家系统的专门知识，包括事实、可⾏操作与规则等。
人工智能_6过程表示法
2020表示法
1. 概述
在人工智能的发展史中，关于知识的表示方法 曾存在两种不同的观点。
▪ 一种观点认为知识主要是陈述性的，其表示方法 应着重将其静态特性，即事物的属性以及事物间 的关系表示出来，称以这种观点表示知识的方法 为陈述式或说明性表示方法；
➢ 说明性表示方法是一种静态表示方法，其主要特征是 把领域内的
人工智能及其应用
知识表示 之
语义网络、过程表示
2020/2/25
1
知识的表示方法
▪ 谓词逻辑法 ▪ 状态空间法 ▪ 问题归约法 ▪ 语义网络法 ▪ 框架表示法 ▪ 面向对象表示 ▪ 剧本(script)表示 ▪ 过程(procedure)表示 ▪ 小结
2020/2/25
2
知识的过程表示法
2020/2/25
2020/2/25
7
2020/2/25
8
▪ （1）首先移动棋牌，使得棋子1和空格均不在位
置c上。
▪ （2）依次移动棋牌，使得空格位置沿图(a)所示 的箭头方向移动，直到棋子1位于a为止。
▪ （3）依次移动将牌，使得空可知沿图(b)所示的 箭头方向移动，直到数码2位于b为止。若这时刚好 数码3在位置c，则转(6)。
➢ 过程性知识与控制性知识（即问题求解策略）分离开 来。
2020/2/25
4
▪ 另一种观点认为知识主要是过程性的，其表示 方法应将知识及如何使用这些知识的控制策略 均表示为求解问题的过程，称以这种观点表示 知识的方法为过程性表示法，或过程表示法。
➢ 过程性表示方法着重于对知识的利用，它把与问题 有关的知识以及如何运用这些知识求解问题的控制 策略都表述为一个或多个求解问题的过程，每一个
有可能影响到其它程序，对系统的维 护带来诸多不利。
人工智能 第六章 行为主义
第六章行为智能行为能力是人类智能的重要组成部分，是指人们具有对外界环境刺激做出反应的能力。
这种反应似乎不经大脑推理，而直接发生，存在所谓的“感知-行为”模式。
行为智能试图模拟人类的这种行为能力，将智能系统置于真实的场景中，使其直接感知外界环境并在此基础上做出合理的反应。
因此，行为智能也被称为“现场式人工智能”，以区别于传统的通过键盘、鼠标、显示器、打印机等输入输出设备与外界交互的无实体智能系统。
行为智能的别称还包括行为主义、行为途径、控制学派等。
行为智能中的开创性工作是美国麻省理工学院人工智能实验室（MIT-AI）的布鲁克斯对机器虫的研究。
他在1991年第12届国际人工智能联合会议（IJCAI）上发表的论文《没有表示的智能》（Intelligence without Representation）引起了人们对行为智能的极大关注，进而形成为目前独立于符号主义和连接主义的第三种主要人工智能研究学派。
在这一学派的影响下，智能体的研究得以兴起和发展。
早期智能体的概念是狭义的，指自主智能体，即具有行为智能，从而表现出自主特性的机器或系统。
布鲁克斯就将他所研究的机器虫称为自主智能体。
随着智能体技术的发展，特别是多智能体技术的出现，智能体的概念逐渐变得越来越宽泛，有时被用来泛指一切相对独立的智能机器或系统。
目前，智能体更多地被作为实现群体智能的基础，强调在完成某一共同任务时智能体之间的相互协调与协作。
行为智能系统中的关键构成成分包括传感器、控制器和学习器。
传感器用于感知外部环境；控制器用于控制智能体做出行动；学习器用于学习从环境状态到系统行为的控制策略。
传感和学习是行为智能中的主要难点。
对外界环境的感知是行为智能的前提和基础，但传感技术本质上是对人类感知能力的模拟，真正的行为智能体现在系统对于环境刺激所做出的正确反应上，即体现在其控制策略上。
因此，如何自动学习系统控制策略是行为智能中的核心问题。
目前，这一问题的解决方法主要包括强化学习和进化学习，二者都试图在智能系统的运行过程中逐渐提高其行为能力，但实现的方式不同。
中国人工智能六类标准
在中国，人工智能（AI）标准主要分为以下六类：
1. 基础性标准：这类标准主要涉及人工智能领域的基本概念、术语、分类和方法等。
如《人工智能通用技术术语》（GB/T 38357-2019）等。
2. 技术规范类标准：这类标准针对人工智能技术的具体实现和应用，包括算法、模型、数据处理等。
如《人工智能软件工程规范》（GB/T 36291.1-2018）等。
3. 产品与服务类标准：这类标准关注人工智能产品和服务的性能、质量、安全等。
如《人工智能辅助诊疗系统通用技术要求》（GB/T 38361-2019）等。
4. 安全与隐私类标准：这类标准主要关注人工智能系统在设计、开发、运行等过程中的安全与隐私保护。
如《人工智能安全与隐私保护指南》（GB/T 38628-2019）等。
5. 行业应用类标准：这类标准针对人工智能在各个行业的具体应用，如智能制造、智能交通、智能医疗等。
如《智能制造工业控制系统信息安全》（GB/T 33628-2017）等。
6. 人才培养与评价类标准：这类标准关注人工智能领域的人才培养、技能评价等。
如《人工智能技术人才培训大纲》（GB/T 38370-2019）等。
《人工智能》--课后习题答案
《人工智能》课后习题答案第一章绪论1.1答：人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。
人工智能是相对于人的自然智能而言，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。
1.2答：“智能”一词源于拉丁“Legere”，意思是收集、汇集，智能通常用来表示从中进行选择、理解和感觉。
所谓自然智能就是人类和一些动物所具有的智力和行为能力。
智力是针对具体情况的，根据不同的情况有不同的含义。
“智力”是指学会某种技能的能力，而不是指技能本身。
1.3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。
即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统。
1.4答：自然语言处理—语言翻译系统，金山词霸系列机器人—足球机器人模式识别—Microsoft Cartoon Maker博弈—围棋和跳棋第二章知识表达技术2.1解答：（1）状态空间(State Space)是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，状态空间是一个四元组（S，O，S0，G）：S—状态集合;O—操作算子集合;S0—初始状态,S0⊂S;G—目的状态,G⊂S,(G可若干具体状态，也可满足某些性质的路径信息描述)从S0结点到G结点的路径被称为求解路径。
状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态：O1 O2 O3 OkS0→−−−S1→−−−S2→−−−……→−−−G其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的)（2）谓词逻辑是命题逻辑的扩充和发展，它将原子命题分解成客体和谓词两个部分。
与命题逻辑中命题公式相对应，谓词逻辑中也有谓词（命题函数）公式、原子谓词公式、复合谓词公式等概念。
一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。
（3）语义网络是一种采用网络形式表示人类知识的方法。
人工智能习题参考答案
• 神经网络主要通过指导式（有师）学习算法和非指导式（无师）学习 算法。此外，还存在第三种学习算法，即强化学习算法；可把它看做 有师学习的一种特例。 • （１）有师学习 • 有师学习算法能够根据期望的和实际的网络输出（对应于给定输入） 间的差来调整神经元间连接的强度或权。因此，有师学习需要有个老 师或导师来提供期望或目标输出信号。有师学习算法的例子包括 Delta规则、广义Delta规则或反向传播算法以及ＬＶＱ算法等。 • （２）无师学习 • 无师学习算法不需要知道期望输出。在训练过程中，只要向神经网络 提供输入模式，神经网络就能够自动地适应连接权，以便按相似特征 把输入模式分组聚集。无师学习算法的例子包括Kohonen算法和 Carpenter-Grossberg自适应谐振理论（ＡＲＴ)等。 • （３）强化学习 • 强化（增强）学习是有师学习的特例。它不需要老师给出目标输出。 强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网 络输出的优度（质量因数）。强化学习算法的一个例子是遗传算法 （GA）。
• • • • • • • • • •
• 6-2专家系统由哪些部分构成?各部分的作用为何? • 答： •
• 5-7遗传算法、进化策略和进化编程的关系如何？有何区别？ • 遗传算法是一种基于空间搜索的算法，它通过自然选择、遗传、变异 等操作以及达尔文适者生存的理论，模拟自然进化过程来寻找所求问 题的解答。 • 进化策略(Evolution Strategies，ES)是一类模仿自然进化原理以求 解参数优化问题的算法。 • 进化编程根据正确预测的符号数来度量适应值。通过变异，为父代群 体中的每个机器状态产生一个子代。父代和子代中最好的部分被选择 生存下来。 • 进化计算的三种算法即遗传算法、进化策略和进化编程都是模拟生物 界自然进化过程而建立的鲁棒性计算机算法。在统一框架下对三种算 法进行比较，可以发现它们有许多相似之处，同时也存在较大的差别。 • 进化策略和进化编程都把变异作为主要搜索算子，而在标准的遗传算 法中，变异只处于次要位置。交叉在遗传算法中起着重要作用，而在 进化编程中却被完全省去，在进化策略中与自适应结合使用，起了很 重要的作用。 • 标准遗传算法和进化编程都强调随机选择机制的重要性，而从进化策 略的角度看，选择（复制）是完全确定的。进化策略和进化编程确定 地把某些个体排除在被选择（复制）之外，而标准遗传算法一般都对 每个个体指定一个非零的选择概率。
《信息技术与人工智能基础》项目6 人工智能基础
人工智能典型应用场景 – 人脸识别
人脸识别（Face Recognition）是人工智能技术的 典型应用，已经广泛进入了我们的生活与工作，使得人 脸成为了随身必携的“移动身份证”，在我们日常工作 和生活中扮演着重要的作用：
• 当我们拿起智能手机或者打开笔记本，人脸识别技术自动为我们解锁； • 当我们登录网银或者通过APP办理各种证明时，人脸识别可以为我们省去输入个人信息等繁琐步骤； • 当我们进入校园、大楼、海关时，人工智能能够准确的识别我们的身份； • 当我们拿起手机或者相机拍照，人脸定位等技术辅助我们拍摄出更美的图像和视频； • 当我们保存了大量图像和视频，需要快速找到我们的照片时，还可以求助人脸识别为我们检索图
2 .分类（Classification）
分类就是给数据贴标签的过程，要求尽肯 能为不同类别数据贴上正确的类别标签。
人工智能的分类任务的目标就是让机器通 过经验学习从而具有正确贴标签的能力。
从数学角度来看，分类是一种对离散型随机 变量建模或进行预测的一种有监督学习算法。
与回归算法不同的是，分类算法通常适用 于预测一个类别（或类别的概率）而不是连 续的数值。
图论推理算法
√
√ √
√ √
拉普拉斯SVM
√
√
√
Q-Learning
√
√
√
√
时间差学习
√
√
√
√
2 .人工神经网络（Artificial Neutral Network, ANN）
人工神经网络是一种模拟生物神经系统结构和功能的计算网络，因 而生物神经网络是人工神经网络的技术原型。
人类大脑皮层由大约140亿个生物神经元（简称神经元）组成，每个 神经元又与大约103个其它神经元相连接，形成一个高度复杂又高度灵 活的不断变化的动态网络。
人工智能答案终极版
人工智能复习参考（2015工程硕士）第1章绪论1-1.什么是人工智能？它的研究目标是什么？人工智能（Artificial Intelligence），简称AI，又称机器智能（Machine Intelligence，MI），主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。
近期目标：人工智能的近期目标是实现机器智能。
即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。
远期目标：人工智能的远期目标是要制造智能机器。
具体讲就是使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。
1-2.人工智能有哪些研究方法和途径？简单描述它们的特点。
一、传统划分法1.符号主义：以人脑的心理模型为依据，将问题或知识表示成某种符号，采用符号推演的方法，宏观上模拟人脑的推理、联想、学习、计算等功能，实现人工智能。
2.连接主义：不仅要求机器产生的智能和人相同，产生的过程和机理也应该相同。
人或某些动物所具有的智能皆源自于大脑，通过对大脑微观结构的模拟达到对智能的模拟，这是一条很自然的研究人工智能的途径。
3.行为主义：模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，以此来研究和实现人工智能。
二、现代划分法1.符号智能：是对智能和人工智能持狭义的观点，侧重于研究任何利用计算机软件来模拟人的抽象思维过程，并把思维过程看成是一个抽象的符号处理过程。
2.计算智能：计算机智能又重新回到依靠数值计算解决问题的轨道上来，它是对符号智能中符号推演的再次否定。
3.群体智能：它认同智能同样可以表现在群体的整体特性上，群体中每个个体的智能虽然很有限，但通过个体之间的分工协作和相互竞争，可以表现出很高的智能。
1-3.为什么能够用机器（计算机）模仿人的智能？假设：任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能：输入符号；输出符号；存储符号；复制符号；建立符号结构；条件性迁移：反之，任何系统如果具有这6种功能，那么它就能够表现出智能，这种智能指的是人类所具有的那种智能。
920087-人工智能导论(第4版)-第6章 智能计算及其应用(导论)
二进制串 12...n
Gray 1 2... n
二进制编码 Gray编码
k
k
1
1
k
k k
1 1
Gray编码 二进制编码
k
k i (mod 2) i 1
17
6.2.3 编码
2. 实数编码
采用实数表达法不必进行数制转换，可直接在解的表 现型上进行遗传操作。
多参数映射编码的基本思想：把每个参数先进行二进 制编码得到子串，再把这些子串连成一个完整的染色体。
Introduction of Artificial Intelligence
第 6 章 智能计算及其应用
教材：
王万良《人工智能导论》（第4版） 高等教育出版社，2017.7
第6章 智能计算及其应用
受自然界和生物界规律的启迪，人们根据其原理模 仿设计了许多求解问题的算法，包括人工神经网络、 模糊逻辑、遗传算法、DNA计算、模拟退火算法、 禁忌搜索算法、免疫算法、膜计算、量子计算、粒 子群优化算法、蚁群算法、人工蜂群算法、人工鱼 群算法以及细菌群体优化算法等，这些算法称为智 能 计 算 也 称 为 计 算 智 能 (computational intelligence, CI)。
（4）稳定性原则： 指算法对其控制参数及问题的数 据的敏感度。
（5）生物类比原则：在生物界被认为是有效的方法
及操作可以通过类比的方法引入到算法中，有时会带
来较好的结果。
9
第6章 智能计算及其应用
6.1 进化算法的产生与发展
6.2 基本遗传算法
6.3 遗传算法的改进算法
6.4 遗传算法的应用
19
6.2.4 群体设定
2. 种群规模的确定 群体规模太小，遗传算法的优化性能不太好，易陷
人工智能6作业答案
人工智能有哪些主要的研究领域？
问题求解 机器学习 自然语言理解 专家系统 模式识别 计算机视觉 机器人学 搏弈 计算智能 人工生命
自动定理证明 自动程序设计 智能控制 智能检索 智能调度与指挥 智能决策支持系统 人工神经网络 数据挖掘和知识发现
第二章 作业
1、常用的知识表示方法都有哪些？ 2、请把下列命题表示为谓词公式。
Kasparov • 2000:中科院计算所多主体环境MAGE知识发现系统
MSMiner
人工智能有哪些学派？各自认知观 是什么？
符号主义，又称为逻辑主义、心理学派、计算 机学派，其原理主要为物理符号系统假设和有 限合理性原理。 连接主义，又称为仿生学派、生理学派，其原 理主要为神经网络及神经网络间的连接机制与 学习算法。 行为主义，又称为进化主义、控制论学派，其 原理为控制论及感知－动作型控制系统。
第一章 作业及解答
1、什么是人工智能？发展过程中经历了哪些阶 段？每个阶段列举出其中有代表性的人物。
2、人工智能有哪些学派？各自认知观是什么？
3、人工智能有哪些主要的研究领域？
什么是人工智能？
人工智能（顾名思义）：就是用人工的方法在计算 机上实现的智能。 人工智能（学科）：人工智能是一门研究如何构造 智能机器或智能系统，使它能模拟、延伸、扩展人 类智能的学科。 人工智能（能力）：智能机器所执行的通常与人类 智能有关的智能行为，如判断、推理、证明、识别、 感知、理解、设计、思考、规划、学习和问题求解 等思维活动。
◆ 英国的哲学家、自然科学家Bacon（培根）（1561-1626），系 统地给出了归纳法，强调了知识的作用，著名警句“知识就是力 量”。
◆ 德国数学家、哲学家Leibnitz（莱布尼茨）（1646-1716），把 形式逻辑符号化，从而能对人的思维进行运算和推理，做出了能 进行四则运算的手摇计算机。
人工智能答案终极版
人工智能复习参考（2015工程硕士）1-1.什么是人工智能？它的研究目标是什么？人工智能（Artificial Intelligence）,简称AI，又称机器智能（Machine Intelligence，MI），主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。
近期目标：人工智能的近期目标是实现机器智能。
即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。
远期目标：人工智能的远期目标是要制造智能机器。
具体讲就是使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。
1-2.人工智能有哪些研究方法和途径？简单描述它们的特点。
一、传统划分法1.符号主义：以人脑的心理模型为依据，将问题或知识表示成某种符号，采用符号推演的方法，宏观上模拟人脑的推理、联想、学习、计算等功能，实现人工智能。
2.连接主义：不仅要求机器产生的智能和人相同，产生的过程和机理也应该相同。
人或某些动物所具有的智能皆源自于大脑，通过对大脑微观结构的模拟达到对智能的模拟，这是一条很自然的研究人工智能的途径。
3.行为主义：模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，以此来研究和实现人工智能。
二、现代划分法1.符号智能：是对智能和人工智能持狭义的观点，侧重于研究任何利用计算机软件来模拟人的抽象思维过程，并把思维过程看成是一个抽象的符号处理过程。
2.计算智能:计算机智能又重新回到依靠数值计算解决问题的轨道上来，它是对符号智能中符号推演的再次否定。
3.群体智能：它认同智能同样可以表现在群体的整体特性上，群体中每个个体的智能虽然很有限，但通过个体之间的分工协作和相互竞争，可以表现出很高的智能。
1-3.为什么能够用机器（计算机）模仿人的智能？假设：任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能:输入符号；输出符号；存储符号；复制符号；建立符号结构；条件性迁移：反之，任何系统如果具有这6种功能，那么它就能够表现出智能，这种智能指的是人类所具有的那种智能。
《人工智能》-第6章 专家系统
知识库是问题求解所需要的领域知识的集合，包括基本事实、
6.2基于规则的专家系统
知识库 （规则） 工作存储器 （事实）
推理机
图6.5 基于规则的工作模型
中南大学 智能系统与智能软件研究所
22
6.2 基于规则的专家系统
基于规则的专家系统采用下列 模块来建立产生式系统的模型：
知识库 以一套规则建立人的长期存储器模型 工作存储器 建立人的短期存储器模型，存放问
中南大学 智能系统与智能软件研究所
10
6.1 专家系统概述
7. 控制专家系统 (expert system for control)
任务 自适应地管理一个受控对象或客体的全
面行为，使之满足预期要求 特点 控制专家系统具有解释、预报、诊断、 规划和执行等多种功能 例子 空中交通管制、商业管理、自主机器人 控制、作战管理、生产过程控制和生产质量 控制等
题事实和由规则激发而推断出的新事实 推理机 借助于把存放在工作存储器内的问题事 实和存放在知识库内的规则结合起来，建立人 的推理模型，以推断出新的信息
中南大学 智能系统与智能软件研究所
23
6.3 基于框架的专家系统
1. 面向目标编程与基于框架设计 基于框架的专家系统建立在框架的基础之上 基于框架的专家系统采用面向目标编程技 基于框架的设计和面向目标的编程共享许多 特征 在设计基于框架系统时，专家系统的设计者 们把目标叫做框架
中南大学 智能系统与智能软件研究所
17
6.1 专家系统概述
2. 专家系统的建造步骤
问题知识化Fra bibliotek知识概念化
概念
形式化
再设计 结构 形式
规则化
规则
6个关于人工智能的关键事实
缺乏道德能力
• 人工智能缺乏道德判断力。虽然它们可以遵循预编程的规 则和算法来做出决策，但它们无法像人类一样考虑道德和 伦理因素。这可能会引发一些道德和伦理问题，如自动驾 驶汽车在面临紧急情况时是否应该优先考虑保护乘客还是 其他道路使用者。
易产生幻觉
• 人工智能可能会出现幻觉，即错误地认为自己拥有超出其实 际能力的知识或技能。这通常是由于过度依赖训练数据或算 法的缺陷所致。例如，某些人工智能系统可能会错误地认为 某个词或短语的含义与实际不符，从而导致不准确的结果或 决策。
另一种方法是加强人工智能的透明度和可解释性，使人 们更容易理解人工智能是如何工作的。这可以帮助人们 更好地了解和信任人工智能，从而减少恐惧和担忧。
05
结论
AI可能性无限
人工智能有着广阔的应用前景，正在广泛地应用于各个领域，如智能手 机、制造业、教育业、医疗保健和汽车领域等。
人工智能技术不断发展，未来可能会在更多领域得到应用，例如在自动 驾驶、智能家居、智慧城市等方面，人工智能技术都将发挥重要作用。
04
人工智能的未来发展
提高智能和能力
人工智能的未来发展需要不断提高智能和能力。随着机器学习技术的发展，人工智能将更加自主地 学习和适应环境，从而不断提高自身的智能和能力。
未来的发展方向之一是赋予人工智能更高级别的情感智能，包括识别情感、理解情感和产生情感。这 需要解决一些伦理和隐私问题，但技术上是有可能实现的。
深度学习
• 卷积神经网络（CNN）：卷积神经网络是一种常用的深度学习模型，它主要用于处理图像数据。CNN可以 通过卷积层、池化层和全连接层等结构来自动地提取图像中的特征，从而完成图像分类、目标检测等任务 。
• 循环神经网络（RNN）：循环神经网络是一种常用的深度学习模型，它主要用于处理序列数据。RNN可以 通过记忆单元来保存先前的信息，从而更好地处理时序数据。RNN可以用于自然语言处理、语音识别等领 域。Transformer。Transformer是一种新型的深度学习模型，它主要用于处理自然语言数据。 Transformer可以通过自注意力机制来自动地理解输入文本中的语义关系，从而完成文本分类、文本生成等 任务。BERT、GPT等著名的自然语言处理模型都是基于Transformer架构的。
920087-人工智能导论(第4版)-第6章 智能计算及其应用(导论)
18
6.2.4 群体设定
1. 初始种群的产生 （1）根据问题固有知识，把握最优解所占空间在整 个问题空间中的分布范围，然后，在此分布范围内设 定初始群体。 （2）随机产生一定数目的个体，从中挑选最好的个 体加到初始群体中。这种过程不断迭代，直到初始群 体中个体数目达到了预先确定的规模。
▪ 停滞现象：改变原始适应值的比例关系，以提高个体之 间的竞争力。
▪ 适应度函数的尺度变换（fitness scaling）或者定标： 对适应度函数值域的某种映射变换。
22
6.2.5 适应度函数
2. 适应度函数的尺度变换(续）
（1）线性变换：
f af b
满足
f f ,
avg
avg
f m ax Cmult f avg
▪ 锦标赛选择方法：从群体中随机选择个个体，将其中适应 度最高的个体保存到下一代。这一过程反复执行，直到保存 到下一代的个体数达到预先设定的数量为止。
▪ 随机竞争方法（stochastic tournament）：每次按赌轮选择方 法选取一对个体，然后让这两个个体进行竞争，适应度高者 获胜。如此反复，直到选满为止。
缺点：
① 相邻整数的二进制编码可能具有较大的Hamming距离，降低 了遗传算子的搜索效率。
15：01111
16： 10000
② 要先给出求解的精度。
③ 求解高维优化问题的二进制编码串长，算法的搜索效率低。
16
6.2.3 编码
1. 位串编码 （2） Gray 编码
Gray编码:将二进制编码通过一个变换进行转换得到的编码。
3
第6章 智能计算及其应用
蔡自兴_人工智能课后答案
人工智能作业题1 － 1 什么是人工智能？试从学科和能力两方面加以说明。
1 － 4 现在人工智能有哪些学派？它们的任知观是什么？1 － 6 人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？2 － 6 用谓词演算公式表示下列英文句子 ( 多用而不是省用不同谓词和项。
例如不要用单一的谓词字母来表示每个句子 ) 。
A computer system is intelligent if it can perform a task which,if performed by a human, requires intelligence.2 － 7 把下列语句表示成语义网络描述：(1) All man are mortal.(2) Every cloud has a silver liming.(3) All branch managers of DEC participate in a profit-sharing plan.2 － 9 试构造一个描述你的寝室或办公室的框架系统。
补充题：1 、张某被盗，公安局派出五个侦察员去调查。
研究案情时，侦察员 A 说“赵与钱中至少有一人作案”；侦察员 B 说“钱与孙中至少有一人作案”；侦察员C 说“孙与李中至少有一人作案”；侦察员 D 说“赵与孙中至少有一人与此案无关”；侦察员 E 说“钱与李中至少有一人与此案无关”。
如果这五个侦察员的话都是可信的，试用归结演绎推理求出谁是盗窃犯。
3 －4 如何通过消解反演求取问题的答案？3 － 11 规则演绎系统和产生式系统有哪几种推理方式？各自的特点为何？3 － 6 下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则：(1) 两个全等三角形的各对应角相等。
(2) 两个全等三角形的各对应边相等。
3 － 17 把下列句子变换成子句形式：4 － 1 计算智能的含义是什么？它涉及哪些研究分支？4 － 6 构作一个神经网络，用于计算含有两个输入的 XOP 函数。
- 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)。
Artificial Intelligence
Machine Learning: 4
© Graduate University , Chinese academy of Sciences.
机器学习概述(2)
• 什么要研究机器学习？
必要性： – 理解学习的本质和建立学习系统是AI研究的目标之一 – 现有的大多数AI系统都是演绎的，没有归纳推理，因而 不能自动获取和生成知识 可行性： – 学习的过程是信息处理的过程，这包括直接记忆和经过 推理 – 已有工作说明可以实现一定程度的机器学习
Artificial Intelligence
Machine Learning: 14
© Graduate University , Chinese academy of Sciences.
归纳学习(2)
• 归纳学习的分类和研究领域：
– 符号学习 • 有导师学习： –实例学习：导师事先将训练例子（经验数据）分类：正、负例 子。由于它产生规则，所以也称为概念学习 • 无导师学习：事先不知道训练例子的分类 –概念聚类： –机器发现 • 神经网络：本质上是实例学习，为区别起见，称为联结学习（？） – 学习的计算理论 • 传统的算法复杂性分析 • 概率近似正确性学习研究（计算学习理论）
Machine Learning: 7
•
Artificial Intelligence
© Graduate University , Chinese academy of Sciences.
机器学习概述(5)
机器学习的研究大致可以分为三个阶段： • 五六十年代的探索阶段： 主要受神经生理学、生理学和生物学的影响，研究主要侧重于非符号 的神经元模型的研究，主要研制通用学习系统，即神经网络或自组织系 统。 主要成果有： 感知机（Perceptron） Friedberg等模拟随机突变和自然选择过程的程序， Hunt等的决策树归纳程序CLS。
– 困难： • 学习系统性能的预测更加困难 • 获取知识的本质还是猜想。由特定的观察和 类比生成的知识不可能证明其正确性。
Artificial Intelligence
Machine Learning: 6
© Graduate University , Chinese academy of Sciences.
Artificial Intelligence
Machine Learning: 12
© Graduate University , Chinese academy of Sciences.
Agenda
• 机器学习概述
• 归纳学习
• 决策树学习
• 基于范例的学习(CBR)
• 解释学习
• 强化学习
Artificial Intelligence
科学发现系统BACON开辟了无导师学习的两个重要研究领域。 神经网络学习在消沉了一段时期后又重新蓬勃发展起来了，同时计算 机硬件技术的高速发展也为开展大规模和高性能的人工神经网络提供了 保障，使得基于神经网络的连接学习从低谷走出，发展迅猛。其中 Rumelhart等人提出的BP模型，提供了一个训练多层网络的实际可行的 方法，克服了Perceptron的大部分局限性。
Artificial Intelligence
Machine Learning: 16
© Graduate University , Chinese academy of Sciences.
实例学习(2)
• 两个空间模型：
选择例子 例子空间 规则空间
解释例子
• 例子空间要考虑的问题： 示教例子的质量 例子空间的组织和搜索方法 • 规则空间要考虑的问题 形成知识的归纳推理方法 搜索规则空间的方法 对规则空间的要求
• 基于范例的学习(CBR)
• 解释学习
• 强化学习
Artificial Intelligence
Machine Learning: 3
© Graduate University , Chinese academy of Sciences.
机器学习概述(1)
• 什么是机器学习？ – 学习是使系统在不断重复的工作中对本身能力的增强和改进，使得系统下 一次完成同样或类似的任务时比上一次更有效，即通过对人类学习过程和 特点的研究，建立学习理论和方法，并应用于机器，以改进机器的行为和 性能。 1 、学习是一个过程。学习是经验积累的过程，这个过程可能很快，也 可能很漫长； 2、学习是对一个系统而言。这个系统可能是一个计算机系统，或一个人 机系统； 3 、学习能够改变系统的性能。这只说明对系统性能的改进，但是并未 限制改进的方法。 – 从人工智能的角度看，机器学习是一门研究使用计算机获取新的知识和技 能，提高现有计算机求解问题能力的科学
Artificial Intelligence
Machine Learning: 8
© Graduate University , Chinese academy of Sciences.
机器学习概述(6)
• 七十年代的发展阶段： 由于当时专家系统的蓬勃发展，知识获取成为当务之急，这给机器学 习带来了契机，主要侧重于符号学习的研究。机器学习的研究脱离了基 于统计的以优化理论为基础的研究方法，提出了基于符号运算为基础的 机器学习方法，并产生了许多相关的学习系统， 主要系统和算法包括： Winston的积木世界学习系统；
机器学习概述(7)
• 八九十年代至今的鼎盛阶段。 理论研究和应用研究也有了新的突破，机器学习的研究进入了全面的 、系统化的时期。 主要成果有：
一方面传统的符号学习的各种方法已日臻完善。Michalski等将AQ11扩 充为一个多功能学习系统AQ15，ID3算法中使用了熵，从而使决策树归 纳得到了很大的改进。
Artificial Intelligence
Machine Learning: 17
© Graduate University , Chinese academy of Sciences.
实例学习(3)
• 按规则空间搜索方法分类： –数据驱动方法： • 变形空间方法：采用统一的形式表示规则和例子。 • 改进假设方法：例子和规则的表示不统一。程序根据 例子选择一种操作，用该操作修改H中的规则 –模型驱动方法： • 产生和测试方法：针对示教例子反复产生和测试假设 的规则。利用基于模型的知识产生假设的规则，便于 只产生可能合理的假设 • 方案示例方法：使用规则方案的集合来限制可能合理 的规则形式，最符合示教例子的规则被认为是最合理 的规则
Machine Learning: 13
© Graduate University , Chinese academy of Sciences.
归纳学习(1)
• 归纳学习（Inductive Learning）
– 就是从个别到一般，根据某个概念的一系列已知的正例和反例，从 中归纳出一个一般的概念描述 – 旨在从大量的经验数据中归纳抽取出一般的判定规则和模式。 – 是机器学习中最核心、最成熟的分支。
机器学习
Machine Learning
The Principles of AI-----Wang Wenjie
Machine Learning: 2
© Graduate University , Chinese academy of Sciences.
Agenda
• 机器学习概述
• 归纳学习
• 决策树学习
© Graduate University , Chinese academy of Sciences.
人工智能 Artificial Intelligence
Artificial Intelligence
Machine Learning: 1
© Graduate School , Chinese academy of Sciences. Fall 2005
机器学习概述(4)
• 学习的一种模型
环境
学习环节
知识库
执行环节
• • •
环境：外部信息的来源，它将为系统的学习提供有关信息 知识库：代表系统已经具有的知识 学习环节：系统的学习机构，它通过对环境的感知取得外部信息，然后经分析 、综合、类比、归纳等思维过程获得知识，生成新的知识或改进知识库的组织 结构。 执行环节：基于学习后得到的新的知识库，执行一系列任务，并将运行结果报 告学习环节，以完成对新知识库的评价，指导进一步的学习工作,是该模型的核 心。
Artificial Intelligence
Machine Learning: 10
© Graduate University , Chinese academy of Sciences.
机器学习概述(8)
• 另一方面，机器学习的基础理论的研究越来越引起人们的重视。 1984年美国学者Valiant提出了基于概率近似正确性的学习理论（PAC学习 ），对布尔函数的一些特殊子类的可学习性进行了探讨，将可学习性与 计算复杂性联系在一起，并由此派生出了“计算学习理论”（COLT）
• 归纳学习也称为：
– 经验学习：归纳学习依赖于经验数据 – 基于相似性的学习：归纳学习依赖于数据间的相似形
• 归纳的操作：
– 泛化(Generalization)：扩展某假设的语义信息，使其能够包含更 多的正例 – 特化(Specialization)：泛化的相反操作，用于限制概念描述的应 用范围
Artiarning: 5
© Graduate University , Chinese academy of Sciences.
机器学习概述(3)
• 机器学习的研究目标和困难
– 研究目标：
• 通用学习算法：理论分析任务和开发用于非实用学习 任务的算法 • 认知模型：研究人的学习的计算模型和实验模型 • 工程目标：解决专门的实际问题，并开发完成这些任 务的工程系统