第八章 人工智能
初识人工智能(练习+答案)
第八章专题一初识人工智能一、单选题1．人工智能的核心是（A）。
A．算法B．程序C．数据D．知识2．专业术语“AI”表示（ B ）。
A．虚拟现实B．人工智能C．增强现实D．神经网络3．从技术的角度划分，人工智能的发展分为三个阶段，以下哪项不是？（C ）A．计算智能B．认知智能C．完全智能D．感知智能4.被称为“人工智能之父”的科学家是（ B ）。
A.冯•诺依曼B.图灵C.乔布斯D.约翰•麦卡锡5.人脸识别的关键技术是（ D ）。
A.语音识别B.机器学习C.自然语言处理D.生物特征识别6．手机触摸屏的手写识别属于人工智能应用中的（ C ）。
A．指纹识别B．机器翻译C．模式识别D．光学字符识别7．到银行查询个人征信时，系统要求提供身份并提示本人靠近镜头进行比对，这主要应用了人工智能中的（ C ）。
A．语音识别技术B．指纹识别技术C．人脸识别技术D．文字识别技术8．以下不属于人工智能化应用的是（B ）。
A．虹膜识别B．视频编辑C．专家系统D．自然语言理解9．AlphaGo围棋程序对应的工人智能应用领域是（ A ）。
A．计算机博弈B．自动控制C．知识图谱D．生物特征识别10．使计算机能模拟或实现人类的学习行为，获取新的知识或技能，对应人工智能的研究领域属于（B）。
A．数据挖掘B．机器学习C．弱人工智能D．启发式搜索11．智能助手“小冰”擅长以拟人的语气和幽默的风格与人交谈，这主要运用了人工智能技术中的（D ）。
A．文字识别B．人脸识别C．智能代理D．自然语言理解12．以下不属于人工智能研究领域的是（ C ）。
A．人工神经网络B．生物特征识别C．电脑制图D．深度学习13．以下信息行为中，没有用到人工智能技术的是（ C ）。
A．购物时通过支付宝刷脸支付B．使用金山词霸翻译英语单词C．使用电子表格软件制作图表分析学生成绩D．使用“看图识字”手机App将图片识别成文字14．之所以把人工智能纳入国家发展战略的新兴产业，是因为（ D ）。
《走进人工智能》教学设计
《走进人工智能》教学设计教材分析：本节课是初中九年级信息技术第八章《走进人工智能》中的内容。
人工智能在生活中已经无处不在，它深刻影响着我们的生活。
越来越低的计算成本、科学家梦寐以求的海量数据，推动了“机器学习”的飞速发展，特别是深度学习的广泛应用，模式识别、自动驾驶、机器翻译、智能机器人等应用无处不在。
本节内容在机器人、物联网的基础之上，旨在让学生了解人工智能的起源与历史，感人工智能带给我们生活的便利，学会正确对待人工智能。
学情分析：本课面对的教学对象是初中九年级的学生，对知识的获取已经开始由感性认识提升到理性认识，已经具有一定的研究能力，探究新知的欲望也比较强烈，在日常的学习和生活中，也或多或少的接触过人工智能技术的应用，对这项技术充满好奇。
但是，他们对人工智能的了解更多的停留在日常学习和生活中的所见所闻，对人工智能的起源和概念缺乏系统的理解。
设计理念：本节是人工智能基础知识的教学，着重采用讲授法、体验法、讨论学习等方式，为了激发学生学习的兴趣，本人改变传统的教学，教师带领进入三个馆：能量加油馆、智能体验馆、全民辩论馆，以此来走进人工智能。
其中智能体验馆中通过三个体验活动：机器翻译--中英互译，人机大战之“五子棋大战”，人机对话---和siri聊天，通过这种体验的方式，让学生在一种愉快轻松的氛围中，丰富对人工智能的认知与理解，了解身边的人工智能技术。
感受人工智能神奇以及带给生活的便利，初步树立为科技做贡献的理想。
也通过辩论赛的方式，引导学生树立正确对待人工智能的意识，理解人与人工智能应该以怎样的关系相处。
教学目标：知识与技能（1）了解人工智能的历史、概念。
（2）了解人工智能在生活中的运用。
过程与方法教师带领进入三个馆：能量加馆、智能体验馆、全民辩论馆，以此来走进人工智能，其中智能体验馆中通过三个体验活动：机器翻译--中英互译，人机大战之“五子棋大战”，人机对话---和siri 聊天，通过这种体验的方式，了解身边的人工智能技术，丰富对人工智能的认识与理解。
人工智能语音识别与处理教程
人工智能语音识别与处理教程第一章：介绍人工智能语音识别的概念和应用领域随着人工智能技术的不断发展，语音识别成为其中一个重要的研究领域。
语音识别是一种将人类语音转化为文本或其他形式的技术。
它的应用广泛，包括语音助手、智能音箱、电话客服等。
本章将介绍人工智能语音识别的基本原理和主要应用领域。
第二章：了解语音信号特点及其数学模型在进行语音信号的处理和识别之前，我们需要了解语音信号的特点和数学模型。
语音信号是一种连续时间的信号，具有时间和频率特性。
了解这些特点可以帮助我们更好地进行语音信号的处理和分析。
第三章：预处理技术在语音识别中的作用语音识别的第一步是对语音信号进行预处理，包括去噪、降噪、特征提取等。
预处理技术可以提高语音信号的质量，降低干扰对语音识别的影响。
本章将介绍常见的预处理技术，并说明其在语音识别中的作用。
第四章：语音特征提取的方法与算法语音特征提取是语音识别中的关键步骤。
它将语音信号转化为能够表示语音特征的向量。
本章将介绍常用的语音特征提取方法，包括MFCC、PLP、LPC等，并对它们的优缺点进行分析。
第五章：语音识别模型的建立和训练语音识别模型是实现语音识别的核心。
以深度学习技术为基础的语音识别模型，如基于循环神经网络（RNN）的模型和卷积神经网络（CNN）的模型，已经取得了显著的成果。
本章将介绍这些模型的建立和训练方法，并探讨它们的优势和局限性。
第六章：语音识别中的语言模型与后处理除了建立和训练语音识别模型，还需要考虑语言模型和后处理技术对于语音识别结果的影响。
语言模型可以通过对语音输入进行概率建模，提高识别的准确性。
后处理技术则可以进一步优化识别结果，如错误修正和重打分等。
本章将介绍语言模型的建立和后处理技术的应用。
第七章：评价与实验在进行语音识别系统的开发和改进过程中，评价与实验是不可或缺的环节。
通过对识别结果的评价和对比，可以得到系统的性能指标，并针对不足之处进行改进。
本章将介绍语音识别系统的评价方法和常用的实验设计。
大一计算机每一章知识点
大一计算机每一章知识点第一章：计算机基础知识在大一计算机课程的第一章中，我们将会学习一些计算机的基础知识。
首先，我们会了解计算机的定义和作用，计算机的发展历程以及计算机的分类。
在这一章节中，我们还会学习到计算机的硬件组成部分，例如中央处理器（CPU）、内存、硬盘等，并了解它们的功能和工作原理。
第二章：计算机软件在第二章中，我们将会学习关于计算机软件的知识。
计算机软件可以分为系统软件和应用软件两大类别。
系统软件是指操作系统和其他一些支持系统运行的软件，而应用软件则是根据不同的需求来进行开发的，例如办公软件、娱乐软件等。
我们还会学习到软件开发的基本流程，了解软件开发中的需求分析、设计、编码、测试和维护等环节。
第三章：计算机网络第三章主要介绍计算机网络的基础知识。
我们将会了解计算机网络的定义和组成部分，包括网络拓扑结构、网络通信协议等。
此外，我们还会学习到网络通信的基本原理，例如数据的传输方式、网络传输协议等。
在这一章节中，我们还会了解互联网的概念和发展历程，并学习到一些常见的网络应用，如电子邮件、网络搜索等。
第四章：数据结构与算法数据结构与算法是计算机科学中非常重要的内容。
在第四章中，我们将会学习不同的数据结构，例如数组、链表、栈和队列等，以及它们的特点和应用场景。
我们还会学习一些基本的算法，例如查找算法和排序算法等。
通过学习数据结构与算法，我们可以提升程序的效率和性能，并解决一些实际问题。
第五章：数据库数据库是用于存储和管理数据的重要工具。
在第五章中，我们将会学习数据库的基本概念和组成部分，例如表、字段和记录等。
我们还会学习结构化查询语言（SQL），用于对数据库进行查询和操作。
此外，我们还会了解一些常见的数据库管理系统，例如MySQL和Oracle等。
第六章：操作系统操作系统是计算机硬件和软件之间的桥梁，负责管理计算机的资源和控制计算机的行为。
在第六章中，我们将会学习操作系统的基本概念和功能，例如进程管理、内存管理和文件系统等。
人工智能导论 第8章 人工神经网络及其应用(导论)1-47
x1
y
m 1
x2
y
m 2
x p1
y
m pm
35
8.2.2 BP学习算法
2. 学习算法
当yik
1 1 euik
时
x
d y wikj1
k k1 ij
d
m i
yim (1
yim)(
ym i
y) i
— —输出层连接权调整公式
d y y w d k i
k
i (1
k pk 1
i)
k 1 k1 li l
9
8.1 神经元与神经网络
1. 生物神经元的结构 2. 神经元数学模型 3. 神经网络的结构与工作方式
10
8.1.2 神经元数学模型
2. 人工神经元模型
1943年，麦克洛奇和皮兹提出M －P模型。
u1
（权重/突触）
wi1 （细胞体）
（神经冲动）
…
f ()
yi
un
win
激励函数
i （阈值）
-1
29
8.2 BP神经网络及其学习算法
1. BP神经网络的结构 2. BP学习算法 3. BP算法的实现
30
8.2.2 BP学习算法
▪ 两个问题：
（1）是否存在一个BP神经网络能够逼近给定的样本或者函数。
（ 2）如何调整BP神经网络的连接权，使网络的输入与输出与 给定的样本相同。
1986年，鲁梅尔哈特（D. Rumelhart）等提出BP学习算法。
A {aij}NN
U u1 uM T
B {bik }N M
1 N T
V v1
T
vN
Y y1 yN T
中职《信息技术》教学设计 第8章 任务1 初识人工智能
分组协作，搜集人工智能的知识领域和工作原理
分组
讨论
引导
启发
讲授
投影
屏幕
10
学生
讨论
分组讨论人工智能在生活中的应用。说一说导航软件是如何让出行更便捷的。
联系日常学习和生活，分组搜集并讨论问题记录讨论结果上传学习平台
人工智能定义
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，来模拟人的某些思维过程和智能行为。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等，涉及计算机科学、心理学、哲学和语言学等学科，可以说几乎包含了自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴。人工智能技术本质上是以数学算法为核心，辅以计算机技术来模拟人的智能行为的技术。
第8章 人工智能初步 教案
任务
1
教学单元名称
任务1 初识人工智能
课 时
1学时
所属章节
第8章人工智能初步
任务1 初识人工智能
任务描述
人工智能的发展让人类逐渐摆脱重复烦琐和低效的工作，人工智能的相关技术越来越多地应用在工业、农业、服务业等领域，正在改变甚至颠覆人们的日常生活。那么到底什么是人工智能？人工智能具体有哪些方面的应用？人工智能对人类社会未来的发展有哪些影响？下面将带着这些问题来了解人工智能。
通过学习和了解人工智能的起源和发展，了解人工智能的定义，进而了解人工智能的应用和发展趋势，为将来进一步学习和从事人工智能相关专业奠定展和应用
人工智能基础 第八章 智能体与智能机器人
人工智能基础第八章智能体与智能机器人在当今科技飞速发展的时代，人工智能无疑是最引人瞩目的领域之一。
其中，智能体与智能机器人作为人工智能的重要组成部分，正逐渐改变着我们的生活和社会。
智能体，简单来说，是能够感知环境、做出决策并采取行动以实现特定目标的实体。
它们可以是软件程序，也可以是嵌入在物理设备中的系统。
智能体具有自主性、反应性、主动性和社会性等特点。
自主性使它们能够独立地进行决策和行动，而不需要持续的人类干预；反应性让它们能够对环境中的变化做出及时的响应；主动性促使它们积极地追求目标，而不仅仅是被动地等待指令；社会性则允许它们与其他智能体或人类进行有效的交互和合作。
智能机器人则是一种具有感知、决策和执行能力的物理实体。
它们可以在各种环境中自主或半自主地工作，完成各种复杂的任务。
从工业生产线上的机械臂，到家庭中的清洁机器人，再到能够进行太空探索的机器人，智能机器人的应用范围越来越广泛。
智能体和智能机器人的感知能力是其能够有效工作的基础。
这包括通过传感器获取环境信息，如视觉传感器、听觉传感器、触觉传感器等。
以视觉传感器为例，智能机器人可以通过摄像头捕捉图像，并使用图像处理技术对图像进行分析和理解，从而识别物体、判断距离和方向等。
在决策方面，智能体和智能机器人需要依靠各种算法和模型来做出最优的选择。
这些算法和模型通常基于机器学习、深度学习等技术。
例如，通过训练神经网络，智能机器人可以学习如何根据不同的环境情况选择最合适的行动方案。
同时，它们还需要具备一定的规划能力，能够预测未来的情况，并制定长期的行动计划。
执行能力则是将决策转化为实际行动的关键。
这涉及到机器人的机械结构、驱动系统和控制系统等方面。
一个设计良好的执行系统能够确保机器人准确、高效地完成各种动作和任务。
例如，工业机器人的高精度运动控制，使得它们能够在生产线上进行精确的装配操作。
智能体和智能机器人的发展也带来了许多挑战。
首先是技术方面的挑战，如如何提高感知的准确性和可靠性，如何优化决策算法以应对复杂多变的环境，如何增强执行系统的稳定性和适应性等。
第8章 大数据与人工智能
8.1 人工智能时代的到来
8.1.1人工智能AI概念及分类
②部署。机器学习需要从计算机科学实验室进入到软件当中。越来越多的像CRM（Customer Relationship Management，客户关系管理）、Marketing、ERP（Enterprise Resource Planning，企业资源计划系统）等供应商正 在提高嵌入式机器学习或与提供它的服务紧密结合的能力。 （3）深度学习 如果机器学习是前沿的，那么深度学习（Deep Learning)则是尖端的。它将大数据和无监督算法的分析相结合。它 的应用通常围绕着庞大的未标记数据集，这些数据集需要结构化成互联的群集。深度学习的这种灵感来自于大脑 中的神经网络，因此也将其称为人工神经网络。深度学习是许多现代语音和图像识别方法的基础，并且与以往提 供的非学习方法相比，具有更高的精确度。
8.1 人工智能时代的到来
8.1.2人工智能发展史
2002年，iRobot公司打造出全球首款家用自动化扫地机器人。 2005年，美国军方开始投资自动机器人，波士顿动力的“机器狗”是首批产品之一。 2008年，谷歌在iPhone上发布了一款语音识别应用，开启了后来数字化语音助手（Siri、 Alexa、Cortana）的浪潮。 2010年，上海世博会上，来自NAO公司的20个跳舞机器人献上了一段长达8分钟的完美舞蹈。 2011年，IBM Watson在Jeopardy答题竞赛中战胜了表现最优秀的人类选手。 2014年，在图灵测试诞生64年后，一台名为Eugene Goostman的聊天机器人通过了图灵测试。 谷歌向自动驾驶技术投入重金，Skype推出实时语音翻译功能。 2015年，Google开源了利用大量数据直接能训练计算机来完成任务的第二代机器学习平台 TensorFlow，剑桥大学建立了人工智能研究所。 2016年，Google人工智能AlphaGo以4比1的总比分战胜围棋世界冠军李世石，这一轮人机对 弈让人工智能正式被世人所熟知，整个人工智能领域迎来新一轮爆发。 回顾人工智能的发展史，可以看到在这代的人工智能浪潮期，也经历过70～80年代的沉寂期，最终在21世纪初 迎来了发展黄金时期。
人工智能基础与应用 第八章--课后题答案[1页]
![人工智能基础与应用 第八章--课后题答案[1页]](https://img.taocdn.com/s3/m/16f922743a3567ec102de2bd960590c69ec3d88d.png)
第八章课后习题参考答案
1、A
2、D
3、自动驾驶汽车（Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽
车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。
在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。
4、智慧停车场的关键技术主要包括图像处理、车牌识别、道闸控制等，主要依托于云服务、
后台管理系统、道闸收费、终端服务等技术实现对停车场的智能化、统一化、精细化管理。
5、信号灯识别一般分为三个步骤，首先获取图像，其次对获取到的图像进行处理，识别出
交通信号灯，最后输出识别结果。
在交通信号灯识别过程时，首先检测出图像中的信号灯，然后识别信号灯颜色，最后输出识别结果。
6、自动驾驶的过程中主要包括环境感知、决策与规划、和控制与执行三个阶段：
（1）环境感知阶段：自动驾驶汽车通过车身布置的高清摄像头、高精度雷达等传感器，对周围环境进行数据采集探测，例如行人、车辆位置、车道线位置、车辆速度、交通信号灯等信息。
（2）决策与规划阶段：自动驾驶汽车利用大数据、人工智能等相关技术，将采集到的信息进行分析处理并做出控制决策。
（3）控制与执行阶段：自动驾驶汽车将信息处理阶段做出的控制决策传递给发动机管理系统、电动助力转向系统（EPS）等，从而实现车辆加速、减速和转向等操作。
人工智能导论作业案例分析题第8章
【导读案例】谷歌大脑谷歌大脑（Google Brain ，见图8-1）又称谷歌“虚拟大脑”，是“Google X 实验室”一个正在开发新型人工智能技术的主要研究项目。
是谷歌在人工智能领域开发出的一款模拟人脑的软件，这个软件具备自我学习功能。
Google X 部门的科学家们通过将1.6万片处理器相连接建造出了全球为数不多的最大中枢网络系统，它能自主学习，所以称之谓“谷歌大脑”。
图8-1 谷歌大脑谷歌“虚拟大脑”是模拟人类的大脑细胞相互交流、影响设计的，它可以通过观看YouTube 视频（美国的一家在线视频服务提供商，是全球最大的视频分享网站之一）学习识别人脸、猫脸以及其他事物。
这项技术使Google 产品变得更加智能化，而首先受益的是语音识别产品。
当有数据被送达这个神经网络的时候，不同神经元之间的关系就会发生改变，而这也使得神经网络能够得到对某些特定数据的反应机制。
通过应用这个神经网络，谷歌的软件已经能够更准确的识别讲话内容，而语音识别技术对于谷歌自己的智能手机操作系统Android 来说变得非常重要。
这一技术也可以用于谷歌为苹果iPhone 开发的应用程序。
通过神经网络，能够让更多的用户拥有完美的、没有错误的使用体验。
随着时间的推移，谷歌的其他产品也能随之受益。
例如谷歌的图像搜索工具，可以做到更好的理第8章 深度学习第8章深度学习163解一幅图片，而不需要依赖文字描述。
谷歌无人驾驶汽车、谷歌眼镜也能通过使用这一软件而得到提升，因为它们可以更好的感知真实世界中的数据。
“神经网络”在机器学习领域已经应用数十年——并已广泛应用于包括国际象棋、人脸识别等各种智能软件中。
而谷歌的工程师们已经在这一领域更进一步，建立不需要人类协助，就能自学的神经网络。
这种自学能力，也使得谷歌的神经网络可以应用于商业，而非仅仅作为研究示范使用。
谷歌的神经网络，可以自己决定关注数据的哪部分特征，注意哪些模式，而并不需要人类决策——颜色、特殊形状等对于识别对象来说十分重要。
人工智能导论 课件 PPT -第八章 智能体与智能机器人
智能体的PEAS分析
智能体
性能
环境
执行器
传感器
无人驾驶汽 安全性、时间、 道路、其他 转向、加速器、 相机、声呐、GPS、速度计、
车
合法驾驶、舒适 汽车、行人、 制动器、信号、 里程计、加速度计、引擎传感
性
路标
喇叭、显示器 器、操作盘
网上购物
价格、质量、合 网站、厂商、 商品展示、跟随 网页（文本、图像、脚本）
8.2.1多智能体协商
在多智能体系统中，如果每个智能体都是自利的(使 自身获利最大)，那么每个智能体的最优策略组合未 必是多智能体系统的最优策略。这反映了多智能体系 统中个体利益与集体利益相冲突的矛盾本质。
1、纳什均衡
纳什均衡
假设有两个小偷A和B一起私闯民宅偷盗被警察抓获。警方将两 人分别置于不同的两个房间内进行审讯，针对每一个犯罪嫌疑人， 警方给出的政策是： ➢ 如果一个犯罪嫌疑人坦白了罪行，交出了赃物，于是证据确凿，
完全 单个 确定 阵发 半动态 连续
网上购物 部分 单个 随机 顺序 半动态 离散
8.1.2智能体的结构
智能体的结构是建构智能体的方法学，即将智能体分 为不同的模块并描述模块之间的交互关系。
1、智能体的抽象结构
智能体的抽象结构
2、智能体的分类
智能体的分类
简单反射智能体
基于模型的反射智能体
智能体的定义
著名智能体理论研究学者Wooldridge（伍德里奇）博士等在 讨论智能体时，则提出“弱定义”和“强定义”二种定义方法： 弱定义智能体是指具有自治性、反应性、主动性、社会性和进化 性等基本特性的智能体；强定义智能体是指不仅具有弱定义中的 基本特性，而且具有移动性、通信能力、理性或其它特性的智能 体。
人工智能第八章自然语言处理.pptx
扩充转移网络ATN
• ATN是20世纪70年代由W. Woods提出来的
• ATN语法属于一种增强型的上下文无关语法，即用上下文无关文法 描述句子文法结构，并同时提供有效的方式将各种理解语句所需 要的知识加到分析系统中，以增强分析功能，从而使得应用ATN的 句法分析程序具有分析上下文有关语言的能力。
9
自然语言处理层次
2020-5-24
谢谢阅读
10
内容提要
8.1 概述
8.2 词法分析
8.3 句法分析
8.4 语义分析
8.5 语用分析
8.6 语料库
8.7 信息检索
8.8 机器翻译
8.9 自动问答系统
8.10 小结
2020-5-24
谢谢阅读
11
词法分析
• 词法分析是理解单词的基础，其主要目的是从句子 中切分出单词，找出词汇的各个词素，从中获得单 词的语言学信息并确定单词的词义 例如unchangeable是由un-change-able构成的，其 词义由这三个部分构成。
现从一个给定的状态转移到另一个状态。
句子： 开始状态 NP
中间状态 VP
终止状态
图 16.2(a) SNP+VP 的转移网络
NP： 开始状态
ART 中间状态
N 终止状态
N NPART+N 和 NPN 的转移网络
2020-5-24
谢谢阅读
30
Dog bites
2020-5-24
谢谢阅读
31
转移网络
8.6 语料库
பைடு நூலகம்
8.7 信息检索
8.8 机器翻译
8.9 自动问答系统
8.10 小结
第8章.智能赋能—人工智能AI
促使智能机器会听、会看、会说、会思考、会学习、会 行动
语音识别、机器翻译 图像识别、文字识别 语音合成、人机对话
人机对弈、定理证明 机器学习、知识表示 机器人、自动驾驶汽车
8.1.1 人工智能的定义
人工智能的定义
人工
人造的，非天然的生物学的智能
智能
人工智能的研究
• 对人的智能本身的研究 • 其他关于动物或其他人造系统的智能 • 在计算机领域内
4.医疗保健
将人和周围环境放 置在平面图中，帮助视 力障碍人群提供实时的 视觉体验，从而帮助他 们安全地导航室内环境
5.自动驾驶
对象检测
6.农业领域
识别分析土壤 针对问题 采取方案
识别属性分类
8.3.2 机器学习
机器学习
• 人工智能的一个分支，也是人工智能 的一种实现方法
• 从样本数据中学习得到知识和规律， 然后用于实际的推断和决策
教育方面 智能教育环境 智能学习过程支持 智能教育评价 智能教师助理 教育智能管理与服务
1.智能教育环境
2.智能学习
3.智能教育评 价
智能课堂评价 口语自动测评 心理健康监测 体质健康评价
4.智能教师助理
自动出题与批阅 课程辅导与答疑
智能教研
5.教育智能管理与服务
辅助教育决策 促进教育公平 提供定制化教育服务
图灵测试
2.反思发展期
20世纪60年代—70年代初
• 开始尝试更具挑战性的任务，提出一些不切实际的研发目标 • 接二连三的失败和预期目标的落空，人工智能的发展走入低谷
3.应用发展期
20世纪70年代初—80年代中
• 从理论研究走向实际应用 • 从一般推理策略探讨转向运用专门知识
Artificial Intelligence第八章 规划求解系统 《人工智能》课件
③如何进行机器规划的自学习，如何自动生成规 划系统及过程
2、当机器自动规划全面成功解决后人类面临的 忧虑？机器的能力会不会超过人？如果超过人，人类 该怎么办？
3、学术上的争议：若不能达到人们希望的结果， 这将对学术群体的研究带来的危害。
四、规划的双序求解与诊断 [例]
第八章 规划求解系统
第一节 规划（Planning）
一、规划的概念
l
规划：就是制定、实施行动的步骤与决策，具有
两层含义:
（1）遵循客观规律，确定到达系统目标的方略计 划；
（2）依照一定的技术方法，实施运作步骤，力求 取得最佳解操作序列。
l 规划的研究途径： （1）研究自动系统及其实现技术； （2）基于运筹科学方法进行应用数学规划研究；
D
D
A
C
B
C
B
A
第三节 规划搜索求解 P141
课堂讨论题：
1、知识与学习
2、语义网络与产生式系统的关系 3、状态空间搜索的基本技术 4、知识表示的机制探索 5、AI与其它学科的关系 6、智能系统与非智能系统的区别？ 7、假设你是图灵测试中的询问者，想出问X or Y的五个用于判 断他们哪一个是人和哪一个不是人的问题。 8、一些人工智能研究者主张人工智能的目标是建造能“帮助” 人们进行智能任务的机器，而不是去“完成”那些任务。不严格 地讲，去“帮助”有时被称为“弱人智能”（weak AI），而去 “完成”有时被认为“强人智能”（strong AI）。你怎样认为？ 为什么？ 9、按你学习的心理过程设计一种学习模型，并说明理由。 10、请你以人为参考物，设计一个Agent，并说明设计依据。 （结构化设计）
第八章 人工智能技术应用场景
4．伦理与安全
随着技术的进步，人工智能在医疗行为 中的方方面面超越人类只是时间问题。到那 时是否应该在医疗过程中给予机器人自主权？ 能否保证机器人进行医疗行为的安全性？智 能诊疗过程中如果出现了意外情况，责任应 该如何判定？这些都是智能医学的实现过程 中一定会遇到的问题，应当在政策和法律上 对相关问题提前做出约束和规范。
智慧交通中的核心技术
1．人工智能识别技术和无线传感网络技术
人工智能识别技术和无线传感技术是物体感知 和标识的主要方式，同时也是建设智慧交通 的核心技术。
2．云计算技术
智慧交通系统中的各个模块目前还处于一 种单独作战、信息分离的状态，无法促进各 个数据信息之间的有效连接，导致数据浪费 现象较为严重。智慧交通云就是以交通服务 领域为主要目标的一种融合云计算的管理技 术，它具有云计算中的资源统一分析、信息 安全与海量信息存储等优势，从而为城市交 通的数据管理和共享提供有效的渠道。
（4）智能化是制造自动化的发展方向，是先进制造业发展的重要形态。智能制造 （Intelligent Manufacturing，IM）是一种由智能机器和人类专家共同组成的人 机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、 构思和决策等。通过人与智能机器的合作，可以扩大、延伸和部分地取代人类 专家在制造过程中的脑力劳动。
智慧交通中的人工智能应用
1．自动驾驶汽车 自动驾驶汽车（Self-driving Automobile）又称无人驾驶汽车、计算机驾驶汽
车或轮式移动机器人，是一种通过计算机系统实现无人驾驶的智能汽车。它依 靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让计算机 可以在没有任何人类主动操作的情况下，自动安全地操作机动车辆。
人工智能与大数据初中版教案
人工智能与大数据初中版教案教材分析：本节课是初中九年级信息技术第八章《人工智能与大数据》中的内容。
人工智能在生活中已经无处不在，它深刻影响着我们的生活。
越来越低的计算成本、科学家梦寐以求的海量数据，推动了“机器学习”的飞速发展，特别是深度学习的广泛应用，模式识别、自动驾驶、机器翻译、智能机器人等应用无处不在。
本节内容在机器人、物联网的基础之上，旨在让学生了解人工智能的起源与历史，感人工智能带给我们生活的便利，学会正确对待人工智能。
学情分析：本课面对的教学对象是初中九年级的学生，对知识的获取已经开始由感性认识提升到理性认识，已经具有一定的研究能力，探究新知的欲望也比较强烈，在日常的学习和生活中，也或多或少的接触过人工智能技术的应用，对这项技术充满好奇。
但是，他们对人工智能的了解更多的停留在日常学习和生活中的所见所闻，对人工智能的起源和概念缺乏系统的理解。
设计理念：本节是人工智能基础知识的教学，着重采用讲授法、体验法、讨论学习等方式，为了激发学生学习的兴趣，本人改变传统的教学，教师带领进入三个馆：能量加油馆、智能体验馆、全民辩论馆，以此来人工智能与大数据。
其中智能体验馆中通过三个体验活动：机器翻译--中英互译，人机大战之“五子棋大战”，人机对话---和siri聊天，通过这种体验的方式，让学生在一种愉快轻松的氛围中，丰富对人工智能的认知与理解，了解身边的人工智能技术。
感受人工智能神奇以及带给生活的便利，初步树立为科技做贡献的理想。
也通过辩论赛的方式，引导学生树立正确对待人工智能的意识，理解人与人工智能应该以怎样的.关系相处。
教学目标：知识与技能（1）了解人工智能的历史、概念。
（2）了解人工智能在生活中的运用。
过程与方法教师带领进入三个馆：能量加馆、智能体验馆、全民辩论馆，以此来人工智能与大数据，其中智能体验馆中通过三个体验活动：机器翻译--中英互译，人机大战之“五子棋大战”，人机对话---和siri聊天，通过这种体验的方式，了解身边的人工智能技术，丰富对人工智能的认识与理解。
- 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)。
8.1 专家系统概述
1976年，专家系统MYCIN由美国斯坦福大学的E.H.Shortliffe
开发成功，其主要设计目的是为细菌感染疾病提供抗菌剂治疗建 议。MYCIN还首次使用了目前专家系统中常用的知识库的概念， 并在不确定性的表示和处理中采用了可信度的方法。 1976年，美国斯坦福大学国际研究所人工智能研究中心的 R.O.Duda等人研制成功一个探矿专家系统ROSPECTOR，该系统 把矿床模型按计算机能解释的形式编码，随后利用这些模型进行 推理，达到勘探评价、区域资源估值、钻井井位选择的目的。 进入20世纪80年代以后，专家系统的研发开始趋于商品化。
8.1 专家系统的概述
2、按系统的体系结构分类
(1)集中式专家系统 这是一类对知识及推理进行集中管理的专家系统。对于这类专家系 统，又可根据系统知识库与推理机构的组织方式，细分为层次式结构、 深-浅双层结构、多层聚焦结构及黑板结构等专家系统。 层次式结构专家系统是指其推理机构为多层机制，推理方式采用逐 层推理的专家系统。 深—浅双层结构专家系统是指系统的知识库由两个子知识库构成， 其中一个称为深层知识库，用于存放问题领域内的原理性知识，另一个 称为浅层知识库，用于存放领域专家的经验知识。 多层聚焦结构专家系统是指知识库中的知识按动态分层组织的形式 进行管理。 黑板结构类型的专家系统一般用于求解比较复杂的问题，通常具有 多个知识库和多个推理机。
3、自动知识获取
自动知识获取是指通过专家系统本身来获取知识。为此，系统应 具备如下的功能： （1）具有语音、文字、图像的识别功能 （2）具有理解、分析、归纳的能力 （3）具有从自身运行过程中学习的能力
8.4 专家系统的设计与建造
8.4.1 开发专家系统的基本要求
1、选择合适的应用领域及问题
哪些领域适合开发专家系统，哪些领域不适于开发专家系统， 是开发专家系统首先要考虑的一个问题。下面是选择专家系统应 用领域时应遵循的一些原则。 (1)该应用领域是否有使用专家系统的需求 例如：中医诊疗方面，由于病因的复杂性，将多名老中医、 老专家的诊病经验合在一起，开发一个中医诊断专家系统就很有 必要。
8.4 专家系统的设计与建造
(2)所涉及的领域问题是否适合专家系统来解决 计算机专家系统适合解决那些迄今为止人类还没有彻底掌握 的、不存在成熟算法且主要靠专家经验来解决的、带有点模糊性 的领域问题。 (3)领域专家的经验是否易于获得 问题领域的选择通常还与专家掌握该问题领域知识的程度有 关，即与求解问题的准确性和知识好坏程序有关。如果任务非常 新、难度又十分大，以至于为求解该问题需要做一些基础性研究 工作的话，则该任务不宜用专家系统来解决。
8.2.5 解释器
解释器是人与机接口相连的部件，它负责对专家系统的行为进行解释，
并通过人机接口界面提供给用户。
8.2.6 人—机接口
人－机接口是专家系统的另一个关键组成部分，它是专家系统与外 界进行通讯与交互的桥梁，由一组程序与相应的硬件组成。
8.3 知识获取
8.3.1 知识获取的任务
利用某种手段从知识源中获取专家系统实现问题求解所需 的专门知识，并以某种形式在计算机中存储，满足领域问题求 解的需求。一般包括知识抽取、表示、输入和检测等几项工作。
3、知识的输入
知识输入就是要把从知识源获取的、以某种表示形式表示 的知识经过在计算机上编辑、编译送入知识库的过程。
4、知识的检测
知识检测的主要任务是保证知识库的一致性和完整性。
8.3 知识获取
8.3.2 知识获取主要途径
按照知识获取所使用的手段，可分为人工获取、半自动化 获取和自动化获取三种。
1、人工知识获取
8.1 专家系统的概述
(2) 分布式专家系统
分布式专家系统是指将知识库或/和推理机分布在一个计算机网络 上的一类专家系统。主要特点是，系统中的知识库及推理机在逻辑上 和物理上都采用一种分布结构，其各机构间通过计算机网络实现互连， 并在求解问题的过程中，相互通信、相互协作。 (3) 神经网络专家系统 采用人工神经网络技术进行建造，以神经网络为体系结构实现知 识表示和求解推理。这种类型的专家系统目前尚处于研究阶段。 (4) 符号系统与神经网络相结合的专家系统 将神经网络与符号处理系统有机结合起来就用于专家系统的知识 表示与推理求解。
8.3 知识获取
（2）知识发现系统
这是一种利用计算机辅助以获取知识的系统，是目前机器学习领 域研究的主要内容。这种系统能够利用计算机通过内建的各种数据分 析模型与算，对训练数据或实际问题进行分析处理，归纳、总结或 发现一些尚未为专家系统掌握或认识的新知识，并将其送入系统知识 库，使其知识不断完善丰富。
8.1 专家系统的概述
8.1.4 专家系统的一般特点
在总体上，专家系统还具有以下一些共同特点： （1）启发性 （2）透明性 （3）灵活性 （4）交互性 （5）推理有效性 （6）复杂性 （7）实用性 （8）知识的专门性 （9）易推广
8.2 专家系统的基本结构
8.2 专家系统的基本结构
8.2.1 数据库及其管理系统
是一种通过知识工程师对知识源中的数据进行分析处理，以获 取知识的一种途径。知识工程师首先从领域专家那里了解他们解决 问题的方法，阅读有关文献，初步获取专家系统所需要的原始知识； 然后，再对所获得的原始知识进行分析、归纳、整理、总结，将每 一条知识用自然语言的形式表达出来，并交由领域专家审查。经反 复交流，最后把所总结的每条知识确定下来，再将每条知识用适当 的知识表示方法表示出来，应用知识编辑器输入计算机。
8.1 专家系统的概述
（3）设计型：根据用户输入的设计要求数据，求解出满足设计要求的 目标配置方案的一种专家系统。 （4）预测型：通过对过去知识以及当前的事实与数据进行分析，推断 未来情况的一类专家系统。 （5）规划型：根据给定的规划目标数据，制定出某个能够达到目的的 动作规划或行动步骤的一类专家系统。 （6）监视型：这是一类用于对被检控对象进行实时地、不断地观察， 并能观察到情况及时做出适当反应的专家系统。 （7）控制型：用来对一个受控对象或客体的行为进行适当的调节与管 理，以使其满足预期要求的一类专家系统。 （8）调试型：对失灵的对象制定出排除故障的规划并实施排除的一类 专家系统。
数据库又称综合数据库，用来存储有关领域问题的初始事实、问题描 述以及系统推理过程中得到的种种中间状态或结果等，系统的目标结果也 存于其中。
8.2.2
知识库及其管理系统
知识库是专家系统的知识存储器，用来存放被求解问题的相关领域内 的原理性知识或一些相关的事实以及专家的经验性知识。原理性或事实性 知识是一种广泛公认的知识，即书本知识和常识，而专家的经验知识则是 长期的实践结晶。
8.2.3 知识获取机构
知识获取机构是专家系统中的一个重要部分,它负责系统的知识获取， 由一组程序组成。其基本任务是从知识工程师那里获得知识或人训练数据
8.2 专家系统的基本结构
中自动获取知识，并把得到的知识送入知识库中，并确保知识的一致性 及完整性。
8.2.4 推理机
推理机是专家系统在解决问题时的思维推理核心，它是一组程序， 用以模拟领域专家思维过程，以使整个专家系统能够以逻辑方式进行问 题求解。
8.1 专家系统概述
8.1.1 专家系统的产生与发展
1.产生与发展过程
1968年世界上的第一个专家系统DENDRAL在美国的斯坦福 大学研发成功。DENDRAL是世界上第一例成功的专家系统，它 的出现标志着人工智能的一个新领域——专家系统的诞生。 20世纪60年代末，美国麻省理工学院开始研究用于解决复杂 微积分运算和数学推导的专家系统MACSYMA。卡内基—梅隆大 学在同一时期也开发了一个用于语音识别的专家系统HEARSAY， 并相继研发成功HEARSAY—II和HEARSAY—III。 1974 年 ， 匹 兹 堡 大 学 研 制 成 功 内 科 病 诊 断 咨 询 系 统 INTERNIST ，并在 以后 对其不 断完 善 ，使 之发 展成专 家系 统 CADUCEUS。
第八章 专家系统
专家系统是人工智能应用研究的一个重要分支。自20 世纪60年代末，费根鲍姆等人研制成功第一个专家系统 DENDRAL以来,专家系统已被成功地运用到工业、农业、地质 矿产业、科学技术、医疗、教育、军事等众多领域，并已产 生了巨大的社会效益和经济效益。它实现了人工智能从理论 研究走向实际应用，从一般思维方法探讨转入专门知识运用 的重大突破。成为人工智能应用研究中最活跃、也最有成效 的一个重要领域。
1、知识抽取
知识抽取是指把蕴含于多个知识源中的知识经过分析、 识别、理解、遴选、归纳等处理后抽取出来，以便用于知识库 的建立。知识源是指专家系统知识的来源，包括领域专家、技 术报告、课本教材、相关论文、实例研究、经验数据及系统本 身的运行实践等。
8.3 知识获取
2、知识的表示
将知识源中以自然语言、图形、表格等形式表示的知识转 换为计算机能够识别或运用的形式。这种转换通常先由知识工 程师对知识源中的知识进行分析和抽样，并用适当的知识表示 形式表示出来，然后再把这种知识表示形式通过某种编译程序 翻译成计算机可直接识别或应用的内部编码。
8.3 知识获取
在从领域专家那里获取知识时一般采用如下的技术 步骤： （1）现场观察 （2）问题讨论 （3）问题描述 （4）问题分析 （5）建造原型系统 （6）系统检查
（7）系统验证
8.3 知识获取
2、半自动化知识获取
半自动知识获取是指在人工知识获取的基础上增加了部分机 器学习功能，使专家系统本身能够从大量的实例中归纳出某些知 识。由于它不是纯粹的人工知识获取，又不是完全的机器自动知 识获取，因而称作半自动和知识获取。以下的一些方法属于半自 动化获取方法。 （1）智能知识编辑 这是一个通过建立智能知识编辑器来实现知识获取的方法。 智能知识编辑器是一种类似于数据库编辑器的软件，它可实现对 知识库的结构和内容进行修改，是目前建造专家系统时常用的一 种工具。