人工智能の第一章
人工智能第1章 PPT课件
知识表示方法和常用搜索原理
高级知识推理理论和方法
热点人工智能技术和方法
人工智能的主要应用领域
人工智能研究中的争论
第 一 章
绪 论
高
级
人 工
参考书
智
能
1. 蔡自兴，徐光佑，人工智能及其应用，
清华 大学出版社（第三版），北京，
2004
2. 史忠植，高级人工智能，科学出版社，
1998
第 一 章
绪 论
高 级
“像人一样思考” “像人一样行动” “理性地思考” “理性地行动”
强AI：能制造出真正能推理（Reasoning）
和解决问题（Problem_solving）的智能机 器，并且，这样的机器能将被认为是有知觉 的，有自我意识的。强人工智能可以有两类 ：类人的人工智能，即机器的思考和推理就 像人的思维一样。非类人的人工智能，即机 器产生了和人完全不一样的知觉和意识，使 用和人完全不一样的推理方式。
用冯诺依曼型计算机模拟人类智力行为，
研制智能程序；
远期目标：
远期是研制全新的计算机，即智能
第
计算机。
一
章
绪 论
高 级
1.3.1人工智能的定义
人
工 ◆ 能够在各类环境中自主地或交互地执行各种拟
智
能 人任务（anthropomorphic tasks）的机器。
◆ 计算机科学中涉及研究、设计和应用智能机 器的一个分支，其近期目标在于研究用机器来模 仿和执行人脑的某些智力功能，并开发相关理论 和技术。
绪 象、概念形成、语言使用等。
论
高
级 人
认知
工
智
能
认知心理学家Dodd等则认为，认知应包
人工智能第一章 绪论
第一章绪论从1956年正式提出人工智能学科算起，40多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。
总的说来，人工智能的目的就是让计算机这台机器能够象人一样思考。
如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。
什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。
当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。
现在人工智能已经不再是几个科学家的专利了，全世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习这样一门课程，在大家不懈的努力下，现在计算机似乎已经变得十分聪明了。
例如，1997年5月，IBM 公司研制的深蓝（Deep Blue）计算机战胜了国际象棋大师卡斯帕洛夫（Kasparov）。
大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。
人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。
人工智能理论进入21世纪，正酝酿着新的突破--人工生命的提出，不仅意味着人类试图从传统的工程技术途径，而且将开辟生物工程技术途径，去发展人工智能；同时人工智能的发展，又将作为人工生命科学的重要支柱和推动力量。
可以预言：人工智能的研究成果将能够创造出更多更高级的智能"制品"，并使之在越来越多的领域超越人类智能；人工智能将为发展国民经济和改善人类生活作出更大贡献。
1.1 人工智能的定义和发展1.1.1 人工智能的定义国际上人工智能研究作为一门科学的前沿和交叉学科，但像许多新兴学科一样，人工智能至今尚无统一的定义。
《人工智能概论》课程笔记
《人工智能概论》课程笔记第一章人工智能概述1.1 人工智能的概念人工智能（Artificial Intelligence，简称AI）是指使计算机具有智能行为的技术。
智能行为包括视觉、听觉、语言、学习、推理等多种能力。
人工智能的研究目标是让计算机能够模拟人类智能的某些方面，从而实现自主感知、自主决策和自主行动。
人工智能的研究领域非常广泛，包括机器学习、计算机视觉、自然语言处理、知识表示与推理等。
1.2 人工智能的产生与发展人工智能的概念最早可以追溯到上世纪50 年代。
1950 年，Alan Turing 发表了著名的论文《计算机器与智能》，提出了“图灵测试”来衡量计算机是否具有智能。
1956 年，在达特茅斯会议上，John McCarthy 等人首次提出了“人工智能”这个术语，并确立了人工智能作为一个独立的研究领域。
人工智能的发展可以分为几个阶段：（1）推理期（1956-1969）：主要研究基于逻辑的符号操作和自动推理。
代表性成果包括逻辑推理、专家系统等。
（2）知识期（1970-1980）：研究重点转向知识表示和知识工程，出现了专家系统。
代表性成果包括产生式系统、框架等。
（3）机器学习期（1980-1990）：机器学习成为人工智能的重要分支，研究如何让计算机从数据中学习。
代表性成果包括决策树、神经网络等。
（4）深度学习期（2006-至今）：深度学习技术的出现，推动了计算机视觉、自然语言处理等领域的发展。
代表性成果包括卷积神经网络、循环神经网络等。
1.3 人工智能的三大学派人工智能的研究可以分为三大学派：（1）符号主义学派：认为智能行为的基础是符号操作和逻辑推理。
符号主义学派的研究方法包括逻辑推理、知识表示、专家系统等。
（2）连接主义学派：认为智能行为的基础是神经网络和机器学习。
连接主义学派的研究方法包括人工神经网络、深度学习、强化学习等。
（3）行为主义学派：认为智能行为的基础是感知和行动。
行为主义学派的研究方法包括遗传算法、蚁群算法、粒子群算法等。
人工智能导论第一章绪论
人工智能学科结构
计算原理 算法分析
控制理论 空间研究
自动程序设计
机器人 工业自动化
逻辑 数学
系统程序设计
心理学 图示学
认识论
心理学
逻辑学 自动定理证明 有关学科
图示学
运筹学
知识的模型化 和表示
机器视觉 计算机语言
光学
模式识别 声学 语音学
教学、科学和 工程辅助
3 知识与推理
知识是智能的基础和源泉。 推理是人脑的一个基本功能和重要功能，因此，
在知与交流
感知与交流指计算机对外部信息的直接感知和人 机之间、智能体之间的直接信息交流。
机器感知就是计算机直接“感觉”周围世界，就 像人一样通过“感觉器官”直接从外界获取信息 ，如通过视觉器官获取图形、图像信息，通过听 觉器官获取声音信息。
智能是多种能力的综合：
感知能力：人类获取外界信息的基本途径 行为能力：对感知到的外界信息的反应，包含：
简单的直接反应 复杂情况通过大脑思维反应
推理能力：根据当前掌握的信息，得出适当结论的能 力
问题求解能力： 学习与自适应能力—是人类的一种本能 社交能力：与他人交往的能力 创造力：智能中最难以理解和实现的部分
人工智能技术的发展对社会的进步具有重 要意义，与能源技术、空间技术并称为三 大尖端技术。
人类对人工智能的研究刚刚起步，有很多 关于人工智能根本性问题还有待于探索。
1.1 智能
从工程上讲，人工智能就是人造智能，不清楚什 么是智能，就难以真正理解和实现人工智能。
智能是人们认识和改造客观世界的综合能力，是 人类区别于其他事物的本质特征。
• 美国数学家Mauchly，1946发明了电子数字计算机ENIAC • 美国神经生理学家McCulloch，建立了第一个神经网络数学模型。 • 美国数学家Shannon（香农）,1948年发表了《通讯的数学理
人工智能基础知识全解析
人工智能基础知识全解析第一章：人工智能概述人工智能（Artificial Intelligence，简称AI）是指由计算机系统实现的智能行为，具备感知、理解、决策、学习和交互等能力。
其诞生与发展离不开计算机技术、数学、认知科学和哲学等多个领域的融合。
人工智能的研究目标是设计实现能够模拟人类智能的计算机程序，并让计算机具备像人一样的思维能力。
第二章：人工智能的分类人工智能可分为弱人工智能（Narrow AI）和强人工智能（Strong AI）两个类别。
弱人工智能专注于解决特定问题，例如图像识别、语音识别和自然语言处理等。
而强人工智能则是指具备与人类智能相等或超越的智能水平，能够解决多领域的问题，进行自主学习和推理。
第三章：人工智能的应用领域人工智能在现实生活和各行各业领域得到了广泛应用。
在医疗领域，人工智能可用于辅助诊断、药物研发和健康管理等方面。
在交通领域，人工智能可以优化交通流量、自动驾驶和智能物流等。
在金融领域，人工智能可以进行风险评估、欺诈检测和智能投资等。
在工业领域，人工智能可以实现智能制造、物联网和智能供应链管理等。
第四章：人工智能的核心技术人工智能的核心技术包括机器学习、深度学习、自然语言处理和计算机视觉等。
其中，机器学习是人工智能的基础，通过训练模型使计算机从数据中学习规律和知识。
深度学习是机器学习的一种方法，通过构建神经网络模型实现对复杂数据的建模和分析。
自然语言处理主要研究计算机与人类自然语言的交互和理解。
计算机视觉则研究使计算机理解和处理图像和视频等视觉信息的技术。
第五章：人工智能的挑战与限制虽然人工智能在许多领域都取得了巨大进展，但仍面临着一些挑战和限制。
其中之一是数据隐私和安全问题，大量的数据需要得到隐私保护和安全防护。
另外，人工智能系统的决策过程和黑盒特性也带来了透明度和可解释性的问题。
此外，道德和伦理方面的考虑，如人工智能对人类就业岗位的影响以及对社会公平和正义的挑战等也备受关注。
《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。
第一章人工智能绪论
28
14
第一章 人工智 研究的核心课题
1、 知识的模型化及其表示； 2、知识的组织、积累和管理； 3、知识的推理与问题的求解； 4、启发式搜索及其控制策略； 5、神经网络、人脑的结构及其工作原理； 6、人工智能系统及其开发语言。
15
第一章 人工智能绪论
23
第一章 人工智能绪论
概念及发展 学科范畴 研究目标、途径及领域
➢ 1.3.3 研究的领域
3、 模式识别 模式识别的主要目标就是用计算机来模拟人的各种识别
能力，当前主要是对视觉能力和听觉能力的模拟，并且主要 集中于图形识别和语音识别。
模式识别的过程大体是先将摄像机、送话器或其它传感 器接受的外界信息转变成电信号序列，计算机再进一步对这 个电信号序列进行各种预处理，从中抽出有意义的特征，得 到输入信号的模式，然后与机器中原有的各个标准模式进行
➢ 1.1.1 基本概念
2. 人工智能（ “Artificial Intelligence”，AI ） 顾名思义，用人工的方法在计算机上模拟人类的智能，
或人工智能就是人造智能。
定义：人工智能是一门研究如何构造智能计算机，使它 能模拟、延伸、扩展人类智能的学科。即具体来讲，就是要 使计算机具有看、听、说、写等感知和交互功能，具有联想、 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。简言之，也就是使计算机像人一样
概念及发展 学科范畴 研究目标、途径及领域
➢ 1.1.1 基本概念
1、智能：就是在巨大的搜索空间中迅速找到一个满意解的能 力。即是知识和智力的总和。 智能的特征： （1） 感知能力； （2） 记忆与思维能力； （3） 学习能力及自适应能力； （4） 行为能力。
《人工智能基础》第一章课件
Page .
人工智能
人工智能（Artificial Intelligence，AI）是计算机科 学的一个分支，是研究智能的实质并且使计算机表现出 类似人类智能的学科。
人工智能是那些与人的思维、决策、问题求解和学习 等有关活动的自动化。源自Page .人工智能的定义
定义1 人工智能是一种使计算机能够思维，使机器具有智力的 激动人心的新尝试。
Page .
AlphaGo与“深蓝” 的区别
“深蓝”是“教”出来的——IBM的程序员们从国际象棋大师那 里获得信息、提炼出特定的规则和领悟，再通过预编程灌输给机器 ，即采用传统的人工智能技术。 AlphaGo是自己“学”出来的——DeepMind的程序员为它灌 输的是学习如何学习的能力，随后它通过自己不断的训练和研究学 会围棋，即采用深度学习技术。某种程度上讲，AlphaGo的棋艺不 是开发者教给他的，而是自学成才。
1950年，他还提出了著名的“图灵实验”，给 智能的标准提供了明确的定义：
把人和计算机分两个房间，并且相互对话，如
果作为人的一方不能判断对方是人还是计算机，
那这台计算机就达到了人的智能。
Page .
麦卡锡（John McCarthy），美国数学家、计算机科学家，“人工 智能之父”。
➢ 首次提出“人工智能” （AI）概念； ➢ 发明Lisp语言； ➢ 研究不寻常的常识推理； ➢ 发明“情景演算”。
定义7 人工智能是一门通过计算过程力图理解和模仿智能行为的 学科。
定义8 人工智能是计算机科学中与智能行为的自动化有关的一个 分支。
其中，定义1和定义2涉及拟人思维；定义3和定义4与理性思维
有关；定义5和定义6涉及拟人行为；定义7和定义8与拟人理性行为
人工智能导论课件第1章人工智能概述
1.6.6 自动程序设计 自动程序设计就是让计算机设计程序。具体来讲，就
是只要给出关于某程序要求的非常高级的描述，计算机就 会自动生成一个能完成这个要求目标的具体程序。所以， 这相当于给机器配置了一个“超级编译系统”，它能够对高 级描述进行处理，通过规划过程，生成所需的程序。但这 只是自动程序设计的主要内容，它实际是程序的自动综合 。自动程序设计还包括程序自动验证，即自动证明所设计 程序的正确性。
但在现有机器上无法实施或无法完成的困难问题，包括 智力性问题中的难题和现实中复杂的实际问题和工程问 题。在这些难题中，有些是组合数学理论中所称的NP（ Nondeterministic Polynomial 非确定型多项式）问题或 NP完全（Nondeterministic Polynomial Complete, NPC ）问题。NP问题是指那些既不能证明其算法复杂度超出 多项式界，但又未找到有效算法的一类问题。而NP完全 问题又是NP问题中最困难的一种问题。
1.1.5 统计智能和交互智能 1. 统计智能（Statistical Intelligence） 利用样例数据并采用统计、概率和其他数学方法
而实现的人工智能称为统计智能。 2. 交互智能（Interactional Intelligence） 通过交互方式而实现的人工智能称为交互智能。
1.2 为什么要研究人工智能
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，将 问题或知识表示成某种逻辑网络，采用符号推演的方法，模 拟人脑的逻辑思维过程，实现人工智能。
1.5.2 生理模拟，神经计算
从人脑的生理层面，即微观结构和工作机理入手，以智能行 为的生理模型为依据，采用数值计算的方法，模拟脑神经网 络的工作过程，实现人工智能。
人工智能原理第1章人工智能概述.ppt课件
本章内容
1.1 关于人工智能的定义 1.2 人工智能的基础 1.3 人工智能简史 1.4 智能体与环境 1.5 智能体结构 小结
参考书目
附录 和人工智能相关的社会伦理问题
第1章 人工智能概述
1.1 关于人工智能的定义
智能体 对AI的4种不同定义 类人行动/类人思考/理性思维/理性行动
25
第1章 人工智能概述
数学的贡献(1)
• 数学(800~现在)贡献的思想:
• 什么是抽取合理结论的形式化规则? • 什么可以被计算? • 如何用不确定的知识进行推理?
• AI成为一门规范科学要求在三个基础领 域完成一定程度的数学形式化:
• 逻辑、计算、概率
26
第1章 人工智能概述
数学的贡献(2)
• Alfred Tarski(塔斯基)引入了一种参考理论, 可以把逻辑对象与现实世界对象联系起来
27
第1章 人工智能概述
数学的贡献(3)
• 问题1结论: 形式化规则=命题逻辑和一 阶谓词逻辑
• 问题2：什么可以计算？
• 可以被计算, 就是要找到一个算法 • 算法本身的研究可回溯至9世纪波斯数学家
控制论/语言学
第1章 人工智能概述
对人工智能有贡献的学科
• 哪些学科、哪些思想和哪些人物给予AI以贡献? • 哲学(BC428~现在) • 数学(800~现在) • 经济学(1776~现在) • 神经科学(1861~现在) • 心理学(1879~现在) • 计算机工程(1940~现在) • 控制论(1948~现在) • 语言学(1957~现在)
11
第1章 人工智能概述
4种不同定义的方法(5)
• 理性地行动: 理性智能体方法 • 计算机智能体应该有别于“简单的”程序: 具
人工智能 第一章
pLIST
1
2
3
回溯搜索算法
BACKTRACK（DATA）
DATA：当前状态。 返回值：从当前状态到目标状态的路径 （以规则表的形式表示） 或FAIL。
回溯搜索算法
递归过程BACKTRACK(DATA) 1, IF TERM(DATA) RETURN NIL; 2, IF DEADEND(DATA) RETURN FAIL; 3, RULES:=APPRULES(DATA); 4, LOOP: IF NULL(RULES) RETURN FAIL; 5, R:=FIRST(RULES); 6, RULES:=TAIL(RULES); 7, RDATA:=GEN(R, DATA); 8, PATH:=BACKTRACK(RDATA); 9, IF PATH=FAIL GO LOOP; 10, RETURN CONS(R, PATH);
一些基本概念
• 节点深度： 根节点深度=0 其它节点深度=父节点深度+1
0 1 2
3
一些基本概念（续1）
• 路径 设一节点序列为(n0, n1,…,nk)，对于 i=1,…,k，若节点ni-1具有一个后继节点ni， 则该序列称为从n0到nk的路径。 • 路径的耗散值 一条路径的耗散值等于连接这条路径各节 点间所有耗散值的总和。用C(ni, nj)表示从 ni到nj的路径的耗散值。
操作的表示： 用符号Pij表示从左岸到右岸的运人操作 用符号Qij表示从右岸到左岸的操作 其中： i表示船上的修道士人数 j表示船上的野人数 操作集 本问题有10种操作可供选择： F={P01, P10, P11, P02, P20,Q01, Q10, Q11, Q02, Q20} 下面以P01和Q01为例来说明这些操作的条件和动作。 操作符号 条件 动作 P01 b=1, m=0或m=3， c≥1 b=0, c=c-1 Q01 b=0, m=0或m=3，c≤2 b=1, c=c+1
第1章 人工智能概述
1.4 智能计算系统
1.4.1 智能计算系统概述
❖1. 智能计算系统
▪ 智能计算系统，是智能的物质载体 ▪ 算法或代码本身并不能构成一个完整的智能体，必
须要在一个具体的物质载体上运行才能展现出智能
▪ 智能计算系统包括
• 硬件部分，集成了通用CPU和智能芯片的异构系统
达特茅斯会议部分当事人于 2006年重聚
（左起：莫尔、麦卡锡、明斯 基、塞弗里奇、所罗门诺夫）
1.1.2 人工智能的历史
❖ 3.人工智能的发展历程
1.1.3 人工智能的学派
❖ 1.符号主义学派 ▪ 符号主义又称为逻辑主义、心理学派或计算机学派。 ▪ 符号主义认为人工智能源于数理逻辑。 ▪ 符号主义学者在1956年首先采用“人工智能”术语，后 来又发展了启发式算法、专家系统、知识工程理论与技 术，并在20世纪80年代取得重大发展。 ▪ 符号主义学派代表人物有纽厄尔、西蒙和尼尔逊等。 ▪ 符号主义学派认为人工智能的研究方法应为功能模拟方 法，即通过分析人类认知系统所具备的功能和机能，然 后用计算机模拟这些功能，实现人工智能。
开的情况下，通过一些装置（如键盘）向被
测试者随意提问，进行多次测试后，如果机
器让平均超过30%的参与者做出误判，不能
图灵
辨别出其机器身份，那么这台机器就通过了
测试，并被认为具有人类智能。
1.1.2 人工智能的历史
❖ 2.达特茅斯会议 1956年，麦卡锡、明斯基、香
农、纽厄尔、西蒙、塞弗里奇、 所罗门诺夫、罗彻斯特、塞缪尔 和莫尔，在美国达特茅斯学院召 开了一次为期两个月的“人工智 能夏季研讨会”，从不同学科角 度探讨了人类各种学习和其他智 能特征的基础，以及用机器模拟 人类智能等问题，并首次提出人 工智能的术语。
人工智能 第一章
1.3 人工智能的研究方法 符号主义方法（经典人工智能） 符号主义方法（经典人工智能） • 以心理学为科学基础的研究方法 以心理学为科学基础的研究方法，既直 接在宏观意义上研究行为本身，这就是 基 于 A.Newell 的 物 理 符 号 系 统 假 设 和 H.A.Simon的有限合理性原理 （ 启发式 的有限合理性原理（ 的有限合理性原理 求解）的符号主义理论。 求解）的符号主义理论 • 以A.Newell、 H.A.Simon为代表的心理 学为基础的认知主义 认知主义。 认知主义 • 以J．McCarthy 、Nilsson为代表的逻辑 逻辑 主义。 主义
• 搜索策略 人工智能的早期的主要工作所处理的问题都是可 以抽象成数学模型的，但复杂度太高的问题。 以抽象成数学模型的，但复杂度太高的问题 • 基于知识的系统（专家系统） 基于知识的系统（专家系统） 以知识获取、知识表示、 以知识获取、知识表示、知识使用为核心的基于 知识的系统的研制是对人工智能研究方法的一 个突破。 个突破。 • 多Agent系统 系统 主要研究在逻辑上或物理上分离的多个Agent如 主要研究在逻辑上或物理上分离的多个 如 何并发计算、相互协作地实现问题求解。 何并发计算、相互协作地实现问题求解。 • 符号处理方法通常称做基于知识的方法 。 一般 符号处理方法通常称做基于知识的方法。 采用自上而下的设计方法。 采用自上而下的设计方法。
• 1965年 ，开始研制从化学数据推断分子 年 化学数据推断分子 结构的DENERAL系统 系统。 结构的 系统 • 1969年，GPS由于过于追求一般规律终于 年 由于过于追求一般规律终于 无法进行下去，人们开始新的探索． 无法进行下去 • 七十年代 ， 主要研究了一些技术 ： 问题 七十年代， 主要研究了一些技术： 的表示方法和搜索方法 • 七十年代初 七十年代初，一些专家系统也开始研制， 进行传染性血液病诊断和治疗的MYCIN 专家系统．根据地质数据寻找矿藏的 专家系统 PROSPECTOR系统 系统。 系统
人工智能の第一章
人工智能の第一章第一章绪论人工智能的发展是以硬件与软件为基础的，经历了漫长的发展历程。
特别是20世纪30年代和40年代的智能界，发现了两件重要的事情：数理逻辑和关于计算的新思想。
以维纳（Wiener）、弗雷治、罗素等为代表对发展数理逻辑学科的贡献及丘奇(Church)、图灵和其它一些人关于计算本质的思想，为人工智能的形成产生了重要影响。
本章首先介绍人工智能的诞生、定义、发展概况及相关学派和他们的认知观，接着讨论人工智能的研究和应用领域。
1.1 人工智能的诞生与发展1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。
1969年召开了第一届国际人工智能联合会议(International Joint Conference on AI, IJCAI),此后每两年召开一次。
1970年《人工智能》国际杂志(International Journal of AI)创刊。
这些对开展人工智能国际学术活动和交流、促进人工智能的研究和发展起到积极作用。
20世纪70～80年代，知识工程的提出与专家系统的成功应用，确定了知识在人工智能中的地位。
近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。
同时，不同人工智能学派间的争论也非常热烈。
这些都推动人工智能研究的进一步发展1.2 人工智能的定义定义1 智能机器能够在各类环境中自主地或交互地执行各种拟人任务的机器。
定义2 人工智能(学科)人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
定义3 人工智能(能力)人工智能(能力)是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、通信、设计、思考、规划、学习和问题求解等思维活动。
为了让读者对人工智能的定义进行讨论，以便更深刻地理解人工智能，下面综述其它几种关于人工智能的定义。
人工智能课件——第一章(老师版)
开篇•什么是智能？智能的本质是什么？什么又是人工智能？•智能有感知能力﹑记忆与思维能力﹑学习及自适应能力和行为能力的特点，•人工智能就是使机器能做需要人类智能才能完成的工作.生物智能对低级动物来讲，它的生存、繁衍是一种智能。
为了生存，它必须表现出某种适当的行为，如觅食、避免危险、占领一定的地域、吸引异性以及生育和照料后代。
因此，从个体的角度看，生物智能是动物为达到某种目标而产从个体的角度看生物智能是动物为达到某种目标而产生正确行为的生理机制。
自然界智能水平最高的生物就是人类自身，不但具有很强的生存能力而且具有感受复杂环境、识别物体、表强的生存能力，而且具有感受复杂环境、识别物体、表达和获取知识以及进行复杂的思维推理和判断的能力。
人类智能人类个体的智能是一种综合性能力。
具体地讲，可包括：1）感知与认识事物、客观世界与自我的能力；1）感知与认识事物客观世界与自我的能力2）通过学习取得经验、积累知识的能力；3）理解知识、运用知识和运用经验分析问题和解决问题3）理解知识运用知识和运用经验分析问题和解决问题的能力；）；4）联想、推理、判断、决策的能力；5）运用语言进行抽象、概括的能力；6）发现、发明、创造、创新的能力；7）实时地、迅速地、合理地应付复杂环境的能力；8）预测、洞察事物发展变化的能力智能定义智能是人类具有的特征之一，然而，对于什么是人类智能（或者说智力），科学界至今还没有给出令人满意的定义。
1.从生物学角度定义为“中枢神经系统的功能”。
2.从心理学角度定义为“进行抽象思维的能力”。
2学“象的”3.有人同义反复地把它定义为“获得能力的能力”人智能定义人工智能定义•20世纪的信息技术，尤其是计算机的出现，以机器代替或减轻人的脑力劳动，形成人工智能新兴学科。
•1956年四位年轻学者：John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon共同发起和组织召开了用机器模拟人类智能Claude Shannon的夏季专题讨论会。
人工智能(第一章 概述)
第一章 人工智能及其应用简介
一、人工智能定义 人工智能是一门研究运用计算机模拟和延伸人 脑功能的综合性学科。研究的主要目的就是如何 让机器能与人一样具有“智能”；如何用计算机 模拟人脑从事推理、证明、识别、理解、设计、 学习、思考、规划以及问题求解等思维活动。
第一章 人工智能及其应用简介
A
N P
B M
C
∠C==90° AC=BM AN=MC, 求证∠BPM=45°
A
N P
B M
C
做平行四边形AMEN. AN=ME=MC; AC=BM; ∠BME= ∠ACB=90° ∴△BMC≌ACM; ; ∠MAC= ∠EBM= ∠MEN; ∠BEM+ ∠MEN=90° ∴△BEN是直角等腰三角形。∴ ∠ENB= ∠APN= ∠BPM= 45 °
第一章 人工智能及其应用简介
姓名 王卫东 李伟 赵阳 性别 男 男 女 年龄 42 38 24 职务 处长 副处长 科员 学历 研究生 研究生 本科
………… 问题1：李伟是否是这个单位的职工？ 问题2：李伟的配偶是谁？ 问题3：这个单位的头是谁？ …………
第一章 人工智能及其应用简介
3、专家咨询系统 在一个特定领域内（各种特点的自然学科）， 以人类专家水平去解决该领域困难问题的计算机 软件系统。专家系统将某一领域的专家知识、经 验加以总结，形成规则，存入计算机中建立数据 库，并采用合适的控制策略，按输入的原始数据 进行推理、演绎、从而作出判断与决策。
第一章 人工智能及其应用简介
3、自然语言处理 利用计算机进行自然语言处理包括文字符号识别与处理、 文语转换、语义理解与自然语言翻译；根据文章上下文信 息正确理解文章内容。 4、人工神经网络 模仿生物大脑结构建构的一种信息处理系统。 5、智能代理 由用户提出需求，系统自动对需求进行分析并通过各 种途径和各种不同方法为用户提供较为满意的答案。
人工智能概述
限制，难以满足越来越复杂和越来越广泛的社会需求。既然计算机和人脑一样 都可进行信息处理，那么是否也能让计算机同人脑一样也具有智能呢 ?这正是 人们研究人工智能的初衷。 事实上，如果计算机自身也具有一定智能的话，那么，它的功效将会发生 质的飞跃，成为名副其实的电“脑”。这样的电脑将是人脑更为有效的扩展和 延伸，也是人类智能的扩展和延伸，其作用将是不可估量的。例如，用这样的 电脑武装起来的机器人就是智能机器人。智能机器人的出现，将标志着人类社 会进入了一个新的时代。
号系统(Physical Symbol System)。所谓符号就是模式(pattern)。任 一模式，只要它能与其它模式相区别，它就是一个符号。不同的汉语
拼音字母或英文字母就是不同的符号。对符号进行操作就是对符号进
行比较，从中找出相同的和不同的符号。物理符号系统的基本任务和 功能就是辨认相同的符号和区别不同的符号。为此，这种系统就必须 能够辨别出不同符号之间的实质差别。符号既可以是物理符号，也可 以是头脑中的抽象符号，或者是电子计算机中的电子运动模式，还可 以是头脑中神经元的某些运动方式。一个完善的符号系统应具有下列6 种基本功能：
2004.11.3 AI程序设计 3
第一部分：第1章 人工智能概述
1.1.1 什么是人工智能？
广义的人工智能学科是模拟、延伸和扩展人的智能， 研究与开发各种机器智能和智能机器的理论、方法与技术 的综合性学科。 人工智能是一个含义很广的词语，在其发展过程中， 具有不同学科背景的人工智能学者对它有着不同的理解， 提出了一些不同的观点，人们称这些观点为符号主义 (Symbolism) 、 连 接 主 义 (Connectionism) 和 行 为 主 义 (Actionism)等，或者叫做逻辑学派(Logicism)、仿生学派 (Bionicsism) 和生理学派 (Physiologism) 。此外还有计算 机学派、心理学派和语言学派等。
- 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)。
第一章绪论人工智能的发展是以硬件与软件为基础的，经历了漫长的发展历程。
特别是20世纪30年代和40年代的智能界，发现了两件重要的事情：数理逻辑和关于计算的新思想。
以维纳（Wiener）、弗雷治、罗素等为代表对发展数理逻辑学科的贡献及丘奇(Church)、图灵和其它一些人关于计算本质的思想，为人工智能的形成产生了重要影响。
本章首先介绍人工智能的诞生、定义、发展概况及相关学派和他们的认知观，接着讨论人工智能的研究和应用领域。
1.1 人工智能的诞生与发展1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。
1969年召开了第一届国际人工智能联合会议(International Joint Conference on AI, IJCAI),此后每两年召开一次。
1970年《人工智能》国际杂志(International Journal of AI)创刊。
这些对开展人工智能国际学术活动和交流、促进人工智能的研究和发展起到积极作用。
20世纪70～80年代，知识工程的提出与专家系统的成功应用，确定了知识在人工智能中的地位。
近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。
同时，不同人工智能学派间的争论也非常热烈。
这些都推动人工智能研究的进一步发展1.2 人工智能的定义•定义1 智能机器能够在各类环境中自主地或交互地执行各种拟人任务的机器。
•定义2 人工智能(学科)人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
•定义3 人工智能(能力)人工智能(能力)是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、通信、设计、思考、规划、学习和问题求解等思维活动。
为了让读者对人工智能的定义进行讨论，以便更深刻地理解人工智能，下面综述其它几种关于人工智能的定义。
•定义4 人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试。
•定义5 人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。
•定义6 人工智能是用计算模型研究智力行为。
•定义7 人工智能是研究那些使理解、推理和行为成为可能的计算。
•定义8 人工智能是一种能够执行需要人的智能的创造性机器的技术。
•定义9 人工智能研究如何使计算机做事让人过得更好。
•定义10 人工智能是一门通过计算过程力图理解和模仿智能行为的学科。
•定义11 人工智能是计算机科学中与智能行为的自动化有关的一个分支。
其中，定义4和定义5涉及拟人思维；定义6和定义7与理性思维有关；定义8和定义9涉及拟人行为；定义10和定义11与拟人理性行为有关。
可以看出, 这些定义虽然都指出了人工智能的一些特征, 但用它们却难以界定一台计算机是否具有智能。
因为要界定机器是否具有智能, 必然要涉及到什么是智能的问题,但这却是一个难以准确回答的问题。
所以,尽管人们给出了关于人工智能的不少说法, 但都没有完全或严格地用智能的内涵或外延来定义人工智能。
1.2.2 图灵测试和中文屋子关于如何界定机器智能, 早在人工智能学科还未正式诞生之前的1950年, 计算机科学创始人之一的英国数学家阿兰·图灵(Alan Turing)就提出了现称为“图灵测试”(Turing Test)的方法。
简单来讲, 图灵测试的做法是: 让一位测试者分别与一台计算机和一个人进行交谈(当时是用电传打字机), 而测试者事先并不知道哪一个被测者是人, 哪一个是计算机。
如果交谈后测试者分不出哪一个被测者是人, 哪一个是计算机, 则可以认为这台被测的计算机具有智能。
对于“图灵测试”, 美国哲学家约翰·西尔勒(John Searle, 1980年)提出了异议。
他用一个现在称为“中文屋子”的假设, 试图说明即便是一台计算机通过了图灵测试, 也不能说它就真的具有智能。
中文屋子假设是说: 有一台计算机阅读了一段故事并且能正确回答相关问题, 这样这台计算就通过了图灵测试。
而西尔勒设想将这段故事和问题改用中文描述(因为他本人不懂中文), 然后将自己封闭在一个屋子里, 代替计算机阅读这段故事并且回答相关问题。
描述这段故事和问题的一连串中文符号只能通过一个很小的缝隙被送到屋子里。
西尔勒则完全按照原先计算机程序的处理方式和过程(如符号匹配、查找、照抄等)对这些符号串进行操作, 然后把得到的结果即问题答案通过小缝隙送出去。
西尔勒认为尽管计算机用这种符号处理方式也能正确回答问题, 并且也可通过图灵测试, 但仍然不能说计算机就有了智能。
1.2.3 脑智能和群智能群智能是有别于脑智能的。
事实上, 它们是属于不同层次的智能。
脑智能是一种个体智能(Individual Intelligence,II), 而群智能是一种社会智能 (Social Intelligence,SI), 或者说是系统智能(System Intelligence,SI)。
但对于人脑来说, 宏观心理(或者语言)层次上的脑智能与神经元层次上的群智能又有密切的关系——正是微观生理层次上低级的神经元的群智能形成了宏观心理层次上高级的脑智能(但二者之间的具体关系如何, 却仍然是个迷, 这个问题的解决需要借助于系统科学)。
1.2.4 符号智能和计算智能1. 符号智能符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统人工智能或经典人工智能。
符号智能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。
符号智能的主要内容包括知识获取(knowledge acquisition)、知识表示(knowledge representation)、知识组织与管理和知识运用等技术(这些构成了所谓的知识工程(Knowledge Engineering, KE))以及基于知识的智能系统等。
2. 计算智能计算智能就是计算人工智能, 它是模拟群智能的人工智能。
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。
计算智能的主要内容包括: 神经计算(Neural Computation, NC)、进化计算(亦称演化计算, Evolutionary Computation, EC, 包括遗传算法(Genetic Algorithm, GA)、进化规划(Evolutionary Planning, EP)、进化策略(Evolutionary Strategies, ES)等)、免疫计算(immune computation)、粒群算法(Particle Swarm Algorithm, PSA)、蚁群算法(Ant Colony Algorithm, ACA)、自然计算(Natural Computation, NC)以及人工生命(Artificial Life, AL)等。
计算智能主要研究各类优化搜索算法, 是当前人工智能学科中一个十分活跃的分支领域。
1.3 人工智能研究的方法及途径1.3.1 人工智能研究的各种学派及其理论1、人工智能三大学派·符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
·联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，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(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知和行动。
心理模拟, 符号推演（符号主义）“心理模拟, 符号推演”就是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, 将问题或知识表示成某种逻辑网络, 采用符号推演的方法, 模拟人脑的逻辑思维过程, 实现人工智能。
采用这一途径与方法的原因是: ①人脑的可意识到的思维活动是在心理层面上进行的(如我们的记忆、联想、推理、计算、思考等思维过程都是一些心理活动), 心理层面上的思维过程是可以用语言符号显式表达的, 从而人的智能行为就可以用逻辑来建模。
②心理学、逻辑学、语言学等实际上也是建立在人脑的心理层面上的, 从而这些学科的一些现成理论和方法就可供人工智能参考或直接使用。
③当前的数字计算机可以方便地实现语言符号型知识的表示和处理。
④可以直接运用人类已有显式知识(包括理论知识和经验知识)直接建立基于知识的智能系统。
基于心理模拟和符号推演的人工智能研究, 被称为心理学派、逻辑学派、符号主义。
早期的代表人物有纽厄尔(Allen Newell)、肖(Shaw)、西蒙(Herbert Simon)等, 后来还有费根宝姆(E.A. Feigenbaum)、尼尔逊(Nilsson)等。
其代表性的理念是所谓的“物理符号系统假设”, 即认为人对客观世界的认知基元是符号, 认知过程就是符号处理的过程;而计算机也可以处理符号, 所以就可以用计算机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。
符号推演法是人工智能研究中最早使用的方法之一。
人工智能的许多重要成果也都是用该方法取得的, 如自动推理、定理证明、问题求解、机器博弈、专家系统等等。
由于这种方法模拟人脑的逻辑思维, 利用显式的知识和推理来解决问题, 因此, 它擅长实现人脑的高级认知功能, 如推理、决策等。
生理模拟, 神经计算（连结主义）“生理模拟, 神经计算”就是从人脑的生理层面, 即微观结构和工作机理入手, 以智能行为的生理模型为依据,采用数值计算的方法, 模拟脑神经网络的工作过程, 实现人工智能。
具体来讲, 就是用人工神经网络作为信息和知识的载体,用称为神经计算的数值计算方法来实现网络的学习、记忆、联想、识别和推理等功能。
我们知道,人脑的生理结构是由大约1011～1012个神经元(细胞)组成的神经网络, 而且是一个动态的、开放的、高度复杂的巨系统, 以致于人们至今对它的生理结构和工作机理还未完全弄清楚。
因此, 对人脑的真正和完全模拟, 一时还难以办到。
所以, 目前的生理模拟只是对人脑的局部或近似模拟, 也就是从群智能的层面进行模拟, 实现人工智能。
这种方法一般是通过神经网络的“自学习”获得知识, 再利用知识解决问题。
神经网络具有高度的并行分布性、很强的鲁棒性和容错性。
它擅长模拟人脑的形象思维, 便于实现人脑的低级感知功能, 例如图像、声音信息的识别和处理。