教学课件 《人工智能基础》蔡自兴

合集下载

教学课件 《人工智能基础》蔡自兴

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
(W,0,W,z) climbbox (W,1,W,z)
49
• grasp猴子摘到香蕉,即有
3
1.1.2 人工智能的起源与发展
• 孕育时期(1956年前)
– 数理逻辑学科(弗雷治、维纳等 ) – 计算的新思想(丘奇、图灵等) – 拟脑机器(麦卡洛克、皮茨)
• 形成时期(1956 - 1970年)
– 1956年,第一次人工智能的研讨会 – 1969年,第一届国际人工智能联合会议 – 1970年,《人工智能》国际杂志创刊
• 有向图 • 路径 • 代价 • 图的显示说明 • 图的隐示说明
A
B
45
2.2.3 状态空间表示举例
• 产生式系统(production system) – 一个总数据库(global database) :它含有
与具体任务有关的信息随着应用情况的不同,
这些数据库可能简单,或许复杂。 – 一套规则:它对数据库进行操作运算。每条
5
1.1.2 人工智能的起源与发展
• 集成发展时期(1986年至今)
– 进一步研究AI基本原理方法和技术 – 深入渗透到其他学科和科学技术领域 – 三大学派综合集成,优势互补,共同发展
6
1.2 人工智能的各种认知观
1.2.1 人工智能的主要学派

第一章人工智能蔡自兴

第一章人工智能蔡自兴
2, IF MENBER(DATA, TAIL(DATALIST)) RETURN FAIL; //TAIL取尾操作,取DATALIST中除第一个以外的所有元
素,如果DATA在TAIL(DATALIST)中存在,则说明有回路,返回FAIL,必须回溯.
3, IF TERM(DATA) RETURN NIL; //找到目标,结束
3
1.1 回溯策略
• 例:皇后问题
Q Q
Q Q
4
()
5
Q () ((1,1))
6
() ((1,1)) ((1,1) (2,3))
Q Q
7
() ((1,1)) ((1,1) (2,3))
Q
8
() ((1,1)) ((1,1) (2,3)) ((1,1) (2,4))
Q Q
9
() ((1,1)) ((1,1) (2,3)) ((1,1) (2,4)) ((1,1) (2,4) (3.2))
如果当前状态无规则可用,或者所有规则已 经用过仍未找到问题的解,则将当前状态的前一 个状态(即直接生成该状态的状态)设置为当前 的状态。重复以上搜索,直到找到问题的解。
18
递归的思想
回溯有多种实现方法,其中递归是一种最直接的实现方法.
从前有座山……
从前有座山……
从前有座山……
19
回溯搜索算法
递归过程:BACKTRACK(DATA)
基本思想(以皇后问题为例): 尽可能选取划去对角线上位置数最少的。
Q
Q
Q
Q
3
2
2
3
24
回溯搜索算法1
BACKTRACK1(DATALIST)
DATALIST:从初始到当前的状态表(逆向) 返回值:从当前状态到目标状态的路径

人工智能及其应用2(蔡自兴)

人工智能及其应用2(蔡自兴)
劳动力市场失衡
人工智能的发展可能导致劳动力市场出现失衡现象,一些高技能岗位需求增加, 而低技能岗位则面临更大的就业压力。需要采取措施促进劳动力市场的均衡发展 。
算法偏见与歧视
数据偏见
人工智能算法在训练过程中可能受到数据偏见的影响,导致 算法决策存在不公平和歧视现象。需要采取措施确保数据来 源的多样性和公正性,以及在算法设计过程中考虑公平性和 公正性。
模型透明度
通过可视化、解释性算法等方式提高AI模型的透明度,帮 助人们更好地理解AI决策过程。
因果推理
利用因果推理方法,探索AI决策背后的因果关系,提高AI 决策的可信度和可靠性。
AI与人类的和谐共生
AI与人类的和谐共生
未来的人工智能技术将更加注重与人类的和谐共生,而非简单地 替代人类。
人类与AI的协同工作
AI技术可以支持在线课程、远程教育 等模式,打破地域限制,让更多人接 受优质教育资源。
AI技术可以辅助教师进行教学管理、 作业批改等日常工作,减轻教师负担。
个性化学习
在线教育
教育评估
智能助教
AI算法可以根据学生的学习习惯、能 力水平等信息,为学生提供个性化的 学习方案。
AI算法可以分析学生的学习成果、能 力表现等信息,为教育评估提供客观、 准确的数据支持。
通过发展人机协同技术,实现人类和AI的共同协作,提高工作效率 和创造力。
AI伦理与法律
为确保AI与人类的和谐共生,需要制定相应的AI伦理和法律规范, 保障人类的权益和利益。
THANKS
感谢观看
03
机器学习技术不断发展,深度学习、强化学习等技术在解决复杂问题 方面表现出色。
04
机器学习面临数据隐私、算法公平性等问题,需要加强伦理和法律监 管。

《人工智能基础》第一章课件

《人工智能基础》第一章课件
人工智能基础 第一章 绪论
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

中南大学人工智能课件

中南大学人工智能课件
父节 点
A
或节 点 弧线 与节 点 B 终叶节 点 C D
子节 点
H
N
M
E
F
G
42
2.2 问题规约法
3.定义
有解节点
t
t
t
t
t
t t (b)
t
(a)
t
与或图例子 无解节点 终叶节点
43
2.2 问题规约法
不可解节点的一般定义
没有后裔的非终叶节点为不可解节点。
全部后裔为不可解的非终叶节点且含有或后
24
2.1 状态空间法
2. 状态空间表示概念详释
Original
State
Middle State
Goal State
例如下棋、迷宫及各种游戏。
25
2.1 状态空间法
例:三数码难题 (3 puzzle problem)
2 3 1 2 1 3 2 1 3 1 2 3
3 2 1
初始棋局 目标棋局
机器智能可以模拟人类智能 智能计算机 下棋 定理证明 语言翻译 新型智能计算机 神经计算机 量子计算机
8
1.2 人类智能和人工智能
1.2.3 人工智能的研究目标
近期目标
建造智能计算机代替人类的部分 智力劳动 远期目标 用自动机模仿人类的思维过程和 智能行为
9
1.3 人工智能的各种认知观
是对人类环境的感知模拟
1.4.10 机器视觉
人类80%以上的外部信息来自视觉
低层视觉与高层视觉
前沿研究领域 广泛应用
16
1.4 研究及应用
1.4.11 智能控制
驱动智能机器自主地实现其目标的过程

机器人学基础机器人轨迹规划蔡自兴课件

机器人学基础机器人轨迹规划蔡自兴课件

Part
02
机器人轨迹规划概述
轨迹规划的定义
轨迹规划是指根据机器人作业任务的 要求,通过一系列算法和计算,为机 器人确定从起始位置到目标位置的路 径和姿态变化过程。
轨迹规划的主要目标是确保机器人在 运动过程中安全、平稳、高效地完成 作业任务,同时避免与环境和其他物 体发生碰撞。
轨迹规划的分类
01
03
总结词:权威性强
THANKS
感谢您的观看
机器人轨迹规划的挑战与展望
面临的挑战
环境不确定性
机器人所处的环境常常具有不确 定性,如障碍物突然出现、动态 变化等,需要机器人具备快速适 应和调整的能力。
实时性要求
许多应用场景要求机器人的运动 轨迹规划具有实时性,能够快速 响应外界变化。
高精度要求
在某些应用场景中,如工业制造 、医疗手术等,机器人需要实现 高精度的轨迹跟踪和定位。
第三阶段
20世纪90年代,随着人工智能技 术的进步,机器人开始具备自主 学习和决策能力。
机器人的应用领域
工业领域
机器人广泛应用于汽车制造、电子制造、金 属加工等工业生产线上,提高生产效率和产 品质量。
服务领域
机器人可以提供各种服务,如家庭服务、餐饮服务 、医疗服务等,提高服务质量和效率。
军事领域
机器人可以用于军事侦察、排雷、攻击等任 务,提高军事行动的安全性和效率。
机器人学基础机器人 轨迹规划蔡自兴课件
• 机器人学基础概念 • 机器人轨迹规划概述 • 机器人轨迹规划技术 • 机器人轨迹规划的应用实例 • 机器人轨迹规划的挑战与展望 • 参考文献
目录
Part
01
机器人学基础概念
机器人的定义与分类

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

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)

人工智能课件1

人工智能课件1
并在80年代取得了很大发展。 – 符号主义曾长期一枝独秀,为人工智能的发展作出重要贡献,
尤其是专家系统的成功开发与应用,为人工智能走向工程应用 和实现理论联系实际具有特别重要意义 。 – 这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。
1.1 什么是人工智能
• 联结主义认为:人工智能源于人脑模型的研究。
1.2.3.2 自然语言处理时期
• 1976: Doug Lenat的数学积分系统AM (Automated Mathematician)
• 1977: SRI(史丹佛研究院)启动 PROSPECTOR 工程 – 帮助地质专家探测和解释矿物 – 1978年发现钼矿脉(molybdenum vein)
1.1 什么是人工智能
• 符号主义认为:人工智能源于数理逻辑。
– 数理逻辑从19世纪末起就获迅速发展;到20世纪30年代开始用 于描述智能行为。
– 计算机出现后,在计算机上实现了逻辑演绎系统。 – 1956年,符号主义者首先采用“人工智能”这个术语。 – 后来又发展了启发式算法→专家系统→知识工程理论与技术,
– 代表性成果是1943年由生理学家麦卡洛克和数理逻辑学家皮茨创 立的脑模型,即MP模型。
– 60~70年代,尤其是对感知机(Perceptron)为代表的脑模型的 研究曾出现过热潮,由于当时的理论模型、生物原型和技术条件 的限制,脑模型研究在70年代后期至80年代初期落入低潮。
– Hopfield教授在1982年和1984年发表两篇重要论文,提出用硬件 模拟神经网络时,联结主义又重新抬头。
1.1 什么是人工智能
• 现在,人工智能专家们面临的最大挑战之一是如何构 造一个系统,可以模仿人脑的行为,去思考宇宙中最 复杂的问题。

人工智能第1章PPT

人工智能第1章PPT
• 现代人工智能(Artificial Intelligence, 简称AI),一般认为起源于美国1956年的 一次夏季讨论(达特茅斯会议),在这次 会议上,第一次提出了“Artificial Intelligence”这个词。
5
什么是人工智能?
• 至今没有统一的定义
• 从“计算”到“算计”
6
像人一样思考的系统
• 理论依据 • 解决大规模问题的能力
– 新的动向——构造化方法
19
AI的历史回顾(续8)
• 第五阶段(90年代初~现在) 海量数据处理与网络时代
– 网络给AI带来无限的机会 – 知识发现与数据挖掘 – AI走向实用化
20
AI的研究内容
• • • • • 搜索技术 知识表示 规划方法 机器学习 认知科学
(1, 0) (1, 1)
输入1 0
0 1 1
输入2 0
1 0 1
输出 0
1 0
(0, 0)
(0, 1)
13
AI的历史回顾(续2)
• Minsky的著作:《Perceptions》(感知 器)
– 从理论上证明了二层神经元网络不可能解决 XOR问题 – 如果要求解XOR问题,神经元网络必须是3层 或3层以上的结构 – 对于3层或3层以上的神经元网络,难于找到 一个通用的学习算法
21
AI的研究内容(续1)
• • • • • • 自然语言理解与机器翻译 专家系统与知识工程 定理证明 博弈 机器人(工业、仿人) 数据挖掘与知识发现
22
人工智能取得的一些成果
• 四十多年来,人工智能的研究虽然步履艰 难,但也取得了一些很突出的成绩。下面 列举一些实例。
23
定理证明

第1章 绪论

第1章 绪论

智能基人工础主讲: 蔡自兴教授主讲:蔡自兴第一章绪论1.1 人工智能的定义和发展11人工智能的定义和发展1.2 人类智能和人工智能类智能和智能1.3 人工智能的学派及其争论1.4 人工智能的研究与应用领域15人工智能对人类的影响1.5 人工智能对人类的影响1.6对人工智能的展望1.1.1 人工智能的定义几种定义智能(intelligence)智能g智能机器(intelligent machine)人工智能人工智能(学科)人工智能(能力)孕育时期(1956年前)数理逻辑学科(弗雷治、维纳等)计算的新思想(丘奇、图灵等)拟脑机器(麦卡洛克、皮茨)形成时期(1956-1970年)1956年,第一次人工智能的研讨会年际智会1969年,第一届国际人工智能联合会议1970年,《人工智能》国际杂志创刊暗淡时期(1966-1974年)一些人工智能研究者盲目乐观科学技术的发展对人工智能提出新的要求甚至挑战知识应用时期(1970-1988年)专家系统与知识工程迅速发展人工智能系统是一个知识处理系统知识表示知识利用知识获取集成发展时期(1986年至今)进一步研究AI基本原理方法和技术深入渗透到其他学科和科学技术领域三大学派综合集成,优势互补,共同发展1.2 人工智能的各种认知观121人工智能的主要学派1.2.1 人工智能的主要学派符号主义(Symbolicism )基于物理符号系统假设和有限合理性原理C i i 连接主义(Connectionism )基于神经网络及其间的连接机制与学习算法行为主义(Actionism )基于控制论及感知—动作型控制系统符号主义(Symbolicism)符号y又称:逻辑主义、心理学派或计算机学又称逻辑主义心理学派或计算机学派原理:物理符号系统(即符号操作系统)假设和有限合理性原理起源:源于数理逻辑学派代表:纽厄尔、西蒙和尼尔逊等连接主义(Connectionism)又称仿生学派或生理学派又称: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 、鲁梅尔哈特等行为主义(Actionism)又称进化主义或控制论学派又称:进化主义或控制论学派原理:控制论及感知—动作型控制系统原控制及知动作控制系统起源:源于控制论学派代表作布鲁克斯(k )学派代表作:布鲁克斯(Brooks)的六足行走机器人,一个基于感知—动作模式的模拟昆虫行为的控制系统1.2.2 人工智能的争论对人工智能理论的争论符号主义认为人的认知基元是符号,认知过程即符号操作过程;认为人是一个物理符号系统,计算机也是一个物理符号系统,因此,能用计算机来模拟人的智能行为;认为知识是信息的种形式,是构成智能的认为知识是信息的一种形式,是构成智能的基础。

第七章人工智能蔡自兴

第七章人工智能蔡自兴

64.1ns
200ns
100ns 400ns 900ns
1.6us
10us
1.0us 1.0ms
1.1s
3.6ms
77.1年
8.4×1013 世纪
18.3min
2.6×1029 世纪
4.0世纪
3.0×10139 世纪
一些难的组合优化问题
• 旅行商问题 • 背包问题 • 装箱问题 • ...
• 寻求在可以接受的时间内得到满意解的 方法
第七章 高级搜索
主要内容
• 局部搜索方法 • 模拟退火算法 • 遗传算法
7.1 基本概念
优化与组合优化问题
• 很多问题属于优化问题,或者可以转化 为优化问题
• 如TSP问题,皇后问题
优化问题的描述
• 设x是决策变量,D是x的定义域,f(x)是 指标函数,g(x)是约束条件集合。则优化 问题可以表示为,求解满足g(x)的f(x)最 小值问题。
存在的问题
• 局部最优问题
解决方法
• 每次并不一定选择邻域内最优的点,而 是依据一定的概率,从邻域内选择一个 点,指标函数优的点,被选中的概率比 较大,而指标函数差的点,被选中的概 率比较小。
选择概率的计算
• 设求最大值:
Pmax (xi )
f (xi ) f (x j )
x j N(x)
不同规模下皇后问题的 平均求解时间
皇 后 数 100
500 1000 2000 5000 10000 30000
平均时间 (秒)
5
5
12
28
170
900 10000
7.3 模拟退火算法
P=N(xb); 2,如果不满足结束条件,则 3,Begin 4, 选择P的一个子集P',xn为P'中的最优解 5, 如果f(xn) < f(xb),则xb = xn,P = N(xb),
  1. 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. 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. 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)。
• 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
17
1.3.3 人类智能的计算机模拟
5
1.1.2 人工智能的起源与发展
• 集成发展时期(1986年至今)
– 进一步研究AI基本原理方法和技术 – 深入渗透到其他学科和科学技术领域 – 三大学派综合集成,优势互补,共同发展
6
1.2 人工智能的各种认知观
1.2.1 人工智能的主要学派
• 符号主义(Symbolicism)
基于物理符号系统假设和有限合理性原理
3
1.1.2 人工智能的起源与发展
• 孕育时期(1956年前)
– 数理逻辑学科(弗雷治、维纳等 ) – 计算的新思想(丘奇、图灵等) – 拟脑机器(麦卡洛克、皮茨)
• 形成时期(1956 - 1970年)
– 1956年,第一次人工智能的研讨会 – 1969年,第一届国际人工智能联合会议 – 1970年,《人工智能》国际杂志创刊
20
1.5 人工智能研究的主要方法
• 功能模拟法 • 结构模拟法 • 行为模拟法 • 集成模拟法
21
1.6 人工智能的研究和应用领 域
• 人工智能的基本技术
– 知识表示(Knowledge Representation)
• 状态空间法、问题归约法、谓词逻辑法…
– 推理搜索(Searching & Reasoning)
4
1.1.2 人工智能的起源与发展
• 暗淡时期(1966 - 1974年)
– 一些人工智能研究者盲目乐观 – 科学技术的发展对人工智能提出新的要求甚
至挑战
• 知识应用时期(1970-1988年)
– 专家系统与知识工程迅速发展 – 人工智能系统是一个知识处理系统
• 知识表示 • 知识利用 • 知识获取
• 连接主义(Connectionism)
基于神经网络及其间的连接机制与学习算法
• 行为主义(Actionism)
基于控制论及感知—动作型控制系统
7
符号主义(Symbolicism)
• 又称:逻辑主义、心理学派或计算机学派 • 原理:物理符号系统(即符号操作系统)假设
和有限合理性原理 • 起源:源于数理逻辑 • 学派代表:纽厄尔、西蒙和尼尔逊等
机器人,一个基于感知—动作模式的模拟昆 虫行为的控制系统
10
1.2.2 人工智能的争论
对人工智能理论的争论
• 符号主义
– 认为人的认知基元是符号,认知过程即符号 操作过程;
– 认为人是一个物理符号系统,计算机也是一 个物理符号系统,因此,能用计算机来模拟 人的智能行为;
– 认为知识是信息的一种形式,是构成智能的 基础。人工智能的核心问题是知识表示、知 识推理和知识运用。
• 机器智能可以模拟人类智能 • 智能计算机
– 下棋 – 定理证明 – 语言翻译
• 新型智能计算机
– 神经计算机 – 量子计算机
18
1.4 人工智能的研究目标和内 容
1.4.1 人工智能的研究目标
• 一般研究目标
– 更好地理解人类智能 通过编写程序来模仿和检验有 关人类智能的理论。
– 创造有用的灵巧程序,该程序能够执行一般需要人 类专家才能实现的任务。
13
1.2.2 人工智能的争论
对人工智能方法的争论
• 符号主义
– 功能模拟
• 连接主义
– 结构模拟
• 行为主义
– 行为模拟
14
1.3 人类智能和人工智能
1.3.1 研究认知过程的任务
• 心理活动的最高层级是思维策略,中间 一层是初级信息处理,最底层级是生理 过程。
• 研究认知过程的主要任务是探求高层次 思维决策与初级信息处理的关系,并用 计算机程序来模拟人的思维策略水平, 而用计算机语言模拟人的 初级信息处理 过程。
人工智能基础
第一章 绪论
1.1 人工智能的定义和发展 1.2 人类智能和人工智能 1.3 人工智能的学派及其争论 1.4 人工智能的研究与应用领域 1.5 人工智能对人类的影响 1.6 对人工智能的展望
1.1.1 人工智能的定义
• 几种定义 • 智能(intelligence) • 智能机器(intelligent machine) • 人能理论的争论
• 连接主义
– 认为思维基元是神经元,而不是符号处理过程; – 认为人脑不同于电脑,并提出连结主义的大脑
工作模式,用于取代符号操作的电脑工作模式。
12
对人工智能理论的争论
• 行为主义
– 认为智能取决于感知和行动(所以被称为行为主 义),提出智能行为的“感知—动作”模式;
– 认为智能不需要知识、不需要表示、不需要推 理;人工智能可以象人类智能一样逐步进化(所 以称为进化主义);智能行为只能在现实世界中 与周围环境交互作用而表现出来。
相关文档
最新文档