人工智能緒論

1、第 1 章 人工智能概述 歡迎大家學習人工智能第 1 章 人工智能概述 教材：人工智能 清華大學出版社 馬少平 朱小燕人工智能技術導論（第三版），廉師友 等，2007年，西安電子科技大學出版社 。參考書：n人工智能蔡自興，清華大學出版社n人工智能基礎 高濟等高教出版社出版社n人工智能導論，劉峽壁，國防工業(yè)出版社 人工智能原理，石純一等，1993年，清華大學出版社人工智能引論，E.麗奇著，李衛(wèi)華等譯，1986年，廣東科技出版社 第 1 章 人工智能概述 人工智能課程學習內容 搜索問題 謂詞邏輯與歸結原理（確定性推理） 知識表示 不確定推理方法 機器學習第 1 章 人工智能概述 什么是不確定性推理

2、什么是不確定性推理 不確定性推理泛指除精確推理以外的其它各種推理不確定性推理泛指除精確推理以外的其它各種推理問題。包括不完備、不精確知識的推理，模糊知識的問題。包括不完備、不精確知識的推理，模糊知識的推理，非單調性推理等。推理，非單調性推理等。 不確定性推理過程實際上是一種從不確定的初始證不確定性推理過程實際上是一種從不確定的初始證據(jù)出發(fā)，通過運用不確定性知識，最終推出具有一定據(jù)出發(fā)，通過運用不確定性知識，最終推出具有一定不確定性但卻又是合理或基本合理的結論的思維過程。不確定性但卻又是合理或基本合理的結論的思維過程。 為什么要采用不確定性推理為什么要采用不確定性推理 所需知識不完備、不精確所需

3、知識不完備、不精確 所需知識描述模糊所需知識描述模糊 多種原因導致同一結論多種原因導致同一結論 解題方案不唯一解題方案不唯一返回第 1 章 人工智能概述 學習：學習就是系統(tǒng)在不斷重復的工作中對本身能力的增強或者改進，使得系統(tǒng)在下一次執(zhí)行同樣任務或類似任務時，會比現(xiàn)在做得更好或效率更高。（人工智能大師西蒙的觀點）I機器學習顧名思義,機器學習是研究如何使用機器來模擬人類學習活動的一門學科。I稍為嚴格的提法是：機器學習是一門研究機器獲取新知識和新技能,并識別現(xiàn)有知識的學問。 第 1 章 人工智能概述 n按時上課n認真完成作業(yè)n閱讀相關資料課程要求第 1 章 人工智能概述 nIJCAI，世界人工智能大

4、會，2年一次 International Joint Conference on Artificial IntelliencenAAAI，美國一年一次的年會nAI Journaln AI的會議及雜志第 1 章 人工智能概述 第 1 章 人工智能概述 1.1 什么是人工智能什么是人工智能 1.2 人工智能的研究意義、目標和策略人工智能的研究意義、目標和策略1.3 人工智能的學科范疇人工智能的學科范疇 1.4 人工智能的研究內容人工智能的研究內容 1.5 人工智能的研究途徑與方法人工智能的研究途徑與方法 1.6 人工智能的基本技術人工智能的基本技術 1.7 人工智能的應用人工智能的應用 1.8 人

5、工智能的分支領域與研究方向人工智能的分支領域與研究方向 1.9 人工智能的發(fā)展概況人工智能的發(fā)展概況 第 1 章 人工智能概述 1.1 1.1 什么是人工智能什么是人工智能 1.1.1 1.1.1 什么是智能？什么是智能？智能是腦特別是人腦的屬性或者說產(chǎn)物。智能的基礎是知識（沒有知識的智能不可想象）。智能的關鍵是思維（知識是思維產(chǎn)生的）。智能取決于感知和行為。結論結論 內涵：智能知識思維 外延：智能就是發(fā)現(xiàn)規(guī)律、運用規(guī)律和分析問題、解決問題的能力第 1 章 人工智能概述 智能的特征智能的特征 具有感知能力，感知是人類最基本的生理、心理現(xiàn)象，具有感知能力，感知是人類最基本的生理、心理現(xiàn)象，是獲取

6、外界信息的基本途徑。是獲取外界信息的基本途徑。 具有記憶和思維能力，思維可分為邏輯思維、形象思具有記憶和思維能力，思維可分為邏輯思維、形象思維和頓悟思維。維和頓悟思維。 具有學習能力和自適應能力。具有學習能力和自適應能力。 具有行為能力。具有行為能力。第 1 章 人工智能概述 1.1.2 1.1.2 人工智能概念的一般描述人工智能概念的一般描述顧 名 思 義, 人 工 智 能 就 是 人 造 智 能 , 其 英 文 表 示 是“Artificial Intelligence”, 簡稱AI。 “人工智能”一詞目前是指用計算機模擬或實現(xiàn)的智能, 因此人工智能又稱機器智能。 當然, 這只是對人工智能

7、的字面解釋或一般解釋。 關于人工智能的科學定義, 學術界目前還沒有統(tǒng)一的認識。下面是部分學者對人工智能概念的描述, 可以看做是他們各自對人工智能所下的定義。 第 1 章 人工智能概述 人工智能是那些與人的思維相關的活動, 諸如決策、 問題求解和學習等的自動化(Bellman, 1978年)。人工智能是一種計算機能夠思維, 使機器具有智力的激動人心的新嘗試(Haugeland,1985年)。人工智能是研究如何讓計算機做現(xiàn)階段只有人才能做得好的事情(Rich Knight, 1991年)。人工智能是那些使知覺、 推理和行為成為可能的計算的研究(Winston, 1992年)。 第 1 章 人工智能

8、概述 廣義地講, 人工智能是關于人造物的智能行為, 而智能行為包括知覺、推理、學習、交流和在復雜環(huán)境中的行為(Nilsson, 1998年)。 Stuart Russell和Peter Norvig則把已有的一些人工智能定義分為4類(2003年)。 類人思維方法類人思維方法理性思維系統(tǒng)理性思維系統(tǒng) 類人行為方法類人行為方法 理性行為系統(tǒng)理性行為系統(tǒng) 第 1 章 人工智能概述 上述定義雖然都指出了人工智能的一些特征, 但用它們卻難以界定一臺計算機是否具有智能。因為要界定機器是否具有智能, 必然要涉及到什么是智能的問題,但這卻是一個難以準確回答的問題。人工智能是一門研究如何構造智能機器、智能系統(tǒng)，

9、使它能模擬、拓展、延伸人類智能的學科。第 1 章 人工智能概述 1.1.3 1.1.3 圖靈測試和中文屋子圖靈測試和中文屋子關于如何界定機器智能, 早在人工智能學科還未正式誕生之前的1950年, 計算機科學創(chuàng)始人之一的英國數(shù)學家阿蘭圖靈(Alan Turing)就提出了現(xiàn)稱為“圖靈測試”(Turing Test)的方法。 Alan Turing, “Computing Machinery and Intelligence”, Mind, 59:433 460, 1950. 問題: “Can machines think?” 為此，為此，Turing設計了著名的設計了著名的Turing Test

10、測試主持人測試主持人被測機器被測機器被測人被測人小于小于50%？TuringTuring測試測試Turing測試存在的問題測試存在的問題 僅反映了結果的比較，沒涉及思維過程僅反映了結果的比較，沒涉及思維過程 沒指出是什么人沒指出是什么人第 1 章 人工智能概述 約翰約翰西爾勒和西爾勒和“中文屋子中文屋子” 對于“圖靈測試”, 美國哲學家約翰西爾勒(John Searle, 1980年)提出了異議。他用一個現(xiàn)在稱為“中文屋子”的假設, 試圖說明即便是一臺計算機通過了圖靈測試, 也不能說它就真的具有智能。第 1 章 人工智能概述 1.1.4 1.1.4 腦智能和群智能腦智能和群智能群智能是有別于腦

11、智能的。 事實上, 它們是屬于不同層次的智能。腦智能是一種個體智能 (Individual Intelligence,II), 而群智能是一種社會智能 (Social Intelligence,SI), 或者說是系統(tǒng)智能(System Intelligence,SI)。但對于人腦來說, 宏觀心理(或者語言)層次上的腦智能與神經(jīng)元層次上的群智能又有密切的關系正是微觀生理層次上低級的神經(jīng)元的群智能形成了宏觀心理層次上高級的腦智能。 第 1 章 人工智能概述 1.1.5 1.1.5 符號智能和計算智能符號智能和計算智能1. 1. 符號智能符號智能符號智能就是符號人工智能, 它是模擬腦智能的人工智能,

12、 也就是所說的傳統(tǒng)人工智能或經(jīng)典人工智能。 符號智能以符號形式的知識和信息為基礎, 主要通過邏輯推理，運用知識進行問題求解。符號智能的主要內容包括知識獲取(knowledge acquisition)、 知識表示(knowledge representation)、 知識組織與管理和知識運用等技術，以及基于知識的智能系統(tǒng)等。 第 1 章 人工智能概述 2. 2. 計算智能計算智能計算智能就是計算人工智能, 它是模擬群智能的人工智能。計算智能以數(shù)值數(shù)據(jù)為基礎, 主要通過數(shù)值計算，運用算法進行問題求解。 計算智能的主要內容包括: 神經(jīng)計算(Neural Computation, NC)、進化計算(

13、Evolutio n ary Computation, EC, 包括遺傳算法(Genetic Algorithm, GA)、 進化規(guī)劃(Evolutionary Planning, EP)、進化策略(Evolutionary Strategies, ES)等)、免疫計算(immune computation)、 粒群算法(Particle Swarm Algorithm, PSA)、 蟻群算法(Ant Colony Algorithm, ACA)、 自然計算(Natural Computation, NC)以及人工生命(Artificial Life, AL)等。 計算智能主要研究各類優(yōu)化搜索

14、算法, 是當前人工智能學科中一個十分活躍的分支領域。 第 1 章 人工智能概述 1.2 人工智能的研究意義、目標和策略人工智能的研究意義、目標和策略 1.2.1 1.2.1 為什么要研究人工智能為什么要研究人工智能現(xiàn)在的普通計算機系統(tǒng)的智能還相當?shù)拖? 譬如缺乏自適應、自學習、自優(yōu)化等能力, 也缺乏社會常識或專業(yè)知識等, 而只能是被動地按照人們?yōu)樗孪劝才藕玫墓ぷ鞑襟E進行工作。因而它的功能和作用就受到很大的限制,難以滿足越來越復雜和越來越廣泛的社會需求。既然計算機和人腦一樣都可進行信息處理, 那么是否能讓計算機同人腦一樣也具有智能呢？ 第 1 章 人工智能概述 研究人工智能也是當前信息化社會的

15、迫切要求。我們知道, 人類社會現(xiàn)在已經(jīng)進入了信息化時代。信息化的進一步發(fā)展, 就必須有智能技術的支持。 智能化也是自動化發(fā)展的必然趨勢。自動化發(fā)展到一定水平, 再向前發(fā)展就必然是智能化。事實上,智能化將是繼機械化、自動化之后, 人類生產(chǎn)和生活中的又一個技術特征。 第 1 章 人工智能概述 1.2.2 1.2.2 人工智能的研究目標和策略人工智能的研究目標和策略 人工智能作為一門學科, 其研究目標就是制造智能機器和智能系統(tǒng), 實現(xiàn)智能化社會。具體來講, 就是要使計算機不僅具有腦智能和群智能, 還要具有看、聽、說、寫等感知和交流能力。 簡言之, 就是要使計算機具有自主發(fā)現(xiàn)規(guī)律、解決問題和發(fā)明創(chuàng)造的

16、能力, 從而大大擴展和延伸人的智能,實現(xiàn)人類社會的全面智能化。 1）人工智能學科的研究策略則是先部分地或某種程度地實現(xiàn)機器的智能,并運用智能技術解決各種實際問題特別是工程問題。 2） 構造智能計算機。第 1 章 人工智能概述 1.3 人工智能的學科范疇人工智能的學科范疇 人工智能已構成信息技術領域的一個重要學科。 因為該學科研究的是如何使機器(計算機)具有智能或者說如何利用計算機實現(xiàn)智能的理論、 方法和技術, 所以, 當前的人工智能既屬于計算機科學技術的一個前沿領域, 也屬于信息處理和自動化技術的一個前沿領域。但由于其研究內容涉及到“智能”, 因此,人工智能還涉及到智能科學、認知科學等眾多學科

17、領域。 所以, 人工智能實際上是一門綜合性的交叉學科和邊緣學科。 人工智能的交叉包括：邏輯、思維、生理、心理、計算機、電子、語言、自動化、光、聲等 人工智能的核心是思維與智能，構成了自己獨特的學科體系 人工智能的基礎學科包括：數(shù)學（離散、模糊）、思維科學（認知心理、邏輯思維學、形象思維學）和計算機（硬件、軟件）等自然自然科學科學社會社會科學科學哲學哲學數(shù)學數(shù)學交叉學科交叉學科系統(tǒng)科學系統(tǒng)科學思維科學思維科學人體科學人體科學人工智能人工智能基礎學科基礎學科指導學科指導學科第 1 章 人工智能概述 1.4 人工智能的研究內容人工智能的研究內容 1.4.1 1.4.1 搜索與求解搜索與求解所謂搜索,

18、 就是為了達到某一目標而多次地進行某種操作、 運算、 推理或計算的過程。 搜索是人在求解問題時而不知現(xiàn)成解法的情況下所采用的一種普遍方法。 這可以看做是人類和其他生物所具有的一種元知識。 另一方面, 人工智能的研究實踐也表明, 許多問題的求解都可以描述為或者歸結為對某種圖或空間的搜索問題。許多智能活動(包括腦智能和群智能)的過程, 甚至幾乎所有智能活動的過程,都可以看做或者抽象為一個基于搜索的問題求解過程。因此, 搜索技術就成為人工智能最基本的研究內容。 第 1 章 人工智能概述 1.4.2 1.4.2 學習與發(fā)現(xiàn)學習與發(fā)現(xiàn)學習與發(fā)現(xiàn)是指機器的知識學習和規(guī)律發(fā)現(xiàn)。學習與發(fā)現(xiàn)是指機器的知識學習和

19、規(guī)律發(fā)現(xiàn)。事實上, 經(jīng)驗積累能力、 規(guī)律發(fā)現(xiàn)能力和知識學習能力都是智能的表現(xiàn)。 那么, 要實現(xiàn)人工智能就應該賦予機器這些能力。 關于機器的學習和發(fā)現(xiàn)技術就是人工智能的重要研究內容。 第 1 章 人工智能概述 1.4.3 1.4.3 知識與推理知識與推理對智能來說, 知識很重要。 能發(fā)現(xiàn)客觀規(guī)律是一種有智能的表現(xiàn), 能運用知識解決問題也是有智能的表現(xiàn), 而且是最為基本的一種表現(xiàn)。而發(fā)現(xiàn)規(guī)律和運用知識本身還需要知識，知識知識是智能的基礎和源泉。是智能的基礎和源泉。 要實現(xiàn)人工智能, 計算機就必須擁有知識和運用知識的能力。 為此, 就要研究面向機器的知識表示形式和基于各種表示的機器推理技術。知識表示

20、要求便于計算機的接受、存儲、處理和運用, 機器的推理方式與知識的表示又息息相關。第 1 章 人工智能概述 1.4.4 1.4.4 發(fā)明與創(chuàng)造發(fā)明與創(chuàng)造這里的發(fā)明創(chuàng)造既包括我們通常所說的發(fā)明創(chuàng)造,如機器、儀器、設備等的發(fā)明和革新, 也包括創(chuàng)新性軟件、方案、規(guī)劃、設計等的研制和技術、方法的創(chuàng)新以及文學、藝術的創(chuàng)作, 還包括思想、理論、法規(guī)的建立和創(chuàng)新等等。 發(fā)明創(chuàng)造不僅需要知識和推理, 還需要想象和靈感。 它不僅需要邏輯思維, 而且還需要形象思維。 所以, 這個領域應該說是人工智能中最富挑戰(zhàn)性的一個研究領域。目前,人們在這一領域已經(jīng)開展了一些工作, 并取得了一些成果。但總的來講, 原創(chuàng)性的機器發(fā)明

21、創(chuàng)造進展甚微, 甚至還是空白。 第 1 章 人工智能概述 1.4.5 1.4.5 感知與交流感知與交流感知與交流是指計算機對外部信息的直接感知和人機之間、 智能體之間的直接信息交流。機器感知就是計算機直接“感覺”周圍世界, 就像人一樣通過“感覺器官”直接從外界獲取信息, 如通過視覺器官獲取圖形、 圖像信息, 通過聽覺器官獲取聲音信息。所以, 機器感知包括計算機視覺、聽覺等各種感覺能力。 感知和交流是擬人化智能個體或智能系統(tǒng)(如Agent和智能機器人)所不可缺少的功能組成部分, 也是人工智能的研究內容之一。 第 1 章 人工智能概述 1.4.6 1.4.6 記憶與聯(lián)想記憶與聯(lián)想 記憶是智能的基本

22、條件, 不管是腦智能還是群智能, 都以記憶為基礎。 記憶也是人腦的基本功能之一。 在人腦中, 伴隨著記憶的就是聯(lián)想, 聯(lián)想是人腦的奧秘之一。 計算機要模擬人腦的思維就必須具有聯(lián)想功能。 要實現(xiàn)聯(lián)想無非就是建立事物之間的聯(lián)系。在機器世界里面就是有關數(shù)據(jù)、信息或知識之間的聯(lián)系。 傳統(tǒng)方法實現(xiàn)的聯(lián)想, 只能對于那些完整的、 確定的(輸入)信息, 聯(lián)想起(輸出)有關的信息。這種“聯(lián)想”與人腦的聯(lián)想功能相差甚遠。人腦能對那些殘缺的、失真的、變形的輸入信息, 仍然可以快速準確地輸出聯(lián)想響應。第 1 章 人工智能概述 1.4.7 1.4.7 系統(tǒng)與建造系統(tǒng)與建造系統(tǒng)與建造是指智能系統(tǒng)的設計和實現(xiàn)技術。它包括

23、智能系統(tǒng)的分類、硬/軟件體系結構、設計方法、實現(xiàn)語言工具與環(huán)境等。由于人工智能一般總要以某種系統(tǒng)的形式來表現(xiàn)和應用, 因此關于智能系統(tǒng)的設計和實現(xiàn)技術也是人工智能的研究內容之一。 第 1 章 人工智能概述 1.4.8 1.4.8 應用與工程應用與工程應用與工程是指人工智能的應用和工程研究, 這是人工智能技術與實際應用的接口。它主要研究人工智能的應用領域、 應用形式、具體應用工程項目等。 其研究內容涉及問題的分析、 識別和表示, 相應求解方法和技術的選擇等。 第 1 章 人工智能概述 1.5 人工智能的研究途徑與方法人工智能的研究途徑與方法 1.5.1 1.5.1 心理模擬心理模擬, , 符號推

24、演符號推演“心理模擬, 符號推演”就是從人腦的宏觀心理層面入手, 以智能行為的心理模型為依據(jù), 將問題或知識表示成某種邏輯網(wǎng)絡, 采用符號推演的方法, 模擬人腦的邏輯思維過程, 實現(xiàn)人工智能。 第 1 章 人工智能概述 采用這一途徑與方法的原因是: 人腦的可意識到的思維活動是在心理層面上進行的(如我們的記憶、聯(lián)想、推理、 計算、 思考等思維過程都是一些心理活動), 心理層面上的思維過程是可以用語言符號顯式表達的, 從而人的智能行為就可以用邏輯來建模。 心理學、邏輯學、 語言學等實際上也是建立在人腦的心理層面上的, 從而這些學科的一些現(xiàn)成理論和方法就可供人工智能參考或直接使用。 當前的數(shù)字計算機

25、可以方便地實現(xiàn)語言符號型知識的表示和處理。 可以直接運用人類已有顯式知識(包括理論知識和經(jīng)驗知識)直接建立基于知識的智能系統(tǒng)。 第 1 章 人工智能概述 符號推演法是人工智能研究中最早使用的方法之一。人工智能的許多重要成果也都是用該方法取得的, 如自動推理、定理證明、問題求解、 機器博弈、專家系統(tǒng)等等。由于這種方法模擬人腦的邏輯思維, 利用顯式的知識和推理來解決問題, 因此, 它擅長實現(xiàn)人腦的高級認知功能, 如推理、 決策等。 第 1 章 人工智能概述 1.5.2 1.5.2 生理模擬生理模擬, , 神經(jīng)計算神經(jīng)計算“生理模擬, 神經(jīng)計算”就是從人腦的生理層面, 即微觀結構和工作機理入手, 以

26、智能行為的生理模型為依據(jù),采用數(shù)值計算的方法, 模擬腦神經(jīng)網(wǎng)絡的工作過程, 實現(xiàn)人工智能。 具體來講, 就是用人工神經(jīng)網(wǎng)絡作為信息和知識的載體,用稱為神經(jīng)計算的數(shù)值計算方法來實現(xiàn)網(wǎng)絡的學習、記憶、聯(lián)想、 識別和推理等功能。 第 1 章 人工智能概述 人腦的生理結構是由大約10111012個神經(jīng)元(細胞)組成的神經(jīng)網(wǎng)絡, 而且是一個動態(tài)的、開放的、高度復雜的巨系統(tǒng), 目前的生理模擬只是對人腦的局部或近似模擬, 也就是從群智能的層面進行模擬, 實現(xiàn)人工智能。 這種方法一般是通過神經(jīng)網(wǎng)絡的“自學習”獲得知識, 再利用知識解決問題。神經(jīng)網(wǎng)絡具有高度的并行分布性、 很強的魯棒性和容錯性。 它擅長模擬人腦

27、的形象思維, 便于實現(xiàn)人腦的低級感知功能, 例如圖像、 聲音信息的識別和處理。 第 1 章 人工智能概述 生理模擬和神經(jīng)計算的方法早在20世紀40年代就已出現(xiàn), 但由于種種原因而發(fā)展緩慢, 甚至一度出現(xiàn)低潮, 直到80年代中期才重新崛起, 現(xiàn)已成為人工智能研究中不可或缺的重要途徑與方法。 采用生理模擬和神經(jīng)計算方法的人工智能研究, 被稱為生理學派、 連接主義。第 1 章 人工智能概述 1.5.3 1.5.3 行為模擬行為模擬, , 控制進化控制進化還有一種基于“感知-行為”模型的研究途徑和方法,稱其為行為模擬法。這種方法是用模擬人和動物在與環(huán)境的交互、 控制過程中的智能活動和行為特性, 如反應

28、、適應、學習、 尋優(yōu)等, 來研究和實現(xiàn)人工智能。 基于這一方法研究人工智能的典型代表要算MIT的R.Brooks教授, 他研制的六足行走機器人(亦稱為人造昆蟲或機器蟲), 曾引起人工智能界的轟動。 這個機器蟲可以看做是新一代的“控制論動物”, 它具有一定的適應能力, 是一個運用行為模擬即控制進化方法研究人工智能的代表作。第 1 章 人工智能概述 玩具機器人（廣州中鳴數(shù)碼玩具機器人（廣州中鳴數(shù)碼 ）第 1 章 人工智能概述 沙漠機器人沙漠機器人第 1 章 人工智能概述 基于行為模擬方法的人工智能研究, 被稱為行為主義、 進化主義、控制論學派。行為主義曾強烈地批評傳統(tǒng)的人工智能(主要指符號主義,

29、也涉及連接主義)對真實世界的客觀事物和復雜境遇, 作了虛假的、過分簡化的抽象。沿著這一途徑, 人們研制具有自學習、自適應、自組織特性的智能控制系統(tǒng)和智能機器人, 進一步展開了人工生命(AL)的研究。 第 1 章 人工智能概述 1.5.4 1.5.4 群體模擬群體模擬, , 仿生計算仿生計算“群體模擬, 仿生計算”就是模擬生物群落的群體智能行為, 從而實現(xiàn)人工智能。例如,模擬生物種群有性繁殖和自然選擇現(xiàn)象而出現(xiàn)的遺傳算法, 進而發(fā)展為進化計算; 模擬人體免疫細胞群而出現(xiàn)的免疫計算、 免疫克隆計算及人工免疫系統(tǒng); 模擬螞蟻群體覓食活動過程的蟻群算法; 模擬鳥群飛翔的粒群算法和模擬魚群活動的魚群算法

30、等等。這些算法在解決組合優(yōu)化等問題中表現(xiàn)出卓越的性能。而對這些群體智慧的模擬是通過一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來實現(xiàn)的, 統(tǒng)稱其為仿生計算。 仿生計算的特點是,其成果可以直接付諸應用, 解決工程問題和實際問題。第 1 章 人工智能概述 1.5.5 1.5.5 博采廣鑒博采廣鑒, , 自然計算自然計算人工智能的這些研究途徑和方法的出現(xiàn)并非偶然。 因為至今人們對智能的科學原理還未完全弄清楚, 所以在這種情況下研究和實現(xiàn)人工智能的一個自然的思路就是模擬自然智能。 第 1 章 人工智能概述 自然計算就是模仿或借鑒自然界的某種機理而設計計算模型, 這類計算模型通常是一類具有自適

31、應、自適應、自組織、自學習、自尋優(yōu)能力自組織、自學習、自尋優(yōu)能力的算法。 如神經(jīng)計算、進化計算、免疫計算、生態(tài)計算、 量子計算、分子計算、DNA計算和復雜自適應系統(tǒng)等都屬于自然計算。 自然計算能夠解決傳統(tǒng)計算方法難于解決的各種復雜問題,在大規(guī)模復雜系統(tǒng)的最優(yōu)化設計、優(yōu)化控制、網(wǎng)絡安全、創(chuàng)造性設計等領域具有很好的應用前景。 第 1 章 人工智能概述 1.5.6 1.5.6 原理分析原理分析, , 數(shù)學建模數(shù)學建?！霸矸治? 數(shù)學建?！本褪峭ㄟ^對智能本質和原理的分析, 直接采用某種數(shù)學方法來建立智能行為模型。 例如,人們用概率統(tǒng)計原理(特別是貝葉斯定理)處理不確定性信息和知識, 建立了統(tǒng)計模式識

32、別、統(tǒng)計機器學習和不確定性推理的一系列原理和方法。又如, 人們用數(shù)學中的距離、空間、函數(shù)、變換等概念和方法, 開發(fā)了幾何分類、支持向量機等模式識別和機器學習的原理和方法。 第 1 章 人工智能概述 1.6 人工智能的基本技術人工智能的基本技術 盡管人工智能可分為符號智能和計算智能, 但二者仍有許多共同或相似之處, 其中最顯著的相似之處是: (1) 二者都涉及表示和運算。(2) 二者都是通過搜索進行問題求解的。 第 1 章 人工智能概述 1.7 人工智能的應用人工智能的應用 1.7.1 1.7.1 難題求解難題求解主要指那些沒有算法解,或雖有算法解但在現(xiàn)有機器上無法實施或無法完成的困難問題,例如

33、智力性問題中的梵塔問題、n皇后問題、旅行商問題、博弈問題等等,就是這樣的難題。研究智力難題的求解則具有雙重意義: 一方面, 可以找到解決這些難題的途徑; 另一方面, 由解決這些難題而發(fā)展起來的一些技術和方法可用于人工智能的其他領域。第 1 章 人工智能概述 1.7.2 1.7.2 自動規(guī)劃、自動規(guī)劃、 調度與配置調度與配置 規(guī)劃、調度與配置問題是實用性、 工程性最強的一類問題。 規(guī)劃一般指設計制定一個行動序列, 例如機器人行動規(guī)劃、交通路線規(guī)劃。 調度就是一種任務分派或者安排, 例如車輛調度、電力調度、資源分配、任務分配。 配置則是設計合理的部件組合結構,即空間布局, 例如資源配置、 系統(tǒng)配置

34、、設備或設施配置。 第 1 章 人工智能概述 1.7.3 1.7.3 機器定理證明機器定理證明 機器定理證明也是人工智能的一個重要的研究課題。定理證明是最典型的邏輯推理問題, 它在發(fā)展人工智能方法上起過重大作用。第 1 章 人工智能概述 1.7.4 1.7.4 自動程序設計自動程序設計 自動程序設計就是讓計算機設計程序。具體來講,就是人只要給出關于某程序要求的非常高級的描述,計算機就會自動生成一個能完成這個要求目標的具體程序。 相當于給機器配置了一個“超級編譯系統(tǒng)”, 它能夠對高級描述進行處理, 通過規(guī)劃過程, 生成所需的程序。 自動程序設計還包括程序自動驗證, 即自動證明所設計程序的正確性。

35、這樣, 自動程序設計也是人工智能和軟件工程相結合的研究課題。 第 1 章 人工智能概述 1.7.5 1.7.5 機器翻譯機器翻譯 機器翻譯就是完全用計算機作為兩種語言之間的翻譯。 機器翻譯由來已久,早在電子計算機問世不久, 就有人提出了機器翻譯的設想, 隨后就開始了這方面的研究。 機器翻譯并非想像的那么簡單,單純地依靠“查字典”的方法不可能解決翻譯問題,只有在對語義理解的基礎上,才能做到真正的翻譯, 所以機器翻譯的真正實現(xiàn), 還要靠自然語言理解方面的突破。 第 1 章 人工智能概述 機器翻譯的失敗：機器翻譯的失?。?“Time flies like an arrow”翻譯成日語，再譯回來翻譯成

36、日語，再譯回來 ：“蒼蠅喜歡箭蒼蠅喜歡箭” “The spirit is willing but the flesh is weak”譯成俄語，再譯回來譯成俄語，再譯回來 ：“The wine is good but the meat is spoiled”第 1 章 人工智能概述 1.7.6 1.7.6 智能控制智能控制 智能控制就是把人工智能技術引入控制領域, 建立智能控制系統(tǒng)。智能控制具有兩個顯著的特點: 第一, 智能控制是同時具有知識表示的非數(shù)學廣義世界模型和傳統(tǒng)數(shù)學模型混合表示的控制過程, 也往往是含有復雜性、不完全性、模糊性或不確定性以及不存在已知算法的過程, 并以知識進行推理,

37、以啟發(fā)來引導求解過程; 第二, 智能控制的核心在高層控制, 即組織級控制, 其任務在于對實際環(huán)境或過程進行組織, 即決策與規(guī)劃, 以實現(xiàn)廣義問題求解。 第 1 章 人工智能概述 智能控制的開發(fā), 目前認為有以下途徑: 基于專家系統(tǒng)的專家智能控制。 基于模糊推理和計算的模糊控制。 基于人工神經(jīng)網(wǎng)絡的神經(jīng)網(wǎng)絡控制。 綜合以上三種方法的綜合型智能控制。 第 1 章 人工智能概述 1.7.7 1.7.7 智能管理智能管理智能管理就是把人工智能技術引入管理領域, 建立智能管理系統(tǒng)。 智能管理是現(xiàn)代管理科學技術發(fā)展的新動向。 智能管理是人工智能與管理科學、系統(tǒng)工程、計算機技術及通信技術等多學科、多技術互相

38、結合、互相滲透而產(chǎn)生的一門新技術、新學科。它研究如何提高計算機管理系統(tǒng)的智能水平, 以及智能管理系統(tǒng)的設計理論、方法與實現(xiàn)技術。 智能管理系統(tǒng)是在管理信息系統(tǒng)、辦公自動化系統(tǒng)、決策支持系統(tǒng)的功能集成和技術集成的基礎上, 應用人工智能專家系統(tǒng)、知識工程、模式識別、人工神經(jīng)網(wǎng)絡等方法和技術, 進行智能化、集成化、協(xié)調化, 設計和實現(xiàn)的新一代的計算機管理系統(tǒng)。 第 1 章 人工智能概述 1.7.8 1.7.8 智能決策智能決策 智能決策就是把人工智能技術引入決策過程,建立智能決策支持系統(tǒng)。 智能決策支持系統(tǒng)是在20世紀80年代初提出來的。它是決策支持系統(tǒng)與人工智能, 特別是專家系統(tǒng)相結合的產(chǎn)物。它既

39、充分發(fā)揮了傳統(tǒng)決策支持系統(tǒng)中數(shù)值分析的優(yōu)勢,也充分發(fā)揮了專家系統(tǒng)中知識及知識處理的特長, 既可以進行定量分析, 又可以進行定性分析, 能有效地解決半結構化和非結構化的問題, 從而擴大了決策支持系統(tǒng)的范圍, 提高了決策支持系統(tǒng)的能力。 第 1 章 人工智能概述 1.7.9 1.7.9 智能通信智能通信 智能通信就是把人工智能技術引入通信領域, 建立智能通信系統(tǒng)。智能通信就是在通信系統(tǒng)的各個層次和環(huán)節(jié)上實現(xiàn)智能化。例如在通信網(wǎng)的構建、 網(wǎng)管與網(wǎng)控、轉接、信息傳輸與轉換等環(huán)節(jié), 都可實現(xiàn)智能化。這樣,網(wǎng)絡就可運行在最佳狀態(tài), 使呆板的網(wǎng)變成活化的網(wǎng), 使其具有自適應、 自組織、 自學習、 自修復等功

40、能。 第 1 章 人工智能概述 1.7.10 1.7.10 智能仿真智能仿真 利用人工智能技術能對整個仿真過程進行指導,能改善仿真模型的描述能力, 在仿真模型中引進知識表示將為研究面向目標的建模語言打下基礎, 提高仿真工具面向用戶、面向問題的能力。 第 1 章 人工智能概述 1.7.11 1.7.11 智能智能CADCAD 智能CAD(簡稱ICAD)就是把人工智能技術引入計算機輔助設計領域, 建立智能CAD系統(tǒng)。 事實上, AI幾乎可以應用到CAD技術的各個方面, 從目前發(fā)展的趨勢來看, 至少有以下四個方面: (1) 設計自動化。 (2) 智能交互。 (3) 智能圖形學。 (4) 自動數(shù)據(jù)采集

41、。 第 1 章 人工智能概述 1.7.12 1.7.12 智能制造智能制造 智能制造就是在數(shù)控技術、柔性制造技術和計算機集成制造技術的基礎上, 引入智能技術。智能制造系統(tǒng)由智能加工中心、材料傳送檢測和實驗裝置等智能設備組成。它具有一定的自組織、 自學習和自適應能力,能在不可預測的環(huán)境下, 基于不確定、不精確、不完全的信息, 完成擬人的制造任務, 形成高度自動化生產(chǎn)。 第 1 章 人工智能概述 1.7.13 1.7.13 智能智能CAICAI 智能CAI就是把人工智能技術引入計算機輔助教學領域, 建立智能CAI系統(tǒng), 即ICAI。ICAI的特點是能對學生因才施教地進行指導。 第 1 章 人工智能

42、概述 1.7.14 1.7.14 智能人機接口智能人機接口智能人機接口就是智能化的人機交互界面, 也就是將人工智能技術應用于計算機與人的交互界面, 使人機界面更加靈性化、擬人化、個性化。 這也是當前人機交互的迫切需要和人機接口技術發(fā)展的必然趨勢。 智能人機接口已成為計算機、網(wǎng)絡和人工智能等學科共同關注和通力合作的研究課題。該課題涉及到機器感知特別是圖形圖像識別與理解、 語音識別、自然語言處理、 機器翻譯等諸多AI技術, 另外, 還涉及到多媒體、 虛擬現(xiàn)實等技術。 第 1 章 人工智能概述 1.7.15 1.7.15 模式識別模式識別識別是人和生物的基本智能信息處理能力之一。 所謂模式識別, 則

43、指的是用計算機進行物體識別。這里的物體一般指文字、符號、圖形、 圖像、語音、聲音及傳感器信息等形式的實體對象,而并不包括概念、思想、意識等抽象或虛擬對象, 后者的識別屬于心理、認知及哲學等學科的研究范疇。 經(jīng)過多年的研究, 模式識別已發(fā)展成為一個獨立的學科, 其應用十分廣泛, 諸如信息、遙感、醫(yī)學、影像、安全、軍事等領域, 模式識別已經(jīng)取得了重要成效。 第 1 章 人工智能概述 1.7.16 1.7.16 數(shù)據(jù)挖掘（數(shù)據(jù)挖掘（DM）與數(shù)據(jù)庫中的知識發(fā)現(xiàn)（）與數(shù)據(jù)庫中的知識發(fā)現(xiàn)（KDD）數(shù)據(jù)挖掘和數(shù)據(jù)庫中的知識發(fā)現(xiàn)的本質含義是一樣的, 只是前者主要流行于統(tǒng)計、 數(shù)據(jù)分析、 數(shù)據(jù)庫和信息系統(tǒng)等領域

44、, 后者則主要流行于人工智能和機器學習等領域, 。 DM與KDD現(xiàn)已成為人工智能應用的一個熱門領域和研究方向, 其涉及范圍非常廣泛, 如企業(yè)數(shù)據(jù)、商業(yè)數(shù)據(jù)、 科學實驗數(shù)據(jù)、 管理決策數(shù)據(jù)、 Web數(shù)據(jù)等的挖掘和發(fā)現(xiàn)。 第 1 章 人工智能概述 1.7.17 1.7.17 計算機輔助創(chuàng)新計算機輔助創(chuàng)新計算機輔助創(chuàng)新(Computer Aided Innovation, CAI)是以“發(fā)明問題解決理論(TRIZ)”為基礎, 結合本體論(Ontology)、 現(xiàn)代設計方法學、計算機技術而形成的一種用于技術創(chuàng)新的新手段。 近年來, CAI在歐美國家迅速發(fā)展, 成為新產(chǎn)品開發(fā)中的一項關鍵性基礎技術。計算

45、機輔助創(chuàng)新可以看做是機器發(fā)明創(chuàng)造的初級形式。 第 1 章 人工智能概述 1.7.18 1.7.18 計算機文藝創(chuàng)作計算機文藝創(chuàng)作在文藝創(chuàng)作方面, 人們也嘗試開發(fā)和運用人工智能技術。 云松鑾仙玉骨寒, 松虬雪友繁。 大千收眼底, 斯調不同凡。 第 1 章 人工智能概述 1.7.19 1.7.19 機器博弈機器博弈機器博弈是人工智能最早的研究領域之一, 而且一直久經(jīng)不衰。 早在人工智能學科建立的當年1956年, 塞繆爾就研制成功了一個跳棋程序。三年后的1959年, 裝有這個程序的計算機就擊敗了塞繆爾本人,1962年又擊敗了美國一個州的冠軍。1997年IBM的“深藍”計算機以2勝3平1負的戰(zhàn)績擊敗了

46、蟬聯(lián)12年之久的世界國際象棋冠軍加里卡斯帕羅夫, 轟動了全世界。 2001年, 德國的“更弗里茨”國際象棋軟件更是擊敗了當時世界排名前10位棋手中的9位, 計算機的搜索速度達到創(chuàng)紀錄的600萬步每秒。 第 1 章 人工智能概述 計算機計算機打敗打敗國際象棋冠軍國際象棋冠軍身高:卡斯帕羅夫5英尺10英寸,“深藍”6英尺5英寸；體重:卡斯帕羅夫176磅， “深藍”1.4噸；年齡：卡斯帕羅夫34歲， “深藍”4歲；每秒行棋速度：卡斯帕羅夫2步， “深藍”2億步。第 1 章 人工智能概述 最主要差別： 卡斯帕羅夫: 隨機應變能力強，老謀深算，經(jīng)驗豐富,但思路易受身體條件、情緒和周圍環(huán)境的影響?！吧钏{”

47、：是個剛剛涉足棋壇的小學生,記憶力強，計算平穩(wěn)且不受環(huán)境干擾?！吧钏{”程序帶有一個收集了20世紀各位著名國際象棋大師所下的數(shù)千個棋局的數(shù)據(jù)庫。 第 1 章 人工智能概述 機器人足球賽是機器博弈的另一個戰(zhàn)場。 近年來, 國際大賽不斷, 盛況空前。 現(xiàn)在這一賽事已波及到全世界的許多大專院校, 激起了大學生們的極大興趣和熱情。 機器博弈現(xiàn)在已經(jīng)不再僅僅是人工智能專家們研究的課題, 而且已經(jīng)進入了人們的文化生活。機器博弈是對機器智能水平的測試和檢驗, 它的研究將有力推動人工智能技術的發(fā)展。 第 1 章 人工智能概述 1.7.20 1.7.20 智能機器人智能機器人智能機器人也是當前人工智能領域一個十分

48、重要的應用領域和熱門的研究方向。 由于它直接面向應用, 社會效益強, 所以, 其發(fā)展非常迅速。諸如工業(yè)機器人、太空機器人、 水下機器人、家用機器人、軍用機器人、服務機器人、醫(yī)療機器人、運動機器人、助理機器人、機器人足球賽、機器人象棋賽 , 幾乎應有盡有。 機器人研究的意義機器人研究的意義：機器人既是人工智能的研究對象，同時又是人工智能的試驗場地，人工智能的所有技術幾乎都可以在這個領域得到應用。 智能機器人具有的能力智能機器人具有的能力：感知能力、思維能力和行為能力的機器人。這種機器人能夠主動的適應外界環(huán)境變化，并能夠通過學習豐富自己的知識、提高自己的工作能力。 情感機器人情感機器人：是一種具有

49、情感（愛、恨）和情緒(喜、怒、哀、樂)功能新一代機器人。MIT研究的情感機器人研究的情感機器人情感機器人不僅能理解人的語言，還能夠對不同語言做出相應的喜怒哀樂反應，還能夠通過轉動和睜閉眼睛、皺眉、張嘴、打手勢等形式表達其豐富的情感。第 1 章 人工智能概述 機器人服務員機器人服務員第 1 章 人工智能概述 20032003年，小機器人挑戰(zhàn)法老咒語，代年，小機器人挑戰(zhàn)法老咒語，代替科學家勇探胡夫金字塔內部秘道。替科學家勇探胡夫金字塔內部秘道。第 1 章 人工智能概述 1.8 人工智能的分支領域與研究方向人工智能的分支領域與研究方向 從模擬的智能層次和所用的方法來看, 人工智能可分為符號智能和計算

50、智能兩大主要分支領域。 符號智能有圖搜索、自動推理、 不確定性推理、知識工程、符號學習等。 計算智能有神經(jīng)計算、進化計算、免疫計算、蟻群算法、粒群算法、 自然計算等。 智能Agent也是人工智能的一個新興的重要領域。 智能Agent是以符號智能和計算智能為基礎的更高一級的人工智能。 第 1 章 人工智能概述 從模擬的腦智能或腦功能來看, AI中有機器學習、機器感知、機器聯(lián)想、機器推理、機器行為等分支領域。 從應用角度看, 如1.7節(jié)所述, AI中有難題求解等數(shù)十種分支領域和研究方向。 從系統(tǒng)角度看, AI中有智能計算機系統(tǒng)和智能應用系統(tǒng)兩大領域。 從基礎理論看, AI中有數(shù)理邏輯和多種非標準邏

51、輯、 圖論、人工神經(jīng)網(wǎng)絡、模糊集、粗糙集、概率統(tǒng)計和貝葉斯網(wǎng)絡、統(tǒng)計學習理論與支持向量機等等領域和方向。 第 1 章 人工智能概述 1.9 人工智能的發(fā)展概況人工智能的發(fā)展概況 1.9.1 1.9.1 人工智能學科的產(chǎn)生人工智能學科的產(chǎn)生 人工智能學科正式誕生于1956年。 1956年夏季, 由美國達特莫斯(Dartmouth)大學的麥卡錫(McCarthy) 、 哈佛大學的明斯基(Minsky)、IBM公司信息研究中心的洛切斯特(Rochester)、貝爾實驗室的申農(nóng)( Shannon)共同發(fā)起, 邀請IBM公司的莫爾(T. More)和塞繆爾(Samuel)、麻省理工學院的塞爾夫里奇(O.

52、 Selfridge)和索羅門夫(R. Solomonff)以及蘭德公司和卡內基工科大學的紐厄爾(A. Newell)、西蒙(H. A. Simon)等, 共十位來自數(shù)學、 心理學、 神經(jīng)生理學、信息論和計算機等方面的學者和工程師, 在達特莫斯大學召開了一次歷時兩個月的研究會, 討論關于機器智能的有關問題。會上經(jīng)麥卡錫提議正式采用了“人工智能”這一術語。從此,一門新興的學科便正式誕生了。 第 1 章 人工智能概述 1.9.2 1.9.2 符號主義途徑發(fā)展概況符號主義途徑發(fā)展概況 符號主義是指以符號處理為核心的方法。符號主義是指以符號處理為核心的方法。又稱為自上而下和符號主義,起源于通用問題求解

53、(General Problem Solving, GPS),用于模擬人類問題求解過程的心理過程,逐漸形成為物理符號系統(tǒng)。AI的目標就是實現(xiàn)機器智能,而計算機自身具有符號處理功能,它本身就蘊含著推理能力,因而可能夠方便地模擬邏輯思維過程符號主義認為：人類智能的基本單元是符號，認知過程就是符號操作過程，從而思維就是符號計算。 第 1 章 人工智能概述 q 主要特征主要特征: :(1)立足于邏輯運算和符號操作,適合于模擬人的邏輯思維過程,解決需要邏輯推理的復雜問題；(2)知識可用顯示的符號表示,在已知基本規(guī)則的情況下,無需輸入大量的細節(jié)知識；(3)便于模塊化,當個別事實發(fā)生變化時,易于修改；(4)

54、能與傳統(tǒng)的符號數(shù)據(jù)庫進行連接；(5)可對推理結論進行解釋,便于對各種可能性進行選擇。q 缺點：缺點：可以解決邏輯思維,但對于形象思維難于模擬；信息表示成符號后,并在處理或轉換時,信息有丟失的情況。第 1 章 人工智能概述 1.9.2 1.9.2 符號主義途徑發(fā)展概況符號主義途徑發(fā)展概況 1956年之后的10多年間,人工智能的研究取得了許多引人矚目的成就。從符號主義的研究途徑來看,主要有: 定理證明 1956年, 美國的紐厄爾、肖和西蒙合作編制了一個名為邏輯理論機(LT)的計算機程序系統(tǒng)。 該程序模擬了人為數(shù)理邏輯證明定理時的思維規(guī)律。 利用LT紐厄爾等人證明了數(shù)學原理第 2 章中的 38 條定

55、理。數(shù)理邏輯學家王浩于1958年在計算機上用 35 分鐘證明了數(shù)學原理中有關命題演算的全部定理(220條), 并且還證明了謂詞演算中150條定理的85%。 第 1 章 人工智能概述 1956年, 塞繆爾研制成功了具有自學習、 自組織、 自適應能力的跳棋程序。這個程序能從棋譜中學習, 也能從下棋實踐中提高棋藝, 1959 年它擊敗了塞繆爾本人,1962年又擊敗了美國一個州的冠軍。 1959年, 籍勒洛特發(fā)表了證明平面幾何問題的程序, 塞爾夫里奇推出了一個模式識別程序; 1965年羅伯特(Roberts)編制出了可以分辨積木構造的程序。 第 1 章 人工智能概述 1960年, 紐厄爾、肖和西蒙等人

56、通過心理學試驗總結出了人們求解問題的思維規(guī)律,編制了通用問題求解程序(General Problem Solving, GPS)。該程序可以求解11種不同類型的問題。 1960年, 麥卡錫研制成功了面向人工智能程序設計的表處理語言LISP。該語言以其獨特的符號處理功能, 很快在人工智能界風靡起來。它武裝了一代人工智能學者, 至今仍然是人工智能研究的一個有力工具。 1965年, 魯賓遜(Robinson)提出了消解原理(resolution principle), 為定理的機器證明做出了突破性的貢獻。 第 1 章 人工智能概述 20世紀80年代后,專家系統(tǒng)與知識工程在理論、技術和應用方面都有了長

57、足的進步和發(fā)展。 專家系統(tǒng)的建造進入應用高級開發(fā)工具時期。 同時,知識表示、不精確推理、機器學習等方面也都取得了重要進展。各個應用領域的專家系統(tǒng)更如雨后春筍般地在世界各地不斷涌現(xiàn)。 專家系統(tǒng)、知識工程的技術已應用于各種計算機應用系統(tǒng), 出現(xiàn)了智能管理信息系統(tǒng)、智能決策支持系統(tǒng)、智能控制系統(tǒng)、智能CAD系統(tǒng)、智能CAI系統(tǒng)、智能數(shù)據(jù)庫系統(tǒng)、智能多媒體系統(tǒng)等等。 第 1 章 人工智能概述 1.9.3 1.9.3 連接主義途徑發(fā)展概況連接主義途徑發(fā)展概況 連接主義是指以網(wǎng)絡連接為主的連接機制方法。連接主義是指以網(wǎng)絡連接為主的連接機制方法。又稱為自下而上和連接主義,屬于非符號處理范疇.在現(xiàn)實中，人們并

58、不僅僅依靠邏輯推理來求解問題，有時非邏輯推理還其著非常重要的作用連接主義：人工智能可以通過仿生人類的大腦的結構來實現(xiàn)，它研究的內容就是神經(jīng)網(wǎng)絡。早在 20 世紀 40 年代, 就有一些學者開始了神經(jīng)元及其數(shù)學模型的研究。 第 1 章 人工智能概述 q 主要特征主要特征: :(1)通過神經(jīng)元之間的并行協(xié)作實現(xiàn)信息處理,處理過程具有并行性,動態(tài)性,全局性(2)可以實現(xiàn)聯(lián)想的功能,便于對有噪聲的信息進行處理(3)可以通過對神經(jīng)元之間連接強度的調整實現(xiàn)學習和分類等(4)適合模擬人類的形象思維過程(5)求解問題時,可以較快的得到一個近似解q 缺點：缺點：不適合于解決邏輯思維,體現(xiàn)結構固定和組成方案單一的系統(tǒng)也不適合多種知識的開發(fā)第 1 章 人工智