人工智能(1)緒論

1、人工智能Artificial IntelligenceName: Bojin Zheng鄭波盡Telephone: Email: 2010/1/11第一講 概述Introduction to Artificial Intelligence2先看看電影片段！思考如下問題：這部影片中應(yīng)用了哪些技術(shù)這些技術(shù)實(shí)現(xiàn)的可能性有多大3緒 論很早人類就有制造機(jī)器人的幻想黃帝的“指南車”諸葛亮的“木牛流馬”亞里士多德的形式邏輯布萊尼茨的關(guān)于數(shù)理邏輯的思想“機(jī)器人”一詞的來源4現(xiàn)代人工智能的興起現(xiàn)代人工智能（Artificial Intelligence，簡稱AI），一般認(rèn)為起源于美國1956年的一次夏季討論（達(dá)

2、特茅斯會(huì)議），在這次會(huì)議上，第一次提出了“Artificial Intelligence”這個(gè)詞。5什么是人工智能？至今沒有統(tǒng)一的定義從“計(jì)算”到“算計(jì)”6像人一樣思考的系統(tǒng)理性地思考的系統(tǒng)“要使計(jì)算機(jī)能夠思考.意思就是：有頭腦的機(jī)器”（Haugeland, 1985）“與人類的思維相關(guān)的活動(dòng)，諸如決策、問題求解、學(xué)習(xí)等活動(dòng)”（Bellman, 1978）“通過利用計(jì)算模型來進(jìn)行心智能力的研究” （Chamiak和McDermott, 1985）“對使得知覺、推理和行為成為可能的計(jì)算的研究” （Winston, 1992）像人一樣行動(dòng)的系統(tǒng)理性地行動(dòng)的系統(tǒng)“一種技藝，創(chuàng)造機(jī)器來執(zhí)行人需要智能才

3、能完成的功能” （Kurzweil, 1990）“研究如何讓計(jì)算機(jī)能夠做到那些目前人比計(jì)算機(jī)做得更好的事情”（Rich和Knight, 1991）“計(jì)算智能是對設(shè)計(jì)智能化智能體的研究” （Poole等，1998）“AI.關(guān)心的是人工制品中的智能行為” （Nilsson, 1998）7圖靈測試如何知道一個(gè)系統(tǒng)是否具有智能呢？1950年，計(jì)算機(jī)科學(xué)家圖靈提出了著名的“圖靈測試”。8希爾勒的中文屋子羅杰施安克的故事理解程序（舉例）機(jī)器是否真的理解了呢？希爾勒的中文屋子問題：通過了圖靈測試就具有了智能嗎？思考題：如何理解希爾勒的中文屋子？9故事理解程序舉例“一個(gè)人進(jìn)入餐館并訂了一份漢堡包。當(dāng)漢堡包端來

4、時(shí)發(fā)現(xiàn)被烘脆了，此人暴怒地離開餐館，沒有付帳或留下小費(fèi)?！薄耙粋€(gè)人進(jìn)入餐館并訂了一份漢堡包。當(dāng)漢堡包端來后他非常喜歡它，而且在離開餐館付帳之前，給了女服務(wù)員很多小費(fèi)?！弊鳛閷Α袄斫狻惫适碌臋z驗(yàn)，可以向計(jì)算機(jī)詢問，在每一種情況下，此人是否吃了漢堡包。返回10AI的本質(zhì)問題研究如何制造出人造的智能機(jī)器或系統(tǒng)，來模擬人類智能活動(dòng)的能力，以延伸人們智能的科學(xué)。11AI的歷史回顧第一階段（40年代中50年代末） 神經(jīng)元網(wǎng)絡(luò)時(shí)代雙層網(wǎng)絡(luò) M-P模型 、感知器模型等問題：XOR問題不能解決 12AI的歷史回顧（續(xù)1）XOR問題（異或問題）輸入1輸入2輸出000011101110(0, 0)(1, 1)(0,

5、 1)(1, 0)13AI的歷史回顧（續(xù)2）Minsky的著作：Perceptions（感知器）從理論上證明了二層神經(jīng)元網(wǎng)絡(luò)不可能解決XOR問題如果要求解XOR問題，神經(jīng)元網(wǎng)絡(luò)必須是3層或3層以上的結(jié)構(gòu)對于3層或3層以上的神經(jīng)元網(wǎng)絡(luò)，難于找到一個(gè)通用的學(xué)習(xí)算法14AI的歷史回顧（續(xù)3）第二階段（50年代中60年代中） 通用方法時(shí)代物理符號(hào)系統(tǒng)主要研究的問題：GPS、游戲、翻譯等對問題的難度估計(jì)不足，陷入困境15AI的歷史回顧（續(xù)4）一個(gè)笑話（英俄翻譯）：The spirit is willing but the flesh is week.（心有余而力不足）The vodka is stron

6、g but meat is rotten.（伏特加酒雖然很濃，但肉是腐爛的）16AI的歷史回顧（續(xù)5）出現(xiàn)這樣的錯(cuò)誤的原因：Spirit：1）精神 2）烈性酒結(jié)論：必須理解才能翻譯，而理解需要知識(shí)17AI的歷史回顧（續(xù)6）知識(shí)就是力量培根知識(shí)蘊(yùn)涵著力量費(fèi)根鮑姆18AI的歷史回顧（續(xù)7）第三階段（60年代中80年代初） 知識(shí)工程時(shí)代專家系統(tǒng)知識(shí)工程知識(shí)工程席卷全球各國發(fā)展計(jì)劃：美國星球大戰(zhàn)計(jì)劃英國ALVEY計(jì)劃法國UNIKA 計(jì)劃日本五代機(jī)計(jì)劃中國“863”計(jì)劃19AI的歷史回顧（續(xù)8）遇到的困難：知識(shí)獲取的瓶頸問題20AI的歷史回顧（續(xù)9）第四階段（80年代中90年代初） 新的神經(jīng)元網(wǎng)絡(luò)時(shí)代B

7、P網(wǎng)（算法），解決了多層網(wǎng)的學(xué)習(xí)問題Hopfield網(wǎng)，成功求解了旅行商問題存在問題：理論依據(jù)解決大規(guī)模問題的能力新的動(dòng)向構(gòu)造化方法21AI的歷史回顧（續(xù)10）第五階段（90年代初現(xiàn)在） 海量數(shù)據(jù)處理與網(wǎng)絡(luò)時(shí)代網(wǎng)絡(luò)給AI帶來無限的機(jī)會(huì)知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘AI走向?qū)嵱没?2AI的研究內(nèi)容搜索技術(shù)知識(shí)表示規(guī)劃方法機(jī)器學(xué)習(xí)認(rèn)知科學(xué)23AI的研究內(nèi)容（續(xù)1）自然語言理解與機(jī)器翻譯專家系統(tǒng)與知識(shí)工程定理證明博弈機(jī)器人數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)24AI的研究內(nèi)容（續(xù)2）多Agent系統(tǒng)復(fù)雜系統(tǒng)足球機(jī)器人人機(jī)交互技術(shù)25人工智能取得的一些成果四十多年來，人工智能的研究雖然步履艱難，但也取得了一些很突出的成績。下面列舉

8、一些實(shí)例。26定理證明50年代中期，世界上最早的啟發(fā)式程序“邏輯理論家”，證明了數(shù)學(xué)名著數(shù)學(xué)原理中的38個(gè)定理。經(jīng)改進(jìn)后，62年證明了該書中全部的52個(gè)定理。被認(rèn)為是用計(jì)算機(jī)探討人類智力活動(dòng)的第一個(gè)真正的成果。27四色定理的證明四色定理從1852年發(fā)現(xiàn)四色問題，世界上很多著名的科學(xué)家試圖證明，當(dāng)一直未能完成。1976年6月，哈肯在美國伊利諾斯大學(xué)的兩臺(tái)不同的電子計(jì)算機(jī)上，用了1200個(gè)小時(shí)，作了100億次判斷，終于完成了四色定理的證明，從而解決了一個(gè)歷時(shí)100多年的問題，轟動(dòng)了世界。28定理證明的“吳方法”2000年我國最高科學(xué)技術(shù)獎(jiǎng)獲得者吳文俊教授，提出了“數(shù)學(xué)機(jī)器化”。1977年，吳文俊關(guān)

9、于平面幾何定理的機(jī)械化證明首次取得成功。創(chuàng)立了定理機(jī)器證明的 “吳方法”。29通用問題求解器（GPS）從1957年開始，Newell等人開始研究一種不依賴于具體領(lǐng)域的通用解題程序，這個(gè)程序的設(shè)計(jì)是從模仿人類問題求解的規(guī)程開始的。在它能處理的有限類別的問題中，它顯示出程序決定的子目標(biāo)及可能采取的行動(dòng)的次序，與人類求解同樣問題是類似的。因此，GPS很可能是第一個(gè)實(shí)現(xiàn)了“像人一樣思考”方法的程序。 30專家系統(tǒng)人類之所以能求解問題，是因?yàn)槿祟惥哂兄R(shí)。專家系統(tǒng)就是把有關(guān)領(lǐng)域?qū)＜业闹R(shí)整理出來，讓計(jì)算機(jī)利用這些知識(shí)求解專門領(lǐng)域的問題。1968年世界上第一個(gè)專家系統(tǒng)DENDRAL問世。MYCIN，一個(gè)著

10、名的醫(yī)療診斷專家系統(tǒng)31第一個(gè)商用專家系統(tǒng)：R1世界上第一個(gè)成功的商用專家系統(tǒng)，1982年開始正式在DEC公司使用。該程序幫助為新計(jì)算機(jī)系統(tǒng)配置訂單；到1986年為止，估計(jì)它為公司每年節(jié)省了4千萬美元。 32海灣戰(zhàn)爭中的專家系統(tǒng)在1991年的海灣危機(jī)中，美國軍隊(duì)使用專家系統(tǒng)用于自動(dòng)的后勤規(guī)劃和運(yùn)輸日程安排。這項(xiàng)工作同時(shí)涉及到50000個(gè)車輛、貨物和人，而且必須考慮到起點(diǎn)、目的地、路徑以及解決所有參數(shù)之間的沖突。AI規(guī)劃技術(shù)使得一個(gè)計(jì)劃可以在幾小時(shí)內(nèi)產(chǎn)生，而用舊的方法需要花費(fèi)幾個(gè)星期。33數(shù)字識(shí)別清華大學(xué)智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室采用神經(jīng)元網(wǎng)絡(luò)方法研制的數(shù)字識(shí)別系統(tǒng)，用于2000年我國人口普查

11、。對普查數(shù)據(jù)進(jìn)行自動(dòng)識(shí)別，錯(cuò)誤率達(dá)到了萬分之一以下的高水平。34古籍?dāng)?shù)字化四庫全書35IBM的“深藍(lán)” 北京時(shí)間1997年5月12日凌晨4點(diǎn)50分，美國紐約公平大廈，當(dāng)IBM公司的“深藍(lán)”超級電腦將棋盤上的一個(gè)兵走到C4的位置上時(shí)，國際象棋世界冠軍卡斯帕羅夫?qū)Α吧钏{(lán)”的人機(jī)大戰(zhàn)落下帷幕，“深藍(lán)” 以3.5：2.5的總比分戰(zhàn)勝卡斯帕羅夫。36正在與深藍(lán)下棋的卡斯帕羅夫37IBM的“深藍(lán)”（續(xù)1）96年2月第一次比賽結(jié)果：“深藍(lán)”：勝、負(fù)、平、平、負(fù)、負(fù)97年5月第二次比賽結(jié)果：“深藍(lán)”：負(fù)、勝、平、平、平、勝38IBM的“深藍(lán)”（續(xù)2）“深藍(lán)”的技術(shù)指標(biāo)：32個(gè)CPU每個(gè)CPU有16個(gè)協(xié)處理器每

12、個(gè)CPU有256M內(nèi)存每個(gè)CPU的處理速度為200萬步/秒39“人機(jī)之戰(zhàn)”簡史1958年，IBM704成為第一臺(tái)能同人下棋的計(jì)算機(jī)，名為“思考”，思考速度每秒200步60年代中期，科學(xué)家德里夫斯斷言，計(jì)算機(jī)將無法擊敗一位年僅10歲的棋手1973年，國際象棋軟件4.0被開發(fā)出來，這是未來程序的基礎(chǔ)1979年，國際象棋軟件4.9達(dá)到專家級水平1981年，CRAYBLITZ新的超級計(jì)算機(jī)擁有特殊的集成電路，預(yù)言將可在1995年擊敗世界棋王401983年，BELLEATT開發(fā)了國際象棋硬件，達(dá)到了大師水平80年代中期，皮茲堡的CARNEGIEMELLON大學(xué)開始研究世界級的國際象棋計(jì)算機(jī)程序1987年

13、，“深思”首次以每秒鐘75萬步的思考速度露面，它的水平相當(dāng)于擁有國際等級分為2450的棋手1988年，“深思”擊敗丹麥特級大師拉爾森1989年，“深思”已經(jīng)有6臺(tái)信息處理器，每秒思考速度達(dá)200萬步，但在與世界棋王卡斯帕羅夫進(jìn)行的“人機(jī)大戰(zhàn)”中對陣以0比2敗北411990年，“深思”第二代產(chǎn)生，使用IBM的硬件，吸引了前世界棋王卡爾波夫與之對抗1991年，“弗里茨”問世1993年，“深思”二代擊敗了丹麥國家隊(duì)，在與世界優(yōu)秀女棋手小波爾加的對抗中獲勝1995年，“深藍(lán)”更新程序，新的集成電路將其思考速度達(dá)到每秒300萬步1996年，“深藍(lán)”在與卡斯帕羅夫的挑戰(zhàn)賽中，以2比4不敵卡斯帕羅夫1997

14、年，“超級深藍(lán)”開發(fā)出了更加高級的“大腦”，4名國際大師參與IBM的挑戰(zhàn)小組為電腦與卡斯帕羅夫重戰(zhàn)出謀劃策，最后“超級深藍(lán)”以3比2擊敗了卡斯帕羅夫，卡斯帕羅夫要求重賽，但沒有得到回應(yīng)421999年，“弗里茨”升級為“更弗里茨”(Deep Fritz)2001年，“更弗里茨”更新了程序，擊敗了卡斯帕羅夫和阿南德，以及除了克拉姆尼克之外的所有排名世界前十位的棋手2002年10月，“更弗里茨”與克拉姆尼克在巴林進(jìn)行“人機(jī)大戰(zhàn)”，思考速度為每秒600萬步，雙方4比4戰(zhàn)平2003年12月“更年少者”與卡斯帕羅夫舉行人機(jī)對抗，雙方3比3戰(zhàn)平43思考題2：國際象棋、中國象棋與圍棋為什么已經(jīng)有了可以戰(zhàn)勝國際

15、大師的國際象棋程序，而中國象棋和圍棋的程序水平卻比較低呢？力量投入問題？計(jì)算機(jī)發(fā)展水平問題？棋本身的復(fù)雜性問題？其他別的問題？44智能汽車智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室研制的智能汽車45在高速公路上，該汽車可以自動(dòng)識(shí)別道路，自動(dòng)躲避障礙物在最近的實(shí)驗(yàn)中，平均速度為100公里，最高速度達(dá)到了150公里，達(dá)到了世界先進(jìn)水平。46足球機(jī)器人兩個(gè)組織：RoboCup和FIRA設(shè)有仿真組、小型組、中型組和有腿組控制方式：FIRA采用集中控制，而RoboCup采用分布式控制清華大學(xué)獲得2001、2002年RoboCup世界冠軍、2003年亞軍（仿真組）清華大學(xué)獲得2003年RoboCup小型組全國冠軍47

16、小型組 有腿組48歷史上的人工智能大師下面介紹圖靈和幾位獲得圖靈獎(jiǎng)的人工智能大師49阿倫圖靈（Alan Turing）計(jì)算機(jī)科學(xué)理論的創(chuàng)始人50阿倫圖靈（Alan Turing）1912年出生于英國倫敦，1954年去世1936年發(fā)表論文“論可計(jì)算數(shù)及其在判定問題中的應(yīng)用”，提出圖靈機(jī)理論1950年發(fā)表論文“計(jì)算機(jī)與智能”，闡述了計(jì)算機(jī)可以具有智能的想法，提出圖靈測試1966年為紀(jì)念圖靈的杰出貢獻(xiàn)，ACM設(shè)立圖靈獎(jiǎng)51馬文明斯基（Marniv Lee Minsky）人工智能之父框架理論的創(chuàng)立者首位獲得圖靈獎(jiǎng)的人工智能學(xué)者52馬文明斯基（Marniv Lee Minsky）1927年出生于美國紐約

17、1951年提出思維如何萌發(fā)并形成的基本理論1956年達(dá)特茅斯會(huì)議的發(fā)起人之一1958年在MIT創(chuàng)建世界上第一個(gè)AI實(shí)驗(yàn)室1969年獲得圖靈獎(jiǎng)1975年首創(chuàng)框架理論53約翰麥卡錫（John McCarthy）人工智能之父LISP語言的發(fā)明人首次提出AI的概念54約翰麥卡錫（John McCarthy）1927年出生于美國波士頓1956年發(fā)起達(dá)特茅斯會(huì)議，并提出“人工智能”的概念1958年與明斯基一起創(chuàng)建世界上第一個(gè)人工智能實(shí)驗(yàn)室發(fā)明剪枝算法1959年開發(fā)LISP語言開創(chuàng)邏輯程序研究，用于程序驗(yàn)證和自動(dòng)程序設(shè)計(jì)1971年獲得圖靈獎(jiǎng)55赫伯特西蒙（Herbert A. Simon）符號(hào)主義學(xué)派的創(chuàng)始

18、人愛好廣泛的全能科學(xué)家中國科學(xué)院外籍院士56赫伯特西蒙(Herbert A. Simon）1916年出生于美國的威斯康辛州1943年在匹茲堡大學(xué)獲政治學(xué)博士學(xué)位1969年因心理學(xué)方面的貢獻(xiàn)獲得杰出科學(xué)貢獻(xiàn)獎(jiǎng)1975年和他的學(xué)生艾倫紐厄爾共同獲得圖靈獎(jiǎng)1978年獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)1986年因行為學(xué)方面的成就獲得美國全國科學(xué)家獎(jiǎng)?wù)?750年代至60年代初開發(fā)了世界上最早的啟發(fā)式程序“邏輯理論家”LT，證明了數(shù)學(xué)原理第二章中的全部52個(gè)定理，開創(chuàng)了機(jī)器定理證明這一新的學(xué)科領(lǐng)域57年開發(fā)了IPL(Information Processing Language)語言，是最早的AI語言。60年開發(fā)了“通用

19、問題求解系統(tǒng)”GPS66年開發(fā)了最早的下棋程序之一MATER70年發(fā)展與完善了語義網(wǎng)絡(luò)的概念和方法70年代提出了“物理符號(hào)系統(tǒng)假說”70年代提出決策過程模型，成為DSS的核心內(nèi)容58艾倫紐厄爾（Allen Newell）符號(hào)主義學(xué)派的創(chuàng)始人之一西蒙的學(xué)生與同事1975年與西蒙同獲圖靈獎(jiǎng)59查理德卡普（Richard M. Karp）發(fā)明“分枝界限法”的三棲學(xué)者60查理德卡普（Richard M. Karp）1935年出生于美國波士頓是加州大學(xué)伯克利分校三個(gè)系的教授：電氣工程和計(jì)算機(jī)系數(shù)學(xué)系工業(yè)工程和運(yùn)籌學(xué)系60年代提出“分枝界限法”，成功求解含有65個(gè)城市的旅行商問題，創(chuàng)當(dāng)時(shí)的記錄1985年獲

20、得圖靈獎(jiǎng)61愛德華費(fèi)根鮑姆（Edward A. Feigenbaum）知識(shí)工程的提出者大型人工智能系統(tǒng)的開拓者62愛德華費(fèi)根鮑姆（Edward A. Feigenbaum）1936年出生于美國的新澤西州通過實(shí)驗(yàn)和研究，證明了實(shí)現(xiàn)智能行為的主要手段是知識(shí)1977年提出知識(shí)工程，使人工智能從理論轉(zhuǎn)向應(yīng)用名言：知識(shí)蘊(yùn)藏著力量1994年和勞伊雷迪共同獲得圖靈獎(jiǎng)631963年主編了計(jì)算機(jī)與思想一書，被認(rèn)為是世界上第一本有關(guān)人工智能的經(jīng)典性專著1965年開發(fā)出世界上第一個(gè)專家系統(tǒng)開發(fā)出著名的專家系統(tǒng)MYCIN80年代合著了四卷本的人工智能手冊開設(shè)Teknowledge和IntelliGenetics兩個(gè)公

21、司，是世界上第一家以開發(fā)和將專家系統(tǒng)商品化的公司64勞伊雷迪（Raj Reddy）大型人工智能系統(tǒng)的開拓者65勞伊雷迪（Raj Reddy）37年出生于印度，66年在美國獲得博士1994年與費(fèi)根鮑姆共同獲得圖靈獎(jiǎng)主持過一系列大型AI系統(tǒng)的開發(fā)Navlab 能在道路行駛的自動(dòng)車輛項(xiàng)目LISTEN 用于掃盲的語音識(shí)別系統(tǒng)以詩人但丁命名的火山探測機(jī)器人項(xiàng)目自動(dòng)機(jī)工廠項(xiàng)目，提出“白領(lǐng)機(jī)器人學(xué)”66概述人工智能(Artificial Intelligence, AI) 有時(shí)也被稱為人造智能(Synthetic Intelligence).定義:人造物所表現(xiàn)出來的智能人造物: 一般指計(jì)算機(jī)因此,人工智能一

22、般指的是計(jì)算機(jī)模擬的人類智能.因此,也就是模擬智能(常隱含一個(gè)觀點(diǎn):計(jì)算機(jī)本身并無真正的智能).另外的觀點(diǎn): 強(qiáng)人工智能(Strong AI)67概述(續(xù))強(qiáng)人工智能的觀點(diǎn):某種形式的人工智能能夠真正地推理和解決問題.機(jī)器有可能變聰明,自省,且有可能和人類的思考過程不一樣(也有可能一樣).John Searle:according to strong AI, the computer is not merely a tool in the study of the mind; rather, the appropriately programmed computer really is a m

23、ind1 68人工智能的定義在本書中,人工智能定義為:研究如何制造人造的智能機(jī)器或者系統(tǒng),來模擬人類智能活動(dòng)的能力,以延伸人類智能的科學(xué).研究對象: 模擬人類智能研究目標(biāo):研究看上去具有人類智能的系統(tǒng),解決需要人類智能才能解決的問題問題是: 什么才是(人類)智能?69智能的定義觀點(diǎn)1:智能是一種在巨大的搜索空間中迅速找到一個(gè)滿意解的能力觀點(diǎn)2:智能是一個(gè)人認(rèn)識(shí)客觀事物,并運(yùn)用知識(shí)解決實(shí)際問題的能力觀點(diǎn)3:智能是泛指人類獲取知識(shí),存儲(chǔ)知識(shí)和運(yùn)用知識(shí)解決問題的能力智能應(yīng)當(dāng)包含兩個(gè)方面: 知識(shí),能力思考題:什么是知識(shí),什么是能力?70人工智能的哲學(xué)思考智能是否存在?（開水瓶具有智能嗎？）智能與非智能

24、之間的差別?人工智能是否存在?如何判定智能的存在?智能如果存在，如何度量？人工智能和人類智能是否是同質(zhì)的(一樣的)?71衡量智能的標(biāo)準(zhǔn)Edward A. Feigenbaum:若只告訴計(jì)算機(jī)做什么而不告訴它怎么做,而機(jī)器能夠完成任務(wù),則認(rèn)為機(jī)器有智能Alan M. Turing:若一個(gè)計(jì)算機(jī)系統(tǒng)能給出有關(guān)問題的正確答案或有用建議,解決問題所用的概念和推理與人相當(dāng),并能對推理作出解釋,就可以說這個(gè)系統(tǒng)是具有智能的渡邊慧:人類智能主要表現(xiàn)在演繹能力和歸納能力,若機(jī)器具有這種能力,就可以說是具有智能的72衡量智能的實(shí)驗(yàn)圖靈實(shí)驗(yàn)中文屋子實(shí)驗(yàn)73圖靈實(shí)驗(yàn)實(shí)驗(yàn)方案提問者, 被提問者(一個(gè)人,一臺(tái)機(jī)器)聯(lián)系

25、的方式?jīng)]有額外的信息泄漏如果提問者區(qū)分兩者的正確率小于50%,則可以認(rèn)為機(jī)器具有智能74中文屋子實(shí)驗(yàn)Chinese Room Thought Experiment即使一臺(tái)機(jī)器已經(jīng)實(shí)際通過了簡化的圖靈檢驗(yàn)的電腦,這臺(tái)電腦仍然完全不具備和理解有關(guān)的”精神屬性”.實(shí)驗(yàn)要旨:提問者使用中文講故事并提出問題,被提問者(只懂得英文)使用規(guī)則(用英語表示)產(chǎn)生問題的答案,即使被提問者完全不懂中文,仍然能夠產(chǎn)生正確的答案.75領(lǐng)域問題中的智能系統(tǒng)國際象棋西洋跳棋能夠擊敗人類圍棋暫時(shí)還不能擊敗人類選手76人工智能的研究分支傳統(tǒng)人工智能和計(jì)算智能(Conventional AI and Computational

26、 Intelligence (CI) )傳統(tǒng)人工智能:符號(hào)智能計(jì)算智能:人工神經(jīng)網(wǎng)絡(luò)演化計(jì)算模糊集合粗糙集 多智能體系統(tǒng)77人工智能的主要研究思想基于符號(hào)處理的符號(hào)主義(Symbolism)以人工神經(jīng)網(wǎng)絡(luò)為代表的連接主義(Connectionism)以演化計(jì)算為代表的演化主義(Evolutionism)以多智能體系統(tǒng)為代表的行為主義(Actionism)78符號(hào)主義人類思維的基本單元是符號(hào)思維過程是對符號(hào)的處理過程自然語言也是用符號(hào)表示的理論基礎(chǔ): 物理符號(hào)系統(tǒng)假設(shè)和有限合理性原理.物理符號(hào)系統(tǒng)假設(shè):物理符號(hào)系統(tǒng)是表現(xiàn)智能行為必要和充分的條件有限合理性原理:人類行為表現(xiàn)出有限的合理性79連接主

27、義人工神經(jīng)網(wǎng)絡(luò)是典型代表其理論基礎(chǔ)是腦模型.人工神經(jīng)網(wǎng)絡(luò)具有良好的自學(xué)習(xí),自適應(yīng)和自組織能力,以及大規(guī)模并行,分布式信息存儲(chǔ)和處理的特點(diǎn).可以處理不確定性問題.80演化主義模擬自然界的生物演化過程入手,以解決智能系統(tǒng)如何從環(huán)境中進(jìn)行學(xué)習(xí)的問題.理論基礎(chǔ)為達(dá)爾文的進(jìn)化論.81行為主義在沒有對簡單的智能系統(tǒng)有清楚的了解和大量的實(shí)踐以前，不可能準(zhǔn)確地理解構(gòu)造更為復(fù)雜的人類智能的方法。從簡單的系統(tǒng)開始，逐步構(gòu)造出更為復(fù)雜的系統(tǒng)理論基礎(chǔ)為控制論Cybernetics 。82人工智能發(fā)展的7個(gè)時(shí)期按照Russell的觀點(diǎn), AI近五十年的發(fā)展歷史可以分為以下7個(gè)時(shí)期:AI孕育期(19431955) / A

28、I的誕生(1956)早期的熱情, 巨大的期望(19521969)現(xiàn)實(shí)的困難(19661973)基于知識(shí)的系統(tǒng): 力量的鑰匙? (19691979)AI成為工業(yè)(1980現(xiàn)在)AI成為科學(xué)(1987現(xiàn)在) / 神經(jīng)網(wǎng)絡(luò)的回歸 (1986現(xiàn)在) / 智能化智能體出現(xiàn)(1995現(xiàn)在)83人工智能的主要研究方向機(jī)器學(xué)習(xí)(Machine Learning)規(guī)劃(Planning)知識(shí)表示(Knowledge Representation)智能搜索(Intelligent Search)不確定性和不精確知識(shí)的管理(Management of Imprecision and Uncertainty )84機(jī)

29、器學(xué)習(xí)(Machine Learning)類比學(xué)習(xí)歸納學(xué)習(xí)連接學(xué)習(xí)遺傳學(xué)習(xí)85規(guī)劃(Planning)規(guī)劃是一種問題求解方法。方法主要為：將復(fù)雜的問題分割為子問題求解子問題將子問題的解組合，構(gòu)造原始問題的解可動(dòng)態(tài)分割和構(gòu)造86知識(shí)表示(Knowledge Representation)知識(shí)的表示方法很多主要方法有：狀態(tài)空間表示法產(chǎn)生式表示法邏輯表示法語義網(wǎng)絡(luò)表示法框架表示法概念從屬表示法87智能搜索搜索算法分為確定性的搜索算法和非確定的搜索算法常見的搜索算法：爬山法生成測試法手段目的分析法好的優(yōu)先搜索算法最佳圖搜索算法A*88不確定和不精確知識(shí)的管理(Management of Impreci

30、sion and Uncertainty)概率論的方法模糊邏輯粗糙集89人工智能的主要應(yīng)用領(lǐng)域?qū)＜蚁到y(tǒng)圖像理解和計(jì)算機(jī)視覺移動(dòng)式機(jī)器人的航行規(guī)劃語言與自然語言理解調(diào)度問題博弈數(shù)據(jù)挖掘智能控制90成功例子深藍(lán)布魯特斯1型91弱人工智能和強(qiáng)人工智能弱人工智能(Weak AI)的斷言: “機(jī)器能夠智能地行動(dòng)”強(qiáng)人工智能(Strong AI)的斷言: “能夠如此行事的機(jī)器確實(shí)是在思考”大多數(shù)AI研究者認(rèn)為弱人工智能假設(shè)是當(dāng)然的 / 本質(zhì)上, AI尋求的是在給定的體系結(jié)構(gòu)之上最好的智能體程序 / 對于弱人工智能的假設(shè), AI的成就可以證明關(guān)于強(qiáng)人工智能，更多的是哲學(xué)上的爭論92AI成就 vs 異議(1)

31、圖靈曾考察過對智能機(jī)器的質(zhì)疑質(zhì)疑1: 能力缺陷實(shí)踐證明: 計(jì)算機(jī)能夠和人一樣做很多工作, 有些做得甚至更好例子: 下棋/裝配線零件檢查/駕駛汽車/診斷疾病質(zhì)疑2: 數(shù)學(xué)異議機(jī)器是受到不完備性定理限制的形式系統(tǒng), 而人類則沒有這樣的局限性93AI成就 vs 異議(2)我們同意計(jì)算機(jī)在其所能證明的事物上具有局限性, 但也沒有證據(jù)表明人類對于這些局限是免疫的因?yàn)槿祟惖膰?yán)謹(jǐn)證明本身要包含一個(gè)對所宣稱不可形式化的人類天賦的形式化表示 / 我們不可能證明人類不服從哥德爾不完備性定理, 最終不得不求助于直覺質(zhì)疑3: 限制問題“無法用一個(gè)邏輯規(guī)則集合捕捉每件事物”實(shí)踐證明: AI一直在發(fā)展, 被質(zhì)疑的“老式A

32、I”已經(jīng)發(fā)生了改變, 他們所關(guān)注的許多問題已經(jīng)得到解決94辯論問題機(jī)器是否能獲得比人更高的智能機(jī)器能獲得比人更高的智能機(jī)器不能獲得比人更高的智能機(jī)器的智能和人的智能不一樣（機(jī)器不具備精神屬性）其他觀點(diǎn)95參考文獻(xiàn)1 J. Searle, in Minds, Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980. 2 3羅杰.彭羅斯著，許明賢、吳忠超譯,皇帝的新腦有關(guān)電腦、人腦及物理定律，湖南長沙：湖南科學(xué)技術(shù)出版社4 96附錄內(nèi)容物理符號(hào)系統(tǒng)假設(shè)有限理性人工智能的歷史97智能處理信息系統(tǒng)的假設(shè) 符號(hào)處理系統(tǒng)的六

33、種基本功能 信息處理系統(tǒng)又叫符號(hào)操作系統(tǒng)(Symbol Operation System)或物理符號(hào)系統(tǒng)(Physical Symbol System)。所謂符號(hào)就是模式(pattern)。一個(gè)完善的符號(hào)系統(tǒng)應(yīng)具有下列6種基本功能：(1)輸入符號(hào)(input)；(2)輸出符號(hào)(output);(3)存儲(chǔ)符號(hào)(store);(4)復(fù)制符號(hào)(copy);(5)建立符號(hào)結(jié)構(gòu)：通過找出各符號(hào)間的關(guān)系，在符號(hào)系統(tǒng)中形成符號(hào)結(jié)構(gòu)；(6)條件性遷移(conditional transfer):根據(jù)已有符號(hào)，繼續(xù)完成活動(dòng)過程。98人是智能信息處理系統(tǒng)可以把人看成一個(gè)智能信息處理系統(tǒng)如果一個(gè)物理符號(hào)系統(tǒng)具有上述

34、全部6種功能，能夠完成這個(gè)全過程，那么它就是一個(gè)完整的物理符號(hào)系統(tǒng)。人具有上述6種功能；現(xiàn)代計(jì)算機(jī)也具備物理符號(hào)系統(tǒng)的這6種功能。99物理符號(hào)系統(tǒng)的假設(shè)任何一個(gè)系統(tǒng)，如果它能表現(xiàn)出智能，那么它就必定能夠執(zhí)行上述6種功能。反之，任何系統(tǒng)如果具有這6種功能，那么它就能夠表現(xiàn)出智能；這種智能指的是人類所具有的那種智能。把這個(gè)假設(shè)稱為物理符號(hào)系統(tǒng)的假設(shè)。100物理符號(hào)系統(tǒng)3個(gè)推論推論一 既然人具有智能，那么他(她)就一定是個(gè)物理符號(hào)系統(tǒng)。人之所以能夠表現(xiàn)出智能，就是基于他的信息處理過程。推論二 既然計(jì)算機(jī)是一個(gè)物理符號(hào)系統(tǒng)，它就一定能夠表現(xiàn)出智能。這是人工智能的基本條件。推論三 既然人是一個(gè)物理符號(hào)系

35、統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號(hào)系統(tǒng)，那么就能夠用計(jì)算機(jī)來模擬人的活動(dòng)。101人類的認(rèn)知行為具有不同的層次認(rèn)知生理學(xué) 研究認(rèn)知行為的生理過程，主要研究人的神經(jīng)系統(tǒng)（神經(jīng)元、中樞神經(jīng)系統(tǒng)和大腦）的活動(dòng)，是認(rèn)知科學(xué)研究的底層。認(rèn)知心理學(xué) 研究認(rèn)知行為的心理活動(dòng)，主要研究人的思維策略，是認(rèn)知科學(xué)研究的頂層。認(rèn)知信息學(xué) 研究人的認(rèn)知行為在人體內(nèi)的初級信息處理，主要研究人的認(rèn)知行為如何通過初級信息自然處理，由生理活動(dòng)變?yōu)樾睦砘顒?dòng)及其逆過程，即由心理活動(dòng)變?yōu)樯硇袨?。這是認(rèn)知活動(dòng)的中間層，承上啟下。認(rèn)知工程學(xué) 研究認(rèn)知行為的信息加工處理，主要研究如何通過以計(jì)算機(jī)為中心的人工信息處理系統(tǒng)，對人的各種認(rèn)知行為（如知

36、覺、思維、記憶、語言、學(xué)習(xí)、理解、推理、識(shí)別等）進(jìn)行信息處理。這是研究認(rèn)知科學(xué)和認(rèn)知行為的工具，應(yīng)成為現(xiàn)代認(rèn)知心理學(xué)和現(xiàn)代認(rèn)知生理學(xué)的重要研究手段。102有限理性完美理性：已知從環(huán)境中獲得的信息，一個(gè)完美理性智能體每時(shí)每刻都以使其效用最大化方式行動(dòng)并不是一個(gè)具有現(xiàn)實(shí)意義的目標(biāo)計(jì)算理性：一個(gè)計(jì)算理性智能體最終返回的是理性的選擇(可能在開始時(shí)即如此), 但是要考慮和環(huán)境交互的時(shí)機(jī)(錯(cuò)誤時(shí)刻的正確答案沒有價(jià)值)不得不折衷有限度理性：思考足夠長的時(shí)間，得到一個(gè)“足夠好”的答案缺乏形式化103人工智能發(fā)展的7個(gè)時(shí)期按照Russell的觀點(diǎn), AI近五十年的發(fā)展歷史可以分為以下7個(gè)時(shí)期:AI孕育期(194

37、31955) / AI的誕生(1956)早期的熱情, 巨大的期望(19521969)現(xiàn)實(shí)的困難(19661973)基于知識(shí)的系統(tǒng): 力量的鑰匙? (19691979)AI成為工業(yè)(1980現(xiàn)在)AI成為科學(xué)(1987現(xiàn)在) / 神經(jīng)網(wǎng)絡(luò)的回歸 (1986現(xiàn)在) / 智能化智能體出現(xiàn)(1995現(xiàn)在)104人工智能孕育期(19431955)神經(jīng)網(wǎng)絡(luò)最早的AI工作是1943年Warren McCulloch和Walter Pitts人工神經(jīng)元模型的研究, 他們證明任何可計(jì)算的函數(shù)都可以通過某種由神經(jīng)元連接成的網(wǎng)絡(luò)進(jìn)行計(jì)算, 還提出適當(dāng)?shù)木W(wǎng)絡(luò)能夠?qū)W習(xí)1951年, 普林斯頓大學(xué)數(shù)學(xué)系研究生Marvin

38、Minsky(明斯基)和Dean Edmonds建造了第一臺(tái)神經(jīng)元網(wǎng)絡(luò)計(jì)算機(jī)105圖靈的論文圖靈1950年的論文第一個(gè)清晰地描繪出AI的完整圖像(Computing Machinery and Intelligence)106人工智能的誕生(1956)(1)1956年夏天, AI正式誕生于達(dá)特茅斯大學(xué)John McCarthy(麥卡錫)自普林斯頓大學(xué)畢業(yè)以后去了達(dá)特茅斯大學(xué), 他說服了另外2個(gè)人幫助召開了為期2個(gè)月的研討會(huì)會(huì)議組織者4人: 麥卡錫、Minsky(明斯基)、Claude Shannon(香儂)、IBM的Nathaniel Rochester(羅切斯特), 參加者共10人其他6位是

39、：普林斯頓大學(xué)Trenchard More、IBM的Arthur Samuel(塞繆爾)、MIT的Ray Solomonoff和Oliver Selfridge、CMU的紐厄爾和西蒙107人工智能的誕生(1956)(2)會(huì)上, 紐厄爾和西蒙最為活躍, 介紹了他們的推理程序: 邏輯理論家盡管這次會(huì)議沒有新突破, 但聚集了AI的主要人物特別是AI領(lǐng)域的4位著名專家, 他們后來所在的大學(xué)也成為了美國AI研究的3大基地: MIT明斯基Stanford麥卡錫(先在MIT后去了Stanford)CMU紐厄爾和西蒙此外, 還有IBM108人工智能的誕生(1956)3這次會(huì)議最為長久的貢獻(xiàn)就是麥卡錫為該領(lǐng)域起

40、的名字: 人工智能為什么AI有必要成為一個(gè)新領(lǐng)域?目標(biāo)不同：AI從一開始就承載著復(fù)制人的才能如創(chuàng)造性、自我修養(yǎng)、語言功能等思想，沒有任何一個(gè)其他領(lǐng)域涉及這些問題方法論不同：是唯一一個(gè)明確屬于計(jì)算機(jī)科學(xué)的分支，因而不是數(shù)學(xué)或者控制論或其他學(xué)科的分支AI是唯一這樣的領(lǐng)域：它試圖建造在復(fù)雜和變化的環(huán)境中自動(dòng)發(fā)揮功能的機(jī)器109早期的熱情, 巨大的期望(19521969)(1)當(dāng)時(shí)，主流的思想是“一臺(tái)機(jī)器永遠(yuǎn)不能做X”(而不是考慮“看看計(jì)算機(jī)能不能做X？”)AI研究者們就演示一個(gè)接一個(gè)的XCMU: 紐厄爾和西蒙完成通用問題求解器(GPS), 該系統(tǒng)及其后續(xù)程序的成功導(dǎo)致了他們提出著名的物理符號(hào)系統(tǒng)假設(shè)

41、110早期的熱情, 巨大的期望(19521969)(2)IBM: 1959Herbert Gelernter建造了幾何定理證明機(jī); 1952年起, 塞繆爾寫了一系列西洋跳棋程序, 通過學(xué)習(xí)可達(dá)業(yè)余高手的級別MIT: 1958年麥卡錫到了以后作出了三項(xiàng)重要貢獻(xiàn) /貢獻(xiàn)1: 定義了LISP語言 / 貢獻(xiàn)2: 與MIT其他人發(fā)明了分時(shí)技術(shù) / 貢獻(xiàn)3: 發(fā)表了題為Program with Common Sense的論文, 文中描述了“建議采納者”程序. 該程序?qū)崿F(xiàn)了知識(shí)表示和推理的中心原則: 具備明確的知識(shí)表示, 并能通過演繹過程處理這些表示111早期的熱情, 巨大的期望(19521969)(3)S

42、tanford: 1963年麥卡錫啟動(dòng)了斯坦福的AI實(shí)驗(yàn)室, 著重研究邏輯推理的通用方法(后來如Robinson發(fā)現(xiàn)歸結(jié)方法) / 以及機(jī)器人研究MIT: 1958年明斯基也到了, 不過他對程序如何實(shí)現(xiàn)更感興趣, 并最終發(fā)展出反邏輯的觀點(diǎn) / 指導(dǎo)了一系列學(xué)生, 選擇那些顯然需要智能才能解決的受限問題 / 貢獻(xiàn): 微世界模型MIT: 最著名的微世界是積木世界, 在此基礎(chǔ)上完成了許多研究工作如: 視覺項(xiàng)目、自然語言理解項(xiàng)目(Terry Winograd)、規(guī)劃器等112現(xiàn)實(shí)的困難(19661973)(1)早期AI研究者過于盲目的樂觀態(tài)度, 10年預(yù)見, 而實(shí)際上至少40年早期的AI系統(tǒng)在試圖解決

43、更寬范圍和更難的問題時(shí), 都悲慘地失敗了 / 原因何在?第一類困難: 缺少主題知識(shí)(通用而非專門化)典型例子: 機(jī)器翻譯(MT) / 最早對AI研究的發(fā)難始于機(jī)器翻譯(1966ALPAC報(bào)告) 時(shí)至今日, MT研究仍然不完善但是被廣泛期待，也在作為一種輔助文檔處理工具113現(xiàn)實(shí)的困難(19661973)(2)第二類困難：AI試圖解決的很多問題是不可操作的(NP類)在計(jì)算復(fù)雜性理論建立之前, 對“問題放大”(從玩具到現(xiàn)實(shí))的認(rèn)識(shí)局限于速度和存儲(chǔ)容量例子: 包含超過幾十條事實(shí)的定理證明 / 早期遺傳算法實(shí)驗(yàn)(195859)無限計(jì)算能力的幻覺: 程序原則上能夠找到解并不意味著程序?qū)嶋H上包含找到解的機(jī)制1973年英國政府在Lighthill報(bào)告之后終止了除2所大學(xué)以外所有的AI研究資