人工智能4-Bayes方法

主觀Bayes方法陳志華主要內(nèi)容1.概率論基礎(chǔ)2.主觀Bayes方法的基本理論3.主觀Bayes方法的基本模型前言主觀Bayes方法一種不確定性推理算法以概率論中的Bayes公式為基礎(chǔ)首先應(yīng)用于專家系統(tǒng)PROSPECTOR系統(tǒng)和前述推理方法的區(qū)別不確定性推理當(dāng)一個(gè)或多個(gè)新證據(jù)出現(xiàn)時(shí)，根據(jù)推理規(guī)則，計(jì)算結(jié)論的可信度推理前不知道結(jié)論的概率信息主觀Bayes方法（條件概率）當(dāng)一個(gè)事件發(fā)生后，先驗(yàn)概率如何轉(zhuǎn)變?yōu)楹篁?yàn)概率推理前知道結(jié)論的先驗(yàn)概率信息規(guī)則的表示不一樣1.概率論基礎(chǔ)條件概率：設(shè)A，B是兩個(gè)隨機(jī)事件，，則是在B事件已經(jīng)發(fā)生的條件下，A事件發(fā)生的概率。乘法定理:全概率公式：設(shè)事件滿足：⑴兩兩互不相容，即當(dāng)時(shí)，有

⑵

⑶樣本空間

則對任何事件B,有下式成立：

稱為全概率公式。

根據(jù)全概率公式及乘法定理可以得到Beyes公式:2.基本理論主觀Bayes方法的基本思想由于證據(jù)E的出現(xiàn)，使得P(R)變?yōu)镻(R|E)主觀Bayes方法,就是研究利用證據(jù)E，將先驗(yàn)概率P(R)更新為后驗(yàn)概率P(R|E)先驗(yàn)概率P(R),即不考慮證據(jù)E出現(xiàn)的前提下，結(jié)論結(jié)論R成立的概2.基本理論一.知識(shí)不確定性的表示（產(chǎn)生式規(guī)則）其中LS:充分性量度LN:必要性量度P(R):R的先驗(yàn)概率二.基本算法證據(jù)E有三種情形1)肯定存在，即P(E)=12)肯定不存在，P(E)=03)不確定，0<P(E)<1在不同的情形下，后驗(yàn)概率的計(jì)算方法不同1)證據(jù)E肯定存在假設(shè)規(guī)則如下：IFETHENR根據(jù)乘法定理，得到P(R|E)=P(E|R)P(R)/P(E)（式1）P(﹁R|E)=P(E|﹁R)P(﹁R)/P(E)兩式相除，得到：定義幾率函數(shù)：則設(shè)：則式1變?yōu)椋ㄊ?）（式2）2)證據(jù)E肯定不存在P(E)=0同樣可以推導(dǎo)出O(R|﹁E)=LN×O(R)其中（式4）將O(x)重新替換成概率，得到：（式5）（式6）討論：O(x)與P(x)的單調(diào)性O(shè)(x)與P(x)的單調(diào)性相同,即可從數(shù)學(xué)上推導(dǎo)出：LS和LN的討論LS表示證據(jù)E的存在，影響結(jié)論R為真的概率：LN表示證據(jù)E的不存在，影響結(jié)論R為真的概率：O(R|﹁E)=LN×O(R)上述結(jié)論也可以直接從公式5,6推導(dǎo)出來LS>1，使得P(R|E)>P(R)LS<1,使得P(R|E)<P(R)LN>1，使得P(R|﹁E)>P(R)LN<1,使得P(R|﹁E)<P(R)例子假設(shè)有如下規(guī)則:規(guī)則1:IFE1THEN(10,1)R1(0.03)規(guī)則2:IFE2THEN(20,1)R2(0.05)規(guī)則3:IFE3THEN(1,0.002)R3(0.3)求(1)當(dāng)E1,E2,E3都存在時(shí),P(Ri|Ei)(2)當(dāng)E1,E2,E3都不存在時(shí),P(Ri|﹁Ei)分析：利用公式5，6答案:練習(xí)設(shè)有如下推理規(guī)則：R1:IFE1THEN(2,0.5)H1R2:IFE2THEN(1,0.2)H2R3:IFE3THEN(5,0.1)H3并且已知P(H1)=0.2,P(H2)=0.1,P(H3)=0.4計(jì)算當(dāng)證據(jù)E1,E2,E3存在或不存在時(shí)，P(Hi|Ei)或P(Hi|﹁Ei)的值各是多少？(i=1,2,3)3)證據(jù)E不確定在現(xiàn)實(shí)中,證據(jù)往往是不確定的,即無法肯定它一定存在或一定不存在用戶提供的原始證據(jù)不精確用戶的觀察不精確推理出的中間結(jié)論不精確假設(shè)S是對E的觀察,則P(E|S)表示在觀察S下,E為真的概率,值在[0,1]；此時(shí)0<P(E|S)<1，故計(jì)算后驗(yàn)概率P(R|S),

不能使用Bayes公式可以采用下面的公式修正（杜達(dá)公式）（式7）后驗(yàn)概率P(R|S)的計(jì)算-1針對杜達(dá)公式，分四種情況討論1）E肯定存在，即P(E|S)=1,且P(﹁E|S)=0，杜達(dá)公式簡化為：注意：同時(shí)利用了公式5后驗(yàn)概率P(R|S)的計(jì)算-22）E肯定不存在，即P(E|S)=0,P(﹁E|S)=1，杜達(dá)公式簡化為：注意：同時(shí)利用了公式6后驗(yàn)概率P(R|S)的計(jì)算-33）P(E|S)=

P(E)，即E和S無關(guān),利用全概率公式（公式7），杜達(dá)公式可以化為：后驗(yàn)概率P(R|S)的計(jì)算-4當(dāng)P(E|S)為其它值（非0，非1，非P(E)）時(shí)，則需要通過分段線形插值計(jì)算：公式8后驗(yàn)概率P(R|S)的線性插值圖1杜達(dá)公式的說明P(E|S)由用戶給定，但是P(E)和P(E|S)很難區(qū)分和取值解決方法:替代法對于原始證據(jù)，由用戶給定可信度C(E|S)，對應(yīng)P(E|S)C(E|S)取值從-5到5的整數(shù)-5-4-3-2-1012345P(E|S)=1P(E|S)=0此時(shí)公式8變換為公式9公式93.推理模型一.組合證據(jù)不確定性的計(jì)算組合證據(jù)為多個(gè)證據(jù)的合取時(shí),即E=E1ANDE2AND…En組合證據(jù)為多個(gè)證據(jù)的析取時(shí),即E=E1ORE2OR…En二.證據(jù)不確定性的傳遞(1)對于葉結(jié)點(diǎn)證據(jù)E的傳遞該公式基于R-E-S的推理鏈公式9RES葉結(jié)點(diǎn)不確定性的傳遞三.結(jié)論不確定性的合成n條規(guī)則都支持同一結(jié)論R,這些規(guī)則的前提條件E1,E2,…,En

相互獨(dú)立每個(gè)證據(jù)所對應(yīng)的觀察為S1,S2,…,Sn先計(jì)算O(R|Si)，然后再計(jì)算所有觀察下，

R的后驗(yàn)幾率計(jì)算方法:(公式11)例題設(shè)有如下規(guī)則：規(guī)則1:IFE1THEN(2,0.001)R規(guī)則2:IFE2THEN(100,0.001)R且O(R)=0.1,C(E1|S1)=2,C(E2|S2)=1試畫出推理樹，并計(jì)算O(R|S1,S2)RE1S1E2S2推理樹P(R|S1,S2)O(R|Si)P(R|Si)公式9解題步驟：(1)先計(jì)算P(R|S1),并計(jì)算O(R|S1);利用公式2，公式5，公式9(2)兩條規(guī)則支持同一個(gè)結(jié)論，計(jì)算O(R|S1,S2);利用公式11小結(jié)主觀Bayes方法（條件概率）當(dāng)一個(gè)事件發(fā)生后，先驗(yàn)概率如何轉(zhuǎn)變?yōu)楹篁?yàn)概率推理前知道結(jié)論的先驗(yàn)概率信息證據(jù)不確定時(shí)，必須采用杜達(dá)等人推導(dǎo)的公式:P(R|S)=P(R|E)×P(E|S)+P(R|﹁E)×P(﹁E|S)傳遞公式:公式9和公式10設(shè)有如下規(guī)則：規(guī)則1:IFE1THEN(2,0.1)R規(guī)則:IFE2THEN(10,1)R且P(R)=0.01,C(E1|S1)=2,試根據(jù)主觀Bayes方法，計(jì)算O(R|S1,S2)練習(xí)練習(xí)設(shè)有如下規(guī)則：規(guī)則1:IFE1THEN(2,0.1)R規(guī)則2:IFE2THEN(100,0.1)R且已知O(R)=0.1,C(E1|S1)=3,C(E2|S2)=-1,試用主觀Bayes方法計(jì)算：O(R|S1,S2)=?演講完畢，謝謝觀看！附錄資料：人工智能簡介?AboutTeachingPlan基本要求：人工智能是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支，是目前迅速發(fā)展的一門新興學(xué)科，新思想新方法層出不窮。其基本思想是利用機(jī)器來模仿和執(zhí)行人腦的功能，如判斷、推理、證明、識(shí)別、感知、理解、設(shè)計(jì)、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動(dòng)。對于培養(yǎng)學(xué)生計(jì)算機(jī)技術(shù)的應(yīng)用能力，開闊思路和視野，有重要意義。

?AboutTeachingPlan因此，要求學(xué)生掌握知識(shí)表示和問題求解的幾種常用方法，尤其是不確定性推理；掌握機(jī)器學(xué)習(xí)基本概念，了解幾種機(jī)器學(xué)習(xí)方法尤其是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法；掌握專家系統(tǒng)的概念，了解專家系統(tǒng)設(shè)計(jì)方法，掌握一些智能控制方法，了解國內(nèi)外人工智能研究尤其是機(jī)器人的最新進(jìn)展；具有一定的人工智能編程設(shè)計(jì)能力（利用Lisp或Prolog語言）。?AboutTeachingPlan課程內(nèi)容以及學(xué)時(shí)分配人工智能引論(1) 人工智能概念及與計(jì)算機(jī)的關(guān)系，研究途徑、內(nèi)容和應(yīng)用領(lǐng)域概況介紹，其他最新材料。符號主義、連接主義、行為主義三大流派人工智能數(shù)學(xué)基礎(chǔ)(1)知識(shí)表示方法（2） 狀態(tài)空間法、問題歸約法，謂詞邏輯法、產(chǎn)生式表示法（動(dòng)物識(shí)別系統(tǒng)）；CLIPS語言；語義網(wǎng)絡(luò)法、框架法（這是結(jié)構(gòu)化表示）；劇本、過程、Petri網(wǎng)、面向?qū)ο蟮谋硎尽?AboutTeachingPlan 搜索技術(shù)和策略（3-4）狀態(tài)空間法，盲目搜索和啟發(fā)式搜索，A*算法；海伯倫理論、消解原理和策略；與\或形推理和搜索策略；其他求解技術(shù)。 不確定推理技術(shù)（3-4）主觀Bayes理論；可信度方法和證據(jù)理論；系統(tǒng)組織技術(shù)；非單調(diào)推理；Rete快速算法；模糊推理技術(shù)；基于語義網(wǎng)絡(luò)和框架不確定推理； 專家系統(tǒng)（2）專家系統(tǒng)概念、結(jié)構(gòu)和知識(shí)獲取；黑板模型、知識(shí)組織、管理及系統(tǒng)建造和開發(fā)工具；專家系統(tǒng)舉例及編程。

人工智能程序設(shè)計(jì)（1）人工智能語言基本機(jī)制：LISP和PROLOG。?AboutTeachingPlan 模式識(shí)別導(dǎo)論（3）模式識(shí)別專題：概率模式識(shí)別。模式識(shí)別專題：結(jié)構(gòu)模式識(shí)別 機(jī)器學(xué)習(xí)（1）：機(jī)械,解釋經(jīng)驗(yàn),事例,歸納,概念,類比學(xué)習(xí)等；統(tǒng)計(jì),結(jié)構(gòu),模糊模式識(shí)別。 專題講座（3次） 1)神經(jīng)網(wǎng)絡(luò)基本理論和應(yīng)用 (史奎凡課程：安排于人工智能理論與應(yīng)用課程內(nèi))； 2)智能體（Agent）； 3)自然語言處理； 4)智能控制和機(jī)器人科學(xué) 智能控制的結(jié)構(gòu)理論和研究領(lǐng)域，智能控制系統(tǒng)及應(yīng)用示例；機(jī)器人規(guī)劃、機(jī)器視覺和自然語言理解等。?AboutTeachingPlan 實(shí)踐：1) 搜索技術(shù)和策略2) 不確定推理技術(shù)3) 專家系統(tǒng)：動(dòng)物識(shí)別系統(tǒng)4) 模式識(shí)別技術(shù)5) 調(diào)研： 搜索技術(shù)和策略、不確定推理技術(shù)、統(tǒng)計(jì)模式識(shí)別、機(jī)器學(xué)習(xí)等四個(gè)領(lǐng)域進(jìn)展報(bào)告。?ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是當(dāng)前科學(xué)技發(fā)展的一門前沿學(xué)科，同時(shí)也是一門新思想，新觀念，新理論，新技術(shù)不斷出現(xiàn)的新興學(xué)科以及正在發(fā)展的學(xué)科。它是在計(jì)算機(jī)科學(xué)，控制論，信息論，神經(jīng)心理學(xué)，哲學(xué)，語言學(xué)等多種學(xué)科研究的基礎(chǔ)發(fā)展起來的，因此又可把它看作是一門綜合性的邊緣學(xué)科。它的出現(xiàn)及所取得的成就引起了人們的高度重視,并取得了很高的評價(jià)。有的人把它與空間技術(shù)，原子能技術(shù)一起并譽(yù)為20世紀(jì)的三大科學(xué)技術(shù)成就。?Intelligence智能是知識(shí)與智力的總合。 知識(shí)——智能行為的基礎(chǔ)； 智力——獲取知識(shí)并運(yùn)用知識(shí)求解問題的能力。智能具有以下特征：(1)具有感知能力——指人們通過視覺、聽覺、觸覺、味覺、嗅覺等感覺器官感知外部世界的能力；(2)具有記憶與思維的能力——這是人腦最重要的功能，亦是人之所以有智能的根本原因；(3)具有學(xué)習(xí)能力及自適應(yīng)能力；(4)具有行為能力。ArtificialIntelligence人工智能——計(jì)算機(jī)科學(xué)的一個(gè)分支，是智能計(jì)算機(jī)系統(tǒng)，即人類智慧在機(jī)器上的模擬，或者說是人們使機(jī)器具有類似于人的智慧（對語言能理解、能學(xué)習(xí)、能推理）。?2.BriefHistoryofAI (1) 孕育（1956年前）古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R(shí)就是力量”德國數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茨）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號化，從而能對人的思維進(jìn)行運(yùn)算和推理。做出了能做四則運(yùn)算的手搖計(jì)算機(jī)英國數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實(shí)現(xiàn)了布萊尼茨的思維符號化和數(shù)學(xué)化的思想，提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。?美籍奧地利數(shù)理邏輯學(xué)家Godel（哥德爾）（1906-1978），證明了一階謂詞的完備性定；任何包含初等數(shù)論的形式系統(tǒng)，如果它是無矛盾的，那么一定是不完備的。意義在于，人的思維形式化和機(jī)械化的某種極限，在理論上證明了有些事是做不到的。英國數(shù)學(xué)家Turing(圖靈)（1912-1954）,1936年提出了一種理想計(jì)算機(jī)的數(shù)學(xué)模型（圖靈機(jī)），1950年提出了圖靈試驗(yàn)，發(fā)表了“計(jì)算機(jī)與智能”的論文。圖靈獎(jiǎng)。美國數(shù)學(xué)家Mauchly，1946發(fā)明了電子數(shù)字計(jì)算機(jī)ENIAC美國神經(jīng)生理學(xué)家McCulloch，建立了第一個(gè)神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。美國數(shù)學(xué)家Shannon（香農(nóng)）,1948年發(fā)表了《通訊的數(shù)學(xué)理論》，代表了“信息論”的誕生。? (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工學(xué)院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,貝爾實(shí)驗(yàn)室的C.E.Shannon共同發(fā)起，邀請了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位數(shù)學(xué)家、信息學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計(jì)算機(jī)科學(xué)家，在Dartmouth大學(xué)召開了一次關(guān)于機(jī)器智能的研討會(huì)，會(huì)上McCarthy提議正式采用了ArtificialIntelligence（人工智能）這一術(shù)語。這次會(huì)議，標(biāo)志著人工智能作為一門新興學(xué)科正式誕生了。 McCarthy（麥卡錫）——人工智能之父。這次會(huì)議之后的10年間，人工智能的研究取得了許多引人矚目的成就.機(jī)器學(xué)習(xí)方面：塞繆爾于1956年研制出了跳棋程序，該程序能從棋譜中學(xué)習(xí)，也能從下棋實(shí)踐中提高棋藝；?在定理證明方面：王浩于1958年在IBM機(jī)上證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理（220條），還證明了謂詞演算中150條定理85%；1965年，魯賓遜（Robinson）提出了消解原理；在模式識(shí)別方面：1959年塞爾夫里奇推出了一個(gè)模式識(shí)別程序；1965年羅伯特（Robert）編制出可辨別積木構(gòu)造的程序；在問題求解方面：1960年紐厄爾等人通過心理學(xué)試驗(yàn)總結(jié)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GPS,可以用來求解11種不同類型的問題；在專家系統(tǒng)方面：斯坦福大學(xué)的費(fèi)根鮑姆（E.A.Feigenbaum）自1965年開始進(jìn)行專家系統(tǒng)DENDRAL（化學(xué)分析專家系統(tǒng)），1968年完成并投入使用；在人工智能語言方面：1960年McCarthy等人建立了人工智能程序設(shè)計(jì)語言Lisp，該語言至今仍是建造智能系統(tǒng)的重要工具；1969年成立了國際人工智能聯(lián)合會(huì)議（InternationalJointConferencesOnArtificialIntelligence）? (3) 發(fā)展（1970年以后）70年代，開始從理論走向?qū)嵺`，解決一些實(shí)際問題。同時(shí)很快就發(fā)現(xiàn)問題：歸結(jié)法費(fèi)時(shí)、下棋贏不了全國冠軍、機(jī)器翻譯一團(tuán)糟。以Feigenbaum為首的一批年輕科學(xué)家改變了戰(zhàn)略思想，1977年提出知識(shí)工程的概念，以知識(shí)為基礎(chǔ)的專家咨詢系統(tǒng)開始廣泛的應(yīng)用。著名專家系統(tǒng)的有：DENDRAL化學(xué)分析專家系統(tǒng)（斯坦福大學(xué)1968）MACSYMA符號數(shù)學(xué)專家系統(tǒng)（麻省理工1971）MYCIN診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)（斯坦福大學(xué)1973）CASNET(CausalASsciationalNetwork)診斷和治療青光眼的專家咨詢系統(tǒng)（拉特格爾斯（Rutgers）大學(xué)70年代中）CADUCEUS(原名INTERNIST)醫(yī)療咨詢系統(tǒng)（匹茲堡大學(xué)）；HEARSAYI和II語音理解系統(tǒng)（卡內(nèi)基-梅隆大學(xué)）PROSPECTOR地質(zhì)勘探專家系統(tǒng)（斯坦福大學(xué)1976）XCON計(jì)算機(jī)配置專家系統(tǒng)（卡內(nèi)基-梅隆大學(xué)1978）??80年代，人工智能發(fā)展達(dá)到階段性的頂峰。?87,89年世界大會(huì)有６－７千人參加。硬件公司有上千個(gè)。并進(jìn)行Lisp硬件、Lisp機(jī)的研究。?在專家系統(tǒng)及其工具越來越商品化的過程中,國際軟件市場上形成了一門旨在生產(chǎn)和加工知識(shí)的新產(chǎn)業(yè)——知識(shí)產(chǎn)業(yè)。應(yīng)該說，知識(shí)工程和專家系統(tǒng)是近十余年來人工智能研究中最有成就的分支之一。?同年代，1986年Rumlhart領(lǐng)導(dǎo)的并行分布處理研究小組提出了神經(jīng)元網(wǎng)絡(luò)的反向傳播學(xué)習(xí)算法，解決了神經(jīng)網(wǎng)絡(luò)的根本問題之一。從此，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入新的高潮。?90年代，計(jì)算機(jī)發(fā)展趨勢為小型化、并行化、網(wǎng)絡(luò)化、智能化。?人工智能技術(shù)逐漸與數(shù)據(jù)庫、多媒體等主流技術(shù)相結(jié)合，并融合在主流技術(shù)之中，旨在使計(jì)算機(jī)更聰明、更有效、與人更接近。?日本政府于1992年結(jié)束了為期十年的稱為“知識(shí)信息處理體統(tǒng)”的第五代計(jì)算機(jī)系統(tǒng)研究開發(fā)計(jì)劃。并開始了為期十年的實(shí)況計(jì)算（RealWordComputing）計(jì)劃。?3.ResearchObjectsandMainContents

(1)人工智能的研究目標(biāo)

人工智能的長期研究目標(biāo)：構(gòu)造智能計(jì)算機(jī)。

人工智能的近期研究目標(biāo)：使現(xiàn)有的電子計(jì)算機(jī)更聰明，更有用，使它不僅能做一般的數(shù)值計(jì)算及非數(shù)值信息的數(shù)據(jù)處理，而且能運(yùn)用知識(shí)處理問題，能模擬人類的部分智能行為。?(2)人工智能研究的基本內(nèi)容

1.機(jī)器感知以機(jī)器視覺與機(jī)器聽覺為主。機(jī)器感知是機(jī)器獲取外部信息的基本途徑，是使機(jī)器具有智能不可或缺的組成部分，對此人工智能中已形成兩個(gè)專門的研究領(lǐng)域——

模式識(shí)別和自然語言理解。2.機(jī)器思維指通過感知的外部信息及機(jī)器內(nèi)部的各種工作信息進(jìn)行有目的的處理。主要開展以下幾方面的研究：(1)知識(shí)表示(2)知識(shí)的組織，累計(jì)，管理技術(shù)(3)知識(shí)的推理(4)各種啟發(fā)式搜索及控制策略(5)神經(jīng)網(wǎng)絡(luò)，人腦的結(jié)構(gòu)及其工作原理?3.機(jī)器學(xué)習(xí)

使計(jì)算能自動(dòng)獲取知識(shí)，能直接向書本學(xué)習(xí)，能通過與人談話學(xué)習(xí)，能通過對環(huán)境的觀察學(xué)習(xí)，并能在實(shí)踐中自我完善。4.機(jī)器行為機(jī)器行為主要指計(jì)算機(jī)的表達(dá)能力，即“說”、“寫”、“畫”等，對智能機(jī)器人，還應(yīng)該有人的四肢功能，即能走路，能取物，能操作等。5.智能系統(tǒng)及智能計(jì)算機(jī)的構(gòu)造技術(shù)?4.ResearchObjectsandMainContents人工智能面世以來，其研究途徑存在兩種不同的觀點(diǎn)：以符號處理為核心的方法——主張通過運(yùn)用計(jì)算機(jī)科學(xué)的方法進(jìn)行研究，實(shí)現(xiàn)人工智能在計(jì)算機(jī)的模擬。以網(wǎng)絡(luò)連接為主的連接機(jī)制方法——主張用生物學(xué)的方法進(jìn)行研究，搞清楚人類智能的本質(zhì)。(1)以符號處理為核心的方法該方法起源于紐厄爾等人的通用問題求解系統(tǒng)（GPS），用于模擬人類求解問題的心理過程，逐漸形成為物理符號系統(tǒng)，這種方法認(rèn)為： 人類研究的目標(biāo)是實(shí)現(xiàn)機(jī)器智能，而計(jì)算機(jī)自身具有符號處理能力，這種能力本身就蘊(yùn)含著演繹推理的內(nèi)涵，因而可通過運(yùn)行相應(yīng)的程序來體現(xiàn)某種基于邏輯思維的智能行為，達(dá)到模擬人類智能活動(dòng)的效果。目前人工智能的大部分研究成果都是基于這種方法實(shí)現(xiàn)的。?

該方法的主要特征是：

?立足于邏輯運(yùn)算和符號操作，適合于模擬人的邏輯思維過程，解決需要進(jìn)行邏輯推理的復(fù)雜問題；

?知識(shí)可用顯式的符號表示；

?便于模塊化；?能與傳統(tǒng)的符號數(shù)據(jù)庫鏈接；?可對推理結(jié)論做出解釋，便于對各種可能性進(jìn)行選擇。

但該方法不適合于形象思維；而且在用符號表示概念時(shí)其有效性在很大程度上取決于符號表示的正確性，且對帶噪聲的信息及不完整的信息難以處理。(2)以網(wǎng)絡(luò)連接為主的連接機(jī)制方法該方法是在人腦神經(jīng)元及其相互連接而成網(wǎng)絡(luò)的啟示下，試圖通過多人工神經(jīng)元間的并行協(xié)同作用來實(shí)現(xiàn)對人類智能的模擬。該方法認(rèn)為：大腦是人類一切智能活動(dòng)的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機(jī)制著手進(jìn)行研究，搞清楚大腦的結(jié)構(gòu)及它進(jìn)行信息處理的過程及機(jī)理，可望揭示人類智能的奧秘，從而真正實(shí)現(xiàn)人類智慧在機(jī)器上的模擬。?該方法的主要特征：?通過神經(jīng)元之間的并行協(xié)同作用實(shí)現(xiàn)信息處理，處理過程具有并行性、動(dòng)態(tài)性、全局性；?通過神經(jīng)元間分布式的物理聯(lián)系存儲(chǔ)知識(shí)和信息，因而可以實(shí)現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進(jìn)行有效地處理。近期的一些研究表明，該方法在模式識(shí)別、圖像信息壓縮等方面取得了一些研究成果；?通過神經(jīng)元間連接強(qiáng)度的動(dòng)態(tài)調(diào)整來實(shí)現(xiàn)對人類學(xué)習(xí)、分類等的模擬；?適合于模擬人類的形象思維過程；?求解問題時(shí)，可以比較快地球的一個(gè)近似解。該方法不適合于模擬人的邏輯思維過程，而且就目前神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀來看，由固定的體系結(jié)構(gòu)與組成方案所構(gòu)成的系統(tǒng)還達(dá)不到開發(fā)多種多樣知識(shí)的要求。?(3)系統(tǒng)集成

?符號方法善于模擬人的邏輯思維過程，求解問題時(shí)，如果問題有解，它可以準(zhǔn)確地求出最優(yōu)解；但求解過程的運(yùn)算量將隨問題的復(fù)雜性的增加成指數(shù)性增長，另外其知識(shí)和信息的符號化過程需要由人來完成，它自身不具備這種功能。?連接機(jī)制方法善于模擬人的形象思維過程，求解問題時(shí)，由于它的并行處理能力，可以較快地得到問題的解，但解一般是近似的，次優(yōu)的；另外，該方法求解問題的過程是隱式的，難以對求解過程以顯式解釋。

?將兩個(gè)方法結(jié)合起來，取長補(bǔ)短。

通過形象思維得到一個(gè)直覺的解或給出一種假設(shè)，然后用邏輯思維進(jìn)行仔細(xì)的論證或搜索，最終得到一個(gè)最優(yōu)解。