《人工智能導(dǎo)論》第2版 課件全套 凌鋒 1-1 從阿拉伯?dāng)?shù)字到計算機(jī) - 8-2 未來的人工智能

第2版人工智能導(dǎo)論微課1-1從阿拉伯?dāng)?shù)字到計算機(jī)智能對于人類來說尤其重要。幾千年來，人們一直在試圖理解人類是如何思考和行動的，不斷地了解人類的大腦是如何憑借它那小部分的物質(zhì)去感知、理解、預(yù)測并操縱一個遠(yuǎn)比其自身更大更復(fù)雜的世界。人工智能（AI）是計算機(jī)科學(xué)的重要分支，它涉及理解和構(gòu)建智能實(shí)體，并確保這些機(jī)器在各種情況下都能有效和安全地行動。人工智能對世界的影響“將超過迄今為止人類歷史上的任何事物”，它包含從學(xué)習(xí)、推理、感知等通用領(lǐng)域到下棋、數(shù)學(xué)證明、寫詩、駕駛或疾病診斷等子領(lǐng)域，人工智能可以與任何智能任務(wù)產(chǎn)生聯(lián)系。微課1-1從阿拉伯?dāng)?shù)字到計算機(jī)幾千年來，人類一直在利用工具幫助其思考。從人們開始用石頭代表數(shù)字，慢慢地，用來代表5、10、12、20等不同數(shù)字的石頭也就出現(xiàn)了，中世紀(jì)無處不在的計數(shù)板就直接來源于此，同樣的理念還催生了現(xiàn)代算盤。幾個世紀(jì)以來，人類發(fā)明的如計算尺和計算器這樣的工具，在一定程度上減輕了人們的腦力勞動量。1.1計算的淵源傳說在13世紀(jì)左右，當(dāng)時所有的數(shù)字都是用羅馬數(shù)字寫成的，只要想象一下將VI乘以VII得到XLII的復(fù)雜程度，就能想到像今天一樣在紙上計算是完全不可能的，這種復(fù)雜的操作需要依賴于計數(shù)板才能進(jìn)行。板的表面標(biāo)有網(wǎng)格，有表示個位、十位、百位等的豎列，但計算過程一點(diǎn)也不容易。實(shí)際上，古印度很早就想出了解決這些難題的方法。印度數(shù)學(xué)家使用一套十位數(shù)碼，規(guī)定每個位置的數(shù)字所代表的數(shù)位，按個、十、百依次類推。在讀到“234”這個數(shù)字時，我們就知道它包含了兩個一百、三個十及個位數(shù)四。這個概念一路向西經(jīng)過阿拉伯傳到歐洲，并最終取代了舊體系，大大提高了計算速度和解答復(fù)雜問題的能力。1.1.1阿拉伯?dāng)?shù)字1821年，英國數(shù)學(xué)家兼發(fā)明家查爾斯·巴貝奇開始了對數(shù)學(xué)機(jī)器的研究，這成為他奮斗一生的事業(yè)。在英國政府的資金支持下，巴貝奇創(chuàng)造了體積龐大且結(jié)構(gòu)復(fù)雜的差分機(jī)，它能進(jìn)行諸如編制表格這樣的簡單計算。但由于巴貝奇與工匠在機(jī)器零部件方面產(chǎn)生分歧，差分機(jī)一直都沒能最終完成。后來巴貝奇又開發(fā)分析機(jī)，它利用與提花機(jī)類似的鑿孔卡紙，可以勝任所有數(shù)學(xué)計算，本有希望成為真正的機(jī)械計算機(jī)，最終也沒有成功。1.1.2巴貝奇與數(shù)學(xué)機(jī)器公元8年，羅馬詩人奧維德完成的史詩中包含了皮格瑪利翁的故事。皮格瑪利翁雕刻了一座象牙少女像當(dāng)成自己的妻子，他真摯地祈禱神靈，將雕像變成了妻子。這個故事表明，在那個時代，將無生命的物體變成有生命的存在并不是一件不可思議的事情。1920年，捷克的卡雷爾·恰佩克在一部舞臺劇中創(chuàng)作了機(jī)器人Robot作為沒有情感的人造生命體，并最終還擁有了愛的能力。1.1.3“機(jī)器人”的由來科學(xué)家創(chuàng)造出了汽車、火車、飛機(jī)、收音機(jī)這樣無數(shù)的技術(shù)系統(tǒng)，它們模仿并拓展了人類身體器官的功能。但是，技術(shù)系統(tǒng)能不能模仿人類大腦的功能呢？到目前為止，人們對人類大腦還知之甚少，僅僅知道它是由100億到1000億個神經(jīng)細(xì)胞組成的器官，模仿它或許是天下最困難的事情了。1.2計算機(jī)的出現(xiàn)面對全球沖突，戰(zhàn)爭雙方會通過無線電發(fā)送命令和戰(zhàn)略信息，為了防止信息泄露，軍方會對信號進(jìn)行加密，而能否破解敵方編碼關(guān)乎著成百上千人的性命。一幫數(shù)學(xué)家開始致力于盡可能快地解決復(fù)雜數(shù)學(xué)問題。人們在戰(zhàn)爭期間制造的兩臺機(jī)器，可以被看做是現(xiàn)代計算機(jī)的源頭。一臺是美國的電子數(shù)字積分計算機(jī)（ENIAC），被譽(yù)為世界上第一臺通用電子數(shù)字計算機(jī)，另一臺是英國的巨人計算機(jī)（Colossus）。受這些制造經(jīng)驗(yàn)的啟發(fā)，二戰(zhàn)結(jié)束三年后，誕生了真正的計算機(jī)。1.2.1為戰(zhàn)爭而發(fā)展的計算機(jī)器今天，計算機(jī)幾乎存在于所有電子設(shè)備之中，通常只是因?yàn)樗绕渌x項都要便宜。比起亂七八糟一堆組件，這類嵌入式計算機(jī)只用一個簡單芯片就可以實(shí)現(xiàn)所有功能。雖然運(yùn)行速度不同、體積大小不一，但從根本上講，它們的功用都是一樣的。面包機(jī)內(nèi)嵌的存儲器可能無法運(yùn)行電子制表程序，它也沒有顯示屏、鍵盤和鼠標(biāo)供人機(jī)交互使用，但這些都是物理限制。如果為其配備更高級的存儲器和合適的外圍設(shè)備，它同樣能夠用來運(yùn)行指定的任何程序。1.2.2計算機(jī)無處不在機(jī)器人其實(shí)就是配有特殊外圍設(shè)備的電子設(shè)備，諸如手臂和輪子，以幫助其與外部環(huán)境進(jìn)行交互。機(jī)器人內(nèi)部的計算機(jī)能夠運(yùn)行程序，它的攝像頭拍攝物體影像后，相關(guān)程序通過數(shù)據(jù)中心里的貓和狗的照片就可以對影像進(jìn)行區(qū)分，以此來幫助機(jī)器人在現(xiàn)實(shí)環(huán)境中辨認(rèn)物體。1.2.2計算機(jī)無處不在電子計算機(jī)俗稱電腦，是一種通用的“在可改變的程序的控制下，存儲和操縱信息的機(jī)器”。用于描述解決特定問題的步驟序列稱為算法，算法可以變成軟件（程序）以確定硬件（物理機(jī)）能做什么。創(chuàng)建軟件的過程稱為編程。現(xiàn)代計算機(jī)的定義中有兩個關(guān)鍵要素：第一，計算機(jī)是用于操縱信息的設(shè)備。人們可以將信息存入計算機(jī)，計算機(jī)將信息轉(zhuǎn)換為新的、有用的形式，然后顯示或以其他方式輸出信息。第二，計算機(jī)在可改變的程序的控制下運(yùn)行。人工智能最根本也最宏偉的目標(biāo)之一就是建立人腦般的計算機(jī)模型，即使是精確性稍遜的模型也同樣十分有效。1.2.3通用計算機(jī)微課1-1從阿拉伯?dāng)?shù)字到計算機(jī)第2版人工智能導(dǎo)論微課1-2計算機(jī)的智能行為研究人員曾經(jīng)研究過幾種不同版本的人工智能：有些根據(jù)對人類行為的復(fù)刻來定義智能，而另一些用“理性”來抽象定義智能。智能主題的本身也各不相同：一些人將智能視為內(nèi)部思維過程和推理的屬性，而另一些人則關(guān)注智能的外部特征，也就是智能行為。從人與理性以及思想與行為這兩個維度來看，有4種可能的組合，即類人行為、類人思考、理性思考和理性行為。前兩者在某種程度上是與心理學(xué)相關(guān)的經(jīng)驗(yàn)科學(xué)，包括對真實(shí)人類行為和思維過程的觀察和假設(shè)；而后兩者涉及數(shù)學(xué)和工程的結(jié)合，并與統(tǒng)計學(xué)、控制理論和經(jīng)濟(jì)學(xué)相聯(lián)系。2.1計算機(jī)的智能行為圖靈測試（1950）被設(shè)計成一個思維實(shí)驗(yàn)，如果人類提問者在提出問題后無法分辨書面回答是來自人還是來自計算機(jī)，那么計算機(jī)就能通過測試。為通過圖靈（完全）測試，機(jī)器要具備的能力構(gòu)成了人工智能大部分內(nèi)容：·自然語言處理，以使用人類語言成功地交流；·知識表示，以存儲它所知道或聽到的內(nèi)容；·自動推理，以回答問題并得出新的結(jié)論；·機(jī)器學(xué)習(xí)，以適應(yīng)新的環(huán)境，并檢測和推斷模式?！び嬎銠C(jī)視覺和語音識別功能，以感知世界；·機(jī)器人學(xué)，以操縱對象并行動。2.1.1類人行為：圖靈測試不過，研究人員認(rèn)為研究智能的基本原理更為重要。例如：當(dāng)工程師和發(fā)明家停止模仿鳥類，轉(zhuǎn)而使用風(fēng)洞并學(xué)習(xí)空氣動力學(xué)時，對“人工飛行”的探索取得了成功。航空工程學(xué)著作并未將其領(lǐng)域的目標(biāo)定義為制造“能像鴿子一樣飛行，甚至可以騙過其他真鴿子的機(jī)器”。2.1.1類人行為：圖靈測試只有知道人類是如何思考的，才能說程序像人類一樣思考。可以通過3種方式來了解人類的思維：（1）內(nèi)省——試圖在自己進(jìn)行思維活動時捕獲思維；（2）心理實(shí)驗(yàn)——觀察一個人的行為；（3）大腦成像——觀察大腦的活動。一旦有了足夠精確的心智理論，就有可能把這個理論表達(dá)為計算機(jī)程序。如果程序的輸入/輸出行為與相應(yīng)的人類行為相匹配，那就表明程序的某些機(jī)制也可能在人類中存在。2.1.2類人思考：認(rèn)知建模認(rèn)知科學(xué)本身是一個引人入勝的領(lǐng)域。人們偶爾會評論人工智能技術(shù)和人類認(rèn)知之間的異同，但認(rèn)知科學(xué)必須建立在對人類或動物實(shí)驗(yàn)研究的基礎(chǔ)上。計算機(jī)視覺領(lǐng)域?qū)⑸窠?jīng)生理學(xué)證據(jù)整合到了計算模型中。此外，將神經(jīng)影像學(xué)方法與分析數(shù)據(jù)的機(jī)器學(xué)習(xí)技術(shù)相結(jié)合，開啟了“讀心”能力（即查明人類內(nèi)心思想的語義內(nèi)容）的研究。這種能力反過來可以進(jìn)一步揭示人類認(rèn)知的運(yùn)作方式。2.1.2類人思考：認(rèn)知建模希臘哲學(xué)家亞里士多德最早試圖法則化“正確思維”，他將其定義為無可辯駁的推理過程。例如，當(dāng)給出前提蘇格拉底是人和所有人都是凡人時，可以得出結(jié)論蘇格拉底是凡人。研究這些思維法則開創(chuàng)了稱為邏輯的領(lǐng)域。19世紀(jì)的邏輯學(xué)家建立了一套精確的符號系統(tǒng)，用于描述世界上物體及其之間的關(guān)系。這與普通算術(shù)表示系統(tǒng)形成對比，后者只提供關(guān)于數(shù)的描述。到1965年，任何用邏輯符號描述的可解問題在原則上都可以用程序求解，人工智能中所謂的邏輯主義就希望在此類程序的基礎(chǔ)上創(chuàng)建智能系統(tǒng)。2.1.3理性思考：“思維法則”按照常規(guī)的理解，邏輯要求關(guān)于世界的認(rèn)知是確定的，而實(shí)際上這很難實(shí)現(xiàn)。例如，人們對政治或戰(zhàn)爭規(guī)則的了解遠(yuǎn)不如對國際象棋或算術(shù)規(guī)則的了解。概率論填補(bǔ)了這一鴻溝，允許我們在掌握不確定信息的情況下進(jìn)行嚴(yán)格的推理。原則上，它允許我們構(gòu)建全面的理性思維模型，從原始的感知到對世界運(yùn)作方式的理解，再到對未來的預(yù)測。它無法做到的是形成智能行為。2.1.3理性思考：“思維法則”智能體（agent）是指某種能夠采取行動的東西。人們期望計算機(jī)智能體能夠完成更多的任務(wù)：自主運(yùn)行、感知環(huán)境、長期持續(xù)存在、適應(yīng)變化以及制定和實(shí)現(xiàn)目標(biāo)。理性智能體需要為取得最佳結(jié)果或在存在不確定性時取得最佳期望結(jié)果而采取行動?；谌斯ぶ悄艿摹八季S法則”方法重視正確的推斷。做出正確的推斷有時是理性智能體的一部分，因?yàn)椴扇±硇孕袨榈囊环N方式是推斷出某個給定的行為是最優(yōu)的，然后根據(jù)這個結(jié)論采取行動。但是，理性行為的有些方式并不能說與推斷有關(guān)。例如，從火爐前退縮是一種反射作用，這通常比經(jīng)過深思熟慮后采取的較慢的動作更為成功。2.1.4理性行為：理性智能體簡而言之，人工智能專注于研究和構(gòu)建做正確的事情的智能體，其中正確的事情是我們提供給智能體的目標(biāo)定義。這種通用范式非常普遍，它不僅適用于人工智能，也適用于其他領(lǐng)域?？刂评碚撝?，控制器使代價函數(shù)最小化；運(yùn)籌學(xué)中，策略使獎勵的總和最大化；統(tǒng)計學(xué)中，決策規(guī)則使損失函數(shù)最??；經(jīng)濟(jì)學(xué)中，決策者追求效用或某種意義的社會福利最大化。2.1.4理性行為：理性智能體艾倫·圖靈（1912.6.23-1954.6.7），出生于英國倫敦帕丁頓，畢業(yè)于普林斯頓大學(xué)，是英國數(shù)學(xué)家、邏輯學(xué)家，被譽(yù)為“計算機(jī)科學(xué)之父”“人工智能之父”，他是計算機(jī)邏輯的奠基者。1950年，圖靈在其論文《計算機(jī)器與智能》中提出了著名的“圖靈機(jī)”和“圖靈測試”等重要概念。首次提出了機(jī)器具備思維的可能性。他還預(yù)言，到20世紀(jì)末一定會出現(xiàn)可以通過圖靈測試的計算機(jī)。

圖1-13計算機(jī)科學(xué)之父，人工智能之父——圖靈2.2人工智能大師圖靈思想為現(xiàn)代計算機(jī)的邏輯工作方式奠定了基礎(chǔ)。為了紀(jì)念圖靈對計算機(jī)科學(xué)的巨大貢獻(xiàn)，1966年，由美國計算機(jī)協(xié)會（ACM）設(shè)立一年一度的“圖靈獎”，以表彰在計算機(jī)科學(xué)事業(yè)中做出重要貢獻(xiàn)的人。圖靈獎被喻為“計算機(jī)界的諾貝爾獎”。2.2人工智能大師約翰·馮·諾依曼（1903.12.28-1957.2.8），出生于匈牙利，畢業(yè)于蘇黎世聯(lián)邦工業(yè)大學(xué)，數(shù)學(xué)家，現(xiàn)代計算機(jī)、博弈論、核武器和生化武器等領(lǐng)域內(nèi)的科學(xué)全才，被后人稱為“現(xiàn)代計算機(jī)之父”和“博弈論之父”。他在泛函分析、遍歷理論、幾何學(xué)、拓?fù)鋵W(xué)和數(shù)值分析等眾多數(shù)學(xué)領(lǐng)域及計算機(jī)學(xué)、量子力學(xué)和經(jīng)濟(jì)學(xué)中都有重大成就，也為第一顆原子彈和第一臺電子計算機(jī)的研制做出了巨大貢獻(xiàn)。圖1-14現(xiàn)代計算機(jī)之父馮·諾依曼2.2人工智能大師微課1-2計算機(jī)的智能行為第2版人工智能導(dǎo)論微課1-3人工智能的定義將人類與其他動物區(qū)分開的特征之一就是省力工具的使用。人類發(fā)明車輪以減輕遠(yuǎn)距離攜帶重物的負(fù)擔(dān)，人類發(fā)明長矛從此不再徒手與獵物搏斗。數(shù)千年來，人類一直致力于創(chuàng)造越來越精密復(fù)雜的機(jī)器來節(jié)省體力，然而，時至今日，我們才具備了足夠的技術(shù)實(shí)力來探索更加通用的思考機(jī)器。人工智能是計算機(jī)科學(xué)的一個分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器。3.1人工智能概述顯然，人工智能就是人造的智能，它是科學(xué)和工程的產(chǎn)物。所有人工智能的研究都圍繞著計算機(jī)展開，其全部技術(shù)也都是在計算機(jī)中執(zhí)行的。“智能”，涉及到諸如意識、自我、思維（包括無意識的思維）等等問題。事實(shí)上，人們對自身智能的理解，對構(gòu)成人的智能的必要元素也了解有限。人工智能的研究往往涉及對人的智能本身的研究，關(guān)于動物或人造系統(tǒng)的智能也普遍被認(rèn)為是與人工智能相關(guān)。3.1人工智能概述《牛津英語詞典》對智能的定義為“獲取和應(yīng)用知識與技能的能力”。也許人工智能已經(jīng)影響了我們對智力的一般性認(rèn)識，人們會根據(jù)對實(shí)際情況的指導(dǎo)作用來判斷知識的重要程度。人工智能的一個重要領(lǐng)域就是儲存知識以供計算機(jī)使用。棋局是程序員研究的早期問題。1997年，IBM機(jī)器深藍(lán)擊敗了人類象棋大師，但深藍(lán)并沒有顯示出任何人類特質(zhì)，僅僅只是對這一任務(wù)快速有效的編程而已。3.1人工智能概述人工智能研究領(lǐng)域的一個較早流行的定義，是由約翰·麥卡錫在1956年的達(dá)特茅斯會議上提出的，即：人工智能就是要讓機(jī)器的行為看起來像是人類所表現(xiàn)出的智能行為一樣。另一個定義指出：人工智能是人造機(jī)器所表現(xiàn)出來的智能性?？傮w來講，對人工智能的定義大多可劃分為四類，即機(jī)器“像人一樣思考”“像人一樣行動”“理性地思考”和“理性地行動”。這里“行動”應(yīng)廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。3.2人工智能定義尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關(guān)于知識的學(xué)科――怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)?！倍鴾厮诡D教授認(rèn)為：“人工智能就是研究如何使計算機(jī)去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機(jī)的軟/硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。人工智能不是人的智能，但能像人那樣思考，甚至也可能超過人的智能。3.2人工智能定義對于人的思維模擬的研究可以從兩個方向進(jìn)行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器；二是功能模擬，從人腦的功能過程進(jìn)行模擬?，F(xiàn)代電子計算機(jī)的產(chǎn)生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。實(shí)現(xiàn)人工智能有三種途徑，即強(qiáng)人工智能、弱人工智能和實(shí)用型人工智能。3.3人工智能的實(shí)現(xiàn)途徑強(qiáng)人工智能，又稱多元智能。研究人員希望人工智能最終能成為多元智能并且超越大部分人類的能力。有些人認(rèn)為要達(dá)成以上目標(biāo)，可能需要擬人化的特性，如人工意識或人工大腦，這被認(rèn)為是人工智能的完整性：為了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務(wù)，如機(jī)器翻譯，要求機(jī)器按照作者的論點(diǎn)（推理），知道什么是被人談?wù)摚ㄖR），忠實(shí)地再現(xiàn)作者的意圖（情感計算）。因此，機(jī)器翻譯被認(rèn)為是具有人工智能完整性。3.3人工智能的實(shí)現(xiàn)途徑強(qiáng)人工智能的觀點(diǎn)認(rèn)為有可能制造出真正能推理和解決問題的智能機(jī)器，并且這樣的機(jī)器將被認(rèn)為是有知覺的，有自我意識的。強(qiáng)人工智能可以有兩類：（1）類人的人工智能，即機(jī)器的思考和推理就像人的思維一樣；（2）非類人的人工智能，即機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。強(qiáng)人工智能即便可以實(shí)現(xiàn)也很難被證實(shí)。為了創(chuàng)建具備強(qiáng)人工智能的計算機(jī)程序，我們首先必須清楚了解人類思維的工作原理，而想要實(shí)現(xiàn)這樣的目標(biāo)，還有很長的路要走。3.3人工智能的實(shí)現(xiàn)途徑弱人工智能，認(rèn)為不可能制造出能真正地推理和解決問題的智能機(jī)器，這些機(jī)器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。弱人工智能只要求機(jī)器能夠擁有智能行為，具體的實(shí)施細(xì)節(jié)并不重要。深藍(lán)就是在這樣的理念下產(chǎn)生的，它沒有試圖模仿國際象棋大師的思維，僅僅遵循既定的操作步驟。倘若人類和計算機(jī)遵照同樣的步驟，那么比賽時間將會大大延長，因?yàn)橛嬎銠C(jī)每秒驗(yàn)算的可能走位就高達(dá)2億個，就算思維驚人的象棋大師也不太可能達(dá)到這樣的速度。3.3人工智能的實(shí)現(xiàn)途徑第三種途徑稱為實(shí)用型人工智能。研究者們將目標(biāo)放低，不再試圖創(chuàng)造出像人類一般智慧的機(jī)器。眼下我們已經(jīng)知道如何創(chuàng)造出能模擬昆蟲行為的機(jī)器人。機(jī)械家蠅看起來似乎并沒有什么用，但即使是這樣的機(jī)器人，在完成某些特定任務(wù)時也是大有裨益的。比如，一群如狗大小，具備螞蟻智商的機(jī)器人在清理碎石和在災(zāi)區(qū)找尋幸存者時就能夠發(fā)揮很大的作用。

圖2-6華盛頓大學(xué)研制的靠激光束驅(qū)動的RoboFly昆蟲機(jī)器人3.3人工智能的實(shí)現(xiàn)途徑隨著模型變得越來越精細(xì)，機(jī)器能夠模仿的生物越來越高等，最終，我們可能必須接受這樣的事實(shí)：機(jī)器似乎變得像人類一樣智慧了。也許實(shí)用型人工智能與強(qiáng)人工智能殊途同歸，但考慮到一切的復(fù)雜性，我們不會相信機(jī)器人會有自我意識。3.3人工智能的實(shí)現(xiàn)途徑微課1-3人工智能的定義第2版人工智能導(dǎo)論微課2-1什么是模糊邏輯模糊邏輯模仿人腦的不確定性概念判斷和推理思維方式，對于模型未知或不能確定的描述系統(tǒng)等，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過渡性界限或定性知識經(jīng)驗(yàn)，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難于對付的規(guī)則型模糊信息問題。4.1什么是模糊邏輯昆蟲有許多本能幫助其應(yīng)對不同環(huán)境。它可能傾向于遠(yuǎn)離光線，隱藏在樹葉和巖石下，這樣不容易被捕食者發(fā)現(xiàn)。然而，它也會朝食物移動，否則就會餓死。如果我們要制作一個甲蟲機(jī)器人，可以考慮賦予其如下規(guī)則：如果光線亮度高于50%，食物質(zhì)量低于50%，那么遠(yuǎn)離，否則接近。圖3-2甲蟲機(jī)器人4.1.1甲蟲機(jī)器人的規(guī)則如果食物和光線所占百分比一致會怎么樣？吃飽了的昆蟲會為了安全藏匿在黑暗中，而饑餓的昆蟲就會冒險去接近食物。光越亮，越危險；食物質(zhì)量越高，昆蟲越容易冒險。我們可以根據(jù)這一情況制定出更多規(guī)則，例如：如果饑餓和光線高于75%，食物質(zhì)量低于25%，那么遠(yuǎn)離，否則接近。但是，這些規(guī)則都無法很好把握極值。如果光線為76%，食物質(zhì)量為24%，機(jī)器人就會餓死，雖然這僅僅與所設(shè)置的規(guī)則相差1%。當(dāng)然，也可以設(shè)置更多規(guī)則來應(yīng)對極值和特殊情況，但這樣很快就會把程序變成無法理解的一團(tuán)亂麻。在不讓其變復(fù)雜的前提下，怎么能夠處理所有變數(shù)呢？4.1.1甲蟲機(jī)器人的規(guī)則在一家婚姻介紹所。一個女客戶的要求是高個子但不富有的男子。介紹所記錄中有一名男子，身高1.78米，年收入是全國平均水平的兩倍。應(yīng)該將這名男子介紹給客戶嗎？如何判斷什么是個子高？什么是富有？怎樣對資料庫中的男子進(jìn)行打分來找到最符合的對象？身高和收入之間不能簡單加減。模糊邏輯的發(fā)明就是為了解決這類問題。在模糊邏輯中，每一個情況的真值可以是0到1中間的任何值。假定身高超過2米是絕對高個子，身高低于1.7米的為不高，那么1.78米高的客戶可以算作0.55高，既不是特別高但是也不矮。因此，該男子是0.55高，0.45不高。同樣可以對“矮”的范疇進(jìn)行界定。4.1.2模糊邏輯的發(fā)明由此可以發(fā)現(xiàn)，“高”和“矮”的定義有一部分是重疊的，類似地，也可以說他是0.2富有，也就是0.8不富有。女性客戶的要求是“高AND（和）不富有”，所以計算“0.55AND0.8”，結(jié)果是0.44。通過檢索所有各選項，找到得分最高者就可以介紹給客戶了。在模糊邏輯中進(jìn)行“AND”與“OR”運(yùn)算時計算方法不同，如何選擇應(yīng)當(dāng)根據(jù)數(shù)字所起的作用決定。4.1.2模糊邏輯的發(fā)明更加復(fù)雜的專家系統(tǒng)可能用于決定銀行是否應(yīng)該向客戶提供貸款，規(guī)則如下：如果薪水高并且工作穩(wěn)定性高，那么風(fēng)險低。如果薪水低或者工作穩(wěn)定性低，那么風(fēng)險中等。如果信用評分低，那么風(fēng)險高。這一部分程序可能得出以下數(shù)據(jù)：風(fēng)險低=0.1 風(fēng)險中等=0.3 風(fēng)險高=0.7通過數(shù)學(xué)算法，這三組數(shù)據(jù)可以轉(zhuǎn)化為評估風(fēng)險的單個數(shù)字，這一過程被稱為去模糊化。從上述數(shù)據(jù)我們還是可以看出借貸的風(fēng)險程度可能為中等偏上。4.1.3制定模糊邏輯的規(guī)則模糊邏輯的另一用途就是控制機(jī)械裝置，例如控制供暖系統(tǒng)的部分規(guī)則如下：如果溫度高，那么停止供暖。如果溫度非常低，那么加強(qiáng)供暖。如果溫度低并且升溫慢，那么加強(qiáng)供暖。如果溫度低并且升溫快，那么中等供暖。如果溫度稍微偏低并且升溫慢，那么中等供暖。如果溫度稍微偏低并且升溫快，那么停止供暖。4.1.3制定模糊邏輯的規(guī)則運(yùn)行所有這些規(guī)則后，我們可以得到應(yīng)該停止供暖、中等供暖，以及加強(qiáng)供暖等的可能性。將這些可能性轉(zhuǎn)化為單個數(shù)據(jù)后就可以相應(yīng)地設(shè)置加熱器了。模糊控制系統(tǒng)管控設(shè)備狀態(tài)，并生成控制信號不斷調(diào)整以維持理想狀態(tài)。在設(shè)備非線性的情況下，某種控制可能因設(shè)備狀態(tài)產(chǎn)生不同影響，而模糊控制系統(tǒng)的優(yōu)勢在此時就能得以展現(xiàn)。4.1.3制定模糊邏輯的規(guī)則所謂模糊邏輯，是建立在多值邏輯基礎(chǔ)上，運(yùn)用模糊集合的方法來研究模糊性思維、語言形式及其規(guī)律的科學(xué)。模糊邏輯模仿人腦的不確定性概念判斷、推理思維方式，對于模型未知或不能確定的描述系統(tǒng)等，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過渡性界限或定性知識經(jīng)驗(yàn)，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難于對付的規(guī)則型模糊信息問題。模糊邏輯善于表達(dá)界限不清晰的定性知識與經(jīng)驗(yàn)，它區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實(shí)施規(guī)則型推理，解決種種不確定問題。4.2模糊邏輯的定義模糊邏輯十分有趣的原因有兩點(diǎn)。首先，它運(yùn)作良好，是將人類專長轉(zhuǎn)化為自動化系統(tǒng)的有力途徑。利用模糊邏輯建立的專家系統(tǒng)和控制程序能夠解決利用數(shù)學(xué)計算和常規(guī)邏輯系統(tǒng)難以解決的問題。其次，模糊邏輯與人類思維運(yùn)作模式十分匹配。它能夠成功吸收人類專長，因?yàn)閷＜覀兊谋磉_(dá)方式恰好與其向程序注入信息的模式相符。模糊邏輯以重疊的模糊類別表達(dá)世界，這也正是我們思考的方式。4.2模糊邏輯的定義1965年，美國加利福尼亞大學(xué)自動控制理論專家查德在關(guān)于“模糊控制”的一系列論著中首先提出了模糊集合的概念，標(biāo)志著模糊數(shù)學(xué)的誕生。模糊集合的引入，可將人的判斷、思維過程用比較簡單的數(shù)學(xué)形式直接表達(dá)出來，從而使對復(fù)雜系統(tǒng)做出合乎實(shí)際的、符合人類思維方式的處理成為可能，為經(jīng)典模糊控制器的形成奠定了基礎(chǔ)。1974年，英國人馬丹尼使用模糊控制語言建成的控制器、控制鍋爐和蒸汽機(jī)，取得了良好的效果。他的實(shí)驗(yàn)研究標(biāo)志著模糊控制的誕生。4.3模糊理論的發(fā)展創(chuàng)立和研究模糊邏輯的主要意義有：（1）運(yùn)用模糊邏輯變量、模糊邏輯函數(shù)和似然推理等理論，為尋找解決模糊性問題的突破口奠定了基礎(chǔ)，為研究模糊性對象指明了方向。（2）模糊邏輯在原有的布爾代數(shù)等數(shù)學(xué)和邏輯工具難以描述和處理的自動控制過程、疑難病癥的診斷、大系統(tǒng)的研究等方面具有獨(dú)到之處。（3）為人類從精確到模糊、從確定性到不確定性的研究提供了正確的研究方法。4.3模糊理論的發(fā)展對于經(jīng)典模糊控制系統(tǒng)穩(wěn)態(tài)性能的改善，模糊集成控制、模糊自適應(yīng)控制、專家模糊控制與多變量模糊控制的研究，特別是針對復(fù)雜系統(tǒng)的自學(xué)習(xí)與參數(shù)（或規(guī)則）自調(diào)整模糊系統(tǒng)方面的研究，尤其受到研究者的重視。將神經(jīng)網(wǎng)絡(luò)和模糊控制技術(shù)相互結(jié)合、取長補(bǔ)短，形成了一種模糊神經(jīng)網(wǎng)絡(luò)技術(shù)。由此組成一個更接近于人腦的智能信息處理系統(tǒng)，其發(fā)展前景十分誘人。4.3模糊理論的發(fā)展微課2-1什么是模糊邏輯第2版人工智能導(dǎo)論微課2-2大數(shù)據(jù)思維變革生產(chǎn)資料是人類文明的核心。農(nóng)業(yè)時代生產(chǎn)資料是土地，工業(yè)時代生產(chǎn)資料是機(jī)器，數(shù)字時代生產(chǎn)資料是數(shù)據(jù)。勞動方式是人類文明的重要表征。漁獵農(nóng)耕時代形成的是以手工勞動為主要方式的“手工文明”，工業(yè)時代發(fā)展為以機(jī)器勞動為主要方式的“機(jī)器文明”，智能時代則基于數(shù)字勞動而不斷推動和豐富著“數(shù)字文明”。5.1數(shù)據(jù)思維與變革“數(shù)字文明”折射出以大數(shù)據(jù)、人工智能等為代表的數(shù)字技術(shù)對世界和人類的影響，在廣度和深度上有了質(zhì)的飛躍，到了塑造一種人類文明新形態(tài)的高度。數(shù)字技術(shù)正以新理念、新業(yè)態(tài)、新模式全面融入人類經(jīng)濟(jì)、政治、文化、社會、生態(tài)文明建設(shè)各領(lǐng)域和全過程，給人類生產(chǎn)生活帶來廣泛而深刻的影響。以數(shù)字技術(shù)為基座的互聯(lián)網(wǎng)，促進(jìn)交流、提高效率，也在重塑制度、催生變革，更影響社會思潮和人類文明進(jìn)程。這是不可逆轉(zhuǎn)的時代趨勢。5.1數(shù)據(jù)思維與變革大數(shù)據(jù)是人工智能的基礎(chǔ)?！按髷?shù)據(jù)”全在于發(fā)現(xiàn)和理解信息內(nèi)容及信息與信息之間的關(guān)系，其精髓是我們分析信息時的三個思維轉(zhuǎn)變：第一，人們處理的數(shù)據(jù)從樣本數(shù)據(jù)變成全部數(shù)據(jù)；第二，由于是全樣本數(shù)據(jù)，人們不得不接受數(shù)據(jù)的混雜性，而放棄對精確性的追求；第三，人們通過對大數(shù)據(jù)的處理，減少對因果關(guān)系的渴求，轉(zhuǎn)而關(guān)注相關(guān)關(guān)系。5.1數(shù)據(jù)思維與變革很長時間以來，為了讓分析變得簡單，當(dāng)面臨大量數(shù)據(jù)時，通常都依賴于采樣分析。如今信息技術(shù)的條件已經(jīng)有了非常大的提高，人類可以處理的數(shù)據(jù)量已經(jīng)大大地增加，而且未來會越來越多。當(dāng)我們可以處理海量數(shù)據(jù)的時候，采樣就沒有什么意義了，而人們的方法和思維卻沒有跟上這種改變。在很多領(lǐng)域，從收集部分?jǐn)?shù)據(jù)到收集盡可能多的數(shù)據(jù)的轉(zhuǎn)變已經(jīng)發(fā)生。如果可能的話，我們會收集所有的數(shù)據(jù)，即“樣本=總體”，這是指我們能對數(shù)據(jù)進(jìn)行深度探討。5.2思維轉(zhuǎn)變之一：樣本=總體谷歌流感趨勢預(yù)測就是分析了全美幾十億條互聯(lián)網(wǎng)檢索記錄。分析整個數(shù)據(jù)庫，而不是對一個小樣本進(jìn)行分析，能夠提高微觀層面分析的準(zhǔn)確性，甚至能夠推測出某個特定城市的流感狀況。通過使用所有的數(shù)據(jù)，我們可以發(fā)現(xiàn)如若不然則將會在大量數(shù)據(jù)中淹沒掉的情況。例如，信用卡詐騙是通過觀察異常情況來識別的，只有掌握了所有的數(shù)據(jù)才能做到這一點(diǎn)。在這種情況下，異常值是最有用的信息，你可以把它與正常交易情況進(jìn)行對比。而且，因?yàn)榻灰资羌磿r的，所以你的數(shù)據(jù)分析也應(yīng)該是即時的。5.2思維轉(zhuǎn)變之一：樣本=總體當(dāng)然，有些時候，我們還是可以使用樣本分析法，畢竟我們?nèi)匀换钤谝粋€資源有限的時代。但是更多時候，利用手中掌握的所有數(shù)據(jù)成為了最好也是可行的選擇。于是，慢慢地，我們會完全拋棄樣本分析。5.2思維轉(zhuǎn)變之一：樣本=總體直到今天，我們的數(shù)字技術(shù)依然建立在精準(zhǔn)的基礎(chǔ)上。我們假設(shè)只要電子數(shù)據(jù)表格把數(shù)據(jù)排序，數(shù)據(jù)庫引擎就可以找出和我們檢索的內(nèi)容完全一致的檢索記錄。這種思維方式適用于掌握“小數(shù)據(jù)量”的情況，因?yàn)樾枰治龅臄?shù)據(jù)很少，所以我們必須盡可能精準(zhǔn)地量化我們的記錄。在某些方面，我們已經(jīng)意識到了差別。隨著規(guī)模的擴(kuò)大，對精確度的癡迷將減弱。針對小數(shù)據(jù)量和特定事情，追求精確性依然是可行的。但是，在大數(shù)據(jù)時代，很多時候追求精確度已經(jīng)變得不可行。大數(shù)據(jù)紛繁多樣，優(yōu)劣摻雜，我們需要的是掌握大體的發(fā)展方向。適當(dāng)忽略微觀層面上的精確度會讓我們在宏觀層面擁有更好的洞察力。5.3思維轉(zhuǎn)變之二：接受數(shù)據(jù)的混雜性在越來越多的情況下，使用所有可獲取的數(shù)據(jù)變得更為可能，但為此也要付出一定的代價。數(shù)據(jù)量的大幅增加會造成結(jié)果的不準(zhǔn)確，與此同時，一些錯誤的數(shù)據(jù)也會混進(jìn)數(shù)據(jù)庫。然而，重點(diǎn)是我們能夠努力避免這些問題。5.3思維轉(zhuǎn)變之二：接受數(shù)據(jù)的混雜性尋找因果關(guān)系是人類長久以來的習(xí)慣。相反，在大數(shù)據(jù)時代，我們無須再緊盯事物之間的因果關(guān)系，而應(yīng)該尋找事物之間的相關(guān)關(guān)系，這會給我們提供非常新穎且有價值的觀點(diǎn)。相關(guān)關(guān)系也許不能準(zhǔn)確地告知我們某件事情為何會發(fā)生，但是它會提醒我們這件事情正在發(fā)生。在很多時候，尋找數(shù)據(jù)間的關(guān)聯(lián)并利用這種關(guān)聯(lián)就足夠了。例如，如果數(shù)百萬條電子醫(yī)療記錄都顯示橙汁和阿司匹林的特定組合可以治療癌癥，那么找出具體的藥理機(jī)制就沒有這種治療方法本身來得重要。同樣，只要我們知道什么時候是買機(jī)票的最佳時機(jī)，就算不知道機(jī)票價格瘋狂變動的原因也無所謂了。5.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系不像因果關(guān)系，證明相關(guān)關(guān)系的實(shí)驗(yàn)耗資少，費(fèi)時也少。與之相比，分析相關(guān)關(guān)系，我們既有數(shù)學(xué)方法，也有統(tǒng)計學(xué)方法，同時，數(shù)字工具也能幫我們準(zhǔn)確地找出相關(guān)關(guān)系。相關(guān)關(guān)系分析本身意義重大，同時它也為研究因果關(guān)系奠定了基礎(chǔ)。通過找出可能相關(guān)的事物，我們可以在此基礎(chǔ)上進(jìn)行進(jìn)一步的因果關(guān)系分析．如果存在因果關(guān)系的話，我們再進(jìn)一步找出原因。這種便捷的機(jī)制通過實(shí)驗(yàn)降低了因果分析的成本。我們也可以從相互聯(lián)系中找到一些重要的變量，這些變量可以用到驗(yàn)證因果關(guān)系的實(shí)驗(yàn)中去。5.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系例如，Kaggle是一家為所有人提供數(shù)據(jù)挖掘競賽平臺的公司，舉辦了關(guān)于二手車的質(zhì)量競賽。二手車經(jīng)銷商將數(shù)據(jù)提供出來，參加比賽的統(tǒng)計學(xué)家們用這些數(shù)據(jù)建立一個算法系統(tǒng)來預(yù)測經(jīng)銷商拍賣的哪些車有可能出現(xiàn)質(zhì)量問題。相關(guān)關(guān)系分析表明，橙色的車有質(zhì)量問題的可能性只有其他車的一半。讀到這里，人們不禁會思考其中的原因，就陷入了各種各樣謎一樣的假設(shè)中。5.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系其實(shí)，我們沒必要一定要找出相關(guān)關(guān)系背后的原因，當(dāng)知道“是什么”的時候，“為什么”其實(shí)沒那么重要了，否則就會催生一些滑稽的想法。在大多數(shù)情況下，一旦我們完成了對大數(shù)據(jù)的相關(guān)關(guān)系分析，而又不再滿足于僅僅知道“是什么”時，我們就會繼續(xù)向更深層次研究因果關(guān)系，找出背后的“為什么”。5.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系因果關(guān)系還是有用的，但是它將不再被看成是意義來源的基礎(chǔ)。在大數(shù)據(jù)時代，即使很多情況下，我們依然指望用因果關(guān)系來說明我們所發(fā)現(xiàn)的相互聯(lián)系，但是，我們知道因果關(guān)系只是一種特殊的相關(guān)關(guān)系。相反，大數(shù)據(jù)推動了相關(guān)關(guān)系分析。相關(guān)關(guān)系分析通常情況下能取代因果關(guān)系起作用，即使不可取代的情況下，它也能指導(dǎo)因果關(guān)系起作用。5.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系微課2-2大數(shù)據(jù)思維變革第2版人工智能導(dǎo)論微課3-1智能體及其行為智能體（Agents）是指能自主活動的軟件或者硬件實(shí)體，它是人工智能領(lǐng)域中一個很重要的概念，任何獨(dú)立的能夠思考并可以同環(huán)境交互的實(shí)體都可以抽象為智能體。我們可以把人工智能進(jìn)一步定義為“對從環(huán)境中接受感知并執(zhí)行行動的智能體的研究”。“智能體”概念既能概括以機(jī)器為載體的人工智能，也能概括以有機(jī)體為載體的生物智能——生物就是感知環(huán)境并適應(yīng)環(huán)境的有機(jī)智能體。更一般地，“智能是系統(tǒng)通過獲取和加工信息而獲得的一種能力，從而實(shí)現(xiàn)從簡單到復(fù)雜的演化”，這也同時涵蓋了生物智能和機(jī)器智能。6.1智能體和環(huán)境任何通過傳感器感知環(huán)境并通過執(zhí)行器作用于該環(huán)境的事物都可以被視為智能體。我們從檢查智能體、環(huán)境以及它們之間的耦合，觀察到某些智能體比其他智能體表現(xiàn)得更好，可以自然而然地引出理性智能體的概念，即行為盡可能好。智能體的行為取決于環(huán)境的性質(zhì)。圖4-2智能體通過傳感器和執(zhí)行器

與環(huán)境交互6.1智能體和環(huán)境一個人類智能體以眼睛、耳朵和其他器官作為傳感器，以手、腿、聲道等作為執(zhí)行器。機(jī)器人智能體可能以攝像頭和紅外測距儀作為傳感器，各種電動機(jī)作為執(zhí)行器。軟件智能體接收文件內(nèi)容、網(wǎng)絡(luò)數(shù)據(jù)包和人工輸入（鍵盤／鼠標(biāo)／觸摸屏／語音）作為傳感輸入，并通過寫入文件、發(fā)送網(wǎng)絡(luò)數(shù)據(jù)包、顯示信息或生成聲音對環(huán)境進(jìn)行操作。環(huán)境可以是一切，甚至是整個宇宙。實(shí)際上，我們在設(shè)計智能體時關(guān)心的只是宇宙中某一部分的狀態(tài)，即影響智能體感知以及受智能體動作影響的部分。6.1智能體和環(huán)境我們使用術(shù)語感知來表示智能體的傳感器知覺的內(nèi)容。一般而言，一個智能體在任何給定時刻的動作選擇，可能取決于其內(nèi)置知識和迄今為止觀察到的整個感知序列，而不是它未感知到的任何事物。通過為每個可能的感知序列指定智能體的動作選擇，或多或少地說明了關(guān)于智能體的內(nèi)容。從數(shù)學(xué)上講，智能體的行為由智能體函數(shù)描述，該函數(shù)將任意給定的感知序列映射到一個動作。智能體函數(shù)是一種抽象的數(shù)學(xué)描述，而智能體程序是一個具體的實(shí)現(xiàn)，可以在某些物理系統(tǒng)中運(yùn)行。6.1智能體和環(huán)境理性智能體是做正確事情的事物。人工智能通常通過結(jié)果來評估智能體的行為。當(dāng)智能體進(jìn)入環(huán)境時，它會根據(jù)接受的感知產(chǎn)生一個動作序列，這會導(dǎo)致環(huán)境經(jīng)歷一系列的狀態(tài)。如果序列是理想的，則智能體表現(xiàn)良好，這個概念由性能度量描述，評估任何給定環(huán)境狀態(tài)的序列。6.2智能體的良好行為人類有適用于自身的理性概念，它與成功選擇產(chǎn)生環(huán)境狀態(tài)序列的行動有關(guān)，這些環(huán)境狀態(tài)序列從人類的角度來看是可取的。但是機(jī)器沒有自己的欲望和偏好，至少在最初，性能度量是在機(jī)器設(shè)計者的頭腦中或者是在機(jī)器受眾的頭腦中。一些智能體設(shè)計具有性能度量的顯式表示，而在其他設(shè)計中，性能度量完全是隱式的，智能體可能會做正確的事情，但它不知道為什么。應(yīng)該確?！笆┮詸C(jī)器的目的是我們真正想要的目的”，但是正確地制定性能度量可能非常困難。作為一般規(guī)則，更好的做法是根據(jù)一個人在環(huán)境中真正想要實(shí)現(xiàn)的目標(biāo)，而不是根據(jù)認(rèn)為智能體應(yīng)該如何表現(xiàn)來設(shè)計性能度量。6.2.1性能度量在任何時候，理性取決于以下4方面：（1）定義成功標(biāo)準(zhǔn)的性能度量；（2）智能體對環(huán)境的先驗(yàn)知識；（3）智能體可以執(zhí)行的動作；（4）智能體到目前為止的感知序列。于是，對理性智能體的定義是：對于每個可能的感知序列，給定感知序列提供的證據(jù)和智能體所擁有的任何先驗(yàn)知識，理性智能體應(yīng)該選擇一個期望最大化其性能度量的動作。6.2.2理性我們需要仔細(xì)區(qū)分理性和全知。全知的智能體能預(yù)知其行動的實(shí)際結(jié)果，并據(jù)此采取行動，但在現(xiàn)實(shí)中，全知是不可能的，理性不等同于完美。理性使期望性能最大化，而完美使實(shí)際性能最大化。要求理性智能體不僅要收集信息，還要盡可能多地從它所感知到的東西中學(xué)習(xí)。智能體的初始配置可以反映對環(huán)境的一些先驗(yàn)知識，但隨著智能體獲得經(jīng)驗(yàn)，這可能會被修改和增強(qiáng)。6.2.3全知、學(xué)習(xí)和自主有了理性的定義，構(gòu)建理性智能體還必須考慮任務(wù)環(huán)境，它本質(zhì)上是“問題”，理性智能體是“解決方案”。首先是指定任務(wù)環(huán)境，然后展示任務(wù)環(huán)境的多種形式。任務(wù)環(huán)境的性質(zhì)直接影響到智能體程序的恰當(dāng)設(shè)計。6.3環(huán)境的本質(zhì)討論簡單真空吸塵器智能體的理性時，必須為其指定性能度量、環(huán)境以及智能體的執(zhí)行器和傳感器，這些都?xì)w在任務(wù)環(huán)境的范疇下，稱其為PEAS（Performance，Environment，Actuator，Sensor，性能、環(huán)境、執(zhí)行器、傳感器）描述。在設(shè)計智能體時，第一步始終是盡可能完整地指定任務(wù)環(huán)境。6.3.1指定任務(wù)環(huán)境人工智能中可能出現(xiàn)的任務(wù)環(huán)境范圍非常廣泛。然而，我們可以確定少量的維度，并根據(jù)這些維度對任務(wù)環(huán)境進(jìn)行分類。這些維度在很大程度上決定了恰當(dāng)?shù)闹悄荏w設(shè)計以及智能體實(shí)現(xiàn)的主要技術(shù)系列的適用性。首先我們列出維度，然后分析任務(wù)環(huán)境，闡明思路。最困難的情況是部分可觀測的、多智能體的、非確定性的、序貫的、動態(tài)的、連續(xù)的且未知的。駕駛出租車除了駕駛員的環(huán)境大多是已知的，在所有其他方面都很難。在一個陌生的國家駕駛租來的汽車，那里有不熟悉的地理環(huán)境、不同的交通法規(guī)以及焦慮的乘客，這令人更加緊張。6.3.2任務(wù)環(huán)境的屬性人工智能的工作是設(shè)計一個智能體程序?qū)崿F(xiàn)智能體函數(shù)，即從感知到動作的映射。假設(shè)該程序?qū)⑦\(yùn)行在某種具有物理傳感器和執(zhí)行器的計算設(shè)備上，我們稱之為智能體架構(gòu)：智能體＝架構(gòu)＋程序顯然，我們選擇的程序必須是適合相應(yīng)架構(gòu)的程序。如果程序打算推薦步行這樣的動作，那么對應(yīng)的架構(gòu)最好有腿。架構(gòu)可能只是一臺普通PC，也可能是一輛帶有多臺車載計算機(jī)、攝像頭和其他傳感器的機(jī)器人汽車。通常，架構(gòu)使程序可以使用來自傳感器的感知，然后運(yùn)行程序，并將程序生成的動作選擇反饋給執(zhí)行器。6.4智能體的結(jié)構(gòu)微課3-1智能體及其行為第2版人工智能導(dǎo)論微課3-2智能代理技術(shù)大部分的人工智能應(yīng)用都是一個獨(dú)立和龐大的程序系統(tǒng)，通常系統(tǒng)在前期的實(shí)驗(yàn)性操作取得成功之后，卻無法按比例放大至所需要的規(guī)模，因?yàn)橄到y(tǒng)將變得太過龐大而運(yùn)作太慢。當(dāng)然，也可以利用其他途徑來擴(kuò)大規(guī)模，但常常又伴隨著難以理解甚至無法理解作為代價。因此，人們開發(fā)了智能代理來解決這些問題。所謂智能代理（IntelligentAgent，IA）在社會科學(xué)中是指一個理性并且自主的人或其他系統(tǒng)，它根據(jù)感知世界得到的信息來做出動作以影響這個世界。這一定義在計算機(jī)智能代理中同樣適用。7.1智能代理的定義智能代理是定期地收集信息或執(zhí)行服務(wù)的程序，它不需要人工干預(yù)，具有高度智能性和自主學(xué)習(xí)性，可以根據(jù)用戶定義的準(zhǔn)則，主動地通過智能化代理服務(wù)器為用戶搜集最感興趣的信息，然后利用代理通信協(xié)議把加工過的信息按時推送給用戶，并能推測出用戶的意圖，自主制訂、調(diào)整和執(zhí)行工作計劃。通常，廣義的智能代理包括人類、物理世界中的移動機(jī)器人和信息世界中軟件機(jī)器人，而狹義的智能代理則專指信息世界中的軟件機(jī)器人，它是代表用戶或其他程序，以主動服務(wù)的方式完成的一組操作的機(jī)動計算實(shí)體，主動服務(wù)包括主動適應(yīng)性和主動代理。7.1智能代理的定義斯坦福大學(xué)的海爾斯·羅斯認(rèn)為“智能代理持續(xù)地執(zhí)行3項功能：感知環(huán)境中的動態(tài)條件，執(zhí)行動作影響環(huán)境，進(jìn)行推理以解釋感知信息、求解問題、產(chǎn)生推理和決定動作。”他認(rèn)為，代理應(yīng)在動作選擇過程中進(jìn)行推理和規(guī)劃。7.1智能代理的定義智能代理是一套輔助人和充當(dāng)他們代表的軟件，例如人們可以借助于智能代理進(jìn)行網(wǎng)上交易。智能代理的典型工作過程如右圖所示。第一步：通過感知器收集外部環(huán)境信息；第二步：根據(jù)環(huán)境做出決策；第三步：通過執(zhí)行器影響外部環(huán)境。智能代理不斷重復(fù)這一過程直到目標(biāo)達(dá)成，這一過程被稱之為“感知執(zhí)行循環(huán)”。7.2智能代理的典型工作過程智能代理是可以進(jìn)行高級、復(fù)雜的自動處理的代理軟件。它在用戶沒有明確的具體要求的情況下，根據(jù)用戶需要，代替用戶進(jìn)行各種復(fù)雜的工作，如信息查詢、數(shù)據(jù)篩選及管理，并能推測用戶的意圖，自主制訂、調(diào)整和執(zhí)行工作計劃。智能代理可應(yīng)用于廣泛的領(lǐng)域，是信息檢索領(lǐng)域開發(fā)智能化、個性化信息檢索的重要技術(shù)之一。7.3智能代理的特點(diǎn)智能代理技術(shù)通常會在適當(dāng)?shù)臅r候幫助人們完成迫切需要完成的任務(wù)。通過離散各個部分，智能代理的復(fù)雜度大大降低，這樣的程序編寫和維護(hù)都更加簡單。雖然整個程序很復(fù)雜，但通過系統(tǒng)內(nèi)的協(xié)同合作，這種復(fù)雜性是可劃分的，完全可以修改某些模塊而不影響任何其他模塊。在人工智能領(lǐng)域中，多個智能代理在一個系統(tǒng)中協(xié)同作業(yè)，每個智能代理負(fù)責(zé)自己最擅長的工作。為了執(zhí)行任務(wù)，它們需要與其他做不同工作的智能代理溝通。每個智能代理都對環(huán)境進(jìn)行感知，它們的環(huán)境由任務(wù)所決定。7.4系統(tǒng)內(nèi)的協(xié)同合作智能代理可分為四種類型：信息代理；檢測和監(jiān)視代理；數(shù)據(jù)挖掘代理；用戶或個人代理。7.5智能代理的典型應(yīng)用智能代理系統(tǒng)的一個適用場景是股票市場。代理被用于分析市場行情，生成買賣指令建議，甚至直接買入和賣出股票。某些獨(dú)立代理還會監(jiān)控股票市場并生成統(tǒng)計數(shù)據(jù)，監(jiān)測異常價格變動，找尋適合買入或賣出的股票，管理用戶投資組合所代表的整體風(fēng)險并與用戶互動。交易智能代理根據(jù)獲取的新聞資訊和其它環(huán)境數(shù)據(jù)做出交易決策，并執(zhí)行交易過程。這一細(xì)分領(lǐng)域就是量化交易研究的內(nèi)容。7.5.1股票/債券/期貨交易醫(yī)療診斷的智能代理以病人的檢查結(jié)果——血壓、心率、體溫等等作為輸入推測病情，推測的診斷結(jié)果將告知醫(yī)生，并由醫(yī)生根據(jù)診斷結(jié)果給予病人恰當(dāng)?shù)闹委?。這一場景中、病人和醫(yī)生同時作為外部環(huán)境，只能代理的輸入和輸出不同。

圖4-10醫(yī)療診斷過程7.5.2醫(yī)療診斷搜索引擎智能代理的輸入包括網(wǎng)頁和搜索用戶，它一方面以網(wǎng)絡(luò)爬蟲抓取的網(wǎng)頁作為輸入存入數(shù)據(jù)庫，在用戶搜索時從數(shù)據(jù)庫中檢索匹配最合適的網(wǎng)頁返回給用戶。

圖4-11搜索引擎過程7.5.3搜索引擎實(shí)體機(jī)器人的智能代理與環(huán)境的交互過程與也相似。不同的是，它獲知環(huán)境是通過攝像頭、麥克風(fēng)、觸覺傳感器等物理外設(shè)實(shí)現(xiàn)，執(zhí)行決策也是輪子、機(jī)器臂、揚(yáng)聲器、腿等物理外設(shè)完成，因?yàn)閷?shí)體使用物理外設(shè)與周圍環(huán)境交互，所以與其它單純的人工智能應(yīng)用場景稍有區(qū)別。

圖4-12實(shí)體機(jī)器人與環(huán)境的交互過程7.5.4實(shí)體機(jī)器人游戲代理有兩種：一種用于與人類玩家實(shí)現(xiàn)對戰(zhàn)，比如你玩棋牌游戲，那么對于智能代理而言，你就是環(huán)境，智能代理將以你的操作作為輸入，以戰(zhàn)勝你為目標(biāo)來做出決策并執(zhí)行決策。另一種則充當(dāng)了游戲中的其它角色，智能代理的目的是讓游戲更加真實(shí)，更富可玩性。7.5.5電腦游戲微課3-2智能代理技術(shù)第2版人工智能導(dǎo)論微課4-1什么是知識表示8.1什么是知識表示知識是信息接受者通過對信息的提煉和推理而獲得的正確結(jié)論，是人對自然世界、人類社會以及思維方式與運(yùn)動規(guī)律的認(rèn)識與掌握，是人的大腦通過思維重新組合和系統(tǒng)化的信息集合。知識與知識表示是人工智能中的一項重要的基本技術(shù)，它決定著人工智能如何進(jìn)行知識學(xué)習(xí)。在信息時代，有許多可以處理和存儲大量信息的計算機(jī)系統(tǒng)。人們將知識定義為“處理信息以實(shí)現(xiàn)智能決策”，這個時代的挑戰(zhàn)是將信息轉(zhuǎn)換成知識，使之可以用于智能決策。從便于表示和運(yùn)用的角度出發(fā)，可將知識分為4種類型。（1）對象（事實(shí)）：物理對象和概念，如桌子結(jié)構(gòu)=高度、寬度、深度。（2）事件和事件序列（關(guān)于過程的知識）：時間元素和因果關(guān)系。描述當(dāng)前狀態(tài)和行為，還有發(fā)展變化及其相關(guān)條件、因果關(guān)系等知識。（3）執(zhí)行（辦事、操作等行為）：包括完成（步驟）事情的信息，也包括主導(dǎo)執(zhí)行的邏輯或算法的信息。如下棋、證明定理、醫(yī)療診斷等。（4）元知識：即知識的知識，關(guān)于各種事實(shí)的知識，可靠性和相對重要性的知識。8.1.1知識的概念這里的知識涵義和我們一般認(rèn)識的知識涵義有所區(qū)別，它是指以某種結(jié)構(gòu)化方式表示的概念、事件和過程。因此，并不是日常生活中的所有知識都能夠得以體現(xiàn)的，只有限定了范圍和結(jié)構(gòu)，經(jīng)過編碼改造的知識才能成為人工智能知識表示中的知識。知識的層次頻譜如右圖。數(shù)據(jù)可以是沒有附加任何意義或單位的數(shù)字。事實(shí)是具有單位的數(shù)字。信息將事實(shí)轉(zhuǎn)化為意義。知識是高階的信息表示和處理，方便做出復(fù)雜的決策和理解。8.1.1知識的概念“知識表示”是指把知識客體中的知識因子與知識關(guān)聯(lián)起來，便于人們識別和理解知識。知識表示是知識組織的前提和基礎(chǔ)。知識的表示是對知識的一種描述，或者說是對知識的一組約定，一種計算機(jī)可以接受的用于描述知識的數(shù)據(jù)結(jié)構(gòu)，是能夠完成對專家的知識進(jìn)行計算機(jī)處理的一系列技術(shù)手段。從某種意義上講，表示可視為數(shù)據(jù)結(jié)構(gòu)及其處理機(jī)制的綜合：表示=數(shù)據(jù)結(jié)構(gòu)+處理機(jī)制8.1.2知識表示方法知識表示包含兩層含義：（1）用給定的知識結(jié)構(gòu)，按一定的原則、組織表示知識；（2）解釋所表示知識的含義。對于人類而言，一個好的知識表示應(yīng)該具有以下特征：（1）它應(yīng)該是透明的，即容易理解。（2）通過語言、視覺、觸覺、聲音或者組合，都對人們的感官產(chǎn)生影響。（3）從所表示的世界的真實(shí)情況方面考查，其故事應(yīng)該讓人容易理解。8.1.2知識表示方法良好的表示可以充分利用機(jī)器龐大的存儲器和極快的處理速度，即充分利用其計算能力（具有每秒執(zhí)行數(shù)十億計算的能力）。一般來說，對于同一種知識可以采用不同的表示方法。反過來，一種知識表示模式可以表達(dá)多種不同的知識。但在解決某一問題時，不同的表示方法可能產(chǎn)生不同的效果。人工智能中知識表示方法注重知識的運(yùn)用，可以粗略地將其分為敘述式表示和過程式表示兩大類。8.1.2知識表示方法把知識表示為一個靜態(tài)的事實(shí)集合，并附有處理它們的一些通用程序，即敘述式表示描述事實(shí)性知識，給出客觀事物所涉及的對象是什么。敘述式知識表示將表示與知識運(yùn)用（推理）分開處理。其優(yōu)點(diǎn)是：（1）形式簡單、采用數(shù)據(jù)結(jié)構(gòu)、清晰明確、易于理解、增加可讀性。（2）模塊性好、減少了知識間的聯(lián)系、便于知識的獲取、修改和擴(kuò)充。（3）可獨(dú)立使用，這種知識表示出來后，可用于不同目的。其缺點(diǎn)是不能直接執(zhí)行，需要其他程序解釋它的含義，因此執(zhí)行速度較慢。8.2敘述式表示法將知識用使用它的過程來表示，即過程式表示描述規(guī)則和控制結(jié)構(gòu)知識，給出一些客觀規(guī)律，告訴怎么做，一般可用一段計算機(jī)程序來描述。例如，矩陣求逆程序，其中表示了矩陣的逆和求解方法的知識。這種知識是隱含在程序之中的，機(jī)器無法從程序的編碼中抽出這些知識。過程式表示法一般是表示“如何做”的知識。其優(yōu)點(diǎn)有：（1）可以被計算機(jī)直接執(zhí)行，處理速度快。（2）便于表達(dá)如何處理問題的知識和怎樣高效處理問題的啟發(fā)性知識。其缺點(diǎn)是：不易表達(dá)大量的知識，且表示的知識難于修改和理解。8.3過程式表示法微課4-1什么是知識表示第2版人工智能導(dǎo)論微課4-2知識表示方法圖片可以非常經(jīng)濟(jì)、精確地表示知識，一幅相關(guān)的圖片或圖形可以相對簡潔地傳達(dá)故事或消息。圖形草圖是一種非正式的繪圖，或者說是對場景、過程、心情或系統(tǒng)的概括?？紤]右側(cè)所示圖形，它試圖說明“計算生態(tài)學(xué)”問題——你不必是專家，就可以理解在網(wǎng)絡(luò)上工作時可能會遇到的各種情況。因此圖片達(dá)到了目的，對傳達(dá)信息而言，這是一個令人滿意的知識表示方案。9.1圖形草圖圖由一組有限數(shù)目的頂點(diǎn)（節(jié)點(diǎn)）加上一組有限數(shù)目的邊集合組成，每條邊由不同的點(diǎn)對組成。圖可以是有向的，也可以是無向的，并且具有標(biāo)簽和權(quán)重。在數(shù)學(xué)和圖論、計算機(jī)科學(xué)以及算法和人工智能領(lǐng)域，一個著名的圖的問題就是哥尼斯堡橋問題（左圖）。另一種等效的表示方法如右邊的圖，即把問題描述為數(shù)學(xué)圖。9.1圖形草圖哥尼斯堡橋問題是問能不能找到一條簡單的路徑，從與連接橋梁的陸地區(qū)域A、B、C或D的任何節(jié)點(diǎn)（點(diǎn)）開始，跨過7座橋一次且僅一次，然后回到起始點(diǎn)。瑞士著名的“圖論之父”歐拉解決了這個問題，他的結(jié)論是，由于每個節(jié)點(diǎn)的度（進(jìn)出節(jié)點(diǎn)的邊數(shù)目）必須是偶數(shù)，因此這條路徑不存在。一些人容易理解左邊的地圖，另一些人則更喜歡相對正式、使用數(shù)學(xué)表示的圖。但是，在推導(dǎo)問題解時，大多數(shù)人都同意右邊抽象圖有助于更好地理解所謂的歐拉性質(zhì)?？傊?，圖是知識表示的重要工具，是表示狀態(tài)、替代路徑和可度量路徑的自然方式。9.1圖形草圖對于需要分析方法，諸如深度優(yōu)先搜索和廣度優(yōu)先搜索（窮盡的方法）以及啟發(fā)式搜索（例如最佳優(yōu)先搜索和A*算法），這樣的問題使用搜索樹表示最合適。在知識表示中，所使用的另一類型的搜索樹是決策樹。9.2搜索樹（決策樹）本質(zhì)上人工智能與決策相關(guān)，它通常需要做出智能決定來解決問題，需要一種好的方式來評估要求做出決策的環(huán)境（即問題或條件）。產(chǎn)生式系統(tǒng)通?？梢允褂萌缦乱粋€形式規(guī)則集來表示：IF[條件]THEN[動作]通常稱為條件-動作、前件-后件、模式-動作或情境-響應(yīng)對?！f[己經(jīng)過了凌晨2:00，并且你必須開車]，then[確保你喝咖啡提神了]。·If[膝蓋疼痛，且在服用止痛藥后疼痛沒有消失]，then[請務(wù)必聯(lián)系醫(yī)生]。IF部分描述規(guī)則的先決條件，THEN部分描述規(guī)則的結(jié)論。規(guī)則表示方法主要用于描述知識和陳述各種過程知識之間的控制及其相互作用的機(jī)制。9.3產(chǎn)生式系統(tǒng)面向?qū)ο笫且环N編程范式，它可以直觀、自然地反映人類經(jīng)驗(yàn)，它基于繼承、多態(tài)性和封裝的概念。繼承是類之間的關(guān)系，子類可以繼承超類數(shù)據(jù)和方法。多態(tài)具有一個特征，即變量可以取不同類型的值來執(zhí)行某個函數(shù)。封裝是指不同層次的開發(fā)人員只需要知道某些信息，無須知道從底層到頂層的所有信息。這類似于數(shù)據(jù)抽象和數(shù)據(jù)隱藏的思想。9.4面向?qū)ο罂梢?，即使在知識表示、支持人工智能（框架、腳本和語義網(wǎng)絡(luò)）工作的方案中，也可以清晰地看到有關(guān)這種面向?qū)ο蟮乃枷氲膬?nèi)容。面向?qū)ο缶幊陶Z言的普及，如Java、C++、Python，表明面向?qū)ο笫潜硎局R的有效和有用的方式，特別當(dāng)構(gòu)建復(fù)雜信息結(jié)構(gòu)以利用公共屬性時更是如此。9.4面向?qū)ο罂蚣芊ㄊ前涯骋惶厥馐录驅(qū)ο蟮乃兄R儲存在一起的一種復(fù)雜的數(shù)據(jù)結(jié)構(gòu)。其主體是固定的，表示某個固定的概念、對象或事件，其下層由一些槽組成，表示主體每個方面的屬性?？蚣苁且环N層次的數(shù)據(jù)結(jié)構(gòu)，框架下層的槽可以看成一種子框架，子框架本身還可以進(jìn)一步分層次為側(cè)面，其屬性分別稱為槽值和側(cè)面值，具體值可以是程序、條件、默認(rèn)值或是一個子框架。相互關(guān)聯(lián)的框架連接起來組成框架系統(tǒng)，或稱框架網(wǎng)絡(luò)。框架法有利于將信息組織到系統(tǒng)中，利用現(xiàn)實(shí)世界的特征構(gòu)建系統(tǒng)。人們用框架來表達(dá)期望、目標(biāo)和規(guī)劃，使人類和機(jī)器可以更好地理解所發(fā)生的事情。9.5框架法語義網(wǎng)絡(luò)是知識表示中最重要的通用形式之一，是一種表達(dá)能力強(qiáng)而且靈活的知識表示方法。它通過概念及其語義關(guān)系來表達(dá)知識的一種網(wǎng)絡(luò)圖。從圖論的觀點(diǎn)看，它是一個“帶標(biāo)識的有向圖”。語義網(wǎng)絡(luò)利用節(jié)點(diǎn)和帶標(biāo)記的邊構(gòu)成的有向圖描述事件、概念、狀況、動作及客體之間的關(guān)系。帶標(biāo)記的有向圖能十分自然的描述客體之間的關(guān)系。9.6語義網(wǎng)絡(luò)如圖?，旣悡碛型斜?，托比是一只狗。狗是寵物的子集，所以狗可以是寵物。我們在這里看到了多重繼承，瑪麗擁有托比，并且瑪麗擁有一只寵物，托比恰好是寵物集中的一個成員。托比是被稱為狗的對象類中的一個成員?，旣惖墓放銮墒且恢粚櫸铮遣⒉皇撬械墓范际菍櫸?。在知識表示領(lǐng)域里，Is-A指的是類的父子繼承關(guān)系。9.6.1語義網(wǎng)絡(luò)表示知識圖譜是一種大規(guī)模語義網(wǎng)絡(luò)。有兩個關(guān)鍵詞，首先是語義網(wǎng)絡(luò)，表達(dá)了各種各樣的實(shí)體、概念及其之間的各類語義關(guān)聯(lián)。第二個關(guān)鍵詞是“大規(guī)模”。相比較于語義網(wǎng)絡(luò)，知識圖譜規(guī)模更大。在更多實(shí)際場合下，知識圖譜是作為一種技術(shù)體系，指代大數(shù)據(jù)時代知識工程的一系列代表性技術(shù)進(jìn)展的總和。9.6.2知識圖譜微課4-2知識表示方法第2版人工智能導(dǎo)論微課5-1基于規(guī)則的專家系統(tǒng)微課5-1基于規(guī)則的專家系統(tǒng)專家系統(tǒng)可以被看作是一類具有專門知識和經(jīng)驗(yàn)的計算機(jī)智能程序系統(tǒng)，它是早期人工智能的一個重要分支，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門知識的重大突破。專家系統(tǒng)一般采用人工智能中的知識表示和知識推理技術(shù)，根據(jù)系統(tǒng)中的知識與經(jīng)驗(yàn)，進(jìn)行推理和判斷，來模擬通常由人類領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題決策過程。事實(shí)上，大多數(shù)人只有在自己的專業(yè)領(lǐng)域才是專家。因此，雖然國際象棋大師通過數(shù)十年的實(shí)踐和研究，積累和建立起來約50000種規(guī)則的模式，但他們不是創(chuàng)建生活中其他事物啟發(fā)法、規(guī)則、方法的大師。每個人都是處理自己領(lǐng)域信息的專家，人們在掌握任何特定領(lǐng)域知識之前，需要長期的學(xué)習(xí)。10.1專家的技能與特點(diǎn)人類專家有多種方式來應(yīng)對知識爆炸。首先，結(jié)構(gòu)化知識庫。這樣可以讓求解者在相對狹窄的語境中進(jìn)行操作。其次，明確提出個人所應(yīng)具有的知識，這些知識是利用專有領(lǐng)域知識的最好方法，也就是所謂的元知識。最后，利用冗余性。通常情況下，人們可以明確一些條件，雖然這些條件沒有一個能夠唯一地確定解決方案，但是同時滿足這些條件卻可以得到唯一的方案。10.1.1在自己的領(lǐng)域里作為專家哲學(xué)家德雷福斯兄弟將“知道什么事”與“知道如何做”區(qū)分開來。前者指的是事實(shí)知識，例如遵循一套說明或步驟，但不等于“知道如何做”。專有技術(shù)基于“從新手到專家的過程中有5個技能獲取階段”這個前提：階段1：新手，只遵循規(guī)則，對任務(wù)領(lǐng)域沒有連貫的了解。階段2：熟手，開始從經(jīng)驗(yàn)中學(xué)到更多的知識，并能夠使用上下文線索。階段3：勝任的技能執(zhí)行者，不僅遵循規(guī)則，對任務(wù)環(huán)境也有明確了解。階段4：精通的問題求解者，正確認(rèn)識和選擇，還能夠找到最佳方式。階段5：專家，與其工作環(huán)境融為一體，應(yīng)對環(huán)境時能努力解決問題。10.1.2技能獲取的5個階段專家具有一定的特點(diǎn)和技術(shù)，能出色地完成如下工作：·解決問題——這是根本的能力，專家能夠解釋其決策過程?！そ忉尳Y(jié)果——了解基本原則，并能夠?qū)⑦@些原則應(yīng)用到新的問題上?！W(xué)習(xí)——人類專家不斷學(xué)習(xí)，從而提高了自己的能力。·重構(gòu)知識——改進(jìn)其知識以適應(yīng)新的問題環(huán)境，這是人的獨(dú)特特征?！ご蚱埔?guī)則——真正的人類專家知道其學(xué)科中的異常情況。·了解自己的局限——人類專家知道他們能做什么、不能做什么?！て椒€(wěn)降級——在面對困難的問題時，人類專家不會崩潰。10.1.3專家的特點(diǎn)最初嘗試創(chuàng)建人工智能的研究人員曾經(jīng)認(rèn)為，人們所需要的不過是足夠的規(guī)則而已。從一開始人們就十分清楚，創(chuàng)造與人類完全相似的思維需要編寫大量的規(guī)則，甚至多過計算機(jī)能夠處理的極限，于是開始向這一目標(biāo)不斷邁進(jìn)。10.2規(guī)則與策略一般認(rèn)為只有人類才能進(jìn)行像下象棋這樣的游戲，所以這就成為人工智能研究者首先著手解決的問題。計算機(jī)編程進(jìn)行的第一批游戲都是具備制勝策略的。如果不存在制勝策略，計算機(jī)會尋找能夠?qū)崿F(xiàn)的最優(yōu)方案。我們假設(shè)對手會做出對其最有利的選擇，當(dāng)然，也希望將最優(yōu)選擇掌握在自己手中。所以，在考慮接下來的每一步行動時，會將獲勝概率最低的數(shù)字拋棄，在考慮對手的行動時，會更加關(guān)注那些會導(dǎo)致我們失敗的選擇，這就是極大極小化策略——在自己回合中爭取利益最大化，在對手回合則考慮利益最小化。10.2.1制勝策略對于更復(fù)雜的游戲來說，玩家需要考慮的可能性和玩法的數(shù)目都會龐大得多。一場國際象棋的可能棋盤走位數(shù)目用指數(shù)形式表示是1045，面對這樣巨大的數(shù)字，即使是深藍(lán)這樣的超級計算機(jī)，每秒能夠預(yù)估

2億個走位，也需要2×1024年才能夠決定第一步棋。優(yōu)秀的人類選手在走每一步棋時會考慮40個左右的棋盤位置，他們根據(jù)經(jīng)驗(yàn)就可以判斷哪些選擇是值得思索的，這對計算機(jī)程序而言也是困難所在。10.2.1制勝策略知識工程產(chǎn)生于社會科學(xué)與自然科學(xué)的相互交叉和科學(xué)技術(shù)與工程技術(shù)的相互滲透，它研究如何由計算機(jī)和通訊技術(shù)結(jié)合而組成新的教育、控制系統(tǒng)，研究的中心是“智能軟件服務(wù)”，即編制程序，提供軟件服務(wù)。知識工程促進(jìn)了計算機(jī)產(chǎn)品的更新?lián)Q代，必將對社會生產(chǎn)力新的飛躍，對社會生活新的變化，發(fā)生深刻的影響。圖5-4知識工程系統(tǒng)10.2.2知識工程基于人工智能知識表達(dá)方式的專家系統(tǒng)傾向于將計算組件與基于知識的組件分開，推理引擎不同于知識庫。知識數(shù)據(jù)庫通常包括規(guī)則，這些規(guī)則“由模式匹配”來調(diào)用。沒有領(lǐng)域?qū)＜业膸椭＜蚁到y(tǒng)是不可能的。從領(lǐng)域?qū)＜姨峁┑男畔⒅刑崛≈R，并將其規(guī)劃成知識庫，這種人就是知識工程師。知識工程師一直在尋找可用于表示和解決現(xiàn)有問題的最佳工具，嘗試組織知識，開發(fā)推理方法，構(gòu)建符號信息的技術(shù)。10.2.2知識工程從人類領(lǐng)域?qū)＜夷抢锾崛≈R，并將知識組織到可用的系統(tǒng)中，這一過程稱為知識獲取，實(shí)質(zhì)上這表示了專家對問題的理解，這對專家系統(tǒng)的能力至關(guān)重要，也是構(gòu)建專家系統(tǒng)面臨的最大挑戰(zhàn)。知識的識別和編碼是遇到的最復(fù)雜、最艱巨的任務(wù)之一。雖然知識來源很多，但最重要的來源是領(lǐng)域?qū)I(yè)人員。從專家處獲取知識的過程也稱為知識引導(dǎo)。無論使用什么方法，人們的目標(biāo)是為了揭示專家的知識，更好地了解專家解決問題的技能。10.2.3知識獲取在專家系統(tǒng)中，用戶在輸入一列數(shù)據(jù)后，系統(tǒng)通過數(shù)據(jù)推導(dǎo)出事實(shí)結(jié)論。其中一種應(yīng)用場景就是醫(yī)學(xué)診斷專家，他們輸入病人體現(xiàn)出來的所有癥狀，計算機(jī)對病因進(jìn)行診斷。然而，建立這類系統(tǒng)的前期嘗試均以失敗告終，原因歸根結(jié)底還是知識。醫(yī)學(xué)專家無法將他們了解的所有實(shí)際情況以完整、有邏輯的形式重現(xiàn)，想要對現(xiàn)有系統(tǒng)進(jìn)行信息補(bǔ)充就要重寫部分程序。所需要的就是能夠獨(dú)立展示醫(yī)學(xué)事實(shí)與程序本身的途徑，就像聊天機(jī)器人需要通用的數(shù)據(jù)庫那樣。10.3利用規(guī)則推導(dǎo)建立專家系統(tǒng)微課5-1基于規(guī)則的專家系統(tǒng)第2版人工智能導(dǎo)論微課5-2專家系統(tǒng)的發(fā)展專家系統(tǒng)應(yīng)用計算機(jī)中儲存的人類知識，解決一般需要人類專家才能處理的問題，它能推理解決特定問題，可供非專家們用來增進(jìn)解決問題的能力。專家系統(tǒng)可使專家知識獲得普遍應(yīng)用。專家系統(tǒng)因其在計算機(jī)科學(xué)和現(xiàn)實(shí)世界中的貢獻(xiàn)而曾經(jīng)被視為是人工智能中最古老、最成功、最知名和最受歡迎的領(lǐng)域。專家系統(tǒng)出現(xiàn)在20世紀(jì)70年代，當(dāng)時整個人工智能領(lǐng)域正處在發(fā)展的低谷，人們批判人工智能不能生成實(shí)時的、真實(shí)世界的工作系統(tǒng)。這個時期，由于在各個方面均不同程度地取得了一些重要成就，才使人們對人工智能又產(chǎn)生了一定的興趣。11.1建立專家系統(tǒng)的思考建立專家系統(tǒng)時，人們思考的第一個問題就是領(lǐng)域和問題是否合適?？紤]：（1）在這個領(lǐng)域，傳統(tǒng)編程可以有效地解決問題嗎？那些沒有有效算法、結(jié)構(gòu)不好的問題適合構(gòu)建專家系統(tǒng)。（2）領(lǐng)域的界限明確嗎？如果領(lǐng)域中的問題需要利用其他領(lǐng)域的專業(yè)知識，那么應(yīng)該定義一個明確的領(lǐng)域。（3）有使用專家系統(tǒng)的需求和愿望嗎？系統(tǒng)必須有用戶（市場）。（4）是否有愿意合作的人類專家？人類專家必須支持建設(shè)系統(tǒng)，必須意識到必需的合作和所需的時間，愿意投入大量的時間參與建設(shè)。11.1建立專家系統(tǒng)的思考（5）人類專家是否可以解釋知識，利于知識工程師可以理解知識？人類專家是否可以足夠清晰地解釋所使用的技術(shù)術(shù)語，是否可以讓知識工程師可以理解這些術(shù)語，并將它們轉(zhuǎn)化為計算機(jī)代碼。（6）解決問題的知識主要是啟發(fā)式的并且不確定嗎？基于知識和經(jīng)驗(yàn)以及專有技術(shù)，這樣的領(lǐng)域特別適用專家系統(tǒng)。專家系統(tǒng)偏重處理不確定和不精確的知識。它們可能在一部分時間內(nèi)正確工作，并且輸入數(shù)據(jù)可能不正確、不完整、不一致或有其他缺陷。有時，專家系統(tǒng)只是給出一些答案——甚至不是最佳答案。11.1建立專家系統(tǒng)的思考建設(shè)這些專家系統(tǒng)的目的包括：·分析。給定數(shù)據(jù)，確定問題的原因。·控制。確保系統(tǒng)和硬件按照規(guī)格執(zhí)行，實(shí)施控制任務(wù)。·設(shè)計。在某些約束下配置系統(tǒng)。根據(jù)給定要求形成所需方案和圖樣?！ぴ\斷。根據(jù)輸入信息來找到對象的故障和缺陷，推斷系統(tǒng)故障?！ぶ笇?dǎo)。分析、調(diào)試學(xué)生的錯誤并提供建議性的指導(dǎo)?！そ忉?。從數(shù)據(jù)推斷出情景描述?？捎糜诜治龇枖?shù)據(jù)，進(jìn)行闡述這些數(shù)據(jù)的實(shí)際意義。11.1建立專家系統(tǒng)的思考·監(jiān)視。將觀察值與預(yù)期值進(jìn)行比較，完成實(shí)時監(jiān)測任務(wù)?！び媱?。根據(jù)給定目標(biāo)或條件，設(shè)計動作，擬定行動計劃。·預(yù)測。根據(jù)對象的過去和現(xiàn)在情況來推斷對象的未來演變結(jié)果。·規(guī)定。為系統(tǒng)故障推薦解決方案?！みx擇。從多種可能性中確定最佳選擇?！つM。模擬系統(tǒng)組件之間的交互?！そ逃＝Y(jié)合診斷和調(diào)試給出故障排除方案，指定并實(shí)施糾正某類故障的規(guī)劃，用于教學(xué)和培訓(xùn)。11.1建立專家系統(tǒng)的思考專家系統(tǒng)是一個基于知識的系統(tǒng)，它能模擬人類專家的思維過程，解決對人類專家來說都相當(dāng)困難的問題。通常，一個高性能專家系統(tǒng)應(yīng)具備如下特征：（1）啟發(fā)性。使用邏輯知識，也使用啟發(fā)性知識，它運(yùn)用規(guī)范的專門知識和直覺的評判知識進(jìn)行判斷、推理和聯(lián)想，實(shí)現(xiàn)問題求解。（2）透明性。使用戶在不了解專家系統(tǒng)結(jié)構(gòu)的情況下，可以交互并了解知識內(nèi)容和推理思路，系統(tǒng)能回答用戶有關(guān)系統(tǒng)自身行為的問題。（3）靈活性。專家系統(tǒng)的知識與推理機(jī)構(gòu)的分離，使系統(tǒng)不斷接納新的知識，從而確保系統(tǒng)內(nèi)知識不斷增長以滿足商業(yè)和研究的需要。11.2專家系統(tǒng)的結(jié)構(gòu)專家系統(tǒng)一般由人機(jī)交互界面、知識庫、推理機(jī)、解釋器、綜合數(shù)據(jù)庫、知識獲取等6個部分構(gòu)成。其中尤以知識庫與推理機(jī)相互分離而別具特色。專家系統(tǒng)的體系結(jié)構(gòu)隨專家系統(tǒng)的類型、功能和規(guī)模的不同，而有所差異。圖中箭頭方向?yàn)閿?shù)據(jù)流動的方向。圖5-7專家系統(tǒng)的基本結(jié)構(gòu)11.2專家系統(tǒng)的結(jié)構(gòu)微課5-2專家系統(tǒng)的發(fā)展第2版人工智能導(dǎo)論微課6-1什么是機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是使計算機(jī)具有智能的根本途徑，它涉及到多學(xué)科知識，專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。機(jī)器學(xué)習(xí)的歷史可以追溯到17世紀(jì)，貝葉斯、拉普拉斯關(guān)于最小二乘法的推導(dǎo)和馬爾可夫鏈構(gòu)成了機(jī)器學(xué)習(xí)廣泛使用的工具和基礎(chǔ)。從1950年圖靈提議建立一個學(xué)習(xí)機(jī)器，到2000年初深度學(xué)習(xí)的實(shí)際應(yīng)用及進(jìn)展，機(jī)器學(xué)習(xí)有了很大的進(jìn)展。12.1什么是機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)最早的發(fā)展可以追溯到英國數(shù)學(xué)家貝葉斯（1702年~1761年）在1763年發(fā)表的貝葉斯定理，這是關(guān)于隨機(jī)事件A和B的條件概率（或邊緣概率）的一則數(shù)學(xué)定理，是機(jī)器學(xué)習(xí)的基本思想。其中，P(A|B)是指在B發(fā)生的情況下A發(fā)生的可能性，即根據(jù)以前的信息尋找最可能發(fā)生的事件。12.1.1機(jī)器學(xué)習(xí)的發(fā)展從20世紀(jì)50年代研究機(jī)器學(xué)習(xí)以來，不同時期的研究途徑和目標(biāo)并不相同，大體上可以劃分為四個階段。第一階段是20世紀(jì)50年代中葉到60年代中葉，屬于熱烈時期。主要研究“有無知識的學(xué)習(xí)”。這個時期最具代表性的研究是塞繆特的下棋程序。第二階段從20世紀(jì)60年代中葉到70年代中葉，被稱為機(jī)器學(xué)習(xí)的冷靜時期。主要研究將各領(lǐng)域的知識植入到系統(tǒng)里，通過機(jī)器模擬人類學(xué)習(xí)的過程。第三階段從20世紀(jì)70年代中葉到80年代中葉，稱為復(fù)興時期。在此期間，人們從學(xué)習(xí)單個概念擴(kuò)展到學(xué)習(xí)多個概念，探索不同的學(xué)習(xí)策略和方法。12.1.1機(jī)器學(xué)習(xí)的發(fā)展第四階段起步于20世紀(jì)80年代中葉，機(jī)器學(xué)習(xí)的這個新階段具有如下特點(diǎn)：（1）機(jī)器學(xué)習(xí)成為新的邊緣學(xué)科，它綜合應(yīng)用了心理學(xué)、生物學(xué)、神經(jīng)生理學(xué)、數(shù)學(xué)、自動化和計算機(jī)科學(xué)等形成了機(jī)器學(xué)習(xí)理論基礎(chǔ)。（2）融合各種學(xué)習(xí)方法，且形式多樣的集成學(xué)習(xí)系統(tǒng)研究正在興起。特別是連接符號的學(xué)習(xí)耦合可以更好地解決連續(xù)性信號處理中知識與技能的獲取與求精問題而受到重視。12.1.1機(jī)器學(xué)習(xí)的發(fā)展（3）機(jī)器學(xué)習(xí)與人工智能各種基礎(chǔ)問題的統(tǒng)一性觀點(diǎn)正在形成。例如學(xué)習(xí)與問題求解結(jié)合進(jìn)行、知識表達(dá)便于學(xué)習(xí)的觀點(diǎn)產(chǎn)生了通用智能系統(tǒng)的組塊學(xué)習(xí)。類比學(xué)習(xí)與問題求解結(jié)合的基于案例方法已成為經(jīng)驗(yàn)學(xué)習(xí)的重要方向。（4）各種學(xué)習(xí)方法應(yīng)用范圍不斷擴(kuò)大。歸納學(xué)習(xí)知識獲取工具在診斷專家系統(tǒng)中廣泛使用，連接學(xué)習(xí)在聲圖文識別中占優(yōu)勢，分析學(xué)習(xí)用于設(shè)計型專家系統(tǒng)，遺傳算法與強(qiáng)化學(xué)習(xí)在工程控制中有較好應(yīng)用，與符號系統(tǒng)耦合的深度學(xué)習(xí)在智能管理與智能機(jī)器人運(yùn)動規(guī)劃中發(fā)揮作用。12.1.1機(jī)器學(xué)習(xí)的發(fā)展機(jī)器學(xué)習(xí)在1997年達(dá)到巔峰，當(dāng)時，IBM深藍(lán)電腦在一場國際象棋比賽中擊敗了世界冠軍加里·卡斯帕羅夫。之后，谷歌開發(fā)專注于圍棋游戲的AlphaGo（阿爾法狗），盡管圍棋被認(rèn)為過于復(fù)雜，2016年AlphaGo終于獲得勝利，在一場五局比賽中擊敗世界冠軍李世石。圖5-4AlphaGo在圍棋賽中擊敗李世石12.1.1機(jī)器學(xué)習(xí)的發(fā)展學(xué)習(xí)是人類具有的一種重要的智能行為。蘭利（1996）的