人工智能.PPT

《人工智能.PPT》由会员分享，可在线阅读，更多相关《人工智能.PPT（73页珍藏版）》请在三一文库上搜索。

1、人工智能,Artificial Intelligence,课程内容,人工智能概述 知识表示方法 确定性推理 搜索策略 计算智能 不确定知识与推理 专家系统 机器学习 自然语言理解 分布智能 人工神经网络,课程安排,时间 2008.2-2008.5 形式 上课、讲座、讨论 要求 1.按时上课 2.参加并积极参与课堂讨论 3.考核合格,课程考核,总成绩 = 期末考试 + 平时成绩 +大作业,( 100% 60% 10% 30% ),主要参考书,人工智能一种现代方法(第二版) Stuart Russell， Peter Norvig著 人民邮电出版社 机器学习 Mitchell T. 机械工业出版社

2、,主要参考文献,IJCAI，世界人工智能大会，两年一次 AAAI，美国一年一次的年会 Artificial Intelligence Computational Intelligence IEEE Transactions on Pattern analysis and Machine Intelligence IEEE Intelligent Systems ,第一章 人工智能概述,什么是AI？ AI的基础 AI的产生与发展 AI的主要研究与应用领域 AI近期发展分析 AI研究的主要方法,什么是AI？,狭义： 计算机科学的一个分支，是智能计算机系统 (思维科学) 智能:与人的智能相当或相近

3、（对语言能理解、能学习、能推理） 广义 人类智能行为规律、智能理论方面的研究,形式化定义 目前还没有 一般解释 人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能 无形式化定义的理由 人工智能的严格定义依赖于对智能的定义 即要定义人工智能，首先应该定义智能 但智能本身也还无严格定义,什么是AI？,什么是AI？,什么是智能？（自然智能）,自然智能 指人类和一些动物所具有的智力和行为能力 人类的自然智能（简称智能） 指人类在认识客观世界中，由思维过程和脑力活动所表现出的综合能力。 人类大脑是如何实现智能的 两大难题之一：宇宙起源、人脑奥秘 对人脑奥秘知道什么 结构：1011-12

4、量级的神经元，分布并行 功能：记忆、思维、观察、分析 等 对智能的严格定义 有待于人脑奥秘的揭示，进一步认识,自然智能：人类和一些动物所具有的智力和行为能力 “智力”包括解决问题、进行多种运算、学习和处理各种新情况的能力。 “智力”与“具体能力”有区别：“智力”是指学会某种技能的能力、而不是指技能本身。 最重要的能力是指诸如判断、洞察力和创造力等与计算机没有关系的元素。,什么是AI？,什么是智能？（自然智能）,认识智能的观点,思维理论 智能来源于思维活动，智能的核心是思维，人的一切知识都是思维的产物。可望通过对思维规律和思维方法的研究，来揭示智能的本质。 知识阈值理论 智能取决于知识的数量及其

5、可运用程度。一个系统所具有的可运用知识越多，其智能就会越高。 进化理论 是美国MIT的Brooks在对人造机器虫研究的基础上提出来的。智能取决于感知和行为，取决于对外界复杂环境的适应，智能不需要知识、不需要表示、不需要推理，智能可由逐步进化来实现。,什么是AI？,智能的层次结构,高层智能 以大脑皮层（抑制中枢）为主，主要完成记忆、思维等活动。 中层智能 以丘脑（感觉中枢）为主，主要完成感知活动。 低层智能 以小脑、脊髓为主，主要完成动作反应活动。 不同观点在层次结构中的对应关系 思维理论 知识阈值理论 进化理论 中层智能和低层智能,高层智能,什么是AI？,智能包含的能力,感知能力 通过感知器官

6、感知外界的能力。是人类获得外界信息的基本途径，其处理方式有以下两种： 感知-动作方式：对简单、紧急信息 感知-思维-动作方式：对复杂信息 记忆和思维能力 记忆：对感知到的外界信息和由思维产生的内部知识的存储过程 思维：对已存储信息或知识的本质属性、内部知识的认识过程 思维方式： 抽象思维（逻辑思维）： 形象思维（直感思维）： 灵感思维（顿悟思维）：,什么是AI？,学习和自适应能力 学习：是一个具有特定目的的知识获取过程 是人的一种本能。不同人的学习方法、能力不同 自适应：是一种通过自我调节适应外界环境的过程 是人的一种本能。不同人的适应能力不同 行为能力 含义：是人们对感知到的外界信息作出动作

7、反应的能力 信息来源：由感知直接获得的外界信息 经过思维加工后的信息 实现过程：通过脊髓来控制 由语言、表情、体姿等来实现,智能包含的能力,什么是AI？,能力方面 人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能 学科方面 是一门研究如何构造智能机器或智能系统，以模拟、延伸和扩展人类智能的学科,什么是AI？,什么是AI？,人类大脑的认识模型是基于信息处理的思想,早期人类大脑的信息处理模型,关于智能,人工智能最感兴趣的问题是试图复制“普通人的智能”，如视觉和自然语言能力等等。 1950年英国数学家Alan Turing在思想（mind）杂志上发表了“Computer Machi

8、nery and Intelligence”一文，提出了Turing测试、机器学习、遗传算法和增量学习。,什么是AI？,智能的测量,图灵测试,受试者 人 B,受试者 机器 C,测试者 人 A,界面控制,ELIZA(*) (第一个计算机精神病医生的会话系统）,* Men are all alike. * IN WHAT WAYS * They are always bugging us about something or other. * CAN YOU THINK OF A SPECISL EXAMPLE. * Well, my boyfriend made me come here. *

9、YOUR BOYFRIEND MADE YOU COME HERE. * He says Im depressed much of the time . * I AM SORRY TO HEARE THAT YOU ARE DEPREDDED. * Its true.Im unhappy. * DO YOU THINK COMING HERE WILL HELP YOU NOT TO BE UNHAPPY. ,不同的教科书有不同的定义 主要在两个方面存在差异： -思维过程和推理 -行为 所谓人工智能，是指人类的各种智能行为和各类脑力劳动，诸如感知、记忆、情感、判断、推理、证明、识别、理解、通信

10、、设计、学习等思维活动，可用某种物化了的机器予以人工地实现,什么是AI？,自然语言处理 知识表示 自动推理 机器学习 计算机视觉 机器人技术 ,什么是AI？,AI的主要研究内容:,人工智能的研究目标,远期目标 揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能 涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展 近期目标 研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。 相互关系 远期目标为近期目标指明了方向 近期目标则为远期目标奠定了理论和技术基础,什么是AI？,AI的基础,哲学（公元前428年现在） 数学（

11、约800年现在） 经济学（1776年现在） 神经科学（1861年现在） 心理学（1879年现在） 计算机工程（1940年现在） 控制论（1948年现在） 语言学（1957年现在）,AI的产生与发展,人工智能52年,孕育期（1943年1955年） AI的诞生（1956年） AI基础技术的研究和形成(19561970) 知识应用期(19711980) 从学派分离走向综合（1980年现在） AI成为科学（1987年现在）,1. 孕育期（1943年1955年）,AI的产生与发展,1943年Warren McCulloch 和Walter Pitts:人工神经元模型 1946年美国人毛奇莱(Mauchl

12、y)和艾克特(Eckert):世界上第一台电子计算机ENIAC 1945年冯诺依曼(John Von Neumann): 冯诺依曼结构。 1948年维纳(N.Wiener）: 创立了控制论。控制论向人工智能的渗透，形成了行为主义学派。 1951年Marvin Minsky 和Dean Edmonds:神经元网络计算机 1950年Alan Turing: Computer Machinery and Intelligence,2. AI的诞生（1956年）,AI的产生与发展,AI诞生于一次历史性的聚会 时间：1956年夏季 地点：达特莫斯 (Dartmouth) 大学 目的：为使计算机变得更“聪

13、明” ，或者说使计算机具有智能 发起人： 麦卡锡(J.McCarthy） ，Dartmouth的年轻数学家、计算机专家，后为MIT教授 明斯基(M.L.Minsky），哈佛大学数学家、神经学家，后为MIT教授 洛切斯特(N.Lochester)， IBM公司信息中心负责人 香农(C.E.Shannon)，贝尔实验室信息部数学研究员 参加人： 莫尔(T.more)、塞缪尔(A.L.Samuel)， IBM公司 塞尔夫里奇(O.Selfridge)、索罗蒙夫(R.Solomonff) ， MIT 纽厄尔(A.Newell)，兰德(RAND)公司 西蒙(H.A.Simon)，卡内基(Carnagie

14、)工科大学 会议结果： 由麦卡锡提议正式采用了“Artificial Intelligence”这一术语,1956年, 美国的达特茅斯 历史意义的会议，标志着人工智能的正式诞生。,McCarthy“人工智能之父”,AI的产生与发展,AI的产生与发展,3.人工智能基础技术的研究和形成(19561970),心理学小组 1957年：纽厄尔、肖(J.Shaw)和西蒙等人的心理学小组研制了一个称为逻辑理论机(Logic Theory Machine，简称LT)的数学定理证明程序。 1960年：研制了通用问题求解(General Problem Solving)程序。 IBM工程小组 1956年，塞缪尔在

15、IBM704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。 MIT小组 1958年，麦卡西建立了行动规划咨询系统。 1960年，麦卡西又研制了人工智能语言LISP。 1961年，明斯基发表了“走向人工智能的步骤”的论文 其他 1965年，鲁宾逊(J.A.Robinson)提出了归结（消解）原理。,有很多挫折和教训 以知识为中心的研究 1965年斯坦福大学计算机科学系的人工智能鼻祖费根鲍姆(E.A.Feigenbaum)，提出基于知识的系统。 1972年由绍特里夫(E.H.Shortliffe)等人开始研制医疗专家MYCIN系统。代表性的系统:DENDRAL、MACSYMA、M

16、YCIN和PROSPECTOR 专家系统，计算机视觉和机器人，自然语言理解和机器翻译等是这一时期的研究热点问题。 现实的困难,AI的产生与发展,4.知识应用期(19711980),5. 从学派分立到综合（1980年现在）,AI的产生与发展,符号主义、连接主义和行为主义三大学派。 符号主义学派 是指基于符号运算的人工智能学派，他们认为知识可以用符号来表示，认知可以通过符号运算来实现。 连接主义学派 是指神经网络学派。 行为主义学派 是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。 三大学派的综合集成,AI研究的基本内容,6

17、.AI成为科学（1987年现在）,AI的产生与发展,AI在过去十年取得了更快捷的进步,因为在实验中和方法的比较中更多地使用了科学方法 理论基础与实际系统携手共进 AI的子领域开始变得更整体化,另外AI还在其他领域中找到了共同基础,人工智能的学科位置 与脑科学和认知科学的交叉研究 智能模拟的方法和技术研究,AI研究的基本内容,1.AI 的 学 科 位 置,是自然科学与社会科学的交叉学科 交叉学科：逻辑、思维、生理、心理、计算机、电子、语言、自动化、光、声等 AI的核心是思维与智能，构成了自己独特的学科体系 AI的基础学科包括：数学（离散、模糊）、思维科学（认知心理、逻辑思维学、形象思维学）和计算

18、机（硬件、软件）等,2.与脑科学和认知科学的交叉研究,脑科学：又称神经科学，其目的是要认识脑、保护脑和创造脑。美国神经科学学会的定义：神经科学是为了了解神经系统内分子水平、细胞水平及细胞间的变化过程，以及这些过程在中枢的功能、控制系统内的整合作用所进行的研究。 现代脑科学的基本问题主要包括： (1) 揭示神经元之间的连接形式，奠定行为的脑机制的结构基础 (2) 阐明神经活动的基本过程，说明在分子、细胞到行为等不同层次上神经信号的产生、传递、调制等基本过程 (3) 鉴别神经元的特殊细胞生物学特性 (4) 认识实现各种功能的神经回路基础 (5) 解释脑的高级功能机制等,2.与脑科学和认知科学的交叉

19、研究,认知：可一般地认为是和情感、动机、意志相对应的理智或认识过程，或者是为了一定的目的，在一定的心理结构中进行的信息加工过程。 美国心理学家浩斯顿(Houston)等人把认知归纳为以下5种主要类型： (1) 认知是信息的处理过程； (2) 认知是心理上的符号运算； (3) 认知是问题求解； (4) 认知是思维； (5) 认知是一组相关的活动，如知觉、记忆、思维、判断、推理、问题求解、学习、想象、概念形成及语言使用等。 认知科学：认知科学（亦称思维科学）是研究人类感知和思维信息处理过程的一门学科，其主要研究目的就是要说明和解释人类在完成认知活动时是如何进行信息加工的。,3.智能模拟的方法和技术

20、研究,机器感知 机器视觉（或叫计算机视觉） 机器听觉（或叫计算机听觉） 机器感知相当于智能系统的输入部分。 机器感知的专门的研究领域：计算机视觉、模式识别、自然语言理解 机器思维 逻辑思维 形象思维 灵感思维,机器学习 机器学习方法：机械学习、类比学习、归纳学习、发现学习、遗传学习和连接学习等 机器行为 相当于智能系统的输出部分。 智能系统与智能机器 无论是人工智能的近期目标还是远期目标，都需要建立智能系统或构造智能机器 需要开展对系统模型、构造技术、构造工具及语言环境等研究,3.智能模拟的方法和技术研究,划分可以有多种不同方法。 这里采用了基于智能本质和作用的划分方法 感知、思维、行为、学习

21、、计算智能、分布智能、智能机器、智能系统、智能应用等方面,AI的主要研究与应用领域,机器思维 机器感知 机器行为 计算智能 机器学习 分布智能 智能系统,1. 机器思维,让计算机模仿和实现人的思维能力，以对感知到的外界信息和自己产生的内部信息进行思维性加工 包括：推理、搜索、规划等方面,AI的主要研究与应用领域,推理：,概念： 推理是指按照某种策略从已知事实出发利用知识推出所需结论的过程 类型：可根据所用知识的确定性：分为 -确定性推理，指推理所使用的知识和推出的结论都是可以精确表示的，其真值要么为真、要么为假。 -不确定性推理，指推理所使用的知识和推出的结论可以是不确定的。 推理的理论基础：

22、逻辑 数理逻辑 确定性推理主要是基于一阶经典逻辑。 不确定性推理主要基于非经典逻辑和概率等。,搜索,搜索的概念：是指为了达到某一目标，不断寻找推理线路，以引导和控制推理，使问题得以解决的过程。 搜索的类型：可根据问题的表示方式将其分为状态空间搜索和与/或树搜索两大类型。 状态空间搜索 与/或树搜索 搜索的主要问题：如何利用搜索过程所得到的对尽快达到目标有用的信息来引导搜索过程，即启发式搜索方法。 状态空间的启发式搜索方法 与/或树的启发式搜索方法,规划,规划的概念：是指从某个特定问题状态出发，寻找并建立一个操作序列，直到求得目标状态为止的一个行动过程的描述。 规划的特点：与一般问题求解技术相比

23、，规划更侧重于问题求解过程，并且要解决的问题一般是真实世界的实际问题，而不是抽象的数学模型。,机器感知是机器获取外界信息的主要途径，也是机器智能的重要组成部分。 所谓机器感知，就是要让计算机具有类似于人的感知能力，如视觉、听觉、触觉、嗅觉、味觉。 机器视觉、模式识别、自然语言理解,2. 机器感知,AI的主要研究与应用领域,计算机视觉,概念：用计算机来实现或模拟人类的视觉功能，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力 重要性：在人类感知到的外界信息中，有80%以上是通过视觉得到的。 视觉系统：人类视觉系统的功能是通过眼睛与大脑共同实现的。人们视野中的物体在可见光的照射下，先

24、在眼睛的视网膜上形成图像，然后由感光细胞转换成神经脉冲信号，再经神经纤维传入大脑皮层，最后由大脑皮层对其进行处理与理解。 视觉，不仅仅指对光信号的感受，它包括了对视觉信息的获取、传输、处理、存储与理解的全过程。,模式识别,模式识别的概念 是指让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。 被鉴别的事物可以是物理的、化学的、生理的，也可以是文字、图像、声音等。 模式识别的一般过程： (1) 采集待识别事物的模式信息； (2) 对其进行各种变换和预处理，从中抽出有意义的特征或基元，得到待识别事物的模式； (3) 与机器中原有的各种标准模式进行比较，完成对待识别事物的分类识别；

25、 (4) 输出识别结果。,自然语言理处理,自然语言处理包括的主要内容: 机器翻译 自然语言理解 概念：主要研究如何使计算机能够理解和生成自然语言。 理解的语言类型：声音语言、书面语言。 主要步骤：语音分析、词法分析、句法分析、语义分析、语用分析。,3 机器行为,智能控制的概念：是指那种无需或需要尽可能少的人工干预就能独立的驱动智能机器实现其目标的控制过程。它是人工智能技术与传统自动控制技术相结合的产物。 智能控制系统：是指那种能够实现某种控制任务，具有自学习、自适应和自组织功能的智能系统。从结构上，它由传感器、感知信息处理模块、认知模块、规划和控制模块、执行器和通信接口模块等主要部件所组成。

26、智能控制的主要应用领域：智 能机器人系统、计算机集成制造系统（CIMS）、复杂工业过程的控制系统、航空航天控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。,智能检索,智能检索的概念：是指利用人工智能的方法从大量信息中尽快找到所需要的信息或知识。 智能检索的重要性：目前，在各种数据库中，尤其是互联网上存放着大量的、甚至是海量的信息或知识。面对这种信息海洋，如果还用传统的人工方式进行检索，已很不现实。 智能检索系统须解决的主要问题： (1) 具有一定的自然语言理解能力，能理解用自然语言提出的各种询问； (2) 具有一定的推理能力，能够根据已知的信息或知识，演绎出所需要的答案； (3)

27、系统应拥有一定的常识性知识，以补充学科范围的专业知识。系统根据这些常识，将能演绎出更一般询问的一些答案。,智能机器人,机器人(Robots)和机器人学：机器人(Robots)是一种可再编程的多功能操作装置。机器人学是在电子学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学、以及心理学等多种学科或技术发展的基础上形成的一种综合性技术学科。 机器人研究的意义：机器人既是人工智能的研究对象，同时又是人工智能的试验场地，人工智能的所有技术几乎都可以在这个领域得到应用。 机器人的发展过程： 经历了遥控、程序、自适应、智能机器人、情感机器人。 人工智能的主要研究对象是智能机器人和情感机器人。 智能

28、机器人具有的能力：感知能力、思维能力和行为能力的机器人。这种机器人能够主动的适应外界环境变化，并能够通过学习丰富自己的知识、提高自己的工作能力。 情感机器人：是一种具有情感（爱、恨）和情绪(喜、怒、哀、乐)功能新一代机器人。,MIT研究的情感机器人,4. 计算智能,计算智能（Computational Intelligence，CI）是借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。 计算智能的三大基本领域包括神经计算、进化计算、模糊计算。,5.机器学习,机器学习就是让计算机能够像人那样自动地获取新知识，并在实践中不断地完善自我和增强能力。 机器学习

29、是机器获取知识的根本途径，同时也是机器具有智能的重要标志。 机器学习有多种不同的分类方法，如果按照对人类学习的模拟方式，机器学习可分为符号学习和神经学习等,数据挖掘和知识发现,概念：知识发现和数据挖掘是在数据库的基础上实现的一种知识发现系统。它通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从数据库中提炼和抽取知识，从而可以揭示出蕴含在这些数据背后的客观世界的内在联系和本质原理，实现知识的自动获取。 与传统数据库技术的区别：传统数据库技术仅限于对数据库的查询和检索，不能够从数据库中提取知识。知识发现和数据挖掘以数据库作为知识源去抽取知识，不仅可以提高数据库中数据的

30、利用价值，同时也为各种智能系统的知识获取开辟了一条新的途径。 发展：随着大规模数据库和互联网的迅速发展，知识发现和数据挖掘也从面向数据库的结构化信息的数据挖掘发展到面向数据仓库和互联网的海量、半结构化或非结构化信息的数据挖掘。,6 分布智能,分布智能的概念： 分布智能主要研究在逻辑上或物理上分布的智能系统之间如何相互协调各自的智能行为，实现问题的并行求解。 分布智能的两个主要方向： 分布式问题求解主要研究如何在多个合作者之间进行任务划分和问题求解，它一般是针对某一问题去创建一个能够进行合作求解的协作群体； 多Agent系统主要研究如何在一群自主的Agent之间进行智能行为的协调，它不限于单一目

31、标，可创建一个能够共同处理单个目标或多个目标的智能群体。 多Agent系统的组成与工作：它由多个自主Agent所组成，其中的每个Agent都可以自主运行和自主交互，即当一个Agent 需要与别的Agent合作时，就通过相应的通信机制去寻找可以合作并愿意合作的Agent，以共同解决问题。,7 智能系统,智能系统可以泛指各种具有智能特征和功能的软硬件系统。从这种意义上讲，前面所讨论的不少研究内容都应以智能系统的形式来出现，例如智能控制系统、智能制造系统、智能检索系统等。这里主要介绍除前述研究内容以外的专家系统和智能决策支持系统。,8 人工心理与人工情感(1/2),智能、情感和心理 智能：是指感知、

32、记忆、思维、学习、自适应、行为等能力 情感：指人对客观现实的态度的体验。 情绪(侧重于生理现象：喜、怒、哀、乐) 情感（侧重于价值判断：爱、恨） 情操（高级的情感现象：道德、理智、审美） 心理：认知、情感、意志 认知：实践活动中对认知信息的接收、编码、存储、提取、使用；包括感知、思维、记忆等。 情感： 意志：自觉地确定目的，并根据目的调节支配自身的行动，克服困难，去实现预定目标,8人工心理与人工情感,人工智能、人工情感和人工心理 人工智能： 人工情感：人工情感(Artificial Emotion)是利用信息科学的手段对人类情感过程进行模拟、识别和理解，使机器能够产生类人情感并与人类进行自然和

33、谐地人机交互的研究领域 人工心理：人工心理(Artificial Psychology)就是利用信息科学的手段, 对人的心理活动(着重是人的情感、意志、性格、创造)的更全面再一次人工机器(计算机、模型算法等)模拟，其目的在于从心理学广义层次上研究人工情感、情感与认知、动机与情感的人工机器实现问题,9 人工生命,人工生命（Artificial Life）是美国洛斯阿拉莫斯（Los Alamos）非线性研究中心克里斯兰顿（Chris Langton），在研究“混沌边沿”的细胞自动机中于1987年提出的一个概念。 他认为：人工生命就是要研究能够展示人类生命特征的人工系统。即研究以非碳水化合物为基础的

34、、具有人类生命特征的人造生命系统。 人工生命的研究目标就是要创造出具有人类生命特征的人工生命。 人工生命的主要研究内容主要包括计算机进程、细胞自动机、人工脑和进化机器人等。其中，进化机器人不同于传统意义上的机器人，它是一种利用计算机和非有机物质构造出来的具有人类生命特征的人工生命实体。,人工智能的典型应用,博弈的概念：是一个有关对策和斗智问题的研究领域。例如，下棋、打牌、战争等这一类竞争性智能活动都属于博弈问题。 博弈的例子： 国际上，人们对博弈的研究主要以下棋为对象，其个代表性成果是IBM公司研制的IBM超级计算机“深蓝”和“小深”。 国内，2006.8.9在北京举办的首届中国象棋人机大赛中

35、，计算机以3胜5和2负（比分11:9）的微弱优势战胜人类象棋大师。 研究博弈的目的：不完全是为了让计算机与人下棋，而主要是为了给人工智能研究提供一个试验场地，同时也为了证明计算机具备有智能。,AI成功的标志：IBM的“深蓝”和“小深”,“深蓝” 对弈情况： 时间：北京时间1997年5月12日凌晨4点50分 对手：IBM的“深蓝”超级计算机 国际象棋世界冠军卡斯帕罗夫 结局：2胜1负3平，总比分3.5 : 2.5， “深蓝”获胜 技术指标： 32个CPU，每个CPU有12个协处理器，每个CPU有256M内存，每个CPU的处理速度为200万步/秒。 对弈的实质机器智能与人类智能的较量 “小深” 对

36、弈情况： 时间：北京时间2003年1月26日至2月7日 对手：比“深蓝”功能强大的“小深”超级计算机 国际象棋世界冠军卡斯帕罗夫 结局：1胜1负4平，平局 启示：计算机可以有智能；计算机要完全战胜人类象棋大师并非易事。,与时俱进的研究目标 Turing测试 机器定理证明 卡斯帕罗夫与“深蓝”和“小深”的对决 会思维的机器 人工生命,AI近期发展分析,多学科交叉研究,AI近期发展分析,强调与脑科学、认知科学、心理学、信息科学、生物学、逻辑学、物理学和数学等学科的交叉研究,集成智能研究,主要成就 模式识别 知识工程 机器人,Turing在“Computer Machinery and Intell

37、igence”短文中的最后一句话: We can only see a short distance ahead, but we can see plenty there that needs to be done,AI近期发展分析,AI研究的主要方法,AI研究的主要方法,1. 符号主义方法,符号主义认为,认知是一种符号处理过程,人类思维过程也可用某种符号来描述,即思维就是计算,认知就是计算,这种思想甚至构成了人工智能学科的基础理论 以西蒙和纽厄尔为代表物理符号系统假设 基础是符号数学，集中体现在谓词演算和归结原理 手段是程序设计工具，集中体现在逻辑程序设计语言上 应用是目的，集中体现在专家系

38、统上,AI研究的主要方法,2. 联结主义方法,ANN：人类的认知活动主要基于大脑神经元的活动,代表人物：麦卡洛克、霍普菲尔德等人,AI研究的主要方法,2. 联结主义方法,与符号主义方法的不同：知识是由网络的各个单元之间的相互作用的加权参数值来表征，加权参数可以是连续的 网络的学习规则决定于以这些连续参数为变量的活动值方程 神经网络的主要技术特征： 分布式的信息存储和大规模的并行处理 良好的自适应、自组织性 很强的学习功能和容错能力,AI研究的主要方法,3. 行为主义方法,以控制论方法进行人工智能研究，认为智能取决于感知和行动。智能行为可以通过现实世界与周围环境的交互作用而表现出来 早期的工作重点主要是模拟人在控制过程中的智能行为和作用 机器人控制 智能控制,AI研究的主要方法,学科之间交叉渗透 人工智能：计算机科学、信息科学、数学、生命科学、 脑科学、认知科学、心理学和哲学等学科 的交叉,