第一讲(人工智能导论)课件.ppt

人工智能及其应用,作为智能体的人类,人类是一种智能体我们，作为一个智能体，为什么能够思考？ 大脑这么一小堆东西怎么能够感知、理解、预测和应对一个远比自身庞大和负责得多的世界？人工智能走得更远：不仅试图理解智能体，而且要建造智能体，制造出像人类一样完成某些智能任务的软件（系统）,“If you invent a breakthrough in artificial intelligence, so machines can learn,” Mr. Gates responded, “that is worth 10 Microsofts.” (Quoted in New York Times, Monday, March 4, 2004),深蓝,1997年5月11日北京时间早晨4时50分，一台名叫“深蓝”的超级电脑在棋盘C4处落下最后一颗棋子，全世界都听到了震撼世纪的叫杀声“将车”！这场举世瞩目的“人机大战”，终于以机器获胜的结局降下了帏幕。“深蓝”是一台智能电脑，是人工智能的杰作。新闻媒体以挑衅性的标题不断地发问：电脑战胜是一个人，还是整个人类的智能？连棋王都认了输，下一次人类还将输掉什么？智慧输掉了，人类还剩些什么？于是，人工智能又一次成为万众关注的焦点，成为电脑科学界引以自豪的学科。,人工智能,定义1 智能机器(intelligent machine)能够在各类环境 中自主地或交互地执行各种拟人任务的机器。定义2 人工智能(学科) 人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。定义3 人工智能(能力) 人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。,大师眼中的人工智能,Bellman, 1978:人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化进程。Haugeland, 1985:人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试。Charniak和McDermott, 1985人工智能是用计算模型研究智力行为。Kurzwell, 1990人工智能是一种能够执行，需要人的智能的，创造性机器的技术。,Schalkoff, 1990：人工智能是一门通过计算过程，力图理解和模仿智能行为的学科。Rick和Knight,1991 ：人工智能研究如何使计算机做事，而让人过得更好。Winston, 1992：人工智能是研究那些使理解、推理和行为成为可能的计算。Luger和Stubblefield,1993：人工智能是计算机科学中，与智能行为的自动化有关的一个分支。,AI的理解是一个过程,上述定义见仁见智重要的是学习AI方法、应用AI方法，在实践中逐步深入领会AI这个词的含义目前，AI就是一种运行在我们自己机器中的程序，它的智能是我们给的！,人工智能的基础,人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。自问世以来AI经过波波折折，终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。,AI的基础,哲学：标出了AI的大部分重要思想数学：使AI成为一门规范科学 数学形式化神经科学：网络，并行处理心理学：认知理论计算机工程：AI的“载体”语言学：知识表示、语法,哲学,形式化规则能用来抽取合理的结论吗？ 亚里士多德（Aristotle）为形式逻辑奠定了基础，第一个把支配意识的理性部分法则形式化为精确的法则集合，典型代表就是三段论，即初始前提的条件下机械地推导出结论。17世纪，有人提出推理如同数字计算，帕斯卡写到：“算术机器产生的效果显然更接近思维，而不是动物的其他活动。”结论：肯定的结论，即可以用一个规则集合描述意识的形式化部分,精神的意识是如何从物质的大脑产生出来？Descartes(笛卡尔)给出了第一个关于意识和物质之间区别以及由此产生的清晰的讨论二元论意识（灵魂、精神）的一部分是超脱于自然之外的，不受物理定律的影响动物不具有这种属性，它们可以被当做机器对待 唯物主义大脑依照物理定律运转而构成意识自由意志是对出现在选择过程中可能选择的感受方式结论：两种选择：二元论和唯物主义,知识从哪里来？ 关于知识的来源：Francis Bacon(培根)新工具论开始了经验主义运动John Locke(洛克)指出：“无物非先感而后知” Rudolf Carnap(鲁道夫卡尔纳普 ) 发展了逻辑实证主义学说，认为所有的知识都可以用最终与（对应于传感器输入的）观察语句相联系的逻辑理论来刻画。科学哲学的任务之一是构造“形式的人工语言”以及系统理论，以便于我们更好地进行科学概念和科学陈述的重新构造。这种语言和自然语言不同，它不是世袭的，而是按照我们制定的规则构造出来的。 结论：知识来源于实践,知识是如何导致行动的？Aristotle:行动是通过目标与关于行动结果的知识之间的逻辑联系来判定的。他进一步指出，要深思的不是结局而是手段，假设了结局并考虑如何以及通过什么手段得到结局，结局是否容易是否最好，手段在分析顺序中是最后一个，在生成顺序中是第一个这实际上就是回归规划系统，2300年后，1972年Newell&Simon研制了第一个能够拟人类问题解决的计算机程序GPS程序（General Problem Solver program ）当多个行动可以达到目标时或根本无法到达目标时，如何行事？结论：知识用于指导行动去达到目的,哲学家们标志出了AI的大部分思想，但实现成为一门规范科学的飞跃就要求在三个基础领域完成一定程度的数学形式化：逻辑、计算和概率。,数学,什么是抽取合理结论的形式化规则？Boole逻辑（接近命题逻辑）Frege扩展了Boole逻辑，使其包含对象和关系，创建了一阶逻辑（当今最基本的知识表示系统）结论：形式化规则=命题逻辑和一阶谓词逻辑,概率概率起源于对赌博问题可能结果的描述，成为所有需要定量的科学的无价之宝，帮助对付不确定的测量和不完备的理论。（Cardano，16世纪）Bayes提出了根据新证据更新概率的法则（18世纪）Bayes分析形成了大多数AI系统中不确定推理的现代方法的基础结论：使用贝叶斯理论进行不确定推理,什么可以计算？可以被计算，就要找到一个算法算法本身的研究在19世纪晚期，把一般的数学推理形式化为逻辑演绎的努力1900年，David Hilbert(希尔伯特)著名的“23个问题”的最后一个问题是：是否存在一个算法可以判定任何涉及自然数的逻辑命题的真实性。/有效证明过程的能力是否有基础的局限性这一问题被Kurt Godel(哥德尔)证明了，确实存在真实的局限（不完备性定理，1931）,1930年，哥德尔提出，存在一个有效过程可以证明罗素和弗雷格的一阶逻辑中的任何真值语句，但是一阶逻辑不能捕捉到刻画自然数所需要的数学归纳法原则。1931年，哥德尔证明了不完备性定理，在任何表达能力足以描述自然数的语言中，在不能通过任何算法建立它们的真值意义下，存在不可判定的真值语句。不完备性定理还可以表述为，整数的某些函数无法用算法表示，即不可计算。,Turning试图精确地刻画哪些函数是能够被计算的但，计算或有效过程的概念是无法给出形式化定义的。图灵说明了一些函数没有对应的图灵机，没有通用的图灵机可以判定一个给定的程序，对于给定的输入能否返回答案或者永远运行下去。在不可计算性以外，不可操作性具有更重要的影响，如果解决一个问题需要的计算时间随着实例规模成指数级增长，则该问题被称为不可操作的,以Steven Cook和Richard Carp为代表的NP-完全理论为认识不可操作问题提供一种方法。Cook和Carp证明了大量各种类别的规范的组合搜索和推理问题属于NP-完全问题。但任何NP-完全问题类可归约而成的问题类很可能是不可操作的结论：有了可计算性可算法复杂性的理论的指导,神经科学：大脑是如何处理信息的？,在1943年沃仑麦卡洛克（Warrenc McCulloch）和沃尔特皮兹（Walter Pitts）的工作是这方面最早的尝试之一。他们表明，在原则上由非常简单的单元连接在一起组成的“网络”可以对任何逻辑和算术函数进行计算。因为网络的单元有些像大大简化的神经元，它现在常被称作“神经网络”。,神经科学是研究神经系统特别是大脑的科学虽然几千年来人们一直赞同大脑以某种方式和思维相联系，因为证据表明头部受到重击会导致精神缺陷，但是直到18世纪中期人们才广泛地承认大脑是意识的居所。1861年法国神经解剖家布鲁卡，对八名有语言障碍：能听懂而不能说的病人，进行研究时发现，由于大脑左侧额区的后部，一些组织受损所致。对这个区域命名为布鲁卡语言区。1874年奥地利医生威尔尼克发现，与布鲁卡稍有区别的颞叶部分能控制、理解与记忆，因而命名此区域为威尔尼克语言区。,英国自然杂志刊登：中国人民解放军306医院“认知科学与学习”实验脑功能成像中心，与香港大学合作试验发现，使用华语和应用英语，人脑所司的语言区不同。讲华语因为是词根式语言，结构灵活，要多理解、多记忆，活动量大，所以，应用威尔尼克运动区。而说英语由于依靠语言的形态变化，须要多听、多说因此，使用布鲁卡的听力区。,1990年核磁共振成像为神经科学家提供了关于大脑活动的细致图像，使得以某种方式与正在进行的认知过程相符合的测量成了可能。真正令人震惊的结论是，简单细胞的集合能够导致思维、行动和意识，即使大脑产生意识大脑活动过程对计算机工作过程有所启发,心理学：人类和动物是如何思考的？,机器的思考归根结底还是模仿人类的思维模式，正是“思考”这一人类的本质属性，使得人工智能和心理学从最初就紧密地联系在一起。John Watson领导的行为主义认为，内省不能提供可靠的证据，拒绝任何涉及精神过程的理论，只研究动物的感知及其反应认知心理学的主要特征是，把大脑当做信息处理装置，Frederic Bartlett领导的剑桥大学应用心理小组使得认知模型得以繁荣心理学家普遍认为，认知理论就应该像计算机程序结论：人类思考和活动应该是一个信息处理过程,计算机工程：如何制造能干的计算机？,AI需要智能和人工制品，即计算机。AI对主流计算机科学的影响分时技术交互式翻译器使用窗口和鼠标的个人计算机面向对象的编程,语言学：语言和思维是怎样联系起来的？,现代语言学的诞生：Chomsky（乔姆斯基）理论1957年句法结构出版，颠覆了行为主义，认为儿童怎么能理解和构造他们以前没有听到过的句子，而乔姆斯基关于语法模型的理论则能解释这个现象，并且足够形式化知识表示的许多早期工作和语言紧密联系,为什么AI有必要成为一个单独的领域？,和控制论、运筹学、决策理论的目标类似为什么不是数学的一个分支？AI从一开始就承载着复制人的才能的思想方法论的不同AI属于计算机科学的分支AI试图建造在复杂和变化的环境中自动发挥功能的机器,人工智能的发展,人工智能的萌芽（1956年以前）人工智能的诞生（1956-1961年）人工智能的发展（1961年后）,http:/en.wikipedia.org/wiki/History_of_artificial_intelligence,人工智能的萌芽阶段,亚里斯多德(Aristotle 384-322 BC)，主要贡献为逻辑(logic)及形而上学(metaphysics)两方面的思想。亚氏在逻辑主要成就包括主谓命題(statement in subject-predicate form)及关于此类命題的逻辑推理方法，特別是三段论证(syllogism)。 所谓“命题”就是真(true)或假(false)的句子，例如“苏格拉底是人”，這是真的命题；至于问句“我的书在那里？”就不是命题了，它并沒有真假的意义可言。,亚里斯多德与逻辑、推理,逻辑只讨论命題，因它有真假可言。亚氏认为命題基本是由主词(subject)与谓词(predicate)构成的，主词是命題所描述的事物或主題，谓词則是描述主词的词语。亚氏跟著提出四种比较复杂的主谓命題，它们都具有以下结构：量词主词系词谓词。這里我们以符号S及P分別表示主词及谓词。系词有两种：是或不是；量词亦有两种：所有(all)或有(some)。,亚里斯多德与逻辑、推理,(A) 所有S是P (或 凡S是P)，例如凡人是动物；(B) 凡S不是P，例如凡猫不是狗；(C) 有S是P，例如有花是白的；(D) 有S不是P，如有花不是白的。 所谓逻辑推论，即指由前提推导出结论的正确(valid)的方法，在这种正确推论中，若前提为真，则结论亦必然为真。,亚里斯多德与逻辑、推理,关于推论，亚氏特別讨论三段论证，这是由两个前提推出结论的方法。例如： (i)凡孔子的后代是人 (ii)凡人皆会死 因此，凡孔子的后代会死。 若写成普遍的形式，則是： (i)凡S是M; (ii)凡M是P，因此凡S是P。这里(i)及(ii)是两个前提，若这两个前提为真，则以上推出的结论(凡S是P)亦必然地真，因此这个三段论证是正确的。,2.培根与归纳法,培根（Bacon),英国哲学家和自然科学家。 年培根出生在英国伦敦的一个贵族家庭，父亲是女王的掌玺大臣，母亲也是贵族出身。培根小时候身体很弱，经常生病，但他却很爱学习，喜欢阅读比他的年龄应读的书更为高深的书籍，岁时便进入英国著名的剑桥大学读书。培根只在剑桥住了年。当时的剑桥受“经院哲学”的统治，不重视科学研究，而注重研究神学，用繁琐的方法来证明宗教教条的正确。培根对此非常反感，于是便离开了那里。 年，培根总结了他的哲学思想，出版了新工具一书。在书中他响亮地提出了“知识就是力量”的观点。他指出，要想控制自然，利用自然，就必须掌握科学知识。他认为真正的哲学必须研究自然，研究科学。为此，他十分重视科学实验，认为只有经过实验才能获得真正的知识。,培根的主要贡献是系统地提出了归納法，成为和亚里士多德的演绎法相辅相成的思维法则。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。,3.Turing图灵与人工智能,艾伦麦席森图灵（Turing，1912年6月23日 - 1954年6月7日），英国数学家，举世公认的“人工智能之父”。 3岁那年，他进行了在科学实验方面的首次尝试把玩具木头人的胳膊掰下来种植到花园里，想让它们长成更多的木头人。 8岁时，图灵尝试着写了一部科学著作，题名关于一种显微镜。,提出图灵机,1937年，年仅24岁的1936年，年仅24岁的图灵发表了著名的论应用于决定问题的可计算数字一文，作为阐明现代电脑原理的开山之作，被永远载入了计算机的发展史册。这篇论文原本是为了解决一个基础性的数学问题：是否只要给人以足够的时间演算，数学函数都能够通过有限次机械步骤求得解答？传统数学家当然只会想到用公式推导证明它是否成立，可是图灵独辟蹊径地想出了一台冥冥之中的机器。,图灵把人在计算时所做的工作分解成简单的动作，与人的计算类似，机器需要：（1）存储器，用于贮存计算结果；（2）一种语言，表示运算和数字；(3)扫描；（4）计算意向，即在计算过程中下一步打算做什么；（5）执行下一步计算。具体到一步计算，则分成：（1）改变数字的符号；（2）扫描区改变，如往左进位和往右添位等；（3）改变计算意向等。图灵还采用了二进位制。这样，他就把人的工作机械化了。这种理想中的机器被称为图灵机。图灵机是一种抽象计算模型，用来精确定义可计算函数。,图灵机被公认为现代计算机的原型，这台机器可以读入一系列的0和1，这些数字代表了解决某一问题所需要的步骤，按这个步骤走下去，就可以解决某一特定的问题。在图灵看来，这台机器只用保留一些最简单的指令，一个复杂的工作只用把它分解为这几个最简单的操作就可以实现了，在当时他能够具有这样的思想确实是很了不起的。他相信有一个算法可以解决大部分问题，而困难的部分则是如何确定最简单的指令集，怎么样的指令集才是最少的，而且又能顶用，还有一个难点是如何将复杂问题分解为这些指令的问题。,破译恩尼格玛密码机,第二次世界大战期间，图林应征入伍，在战时英国情报中心“布雷契莱庄园”（Bletchiy）从事破译德军密码的工作，与战友们一起制作了第一台密码破译机。在图林理论指导下，这个“庄园”后来还研制出破译密码的专用电子管计算机“巨人”（Colossus），在盟军诺曼底登陆等战役中立下了丰功伟绩，当时他才27岁。,1945年，脱下军装的图林，带着大英帝国授予的最高荣誉勋章，被录用为泰丁顿国家物理研究所高级研究员。由于有了布雷契莱的实践，他提交了一份“自动计算机”的设计方案，领导一批优秀的电子工程师，着手制造一种名叫ACE的电脑。1950年，ACE电脑样机公开表演，被认为是当时世界上最快最强有力的电子计算机之一。,Can a machine think？,1950年，图灵来到曼彻斯特大学任教，并被指定为该大学自动计算机项目的负责人。就在这年10月， 他的又一篇划时代论文计算机与智能 发表。这篇文章后来被改名为机器能思维吗？.它引来的惊雷，今天还在震撼着电脑的世纪。在“第一代电脑”占统治地位的时期，这篇论文甚至可以作为“第五代电脑”和“第六代电脑”的宣言书。 图灵写道：你无法制造一台替你思考的机器，这是人们一般会毫无疑义接受下来的老生长谈。我的论点是：与人脑的活动方式极为相似的机器是可以制造出来的。更有趣的是，图灵还设计了一个“图林试验”，试图通过让机器模仿人回答某些问题，判断它是否具备智能。,图灵试验,图灵指出：“如果机器在某些现实的条件下，能够非常好地模仿人回答问题，以至提问者在相当长时间里误认它不是机器，那么机器就可以被认为是能够思维的。”,图灵测试对计算机的要求,自然语言处理知识表示自动推理机器学习 从表面上看，要使机器回答按一定范围提出的问题似乎没有什么困难，可以通过编制特殊的程序来实现。然而，如果提问者并不遵循常规标准，编制回答的程序是极其困难的事情。,图灵试验,问：你会下国际象棋吗？ 答：是的。 问：你会下国际象棋吗？ 答：是的。 问：请再次回答，你会下国际象棋吗？ 答：是的。 你多半会想到，面前的这位是一部笨机器。,图灵试验,问： 你会下国际象棋吗？ 答：是的。 问：你会下国际象棋吗？ 答：是的，我不是已经说过了吗？ 问：请再次回答，你会下国际象棋吗？ 答：你烦不烦，干嘛老提同样的问题。,图灵试验,上述两种对话的区别在于，第一种可明显地感到回答者是从知识库里提取简单的答案，第二种则具有分析综合的能力，回答者知道观察者在反复提出同样的问题。“图灵试验”没有规定问题的范围和提问的标准，如果想要制造出能通过试验的机器，以我们现在的技术水平，必须在电脑中储存人类所有可以想到的问题，储存对这些问题的所有合乎常理的回答，并且还需要理智地作出选择。,图灵预言,图灵曾预言，随着电脑科学和机器智能的发展，本世纪末将会出现这样的机器。在这点上，图灵也过于乐观。但是，“图灵试验”大胆地提出“机器思维”的概念，为人工智能确定了奋斗的目标，并指明了前进的方向。 遗憾的是，1954年6月8，图灵英年早逝！ 直到现在，计算机界仍有个一年一度“图灵奖” ，由美国计算机学会（ACM）颁发给世界上最优秀的电脑科学家，像科学界的诺贝尔奖金那样，是电脑领域的最高荣誉。,ENIAC,宾夕法尼亚大学莫奇利Mauchly和埃克特 Eckert等研制成功ENIAC电子数字计算机，为人工智能研究奠定物质基础。缺点：（1）没有存储器；（2）它用布线接板进行控制，甚至要搭接几天，计算速度也就被这一工作抵消了,埃克特（右）和莫克利（左）,Von Neumann提出冯诺依曼计算机模型。熟悉计算机发展历史的人大都知道，美国科学家冯诺依曼被誉为“计算机之父”，他是本世纪最伟大的发明家之一。,冯诺依曼,数学史界却同样坚持认为，冯诺依曼是本世纪最伟大的数学家之一，他在遍历理论、拓扑群理论等方面作出了开创性的工作，算子代数甚至被命名为“冯诺依曼代数”。物理学家说，冯诺依曼在30年代撰写的量子力学的数学基础已经被证明对原子物理学的发展有极其重要的价值，经济学家则反复强调，冯诺依曼建立的经济增长横型体系，特别是40年代出版的著作博弈论和经济行为，使他在经济学和决策科学领域竖起了一块丰碑。,1931年匈牙利首都布达佩斯，一位犹太银行家在报纸上刊登启事，要为他11岁的孩子招聘家庭教师，聘金超过常规10倍。布达佩斯人才济济，可一个多月过去，居然没有一人前往应聘。因为这个城市里，谁都听说过，银行家的长子冯诺依曼聪慧过人，3岁就能背诵父亲帐本上的所有数字， 6岁能够心算8位数除8位数的复杂算术题，8岁学会了微积分，其非凡的学习能力，使那些曾经教过他的教师惊诧不已。 父亲无可奈何，只好把冯诺依曼送进一所正规学校就读。不到一个学期，他班上的数学老师走进家门，告诉银行家自己的数学水平已远不能满足冯诺依曼的需要。“假如不给创造这孩子深造的机会，将会耽误他的前途，”老师认真地说道，“我可以将他推荐给一位数学教授，您看如何？” 银行家一听大喜过望，于是冯诺依曼一面在学校跟班读书，一面由布达佩斯大学教授为他“开小灶”。,然而，这种状况也没能维持几年，勤奋好学的中学生很快又超过了大学教授，他居然把学习的触角伸进了当时最新数学分支集合论和泛函分析，同时还阅读了大量历史和文学方面的书籍，并且学会了七种外语。毕业前夕，冯诺依曼与数学教授联名发表了他第一篇数学论文，那一年，他还不到17岁。,考大学前夕，匈牙利政局出现动荡，冯诺依曼便浪迹欧洲各地，在柏林和瑞士一些著名的大学听课。22岁时，他获瑞士苏黎士联邦工业大学化学工程师文凭。一年之后，轻而易举摘取布达佩斯大学数学博士学位。在柏林当了几年无薪讲师后，他转而攻向物理学，为量子力学研究数学模型，又使自己在理论物理学领域占据了突出的地位。风华正茂的冯诺依曼，靠着顽强的学习毅力，在科学殿堂里“横扫千军如卷席”，成为横跨“数、理、化”各门学科的超级全才。,1928年，美国数学泰斗、普林斯顿高级研究院维伯伦教授（O.Veblen）广罗天下之英才，一封烫金的大红聘书，寄给了柏林大学这位无薪讲师，请他去美国讲授“量子力学理论课”。冯诺依曼预料到未来科学的发展中心即将西移，欣然同意赴美国任教。1930年，27岁的冯诺依曼被提升为教授；1933年，他又与爱因斯坦一起，被聘为普林斯顿高等研究院第一批终身教授，而且是6名大师中最年轻的一名。,1944年仲夏的一个傍晚，戈德斯坦来到阿贝丁车站，等候去费城的火车，突然看见前面不远处，有个熟悉的身影向他走过来。来者正是闻名世界的大数学家冯诺依曼。天赐良机，戈德斯坦感到绝不能放过这次偶然的邂逅，他把早已埋藏在心中的几个数学难题，一古脑儿倒出来，向数学大师讨教。数学家和蔼可亲，没有一点架子，耐心地为戈德斯坦排忧解难。听着听着，冯诺依曼不觉流露出吃惊的神色，敏锐地从数学问题里，感到眼前这位青年身边正发生着什么不寻常的事情。他开始反过来向戈德斯坦发问，直问得年轻人“好像又经历了一次博士论文答辩”。最后，戈德斯坦毫不隐瞒地告诉他莫尔学院的电子计算机课题和目前的研究进展。,冯诺依曼由ENIAC机研制组的戈尔德斯廷中尉介绍参加ENIAC机研制小组后，便带领这批富有创新精神的年轻科技人员，向着更高的目标进军1945年，他们在共同讨论的基础上，发表了一个全新的“存储程序通用电子计算机方案”EDVAC（Electronic Discrete Variable AutomaticCompUter的缩写）在这过程中，冯诺依曼显示出他雄厚的数理基础知识，充分发挥了他的顾问作用及探索问题和综合分析的能力,EDVAC方案明确奠定了新机器由五个部分组成，包括：运算器、逻辑控制装置、存储器、输入和输出设备，并描述了这五部分的职能和相互关系EDVAC机还有两个非常重大的改进，即：（1）采用了二进制，不但数据采用二进制，指令也采用二进制；（2）建立了存储程序，指令和数据便可一起放在存储器里，并作同样处理简化了计算机的结构，大大提高了计算机的速度 1946年7，8月间，冯诺依曼和戈尔德斯廷、勃克斯在EDVAC方案的基础上，为普林斯顿大学高级研究所研制IAS计算机时，又提出了一个更加完善的设计报告电子计算机逻辑设计初探以上两份既有理论又有具体设计的文件，首次在全世界掀起了一股“计算机热”，它们的综合设计思想，便是著名的“冯诺依曼机”，其中心就是有存储程序。,他是美国国家科学院、秘鲁国立自然科学院和意大利国立林且学院等院的院士。 1954年他任美国原子能委员会委员；1951年至1953年任美国数学会主席。1954年夏，冯诺依曼被使现患有癌症，1957年2月8日，在华盛顿去世，终年54岁。,人工神经网络,McCulloch和Pitts建立神经网络数学模型，通过模拟人脑实现智能，开创人工神经网络研究。,wij 代表神经元i与神经元j之间的连接强度(模拟生物神经元之间突触连接强度)，称之为连接权； ui代表神经元i的活跃值，即神经元状态； vj代表神经元j的输出，即是神经元i的一个输入； i代表神经元i的阈值。 函数f表达了神经元的输入输出特性。在MP模型中，f定义为阶跃函数：,细胞体（细胞膜、质、核），对输入信号进行处理，相当于CPU。,本体向外伸出的分支，多根，长1mm左右，本体的输入端。,本体向外伸出的最长的分支，即神经纤维，一根，长1cm1m左右，通过轴突上的神经末梢将信号传给其它神经元，相当于本体的输出端。,各神经元间轴突和树突的接口，即神经末梢与树突相接触的交界面，每个细胞体大约有103104个突触，有兴奋型和抑制型两种。,Wiener创立控制论Shannon创立信息论英国数学家、逻辑学家Boole实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统布尔代数。 布尔利用代数语言使逻辑推理更简洁清晰，从而建立起一种所谓逻辑科学，其方法不但使数学家耳目一新，也使哲学家大为叹服。他为逻辑代数化作出了决定性的贡献，他所建立的理论随着电子计算机的问世而得到迅速发展。,人工智能的诞生,导因 人们对数据世界的需求发展到对知识世界的需求而产生的。 现实世界中相当多的问题求解是复杂的，常无算法可循，即使有计算方法，也是NP (Non-deterministicPolynomial，即多项式复杂程度的非确定性问题 )问题。人们为了寻求试探性的搜索，启发式的不精确的模糊的甚至允许出现错误的推理方法，以便符合人类的思维过程。比如采用启发式知识进行问题求解，把复杂的问题大大简化，可在浩瀚的搜索空间中迅速找到解答。运用专门领域的经验知识，经常会取得有关问题的满意解，而非数学上的最优解。,图灵开创了计算机科学的重要分支人工智能，虽然他当时并没有明确使用这个术语。把“图灵奖”获奖者作一统计后就会发现，许多电脑科学家恰好是在人工智能领域作出的杰出贡献。例如，1969年“图灵奖”获得者是哈佛大学的明斯基（M.Minsky）；1971年“图灵奖”获得者是达特莫斯大学的麦卡锡（J.McCarthy）；1975年“图灵奖”则由卡内基梅隆大学的纽厄尔（A. Newell）和赫伯特西蒙（H.Simon）共同获得。正是这些人，把图林开创的事业演绎为意义深远的“达特莫斯会议”。,达特莫斯会议,1956年夏天， 美国达特莫斯大学召开了一次影响深远的历史性会议。主要发起人是该校青年助教麦卡锡(71,图灵奖) ，此外会议发起者还有哈佛大学明斯基(69,图灵奖)、贝尔实验室香农（E.Shannon）和IBM公司信息研究中心罗彻斯特（N. Lochester），他们邀请了卡内基梅隆大学纽厄尔和赫伯特西蒙(75,图灵奖) 、麻省理工学院塞夫里奇（O. Selfridge）和索罗门夫R.Solomamff），以及IBM公司塞缪尔（A.Samuel，跳棋机，56）和莫（T.More）。,达特莫斯会议,这些青年学者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同的角度共同探讨人工智能的可能性。 达特莫斯会议历时长达两个多月，学者们在充分讨论的基础上，首次提出了“人工智能” （Artificial Intelligence）这一术语，标志着人工智能（AI）作为一门新兴学科正式诞生。,看过以上所述，我们不仅要问：什么是智能？智能的本质是什么？什么又是人工智能？这些问题虽然至今没有完全解决，但我们对它的特点已有所了解，比如智能有感知能力记忆与思维能力学习及自适应能力和行为能力的特点，人工智能就是使机器能做需要人类智能才能完成的工作。科学是不断发展的，也许在不远的将来我们的同学会揭开这个谜。,生物智能,对低级动物来讲，它的生存、繁衍是一种智能。为了生存，它必须表现出某种适当的行为，如觅食、避免危险、占领一定的地域、吸引异性以及生育和照料后代。因此，从个体的角度看，生物智能是动物为达到某种目标而产生正确行为的生理机制。 自然界智能水平最高的生物就是人类自身，不但具有很强的生存能力，而且具有感受复杂环境、识别物体、表达和获取知识以及进行复杂的思维推理和判断的能力。,人类智能,人类个体的智能是一种综合性能力。具体地讲，可包括：1）感知与认识事物、客观世界与自我的能力；2）通过学习取得经验、积累知识的能力；3）理解知识、运用知识和运用经验分析问题和解决问题的能力；4）联想、推理、判断、决策的能力；5）运用语言进行抽象、概括的能力；6）发现、发明、创造、创新的能力；7）实时地、迅速地、合理地应付复杂环境的能力；8）预测、洞察事物发展变化的能力；,人工智能的特点与分支,特点：具备推理、学习和联想人工智能从一开始就形成了其中两种重要的研究范式，即符号主义和连接主义。符号主义采用知识表达和逻辑符号系统来模拟人类的智能，连接主义则从大脑和神经系统的生理背景出发来模拟它们的工作机理和学习方式。符号主义是传统的人工智能相对于神经网络研究而言的统称。连接主义主要是指从生物、人类神经网络的结构、信息传输、网络设计（学习）的角度分析、模拟智能的形成与发展的研究。符号主义试图对智能进行宏现研究，而连接主义则是一种微观意义上的探索。,人工智能的目标,人工智能科学想要解决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化、解决各种实际问题等等能力。换言之，人工智能是电脑科学的一个重要分支，它的近期目标是让电脑更聪明、更有用，它的远期目标是使电脑变成“像人一样具有智能的机器”。,从50年代以来。人工智能经过发展，形成了许多学派。不同学派的研究方法、学术观点、研究重点有所不同。,符号主义是以知识的符号表达为基础，通过推理进行问题求解；连接主义以人工神经网络为代表；行为主义主张从行为方面模拟、延伸、扩展人的智能，认为“智能”可以不需要“知识”。,人工智能的主要学派,符号学派,认为人工智能源于数理逻辑。数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统正是这些符号主义者，后来又发展了启发式算法专家系统知识工程理论与技术，并在80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson) 。,连接学派,认为人工智能源于仿生学，研究非程序的、适应性的、大脑风格的信息处理的本质和能力。其研究重点侧重于模拟和实现人的认识过程中的感知过程、形象思维、分布式记忆和自学习自组织的过程。其研究重点侧重于模拟和实现人的认识过程中的感知过程、形象思维、分布式记忆和自学习自组织的过程。,行为学派,AI的研究大部分是建立在一些经过抽象的、过分简单的现实世界模型之上的，Brooks认为应走出这种抽象模型的象牙塔，而以复杂的现实世界为背景。 Brooks提出了无需知识表示的智能，无需推理的智能。他认为智能只是在与环境的交互作用中表现出来，其基本观点：,行为学派,到现场去；物理实现；初级智能；行为产生智能。,以这些观点为基础， Brooks研制了一种机器虫，用一些相对独立的功能单元，分别实现避让、前进、平衡等功能，组成分层异步分布式网络，取得了一定程度的成功，特别对机器人的研究开创了一种新的方法。,人工智能的发展(1961年之后),机器证明专家系统第五代计算机模式识别人脑复制人脑与电脑连接苹果,机器证明,1956年AI研究另外一个重大的突破，是赫伯特西蒙等人合作编制的逻辑理论机, 即数学定理证明程序，从而使机器迈出了逻辑推理的第一步。在卡内基梅隆大学的计算机实验室，西蒙从分析人类解答数学题的技巧入手，让一些人对各种数学题作周密的思考，要求他们不仅写出求解的答案，而且说出自己推理的方法和步骤。,经过反复的实验，纽厄尔和赫伯特西蒙进一步认识到，人类证明数学定理也有类似的思维规律，通过“分解”（把一个复杂问题分解为几个简单的子问题）和“代入”（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索，与电脑下棋的原理异曲同工。,在实验结果的启发下，纽厄尔和赫伯特西蒙便利用这个LT程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，它一举证明了数学家罗素的数学名著数学原理第二章中的38个定理。1963年，经过改进的LT程序在一部更大的电脑上，最终完成了第二章全部52条数学定理的证明。,美籍华人学者、洛克菲勒大学教授王浩在“自动定理证明”上获得了更大的成就。1959年，王浩用他首创的“王氏算法”，在一台速度不高的IBM704电脑上再次向数学原理发起挑战。不到9 分钟，王浩的机器把这本数学史上视为里程碑的著作中全部（350条以上） 的定理，统统证明了一遍。,机器证明,人工智能定理证明研究最有说服力的例子， 是机器证明了困扰数学界长达100余年之久的难题“四色定理”。据说，“四色问题”最早是1852年由一位21岁的大学生提出来的数学难题：任何地图都可以用最多四种颜色着色，就能区分任何两相邻的国家或区域。这个看似简单的问题，就象“哥德巴赫猜想”一样，属于世界上最著名的数学难题之一。,机器证明,1976年6月，美国伊利诺斯大学的两位数学家沃尔夫冈哈肯（W.Haken）和肯尼斯阿佩尔（K. Apple） 宣布， 他们成功地证明了这一定理，使用的方法就是机器证明。 人工智能先驱们认真地研究下棋，研究机器定理证明，但效果仍不尽如人意。问题的症结在于，虽然机器能够解决一些大规模数字处理、严格的逻辑推理以及下棋等某些类型的问题。这些事情大多数人都没有它们完成得那么快、那么好。但是，面对常人能快速、不费气力就能完成的任务，如观察物体并理解其意义，即便是最现代的计算机也显得无能为力。,现实的困难,早期的程序很少包含或不包含关于它们的主题信息AI试图解决的许多问题不可操作在计算复杂性理论发展起来之前，广泛认为由“微问题”到“大问题”只是需要更快的硬件和更大容量的内存。但，程序原则上能找到解并不意味着它包含在实践中找到它的机制。用于产生智能行为的基本结构有着一些基本的限制例子: A two-input perceptron couldnt be trained to recognize when its two inputs were different.,1960年代末，由于许多世界一流的人工智能学者过高地估计了智能电脑的能力，而现实却一再无情地打破了他们乐观的梦想，以致遭到越来越多的嘲笑和反对。AI研究曾一度堕入低谷，出现了所谓“黑暗时期”。,人工智能的复兴,1977年，曾是赫伯特西蒙的研究生、斯坦福大学青年学者费根鲍姆（E.Feig