人工智能课件di1zhang.ppt

人工智能原理,主 讲：匡迎春 李明授课班级：农业电气化与自动化,按时上课认真完成作业阅读相关资料,课程要求,课程主要介绍如下方面的内容:绪论知识表示搜索技术推理技术机器学习专家系统其他,课程主要内容,人工智能技术导论（第三版），廉师友 等，2007年，西安电子科技大学出版社。（主要教材）参考书：人工智能导论，林尧瑞，马少平编著，清华大学出版社，1989年5月第1版，1998年3月第7次印刷人工智能导论，刘峡壁，2008年，国防工业出版社 人工智能原理，石纯一等，1993年，清华大学出版社人工智能引论，E.丽奇著，李卫华等译，1986年，广东科技出版社,教材及主要参考书,IJCAI，世界人工智能大会，2年一次 International Joint Conference on Artificial IntellienceAAAI，美国一年一次的年会AI JournalSIGKDD,AI的会议及杂志,第 1 章 人工智能概述,1.1 什么是人工智能 1.2 人工智能的研究意义、目标和策略1.3 人工智能的学科范畴 1.4 人工智能的研究内容 1.5 人工智能的研究途径与方法 1.6 人工智能的基本技术 1.7 人工智能的应用 1.8 人工智能的分支领域与研究方向 1.9 人工智能的发展概况 习题一,1.1 什么是人工智能,1.1.1 什么是智能？智能是脑特别是人脑的属性或者说产物。智能的基础是知识（没有知识的智能不可想象）。智能的关键是思维（知识是思维产生的）。智能取决于感知和行为。结论 内涵：智能知识思维 外延：智能就是发现规律、运用规律和分析问题、解决问题的能力,智能的特征具有感知能力，感知是人类最基本的生理、心理现象，是获取外界信息的基本途径。具有记忆和思维能力，思维可分为逻辑思维、形象思维和顿悟思维。具有学习能力和自适应能力。具有行为能力。,1.1.2 人工智能概念的一般描述顾名思义,人工智能就是人造智能,其英文表示是“Artificial Intelligence”,简称AI。“人工智能”一词目前是指用计算机模拟或实现的智能,因此人工智能又称机器智能。当然,这只是对人工智能的字面解释或一般解释。关于人工智能的科学定义,学术界目前还没有统一的认识。下面是部分学者对人工智能概念的描述,可以看做是他们各自对人工智能所下的定义。,人工智能是那些与人的思维相关的活动,诸如决策、问题求解和学习等的自动化(Bellman,1978年)。人工智能是一种计算机能够思维,使机器具有智力的激动人心的新尝试(Haugeland,1985年)。人工智能是研究如何让计算机做现阶段只有人才能做得好的事情(Rich Knight,1991年)。人工智能是那些使知觉、推理和行为成为可能的计算的研究(Winston,1992年)。,广义地讲,人工智能是关于人造物的智能行为,而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为(Nilsson,1998年)。Stuart Russell和Peter Norvig则把已有的一些人工智能定义分为4类(2003年)。,上述定义虽然都指出了人工智能的一些特征,但用它们却难以界定一台计算机是否具有智能。因为要界定机器是否具有智能,必然要涉及到什么是智能的问题,但这却是一个难以准确回答的问题。人工智能是一门研究如何构造智能机器、智能系统，使它能模拟、拓展、延伸人类智能的学科。,1.1.3 图灵测试和中文屋子关于如何界定机器智能,早在人工智能学科还未正式诞生之前的1950年,计算机科学创始人之一的英国数学家阿兰图灵(Alan Turing)就提出了现称为“图灵测试”(Turing Test)的方法。,Alan Turing,“Computing Machinery and Intelligence”,Mind,59:433 460,1950.问题:“Can machines think?”为此，Turing设计了著名的Turing Test,测试主持人,被测机器,被测人,小于50%？,Turing测试,Turing测试存在的问题 仅反映了结果的比较，没涉及思维过程 没指出是什么人,约翰西尔勒和“中文屋子”对于“图灵测试”,美国哲学家约翰西尔勒(John Searle,1980年)提出了异议。他用一个现在称为“中文屋子”的假设,试图说明即便是一台计算机通过了图灵测试,也不能说它就真的具有智能。,1.1.4 脑智能和群智能群智能是有别于脑智能的。事实上,它们是属于不同层次的智能。脑智能是一种个体智能(Individual Intelligence,II),而群智能是一种社会智能(Social Intelligence,SI),或者说是系统智能(System Intelligence,SI)。但对于人脑来说,宏观心理(或者语言)层次上的脑智能与神经元层次上的群智能又有密切的关系正是微观生理层次上低级的神经元的群智能形成了宏观心理层次上高级的脑智能。,1.1.5 符号智能和计算智能1.符号智能符号智能就是符号人工智能,它是模拟脑智能的人工智能,也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础,主要通过逻辑推理，运用知识进行问题求解。符号智能的主要内容包括知识获取(knowledge acquisition)、知识表示(knowledge representation)、知识组织与管理和知识运用等技术，以及基于知识的智能系统等。,2.计算智能计算智能就是计算人工智能,它是模拟群智能的人工智能。计算智能以数值数据为基础,主要通过数值计算，运用算法进行问题求解。计算智能的主要内容包括:神经计算(Neural Computation,NC)、进化计算(Evolutionary Computation,EC,包括遗传算法(Genetic Algorithm,GA)、进化规划(Evolutionary Planning,EP)、进化策略(Evolutionary Strategies,ES)等)、免疫计算(immune computation)、粒群算法(Particle Swarm Algorithm,PSA)、蚁群算法(Ant Colony Algorithm,ACA)、自然计算(Natural Computation,NC)以及人工生命(Artificial Life,AL)等。计算智能主要研究各类优化搜索算法,是当前人工智能学科中一个十分活跃的分支领域。,1.2 人工智能的研究意义、目标和策略,1.2.1 为什么要研究人工智能现在的普通计算机系统的智能还相当低下,譬如缺乏自适应、自学习、自优化等能力,也缺乏社会常识或专业知识等,而只能是被动地按照人们为它事先安排好的工作步骤进行工作。因而它的功能和作用就受到很大的限制,难以满足越来越复杂和越来越广泛的社会需求。既然计算机和人脑一样都可进行信息处理,那么是否能让计算机同人脑一样也具有智能呢？,研究人工智能也是当前信息化社会的迫切要求。我们知道,人类社会现在已经进入了信息化时代。信息化的进一步发展,就必须有智能技术的支持。智能化也是自动化发展的必然趋势。自动化发展到一定水平,再向前发展就必然是智能化。事实上,智能化将是继机械化、自动化之后,人类生产和生活中的又一个技术特征。,1.2.2 人工智能的研究目标和策略 人工智能作为一门学科,其研究目标就是制造智能机器和智能系统,实现智能化社会。具体来讲,就是要使计算机不仅具有脑智能和群智能,还要具有看、听、说、写等感知和交流能力。简言之,就是要使计算机具有自主发现规律、解决问题和发明创造的能力,从而大大扩展和延伸人的智能,实现人类社会的全面智能化。1）人工智能学科的研究策略则是先部分地或某种程度地实现机器的智能,并运用智能技术解决各种实际问题特别是工程问题。2）构造智能计算机。,1.3 人工智能的学科范畴,人工智能已构成信息技术领域的一个重要学科。因为该学科研究的是如何使机器(计算机)具有智能或者说如何利用计算机实现智能的理论、方法和技术,所以,当前的人工智能既属于计算机科学技术的一个前沿领域,也属于信息处理和自动化技术的一个前沿领域。但由于其研究内容涉及到“智能”,因此,人工智能还涉及到智能科学、认知科学等众多学科领域。所以,人工智能实际上是一门综合性的交叉学科和边缘学科。,人工智能的交叉包括：逻辑、思维、生理、心理、计算机、电子、语言、自动化、光、声等人工智能的核心是思维与智能，构成了自己独特的学科体系人工智能的基础学科包括：数学（离散、模糊）、思维科学（认知心理、逻辑思维学、形象思维学）和计算机（硬件、软件）等,自然科学,社会科学,哲学,数学,交叉学科,系统科学,思维科学,人体科学,人工智能,基础学科,指导学科,1.4 人工智能的研究内容,1.4.1 搜索与求解所谓搜索,就是为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。搜索是人在求解问题时而不知现成解法的情况下所采用的一种普遍方法。这可以看做是人类和其他生物所具有的一种元知识。另一方面,人工智能的研究实践也表明,许多问题的求解都可以描述为或者归结为对某种图或空间的搜索问题。许多智能活动(包括脑智能和群智能)的过程,甚至几乎所有智能活动的过程,都可以看做或者抽象为一个基于搜索的问题求解过程。因此,搜索技术就成为人工智能最基本的研究内容。,1.4.2 学习与发现学习与发现是指机器的知识学习和规律发现。事实上,经验积累能力、规律发现能力和知识学习能力都是智能的表现。那么,要实现人工智能就应该赋予机器这些能力。关于机器的学习和发现技术就是人工智能的重要研究内容。,1.4.3 知识与推理对智能来说,知识很重要。能发现客观规律是一种有智能的表现,能运用知识解决问题也是有智能的表现,而且是最为基本的一种表现。而发现规律和运用知识本身还需要知识，知识是智能的基础和源泉。要实现人工智能,计算机就必须拥有知识和运用知识的能力。为此,就要研究面向机器的知识表示形式和基于各种表示的机器推理技术。知识表示要求便于计算机的接受、存储、处理和运用,机器的推理方式与知识的表示又息息相关。,1.4.4 发明与创造这里的发明创造既包括我们通常所说的发明创造,如机器、仪器、设备等的发明和革新,也包括创新性软件、方案、规划、设计等的研制和技术、方法的创新以及文学、艺术的创作,还包括思想、理论、法规的建立和创新等等。发明创造不仅需要知识和推理,还需要想象和灵感。它不仅需要逻辑思维,而且还需要形象思维。所以,这个领域应该说是人工智能中最富挑战性的一个研究领域。目前,人们在这一领域已经开展了一些工作,并取得了一些成果。但总的来讲,原创性的机器发明创造进展甚微,甚至还是空白。,1.4.5 感知与交流感知与交流是指计算机对外部信息的直接感知和人机之间、智能体之间的直接信息交流。机器感知就是计算机直接“感觉”周围世界,就像人一样通过“感觉器官”直接从外界获取信息,如通过视觉器官获取图形、图像信息,通过听觉器官获取声音信息。所以,机器感知包括计算机视觉、听觉等各种感觉能力。感知和交流是拟人化智能个体或智能系统(如Agent和智能机器人)所不可缺少的功能组成部分,也是人工智能的研究内容之一。,1.4.6 记忆与联想 记忆是智能的基本条件,不管是脑智能还是群智能,都以记忆为基础。记忆也是人脑的基本功能之一。在人脑中,伴随着记忆的就是联想,联想是人脑的奥秘之一。计算机要模拟人脑的思维就必须具有联想功能。要实现联想无非就是建立事物之间的联系。在机器世界里面就是有关数据、信息或知识之间的联系。传统方法实现的联想,只能对于那些完整的、确定的(输入)信息,联想起(输出)有关的信息。这种“联想”与人脑的联想功能相差甚远。人脑能对那些残缺的、失真的、变形的输入信息,仍然可以快速准确地输出联想响应。,1.4.7 系统与建造系统与建造是指智能系统的设计和实现技术。它包括智能系统的分类、硬/软件体系结构、设计方法、实现语言工具与环境等。由于人工智能一般总要以某种系统的形式来表现和应用,因此关于智能系统的设计和实现技术也是人工智能的研究内容之一。,1.4.8 应用与工程应用与工程是指人工智能的应用和工程研究,这是人工智能技术与实际应用的接口。它主要研究人工智能的应用领域、应用形式、具体应用工程项目等。其研究内容涉及问题的分析、识别和表示,相应求解方法和技术的选择等。,1.5 人工智能的研究途径与方法,1.5.1 心理模拟,符号推演“心理模拟,符号推演”就是从人脑的宏观心理层面入手,以智能行为的心理模型为依据,将问题或知识表示成某种逻辑网络,采用符号推演的方法,模拟人脑的逻辑思维过程,实现人工智能。,采用这一途径与方法的原因是:人脑的可意识到的思维活动是在心理层面上进行的(如我们的记忆、联想、推理、计算、思考等思维过程都是一些心理活动),心理层面上的思维过程是可以用语言符号显式表达的,从而人的智能行为就可以用逻辑来建模。心理学、逻辑学、语言学等实际上也是建立在人脑的心理层面上的,从而这些学科的一些现成理论和方法就可供人工智能参考或直接使用。当前的数字计算机可以方便地实现语言符号型知识的表示和处理。可以直接运用人类已有显式知识(包括理论知识和经验知识)直接建立基于知识的智能系统。,符号推演法是人工智能研究中最早使用的方法之一。人工智能的许多重要成果也都是用该方法取得的,如自动推理、定理证明、问题求解、机器博弈、专家系统等等。由于这种方法模拟人脑的逻辑思维,利用显式的知识和推理来解决问题,因此,它擅长实现人脑的高级认知功能,如推理、决策等。,1.5.2 生理模拟,神经计算“生理模拟,神经计算”就是从人脑的生理层面,即微观结构和工作机理入手,以智能行为的生理模型为依据,采用数值计算的方法,模拟脑神经网络的工作过程,实现人工智能。具体来讲,就是用人工神经网络作为信息和知识的载体,用称为神经计算的数值计算方法来实现网络的学习、记忆、联想、识别和推理等功能。,人脑的生理结构是由大约10111012个神经元(细胞)组成的神经网络,而且是一个动态的、开放的、高度复杂的巨系统,目前的生理模拟只是对人脑的局部或近似模拟,也就是从群智能的层面进行模拟,实现人工智能。这种方法一般是通过神经网络的“自学习”获得知识,再利用知识解决问题。神经网络具有高度的并行分布性、很强的鲁棒性和容错性。它擅长模拟人脑的形象思维,便于实现人脑的低级感知功能,例如图像、声音信息的识别和处理。,生理模拟和神经计算的方法早在20世纪40年代就已出现,但由于种种原因而发展缓慢,甚至一度出现低潮,直到80年代中期才重新崛起,现已成为人工智能研究中不可或缺的重要途径与方法。采用生理模拟和神经计算方法的人工智能研究,被称为生理学派、连接主义。,1.5.3 行为模拟,控制进化还有一种基于“感知-行为”模型的研究途径和方法,称其为行为模拟法。这种方法是用模拟人和动物在与环境的交互、控制过程中的智能活动和行为特性,如反应、适应、学习、寻优等,来研究和实现人工智能。基于这一方法研究人工智能的典型代表要算MIT的R.Brooks教授,他研制的六足行走机器人(亦称为人造昆虫或机器虫),曾引起人工智能界的轰动。这个机器虫可以看做是新一代的“控制论动物”,它具有一定的适应能力,是一个运用行为模拟即控制进化方法研究人工智能的代表作。,玩具机器人（广州中鸣数码）,沙漠机器人,基于行为模拟方法的人工智能研究,被称为行为主义、进化主义、控制论学派。行为主义曾强烈地批评传统的人工智能(主要指符号主义,也涉及连接主义)对真实世界的客观事物和复杂境遇,作了虚假的、过分简化的抽象。沿着这一途径,人们研制具有自学习、自适应、自组织特性的智能控制系统和智能机器人,进一步展开了人工生命(AL)的研究。,1.5.4 群体模拟,仿生计算“群体模拟,仿生计算”就是模拟生物群落的群体智能行为,从而实现人工智能。例如,模拟生物种群有性繁殖和自然选择现象而出现的遗传算法,进而发展为进化计算;模拟人体免疫细胞群而出现的免疫计算、免疫克隆计算及人工免疫系统;模拟蚂蚁群体觅食活动过程的蚁群算法;模拟鸟群飞翔的粒群算法和模拟鱼群活动的鱼群算法等等。这些算法在解决组合优化等问题中表现出卓越的性能。而对这些群体智慧的模拟是通过一些诸如遗传、变异、选择、交叉、克隆等所谓的算子或操作来实现的,统称其为仿生计算。仿生计算的特点是,其成果可以直接付诸应用,解决工程问题和实际问题。,1.5.5 博采广鉴,自然计算人工智能的这些研究途径和方法的出现并非偶然。因为至今人们对智能的科学原理还未完全弄清楚,所以在这种情况下研究和实现人工智能的一个自然的思路就是模拟自然智能。,自然计算就是模仿或借鉴自然界的某种机理而设计计算模型,这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法。如神经计算、进化计算、免疫计算、生态计算、量子计算、分子计算、DNA计算和复杂自适应系统等都属于自然计算。自然计算能够解决传统计算方法难于解决的各种复杂问题,在大规模复杂系统的最优化设计、优化控制、网络安全、创造性设计等领域具有很好的应用前景。,1.5.6 原理分析,数学建模“原理分析,数学建模”就是通过对智能本质和原理的分析,直接采用某种数学方法来建立智能行为模型。例如,人们用概率统计原理(特别是贝叶斯定理)处理不确定性信息和知识,建立了统计模式识别、统计机器学习和不确定性推理的一系列原理和方法。又如,人们用数学中的距离、空间、函数、变换等概念和方法,开发了几何分类、支持向量机等模式识别和机器学习的原理和方法。,1.6 人工智能的基本技术,尽管人工智能可分为符号智能和计算智能,但二者仍有许多共同或相似之处,其中最显著的相似之处是:(1)二者都涉及表示和运算。(2)二者都是通过搜索进行问题求解的。,1.7 人工智能的应用,1.7.1 难题求解主要指那些没有算法解,或虽有算法解但在现有机器上无法实施或无法完成的困难问题,例如智力性问题中的梵塔问题、n皇后问题、旅行商问题、博弈问题等等,就是这样的难题。研究智力难题的求解则具有双重意义:一方面,可以找到解决这些难题的途径;另一方面,由解决这些难题而发展起来的一些技术和方法可用于人工智能的其他领域。,1.7.2 自动规划、调度与配置 规划、调度与配置问题是实用性、工程性最强的一类问题。规划一般指设计制定一个行动序列,例如机器人行动规划、交通路线规划。调度就是一种任务分派或者安排,例如车辆调度、电力调度、资源分配、任务分配。配置则是设计合理的部件组合结构,即空间布局,例如资源配置、系统配置、设备或设施配置。,1.7.3 机器定理证明 机器定理证明也是人工智能的一个重要的研究课题。定理证明是最典型的逻辑推理问题,它在发展人工智能方法上起过重大作用。,1.7.4 自动程序设计 自动程序设计就是让计算机设计程序。具体来讲,就是人只要给出关于某程序要求的非常高级的描述,计算机就会自动生成一个能完成这个要求目标的具体程序。相当于给机器配置了一个“超级编译系统”,它能够对高级描述进行处理,通过规划过程,生成所需的程序。自动程序设计还包括程序自动验证,即自动证明所设计程序的正确性。这样,自动程序设计也是人工智能和软件工程相结合的研究课题。,1.7.5 机器翻译 机器翻译就是完全用计算机作为两种语言之间的翻译。机器翻译由来已久,早在电子计算机问世不久,就有人提出了机器翻译的设想,随后就开始了这方面的研究。机器翻译并非想像的那么简单,单纯地依靠“查字典”的方法不可能解决翻译问题,只有在对语义理解的基础上,才能做到真正的翻译,所以机器翻译的真正实现,还要靠自然语言理解方面的突破。,机器翻译等的失败：“Time flies like an arrow”翻译成日语，再译回来：“苍蝇喜欢箭”“The spirit is willing but the flesh is weak”译成俄语，再译回来：“The wine is good but the meat is spoiled”,1.7.6 智能控制 智能控制就是把人工智能技术引入控制领域,建立智能控制系统。智能控制具有两个显著的特点:第一,智能控制是同时具有知识表示的非数学广义世界模型和传统数学模型混合表示的控制过程,也往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发来引导求解过程;第二,智能控制的核心在高层控制,即组织级控制,其任务在于对实际环境或过程进行组织,即决策与规划,以实现广义问题求解。,智能控制的开发,目前认为有以下途径:基于专家系统的专家智能控制。基于模糊推理和计算的模糊控制。基于人工神经网络的神经网络控制。综合以上三种方法的综合型智能控制。,1.7.7 智能管理智能管理就是把人工智能技术引入管理领域,建立智能管理系统。智能管理是现代管理科学技术发展的新动向。智能管理是人工智能与管理科学、系统工程、计算机技术及通信技术等多学科、多技术互相结合、互相渗透而产生的一门新技术、新学科。它研究如何提高计算机管理系统的智能水平,以及智能管理系统的设计理论、方法与实现技术。智能管理系统是在管理信息系统、办公自动化系统、决策支持系统的功能集成和技术集成的基础上,应用人工智能专家系统、知识工程、模式识别、人工神经网络等方法和技术,进行智能化、集成化、协调化,设计和实现的新一代的计算机管理系统。,1.7.8 智能决策 智能决策就是把人工智能技术引入决策过程,建立智能决策支持系统。智能决策支持系统是在20世纪80年代初提出来的。它是决策支持系统与人工智能,特别是专家系统相结合的产物。它既充分发挥了传统决策支持系统中数值分析的优势,也充分发挥了专家系统中知识及知识处理的特长,既可以进行定量分析,又可以进行定性分析,能有效地解决半结构化和非结构化的问题,从而扩大了决策支持系统的范围,提高了决策支持系统的能力。,1.7.9 智能通信 智能通信就是把人工智能技术引入通信领域,建立智能通信系统。智能通信就是在通信系统的各个层次和环节上实现智能化。例如在通信网的构建、网管与网控、转接、信息传输与转换等环节,都可实现智能化。这样,网络就可运行在最佳状态,使呆板的网变成活化的网,使其具有自适应、自组织、自学习、自修复等功能。,1.7.10 智能仿真 利用人工智能技术能对整个仿真过程进行指导,能改善仿真模型的描述能力,在仿真模型中引进知识表示将为研究面向目标的建模语言打下基础,提高仿真工具面向用户、面向问题的能力。,1.7.11 智能CAD 智能CAD(简称ICAD)就是把人工智能技术引入计算机辅助设计领域,建立智能CAD系统。事实上,AI几乎可以应用到CAD技术的各个方面,从目前发展的趋势来看,至少有以下四个方面:(1)设计自动化。(2)智能交互。(3)智能图形学。(4)自动数据采集。,1.7.12 智能制造 智能制造就是在数控技术、柔性制造技术和计算机集成制造技术的基础上,引入智能技术。智能制造系统由智能加工中心、材料传送检测和实验装置等智能设备组成。它具有一定的自组织、自学习和自适应能力,能在不可预测的环境下,基于不确定、不精确、不完全的信息,完成拟人的制造任务,形成高度自动化生产。,1.7.13 智能CAI 智能CAI就是把人工智能技术引入计算机辅助教学领域,建立智能CAI系统,即ICAI。ICAI的特点是能对学生因才施教地进行指导。,1.7.14 智能人机接口智能人机接口就是智能化的人机交互界面,也就是将人工智能技术应用于计算机与人的交互界面,使人机界面更加灵性化、拟人化、个性化。这也是当前人机交互的迫切需要和人机接口技术发展的必然趋势。智能人机接口已成为计算机、网络和人工智能等学科共同关注和通力合作的研究课题。该课题涉及到机器感知特别是图形图像识别与理解、语音识别、自然语言处理、机器翻译等诸多AI技术,另外,还涉及到多媒体、虚拟现实等技术。,1.7.15 模式识别识别是人和生物的基本智能信息处理能力之一。所谓模式识别,则指的是用计算机进行物体识别。这里的物体一般指文字、符号、图形、图像、语音、声音及传感器信息等形式的实体对象,而并不包括概念、思想、意识等抽象或虚拟对象,后者的识别属于心理、认知及哲学等学科的研究范畴。经过多年的研究,模式识别已发展成为一个独立的学科,其应用十分广泛,诸如信息、遥感、医学、影像、安全、军事等领域,模式识别已经取得了重要成效。,1.7.16 数据挖掘（DM）与数据库中的知识发现（KDD）数据挖掘和数据库中的知识发现的本质含义是一样的,只是前者主要流行于统计、数据分析、数据库和信息系统等领域,后者则主要流行于人工智能和机器学习等领域,。DM与KDD现已成为人工智能应用的一个热门领域和研究方向,其涉及范围非常广泛,如企业数据、商业数据、科学实验数据、管理决策数据、Web数据等的挖掘和发现。,1.7.17 计算机辅助创新计算机辅助创新(Computer Aided Innovation,CAI)是以“发明问题解决理论(TRIZ)”为基础,结合本体论(Ontology)、现代设计方法学、计算机技术而形成的一种用于技术创新的新手段。近年来,CAI在欧美国家迅速发展,成为新产品开发中的一项关键性基础技术。计算机辅助创新可以看做是机器发明创造的初级形式。,1.7.18 计算机文艺创作在文艺创作方面,人们也尝试开发和运用人工智能技术。,云松銮仙玉骨寒,松虬雪友繁。大千收眼底,斯调不同凡。,1.7.19 机器博弈机器博弈是人工智能最早的研究领域之一,而且一直久经不衰。早在人工智能学科建立的当年1956年,塞缪尔就研制成功了一个跳棋程序。三年后的1959年,装有这个程序的计算机就击败了塞缪尔本人,1962年又击败了美国一个州的冠军。1997年IBM的“深蓝”计算机以2胜3平1负的战绩击败了蝉联12年之久的世界国际象棋冠军加里卡斯帕罗夫,轰动了全世界。2001年,德国的“更弗里茨”国际象棋软件更是击败了当时世界排名前10位棋手中的9位,计算机的搜索速度达到创纪录的600万步每秒。,计算机打败国际象棋冠军,“深蓝”与卡斯帕罗夫的对比身高:卡斯帕罗夫5英尺10英寸,“深蓝”6英尺5英寸；体重:卡斯帕罗夫176磅，“深蓝”1.4吨；年龄：卡斯帕罗夫34岁，“深蓝”4岁；每秒行棋速度：卡斯帕罗夫2步，“深蓝”2亿步。,最主要差别：卡斯帕罗夫:随机应变能力强，老谋深算，经验丰富,但思路易受身体条件、情绪和周围环境的影响。“深蓝”：是个刚刚涉足棋坛的小学生,记忆力强，计算平稳且不受环境干扰。“深蓝”程序带有一个收集了20世纪各位著名国际象棋大师所下的数千个棋局的数据库。,机器人足球赛是机器博弈的另一个战场。近年来,国际大赛不断,盛况空前。现在这一赛事已波及到全世界的许多大专院校,激起了大学生们的极大兴趣和热情。机器博弈现在已经不再仅仅是人工智能专家们研究的课题,而且已经进入了人们的文化生活。机器博弈是对机器智能水平的测试和检验,它的研究将有力推动人工智能技术的发展。,1.7.20 智能机器人智能机器人也是当前人工智能领域一个十分重要的应用领域和热门的研究方向。由于它直接面向应用,社会效益强,所以,其发展非常迅速。诸如工业机器人、太空机器人、水下机器人、家用机器人、军用机器人、服务机器人、医疗机器人、运动机器人、助理机器人、机器人足球赛、机器人象棋赛,几乎应有尽有。,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。智能机器人具有的能力：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,情感机器人不仅能理解人的语言，还能够对不同语言做出相应的喜怒哀乐反应，还能够通过转动和睁闭眼睛、皱眉、张嘴、打手势等形式表达其丰富的情感。,机器人服务员,图坦卡蒙的咒语:“不论是谁骚扰了法老的安宁，死神之翼将在它的头上降临。”,1.8 人工智能的分支领域与研究方向,从模拟的智能层次和所用的方法来看,人工智能可分为符号智能和计算智能两大主要分支领域。符号智能有图搜索、自动推理、不确定性推理、知识工程、符号学习等。计算智能有神经计算、进化计算、免疫计算、蚁群算法、粒群算法、自然计算等。智能Agent也是人工智能的一个新兴的重要领域。智能Agent是以符号智能和计算智能为基础的更高一级的人工智能。,从模拟的脑智能或脑功能来看,AI中有机器学习、机器感知、机器联想、机器推理、机器行为等分支领域。从应用角度看,如1.7节所述,AI中有难题求解等数十种分支领域和研究方向。从系统角度看,AI中有智能计算机系统和智能应用系统两大领域。从基础理论看,AI中有数理逻辑和多种非标准逻辑、图论、人工神经网络、模糊集、粗糙集、概率统计和贝叶斯网络、统计学习理论与支持向量机等等领域和方向。,1.9 人工智能的发展概况,1.9.1 人工智能学科的产生 人工智能学科正式诞生于1956年。1956年夏季,由美国达特莫斯(Dartmouth)大学的麦卡锡(McCarthy)、哈佛大学的明斯基(Minsky)、IBM公司信息研究中心的洛切斯特(Rochester)、贝尔实验室的申农(Shannon)共同发起,邀请IBM公司的莫尔(T.More)和塞缪尔(Samuel)、麻省理工学院的塞尔夫里奇(O.Selfridge)和索罗门夫(R.Solomonff)以及兰德公司和卡内基工科大学的纽厄尔(A.Newell)、西蒙(H.A.Simon)等,共十位来自数学、心理学、神经生理学、信息论和计算机等方面的学者和工程师,在达特莫斯大学召开了一次历时两个月的研究会,讨论关于机器智能的有关问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。从此,一门新兴的学科便正式诞生了。,1.9.2 符号主义途径发展概况 符号主义是指以符号处理为核心的方法。又称为自上而下和符号主义,起源于通用问题求解(General Problem Solving,GPS),用于模拟人类问题求解过程的心理过程,逐渐形成为物理符号系统。AI的目标就是实现机器智能,而计算机自身具有符号处理功能,它本身就蕴含着推理能力,因而可能够方便地模拟逻辑思维过程符号主义认为：人类智能的基本单元是符号，认知过程就是符号操作过程，从而思维就是符号计算。,主要特征:(1)立足于逻辑运算和符号操作,适合于模拟人的逻辑思维过程,解决需要逻辑推理的复杂问题；(2)知识可用显示的符号表示,在已知基本规则的情况下,无需输入大量的细节知识；(3)便于模块化,当个别事实发生变化时,易于修改；(4)能与传统的符号数据库进行连接；(5)可对推理结论进行解释,便于对各种可能性进行选择。缺点：可以解决逻辑思维,但对于形象思维难于模拟；信息表示成符号后,并在处理或转换时,信息有丢失的情况。,1.9.2 符号主义途径发展概况 1956年之后的10多年间,人工智能的研究取得了许多引人瞩目的成就。从符号主义的研究途径来看,主要有:定理证明 1956年,美国的纽厄尔、肖和西蒙合作编制了一个名为逻辑理论机(LT)的计算机程序系统。该程序模拟了人为数理逻辑证明定理时的思维规律。利用LT纽厄尔等人证明了数学原理第 2 章中的 38 条定理。数理逻辑学家王浩于1958年在计算机上用 35 分钟证明了数学原理中有关命题演算的全部定理(220条),并且还证明了谓词演算中150条定理的85%。,1956年,塞缪尔研制成功了具有自学习、自组织、自适应能力的跳棋程序。这个程序能从棋谱中学习,也能从下棋实践中提高棋艺,1959 年它击败了塞缪尔本人,1962年又击败了美国一个州的冠军。1959年,籍勒洛特发表了证明平面几何问题的程序,塞尔夫里奇推出了一个模式识别程序;1965年罗伯特(Roberts)编制出了可以分辨积木构造的程序。,1960年,纽厄尔、肖和西蒙等人通过心理学试验总结出了人们求解问题的思维规律,编制了通用问题求解程序(General Problem Solving,GPS)。该程序可以求解11种不同类型的问题。1960年,麦卡锡研制成功了面向人工智能程序设计的表处理语言LISP。该语言以其独特的符号处理功能,很快在人工智能界风靡起来。它武装了一代人工智能学者,至今仍然是人工智能研究的一个有力工具。1965年,鲁宾逊(Robinson)提出了消解原理(resolution principle),为定理的机器证明做出了突破性的贡献。,20世纪80年代后,专家系统与知识工程在理论、技术和应用方面都有了长足的进步和发展。专家系统的建造进入应用高级开发工具时期。同时,知识表示、不精确推理、机器学习等方面也都取得了重要进展。各个应用领域的专家系统更如雨后春笋般地在世界各地不断涌现。专家系统、知识工程的技术已应用于各种计算机应用系统,出现了智能管理信息系统、智能决策支持系统、智能控制系统、智能CAD系统、智能CAI系统、智能数据库系统、智能多媒体系统等等。,1.9.3 连接主义途径发展概况 连接主义是指以网络连接为主的连接机制方法。又称为自下而上和连接主义,属于非符号处理范畴.在现实中，人们并不仅仅依靠逻辑推理来求解问题，有时非逻辑推理还其着非常重要的作用连接主义：人工智能可以通过仿生人类的大脑的结构来实现，它研究的内容就是神经网络。早在 20 世纪 40 年代,就有一些学者开始了神经元及其数学模型的研究。,主要特征:(1)通过神经元之间的并行协作实现信息处理,处理过程具有并行性,动态性,全局性(2)可以实现联想的功能,便于对有噪声的信息进行处理(3)可以通过对神经元之间连接强度的调整实现学习和分类等(4)适合模拟人类的形象思维过程(5)求解问题时,可以较快的得到一个近似解缺点：不适合于解决逻辑思维,体现结构固定和组成方案单一的系统也不适合多种知识的开发,明斯基(Minsky)应用数学理论对以感知器为代表的简单网络作了深入的分析,1969年他与白伯脱(Papert)共同发表了颇有影响的Perceptrons一书。书中证明了那时使用的单层人工神经网络,无法实现一个简单的异或门(XOR)所完成的功能。因而明斯基本人也对神经网络的前景持悲观态度。此后因为各种原因,神经网络的研究进入低谷。经过科学家们的艰苦探索,神经网络的理论和技术在经过近20年的暗淡时期后终于有了新的突破和 惊人的成果。,1985年美国霍布金斯大学的赛诺斯(T.Sejnowsk)开发了名为NETtalk英语读音学习用的神经网络处理器,输入为最多由7个字母组成的英语单词,输出为其发音,该处理器自己可以学习许多发音规则,从一无所知起步,经过3个月的学习所达到的水平已可同经过20年研制成功的语音合成系统相媲美。同年,美国物理学家霍普菲尔特(J.Hopfield)用神经网络迅速求得了巡回推销员路线问题(即旅行商问题)的准优解,显示它在求解“难解问题”上的非凡能力。,1987年6月,第一届国际神经网络会议(ICNN)在美国圣第亚哥召开。会议预定800人,但实际到会达2000多人。会议决定成立国际神经网络学会,并出版会刊Neural Networks。从此,神经网络便东山再起,其研究活动的总量急剧增长,理论与技术继续进展,应用成果不断涌现。,1.9.4 计算智能异军突起1965年美国学者L.A.Zadeh推广了传统集合的定义提出了模糊集合(fuzzy set)的概念。基于模糊集合人们又发展了模糊逻辑、模糊推理、模糊控制等,形成了一系列处理不确切性信息和知识的理论和方法,构成了现在所称的模糊理论、模糊技术或模糊计算。1994年,关于神经网络、进化程序设计和模糊系统的三个IEEE国际会议联合举行了首届计算智能大会“The First IEEE World Congress on Computational Intelligence”。这标志着一个有别于符号智能的人工智能新领域计算智能正式形成。,进入21世纪后,计算智能从理论上和应用上都取得了长足的发展。特别是进化计算、免疫算法、蚁群算法、粒群算法等又构成了一个称为智能计算或智能算法的