教学课件：第八章-人工智能.ppt

第八章 人工智能,高等医药院校药学类规划教材计算机在药学中的应用,第一节 人工智能基础,目 录,第二节 人工神经网络,第三节 生物医药机器人,大学计算机基础沈阳药科大学,第一节 人工智能基础,第一节 人工智能基础,大学计算机基础沈阳药科大学,一、人工智能的概念和由来,生命科学群和信息科学群是当今世界最具有发展力的两大学科群，而人工智能（Artificial Intelligence,AI）则是这两个学科群中最重要、最具前景的交叉领域。人工智能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。,大学计算机基础沈阳药科大学,人工智能的核心在于“智能”，我们可以将智能理解为记忆与思维的能力、感知的能力、行为能力和具有学习和适应的能力。从“能力”的角度上讲，人工智能是相对于人的自然智能而言的，是指用人工的方法在计算机上实现的智能。从科学的角度来讲，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟，延伸和扩展人类智能的学科。,大学计算机基础沈阳药科大学,二、人工智能的发展历程,1.孕育期（1956年以前）1946年，在美国诞生了世界上第一台电子数字计算机ENIAC。在同一时代，控制论和信息论创立，生物学家设计了脑模型。这些成果都为人工智能学科的诞生奠定了理论与实验基础。2.形成期（1956年1970年）1956年，人工智能的研究取得了两项重大突破。第一项是纽厄尔、肖（Shaw）和西蒙研究组编制的逻辑理论程序LT（Logic Theory Machine），可以模拟人们用数理逻辑证明定理的思想。第二项是IBM工程研究组的塞缪尔研制的西洋跳棋程序。这个程序可以像一个优秀棋手那样，向前看几步来下棋，并且能在下棋过程中积累经验，不断提高棋艺。1959年，这个程序战胜了设计者本人，1962年它又击败了美国一个州的跳棋冠军。,大学计算机基础沈阳药科大学,3.知识应用期（1970年20世纪80年代末）进入二十世纪70年代后，人工智能转向了以知识为中心的研究。专家系统实现了人工智能从理论研究走向实际应用的突破。是人工智能发展历程中的一次重大转折。4.从学派分离走向综合（20世纪80年代末本世纪初）人工智能技术被更广泛的应用到各个领域并取得了卓越的成绩。人工智能技术开始被用于导弹系统和其它先进武器，同时它也进入了我们的个人计算机，能够进行自然语言处理，机器翻译和语音识别的智能电脑的增加吸引了公众的兴趣。,大学计算机基础沈阳药科大学,三、人工智能的主要研究学派,大学计算机基础沈阳药科大学,四、我国人工智能研究的历史,人工智能研究在我国起步相对较晚，纳入国家计划的“智能模拟”研究始于1978年；1984年召开了智能计算机及其系统的全国学术讨论会；1986年起把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究计划；1981年起，相继成立了中国人工智能学会（CAAI）等学术团体；1989年首次召开的中国人工智能联合会议（CJCAI）；1993年起，又把智能控制和智能自动化等项目列入国家科技攀登计划。进入21世纪后，已有更多的人工智能与智能系统研究获得各种基金计划支持。,大学计算机基础沈阳药科大学,五、人工智能技术与实现方法,人工智能在计算机上实现时有2种不同的方式。一种是工程学方法（Engineering approach），它采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。工程学方法已在一些领域取得了一定的成果，如文字识别、电脑下棋等。采用这种方法，需要我们详细规定程序逻辑，逻辑简单的时候很容易实现，一旦程序逻辑复杂繁琐，就很容易出现错误。另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（Generic Algorithm，简称GA）和人工神经网络（Artificial Neural Network，简称ANN）都属于这种方法。,大学计算机基础沈阳药科大学,六、人工智能的主要研究方向,人工智能的研究包括智能机器人、模式识别、自然语言处理和专家系统等方向。1.问题求解：我们通过对人们求解问题的一般规律、求解问题的思路的研究，编制一个智能程序，让它依照人类解决问题的方法与思维模式去解决问题。2.自然语言处理：自然语言处理（Natural Language Processing，NLP）也是人工智能的早期研究领域之一，自然语言处理主要研究如何使计算机能够理解和生成自然语言。自然语言处理通常与模式识别，计算机视觉等技术相结合，应用在文字识别和语音识别等系统中。,大学计算机基础沈阳药科大学,3.模式识别：模式识别是研究如何从庞大的信息中提取特征，应用计算机对某一范畴内的事物依据特征进行自动的识别和分类。模式识别是人工智能的重要组成部分，它本身又分为文字识别、语音识别、生物特征识别、图像分析等许多分支。4.智能数据库：智能数据库是研究利用人的推理、想象、记忆原理，实现对数据库的存储、搜索和修改。智能数据库通过有效的组织，能够满足人们快速检索和修改数据库的要求。,大学计算机基础沈阳药科大学,5.智能机器人：机器人学是在电力学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学以及心理学的多种学科的基础上形成的一门综合性技术学科。6.博奕：博弈是研究使自己取胜、战胜对手的策略。在决策过程中要对形势做出恰当的估计，搜寻各种可能的策略组合，通过对比分析确定对自己最有利的策略。7.程序自动设计：自动程序设计是将自然语言描述的程序自动转换成可执行的程序的技术。,大学计算机基础沈阳药科大学,8.逻辑推理与定理证明：逻辑推理是人工智能研究中最持久的领域之一。计算机通过模仿人的推理和演绎过程，从最基本的公理出发，证明定理的正确性。9.专家系统：专家系统是一个具有大量专门知识与经验的智能计算机程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家对复杂问题的决策过程。,大学计算机基础沈阳药科大学,七、人工智能在医药领域的应用,医学人工智能是人工智能发展出来的一大分支，它为医学诊疗问题提供解决方案，成果最显著的是医学专家系统。1972 年de Domabl研发了“急性腹痛鉴别诊断系统”，1976 年费根鲍姆成功开发了MYCIN“传染性疾病鉴别诊断系统”。专家鉴定表明该系统对细菌血液病、脑膜炎方面的诊断和提供治疗方案的水平已超过了这方面的专家。80年代初期开始，中国中医界相关专家系统的研究也开展得如火如荼，大约有140个以经验为主的中医专家系统相继研发。医学专家系统可以解决的问题一般包括解释、预测、诊断、提供治疗方案等。,大学计算机基础沈阳药科大学,近年来，人工智能技术在药学领域也得以广泛的应用，尤其是在中药材的质量控制方面取得了卓越的研究成果。由于中药材质量的特殊性和复杂性，中药材的真伪鉴别和质量控制存在很大困难。为摆脱这一困境，将人工智能技术引入到中药材质量控制系统中，利用模式识别技术，建立了完整的中药材质量检测专家系统，实现了中药材的数字化、自动化检测，全面、客观、准确、快捷的控制中药材质量；为建立安全有效，可操作，技术先进的国家质量标准提供了坚实可靠的基础；同时促进了中药国际化，提高了中医药产品在国际医药市场的竞争力。,大学计算机基础沈阳药科大学,此外，人工免疫算法、人工神经网络技术、遗传算法等人工智能技术在药品制剂过程的工艺参数优化，化合物毒性预测，药物渗透性能预测及生物制药等领域都发挥着重要的作用。,大学计算机基础沈阳药科大学,第二节人工神经网络,第二节人工神经网络,大学计算机基础沈阳药科大学,一、人工神经网络的概念和发展,利用大脑的组织结构和运行机制的特点，从模仿人脑智能的角度出发，探寻新的信息处理方式，构造了一种更接近人类智能的信息处理系统人工神经网络（Artificial Neural Networks，简称ANN）系统。如图8-1所示。,大学计算机基础沈阳药科大学,人工神经网络也称为神经网络（Neural Network,NN），是由大量处理单元广泛互联而成的网络，是对人脑的抽象、简化和模拟。它是植根于神经系统、数学、统计学、物理学、计算机科学及工程等学科的一种人工智能技术。,大学计算机基础沈阳药科大学,二、人工神经网络的学习方式,按人工神经网络的性能可分为连续型神经网络和离散型神经网络，又可分为确定型神经网络和随机型神经网络；按人工神经网络的结构可分为反馈型神经网络和前馈型神经网络；按学习方式可分为有导师学习网络和无导师学习网络。1.有导师学习 有导师学习又称为有监督学习，在学习时需要给出导师信号，也称为期望输出。学习的目的就是减少网络实际输出与导师信号之间的差异，使网络实际输出逐渐逼近导师信号。这一目标是通过逐步调整网络权值来实现的。,大学计算机基础沈阳药科大学,2.无导师学习 无导师学习也称为无监督学习。在无监督学习中没有外部导师信号或评价系统来统管学习过程，而是在网络内部对其性能进行自适应调节。它强调的是神经元之间的协调，如果外界输入激活了神经元中的某个结点，则整个神经元群的活性随之增加，相反引起整个神经元群的抑制效应。3.强化学习 强化学习是利用某一“奖惩”的全局信号，衡量和强化与输入相关的权值和神经元状态的变化。强化信号不同于导师信号，它很单一，只表示输出结果的“好”与“坏”。强化学习需要的外部信息很少，当不知道对于给定的输入模式应有何种相应的导师信号时，强化学习能够根据一些“奖惩”规则得出有益的结果。,大学计算机基础沈阳药科大学,三、神经元模型和BP神经网络,1.神经元模型 人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但并不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。经过对生物神经元的长期广泛研究，1943年美国心理学家麦卡洛克和数理学家皮茨提出了神经元的数学模型，即著名的MP模型。,大学计算机基础沈阳药科大学,2.BP神经网络 1957年美国计算机科学家罗森布拉特（Roseblatt）提出了单层感知器（Perceptron）模型。它是一个具有单层神经元的网络，由线性阈值逻辑单元所组成。单层感知器在人工神经网络研究中有着重要的意义和地位。然而单层感知器由于只有一个神经元，功能单一，只能完成线性决策或实现“与”，“或”，“非”等单一逻辑函数。为了解决这一问题，在其基础上创建了多层感知器（Multilayer Perceptron，MLP）模型。它是一种在输入层与输出层之间有一层或多层隐含结点的具有正向传播机制的人工神经网络模型。多层感知器克服了单层感知器的许多局限，它的优越性能主要来源于结点的非线性特性。,大学计算机基础沈阳药科大学,BP网络的结构如图8-3所示由输入层，输出层和一个或多个中间层（隐含层）组成。中间层中的神经元均采用S型激活函数，输出层神经元采用线性传递函数。,大学计算机基础沈阳药科大学,3.BP网络的优点及局限性 非线性映射能力：BP网络实质上实现了一个从输入到输出的映射功能，三层的BP网络在理论上能够以任意精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制复杂的问题，即BP网络具有较强的非线性映射能力。自学习和自适应能力：BP网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规则”，并自适应的将学习内容记忆于网络的权值中。即BP神经网络具有高度自学习和自适应的能力。,大学计算机基础沈阳药科大学,泛化能力：所谓泛化能力是指在设计模式分类器时，即要考虑网络在保证对所需分类对象进行正确分类，还要关心网络在经过训练后，能否对未见过的模式或有噪声污染的模式，进行正确的分类。也即BP神经网络具有将学习成果应用于新知识的能力。容错能力：BP网络在其局部的或者部分的神经元受到破坏后对全局的训练结果不会造成很大的影响，也就是说即使系统在受到局部损伤时还是可以正常工作的。即BP神经网络具有一定的容错能力。,大学计算机基础沈阳药科大学,BP网络的局限性：局部极小化问题：BP神经网络的权值是通过沿局部改善的方向逐渐进行调整的，这样会使算法陷入局部极值，权值收敛到局部极小解，从而导致网络训练失败。加上BP神经网络对初始权值非常敏感，以不同的权值初始化网络，往往会收敛于不同的局部极小解，这也是BP网络出现每次训练得到不同结果的根本原因。,大学计算机基础沈阳药科大学,BP 神经网络算法的收敛速度慢：由于BP神经网络算法本质上为梯度下降法，它所要优化的目标函数是非常复杂的，这使得BP算法的收敛速度低下。BP网络结构选择不一：BP网络结构的选择至今尚无一种统一而完整的理论指导，一般只能由经验选定。网络结构过大会降低学习效率，出现过拟合现象，网络容错性下降；反之若结构过小，又会造成网络不收敛的问题。BP网络样本依赖性问题：网络模型的逼近和推广能力与学习样本的典型性密切相关，而如何从问题中选取典型样本实例组成训练集是一个很困难的问题。,大学计算机基础沈阳药科大学,人工神经网络模型设计与应用 在实际应用中，面对一个具体问题需要进行人工神经网络模型设计时，一般应遵循下列过程：首先分析求解问题的性质，确定信息表达方式，将求解问题及其相应的领域知识转化为神经网络可以接受并处理的某种数据形式，将数据样本分为训练样本和测试样本；其次依据问题特点，确定神经网络模型的类型、结构、输入输出神经元的数目、隐含层神经元的个数等；然后是训练模式的确定包括选择合理的训练算法，确定合适的训练步数，指定适当的训练目标误差，以获得较好的网络性能；最后通过对网络进行训练、仿真等，检验网络的性能是否满足要求。下面结合药学实际介绍神经网络的设计与应用。,四、人工神经网络在药学上的应用,大学计算机基础沈阳药科大学,（一）用BP神经网络优化化学反应的工艺条件 过碳酸钠是一种强氧化剂，其水溶液可用作医疗杀菌剂、口腔消毒剂。由于过碳酸钠对湿度和温度很敏感，容易分解，其有效氧含量和稳定性还有待提高。为改进过碳酸钠的工艺，筛选出新的复合稳定剂，可利用BP神经网络对其工艺参数进行考察，并利用仿真结果进行预测，其方法及步骤如下：(1)确定影响过碳酸钠工艺条件的主要因素及考察范围（2）确定BP神经网络结构：从表7-4可以看出，前四项为工艺参数，后两项为过碳酸钠性能的评价。因此采用3层B-P网络模型，即输入层、输出层和隐含层。4个输入向量X1、X2、X3、X4分别对应原料配比、反应温度、反应时间、稳定剂加入量4个考察因素，2个输出向量Y1、Y2分别对应目标函数收率和活性氧含量，其拓扑结构如图7-9所示。,大学计算机基础沈阳药科大学,表8-2 影响工艺条件的主要因素及考察范围,大学计算机基础沈阳药科大学,大学计算机基础沈阳药科大学,(3)BP神经网络的构建：将原料配比、反应温度、反应时间、稳定剂4个考察因素作为BP神经网络的输入，将收率和活性氧含量2个考察目标作为网络的输出，定义输入向量X和输出向量Y（训练样本），编写程序代码用newcf()函数构建BP神经网络,代码如下：net=newcf(minmax(X),10,2,tansig,purelin,trainlm);新构建的网络名称用net表示，newcf()是BP神经网络构建函数，用minmax()函数自动搜索输入向量中每个要考察因素的范围，参数10,2代表隐含层节点个数为10（不确定参数，待优化），网络结构层数为2，分别对应隐含层和输出层。tansig（S型）和purelin（线性）代表隐含层和输出层的传递函数，trainlm代表网络学习算法，表明采用Levenberg-Marquardt规则对BP网络进行训练。,大学计算机基础沈阳药科大学,定义网络训练次数、训练结果显示方式及误差要求，代码如下：=3000;%最大训练次数=100;%两次显示之间的训练步数=0.00001;%训练目标即期望误差用train()函数训练网络，代码如下：net,tr=train(net,X,Y);当网络训练达到误差要求时结束训练。进一步构建预测样本XX（即在其他工艺条件或参数下，想要预测的过碳酸钠性能），基于训练好的BP网络，用sim()对样本进行仿真预测,大学计算机基础沈阳药科大学,(4)MATLAB函数实现：启动MATLAB，新建一个m文件，操作见图8-5。在新建的 m文件上输入上述完整代码，操作见图8-6，将该程序保存在work目录下，命名为gtsn.m,调试并运行程序,大学计算机基础沈阳药科大学,大学计算机基础沈阳药科大学,（5）程序运行结束后，显示网络训练误差曲线如图8-7所示。结果表明，以原料配比、反应温度、反应时间、稳定剂加入量4个因素为输入量、收率和活性氧含量为输出考察目标所建立的BP神经网络模型具有较好的收敛性，能体现各工艺条件对收率及活性氧含量影响的非线性变化规律，因而具有较高的预测精度。用训练好的网络进行仿真预测，结果如图8-8所示，优化结果如图8-9所示。,大学计算机基础沈阳药科大学,大学计算机基础沈阳药科大学,由图8-9可知，最佳工艺条件是原料配比11.8、反应温度15、反应时间85分钟、稳定剂加入量为0.95%时,收率为98.274%，活性氧为14.58%。,大学计算机基础沈阳药科大学,（二）用自组织特征映射神经网络对样本资料进行分类 表8-3是10批次不同产地的中药苦碟子注射液指纹图谱经主成分分析后得到的10个样本数据，每个样本用4个主成分表示其特征信息，希望通过自组织特征映射神经网络对样本资料进行聚类分析，从而能够实现对样本的自动分类。,大学计算机基础沈阳药科大学,表8-3 10批次苦碟子注射液指纹图谱主成分分析样本数据,大学计算机基础沈阳药科大学,自组织特征映射神经网络模型设计的步骤与上述“用BP神经网络优化化学反应的工艺条件”一节中类似，但在网络设计及函数选取上有不同之处，简述如下：(1)启动MATLAB 应用程序，新建一个M文件，在 M文件上编写程序代码，保存在work目录下，命名为jlfx.m，输入完整程序代码,大学计算机基础沈阳药科大学,创建一个自组织特征映射神经网络net，其中newsom()为创建网络函数，P为输入向量，minmax(P)指定了输入向量的最大最小值，因为有10个样本，所以网络输出层的结构为52。绘制网络训练后的神经元分布，进行仿真；利用函数vec2ind()将输出Y转换成串行数据输出。,大学计算机基础沈阳药科大学,(2)调试运行程序，绘制的网络输入变量分布图，如图8-10所示，绘制的网络神经元拓扑结构如图8-11所示，聚类结果见表8-4。,大学计算机基础沈阳药科大学,由表8-4可知，当训练步数为10时，初步分类结果是：样本3和6分为一类，2和4分为一类；当训练步数为100时，分类结果比上面的更精确一些，此时，样本3和6分为一类，2和4分为一类，7、8和9分为同一类；当训练步数为1000时，样本的分类与上面结果一致。,表8-4 苦参碱聚类结果,大学计算机基础沈阳药科大学,（三）用径向基函数神经网络模型实现函数逼近 发酵生产过程中微生物体内的生物合成离不开酶的催化作用，酶活性的大小影响着生物代谢产物的速率和产率。酶活性主要受温度和pH的影响，由于发酵过程相互作用的复杂性，很难建立精确的数学模型，利用径向基函数神经网络的函数逼近能力，建立酶活性的最佳温度和pH，可实现酶活性的最佳控制。RBF网络模型设计的步骤如下：(1)建立酶活性实验数据：考察温度、pH两种因素在不同水平下对酶活性的影响，获取的实验数据见表8-5。,大学计算机基础沈阳药科大学,(2)确定神经网络结构：由于酶活性有两个影响因素，所以该网络模型有两个输入变量（温度、pH）和一个输出变量（酶活性），相应神经网络有两个输入节点和一个输出节点。(3)MATLAB编程实现：启动MATLAB 应用程序，新建一个m文件，操作如前所示。输入m文件的完整程序代码,表8-5 酶活性实验数据,大学计算机基础沈阳药科大学,(4)调试运行程序：网络实现函数逼近的酶活性与温度和pH间的仿真结果如图8-12所示。结果表明，RBF网络模型中温度的最佳点约为30，pH最佳点为是8.04，对应的最大酶活性约为0.8625，与实际结果十分接近。,大学计算机基础沈阳药科大学,在本章给出的三个实例中，只是说明了如何用人工神经网络方法去解决药学研究中存在的最优、预测及分类问题，目的是为大家提供一些解决实际问题的思路。对于涉及的网络类型、结构参数等并未进行最优化设计，给出的输出也不一定是最好的结果，请大家在学习时注意。如前所述，人工神经网络不需要精确的数学模型，没有任何对变量的假设要求，能通过模拟人的智能行为处理复杂的、不确定的、非线性问题。由于在药学研究领域，变量间关系往往非常复杂，为了探测变量间的复杂模式，神经网络正逐渐变成药学数据分析中的有力工具。目前已有许多商业化的神经网络开发软件，如本书所用的MATLAB软件，以及S-plus、SNNS(Stuttgart neural network simulator)软件等。随着计算机技术的进一步发展，神经网络在药学领域的应用前景也无疑会更加广阔。,大学计算机基础沈阳药科大学,第三节生物医药机器人,第三节生物医药机器人,大学计算机基础沈阳药科大学,人工智能技术的一个重要研究领域就是智能机器人。随着人工智能研究的广泛开展，智能机器人已经被应用到工业，农业，教育，商业，医药等各个领域。然而智能机器人不仅仅是我们所熟知的样子，它们也可能极其微小，精细。人工智能技术发展至今天，“微型机器人”时代已经到来。,大学计算机基础沈阳药科大学,随着20世纪90年代纳米技术的兴起，人们对微型机器人的研究便在全世界范围内开花，特别是对纳米机器人在生物医药领域上的应用研究。生物医药领域的很多工作都依靠手动操作，存在工作效率低、风险大、成功率低等缺陷。因此，由生物医学与微操作机器人结合而产生的生物微操作机器人成为全世界医药学领域和智能机器人领域的研究热点。,大学计算机基础沈阳药科大学,在生物医学上，科学家利用纳米技术制造纳米机器人，让它在人的血管中进行巡逻和检查，尽早发现异常细胞，而且可以对人体内细胞组织进行修复。它不仅可以完成早期诊断工作，更可以解决杀死癌细胞，疏通血栓，清除动脉脂肪沉积物等传统医生难以解决的问题。在外科领域，纳米机器人还可以用来为人体器官做手术、为脑部动手术等。,大学计算机基础沈阳药科大学,微型智能机器人同样在药学领域发挥着不可忽视的作用。当人体内某个部位感染时往往会服用或注射抗生素，但是药物在血液中被稀释，真正起到治疗效果的只是其中的一小部分，大部分药物只是被代谢出体外，设置会对人体产生副作用。利用纳米机器人则可以直接把小剂量的药物直接输送至感染部位，减少了副作用，提高了治疗效果。如图8-13所示。,大学计算机基础沈阳药科大学,我国在生物医药纳米机器人的研究方面也取得了卓越的成就。被列为我国国家“863 计划”的重庆某研究院研制的名为“OMOM 胶囊内镜系统”的纳米机器人医生，如图8-14所示。它可以钻进人的肚子里把人体内的图像传输到电脑屏幕上，该项技术处于全球领先地位。,大学计算机基础沈阳药科大学,我国中科院沈阳自动化所成功研制了一台“纳米微操作”的机器人系统样机，该“纳米操作机器人”可完成对细胞染色体的切割操作，可在DNA或者分子水平上进行检测及病理、生理测试实验研究。该纳米机器人在建模方法、三维感官力以及误差分析和补偿方面取得了很多突破和创新，各项技术都处于世界先进水平。,End of the chapter,沈阳药科大学计算机教研室,