ArtificialIntelligence人工智能.ppt
《ArtificialIntelligence人工智能.ppt》由会员分享,可在线阅读,更多相关《ArtificialIntelligence人工智能.ppt(91页珍藏版)》请在三一办公上搜索。
1、Artificial Intelligence人 工 智 能,Prof.Dong Hongye董鸿晔 教授,第4章 适应性智能系统,4.1人工智能发展的几个阶段4.2智能系统4.3智能控制智能交通 智能家居智能楼宇,4.1人工智能发展的几个阶段,早期人工智能(AI)的起源是基于心理学的研究,寻求启发式知识在人类思维过程中的作用,把这类知识表达成逻辑形式加以利用。这是AI最早的模型。早期以逻辑为基础的AI研究,可以概括为符号表达、启发式编程、逻辑推理或者称为“深思熟虑”的思维的模型,这可以说是AI研究的最初阶段,或称传统的AI时期。,“Perceptron”(感知机),在AI发展的过程中,由康奈
2、尔大学的心理学家Rosenblatt设计的“Perceptron”(感知机),通过训练可以对图像进行分类。感知机代表了一种全新的AI研究方法。在20世纪60年代AI的专家转向到研制感知机或类似的人工神经网络,但感知机由于是两层网络,其局限性只具有能进行“线性分类”的功能,曾遭受到明斯基等人不公正的批评。,AI 专家的惊愕,80年代人们对人工神经网络的热情增大,致力于构建“人工神经网络模型”过程中,习惯于传统人工智能方法的一些AI 专家感到惊愕。Minsky、Mccarthy及Fagenbaum等AI权威人士相信得到机器智能唯一明智的方法是找到一个正式的框架,能再现知识与推理,然后针对这个方案进
3、行编程。这些权威人士认为,想要通过加强连接的神经网络使机器创造出知识和逻辑是死路一条。,人工神经网络的道理,它的特点是以分布方式表示信息,也就是用有若干个结点,每两个结点间可以连接起来的网络表示信息,以往用以表示知识的语义网络是一个结点与一个概念对应,而人工神经网络是以结点的一种分布模式以及加权量的大小与一个概念对应。这样即使每个结点上的信息属性发生了畸变与失真,也不至于使网络所表达的概念的属性产生重大的变化。,学习算法,另外有些共同单元上的信息也可以用来表达相类似的概念,这就是在谈到人工神经网络时,人们所津津乐道的“并行信息分布处理”的精髓所在(第1章已做介绍)。神经元网络对知识表达从显式变
4、成隐式,这种知识不是通过人的加工转换成规则,而是通过学习算法自动获取的。对特定论域而言,即将输入模式中各抽象概念转化为神经元网络的输人数据,并根据论域特点适当解释神经元网络的输出数据。,从模拟人的思想的角度来考虑,当时有的学者把AI的研究途径概括为以符号处理为核心的传统方法及网络连接为主的连接机制(Connectionism)方法。人的两种主要思维方式是逻辑思维和形象思维(直感思维)。符号处理可以认为主要在于模拟人的逻辑思维,连接机制主要致力于模拟人的形象思维。关于形象思维虽然人们认识到它的重要性,但用现在的计算机来模拟形象思维是很困难的,需要在计算机的体系结构上有新的突破。,人们对网络模型结
5、构抱有很大希望,以往比较著名的人工神经元网络模型有哈普费尔德(Hopfield)网络,反向传播(Back-Propagation)网络,自适应共振理论(Adaptive Resonance Theory)网络等。在20世纪80年代,Hopfield的工作及反向传播理论受到关注,许多研究人员蜂拥而至这个领域时,自适应共振理论的创建人Grossberg是少数几个坚持自己的工作又对建立这个领域有所帮助的人。格劳斯博格在大脑学习及人工智能方面从事了30多年的工作,逐渐形成一套建立在神经网络基础上的模式。人工神经网络得到蓬勃发展的这一时期,可以说是AI发展的第二阶段。这两个阶段往往称为传统的AI时期。,
6、一件令震惊的事件,一件令人工智能研究领域中震惊的事件是1991年8月在澳洲悉尼举行的国际人工智能联合会议,世界上有23个国家的近1500人参加了这次会议。在这次会议上,美国MIT 的年轻教授布鲁克斯(R.Brooks)获得了大会授予的“计算机与思维”项目奖,他在会上做了题为“没有推理的智能”的学术报告,提出人工智能的一些新观点,与传统的看法大相径庭。,布鲁克斯(R.Brooks)论点,他论述了计算机、机器人等的发展情况以及他自己长期从事的“人造昆虫”,即具有六条腿的像蝗虫一样的自动装置。他以自己的实践与经验论述了20世纪40年代由维纳(N.Wiener)创立的控制论(Cybernetics)思
7、想对人工智能的影响,其中主要之点是研制一个具有智能的系统,自然要问系统在什么样的环境中运行,亦即是系统与环境是不可分的。,系统的复杂性,系统的复杂性不仅仅体现在系统本身,而且也体现在环境方面例如研制一个家用机器人(或以前AI领域中说的电子秘书),与一个工业方面完成某种零件装配的机器人大不相同,家用机器人的运行环境零乱而复杂,这类机器人必须要能识别环境中的各种物体,绕过各种障碍物,所以,考虑到家庭这样的运行环境,家用机器人是个复杂的问题。,布鲁克斯的结论,从历史的发展来看,早在人工智能这一学科间世的50年代,前苏联自动控制领域的一些专家们就在研制能适应环境的自动化装置。例如已经演示过一种安装有敏
8、感元件,可以绕过障碍物的“机械乌龟”。总之,布鲁克斯认为:以现有的计算机体系结构为基础,引导开辟了一些人工智能的方向,但是生物系统的智能完全不同。,机体与环境,在控制论发展的初始阶段,计算模型是模拟的,而不是数字的,该领域的许多工作实际上是瞄着对动物智能的了解,并希望探明动物如何通过学习来改变它们的行为,以及对于整个机体如何导致对环境的适应。早在1952年,一位控制论专家阿希贝(R.Ashby)就认识到,并且明明白白地论述过:为了理解机体所产生的行为,一个机体和它周围的环境必须一起构成模型,引人反馈的目的就是当环境有所变化时,系统能够保持稳定。,没有表示的智能,布鲁克斯本人是一个AI专家,他在
9、1991年的人工智能杂志上还发表过“没有表示的智能”一文。他以人工昆虫的研究为例,对传统人工智能中的核心概念“表示”与“推理”提出了异议,提出人造昆虫的“包容体系结构(subsumption architecture)”。对于机器人或其他智能系统来说,周围世界必须包括在系统的模型之中。他概括了他在人工昆虫这类机器人研究中突出的四个概念。,四个概念:现场与具体化,机器人所处的现场(situated ness):机器人处于一定的环境之中,它们不涉及抽象的描述,而是处在直接影响机器人行为的现场。具体化(embodiment):机器人有躯干、眼睛,在干什么、在什么地方都是具体的,有直接来自周围的经验。
10、它的作用是所有现场的动态行为的一部分。它的感官起作用后立即会有反馈。,四个概念:智能与涌现,智能(intelligence):机器人看起来有智能行为。智能的来源不仅仅限于计算装置,也来自周围的情景、敏感器之间的信息传送以及机器人与周围环境的交互作用。对于智能的来源与传统的说法不大一样。涌现(emergence):智能是由很多部件交互作用、与环境交互作用所产生的系统涌现出来的总的行为。,现场(situated)AI,以上这些观点表明,智能行为可以在没有明显的推理系统情况下产生,智能是系统与周围环境进行交互作用所涌现出来的。布鲁克斯的工作代表了人工智能的新方向,称为“现场(situated)AI”
11、。智能系统一方面要从所运行的环境中获取信息(感知),一方面要通过自己的动作(作用)对环境施加影响,互相影响,共同进化。其实现场人工智能的思想并不深奥,我国老百姓有句通俗的话:“一匹马是好马还是坏马,拉到野外去遛一遛就知道了。”这里所说的“野外”,就是前面所说的“现场”,马只有在野外活动,才能表现出它的优劣。,感知动作,研制人工智能系统,不能只考虑电脑部分,还有躯体、各种敏感元件、执行机构等等,能对所运行的环境有理解的能力。但以克兰西(W.Clancey)为代表的一些学者则认为符号理论不能解释人类的智能行为,不是像计算机的中央处理器的方式那样操作,而是一种能同时协调感知动作的机能。智能行为是感知
12、动作多次循环的结果,不是深思熟虑的推理和决策。,现场认知,学习不是一个存储新程序的过程,而是一种能同时协调感知一动作的辩证机制。这种感知一动作的神经结构和组织过程是在运动中创造的,是通过它们的不断激活、竞争选择和重新组合,得到的一种自组织的机制。围绕着“物理符号系统假设”,以年轻的克兰西为代表的一方与大名鼎鼎的司马贺为代表的一方展开了激烈的争论。以“物理符号系统假设”作为唯一基础的研究,转向与“环境进行交互”为主要点的“现场认知”是新的方向之一。,利用现代高新技术,在方法方面,则不仅仅局限于以往心理学领域中所习惯的通过被试者的“口述报告”的方法,而采用先进的技术,如功能性核磁共振成像(FMRI
13、)、正电子发射成像(PET)等技术,来研究脑功能成像。利用现代高新技术手段,进行脑功能定位的研究,从大脑的角度提出各种认知理论:例如w.clancey以诺贝尔奖获得者G.Edelman提出的神经达尔文理论(Neural Dawinism)为基础,给出一种自适应神经系统的观点,对知觉的产生做了猜测。,活动小车,历史的记载表明,1984年德国科学家布朗顿贝格(Braiten berg)提出一个新的“综合心理学”(synthetic Psychology)学科。他的思想和智能可能是从一些部件的交互作用中“涌现”出来的,这里所说的基本部件称为“Artificial neuron”(人工神经元)。此外,
14、不仅是提出想法,他还设计了分别与“爱”、“恨”、“侵犯”等相对应的活动小车。我们可以说复杂系统中的重要特性“涌现”最早是布朗顿贝格有所认识。,包容体系结构,布鲁克斯的贡献是他提出了人造昆虫的“包容体系结构”,并用有限状态自动机代替了人工神经元。布鲁克斯的“包容体系结构”是1984年提出的。在20世纪80年代,还有另外一些科学家对人工智能领域进行研究的方法产生了怀疑,开始提出新的想法与研究的途径。其中麻省理工学院附近的罗兰德研究机构的威尔森,早在80年代初就相信人工智能的研究已走入误区。,威尔森的观点,他认为:在研究各种独立的人类智能方面,人工智能项目可以说是其中最杰出的代表,有些成果是非常令人
15、惊奇的,但是这些研究的对象是过于具体化的功能,没法从中总结出规律性。另一个问题是它们不会直接从周围环境中汲取所需,而只会呆在那里,直到人们给它们信息,然后也仅仅只是复制这些信号,而全然不知其意义。它们中没有一个程序能从周围环境中学习或适应环境,而这些哪怕最简单的生物也会具有的功能,却被我们的AI学者忽略了。,威尔森的行动,他开始寻找机会跳出传统的AI圈子,了解更多信息,并重新开始考虑努力的方向,在开发一种简单的机器人。他于1987年把他的人造生物取名为“animations”,后来又简化为“animat(动化物)”。在较短的时间内,在美国甚至欧洲的人工智能学者都开始纷纷议论起这个“人工智能动化
16、物”。,既然人工智能研究的最终努力方向是复制人的智能,那么就从复制动物的智能开始吧。威尔森和他的同事们很快使它成为AI领域的一种全新的以自然为基础的人工智能的一种主张。布鲁克斯说:“即使是最低级的智能行为都是自然发生的,而不是用人类的程序明确规定的”,这种想法对AI来说是比较新鲜的。,自然发生特性,自然发生特性的概念在20世纪80年代得到了许多单位的注意,其中著名的是新墨西哥州,以研究“复杂性”(complexity)而著名的圣菲(Santa Fe)研究所。自然发生特性在理解复杂系统为适应变化所做的动作方面变得非常重要。特别是它几乎成了研究大自然设计方案的关键。其中典型例子是DNA这是一种在创
17、造生活有机体过程中具有编码信息的分子,也是一种从简单体发展为复杂体的模型。,朗顿-人工生命,1987年圣菲研究所的朗顿(c.Langton)提出人工生命的概念,并开创了一个新的领域。人工生命是指在物理媒体(如计算机)上的生命形式。朗顿认为:生命是个过程,而且它不关硬件什么事情;如果模拟物与生物学家早先为生命所定标准相吻合(它支持自身,能自我繁殖,能进化),那么它就有根据被认为具有生命。他主张:我们的目标不是直接走向智能,但是某种低层次的生命构件的存在提示我们寻找解决智能问题的新方法,从而有计划、有逻辑地取代其他方法,以自然为基础的AI的主张,既然人工智能研究的最终努力方向是复制人的智能,那么就
18、从复制动物的智能开始吧;智能是自然发生的,具有简单元素间进行互相作用的特性;智能太复杂,不可能从底部开始设计,因此应该改变研究方向,应该遵从大自然提供的蓝图,在这里蓝图就是神经网络;智能不可能是被插入一个系统里,它必然是系统与外界环境的相互作用过程中被开发出来的。,以自然为基础的AI的发展,总之,布鲁克斯等的工作使AI转向现场AI,后来他与威尔森等的工作又形成了以自然为基础的人工智能这样一个领域。传统人工智能的研究是基于当时迅猛发展的微电子技术、认知心理以及信息技术,开始时声势浩大。以自然为基础的人工智能的基础是分子生物学、神经网络以及复杂的适应系统,这些学科近年来取得了很大进展。由于吸取了这
19、些学科的成功经验,以自然为基础的AI取得了迅速的发展。,4.2智能系统及其应用,AI发展过程中,专家系统的工作在1975年至1985年这10年间被AI专家们引以为自豪。自从1977年举行的人工智能会议上提出“知识工程”以来,专家系统的研制得以迅速发展,主要表现在如下方面。专家系统的原理广泛应用到医学、军事、教育、经济等各个领域。将合理地对知识加以组织与利用的方法及技术用到软件设计中去,为越来越多的计算机专家所接受。智能控制,与此同时人工智能对自动控制系统所取得的成果,把控制系统推向智能控制系统。,专家系统大量投入使用,1988年美国人工智能协会年会上,知识工程的创始人Fagenbaum应邀介绍
20、了专家系统应用于经济领域的调查,在这份报告中估计国外大约有2000个以上的专家系统已投入使用。其应用范围极其广泛,包括非常简单的应用,例如帮助人们填表,也包括极为复杂的应用方面,如解决一些用一般的数学规划方法不能解决的问题。其中,诊断方面的应用居于首位。实践表明由于采用专家系统,使人们的工作效率大为提高。,诊断方面的应用居于首位,美国杜邦公司采用了一种在微机上运行的专家系统程序,使基本项测试工作的花销由原来的4小时减少到15分钟,工作速度提高了16倍。美国DEC公司的专家系统XCON,是根据用户要求确定计算机配置的系统,专家来做配置工作,一般需要3小时,而用这个系统只要半分钟,速度提高了300
21、多倍,也就是说提高了两个数量级。,专家系统大大提高操作质量,一个采用专家系统提高操作质量的例子是“American Express”信用卡认可的辅助决策系统,由于决策质量的提高,能够防止不应有的损失。该调查报告还调查了美国知识工作者的生产力增长情况,认为比做得好的日本来说还有所提高。,对知识加以组织与利用,每个有知识的人都是能掌握本国语言的专家,在阅读时可以在成千上万个字符中识别出其中的任何一个字符,并立即从自己所记忆的知识中,检索出相应字的意义。医生们也是用类似方法处理医学征兆,下棋的高手依据的是棋盘上的棋局等等,我们知道专家所做出的直感式的创造性反应,是专家对存在记忆中的几万个模块进行识别
22、后的反应。,关注结构不良问题,对此有所了解的同时,人们要求用计算机对结构不良问题和创造性问题进行探索。到目前为止,大部分AI的成就与良好结构任务(Well structure task)的程度有关。为了研究结构不良问题的需要,在原理与方法上需要克服现在专家系统的不足,因此人们不断致力于发展新一代专家系统。,把控制系统推向智能化,一个蓬勃发展和可能得到广泛应用的分支是智能控制。“智能控制系统”的说法是美国K.S.FU(傅京孙)教授于20世纪70年代初提出来的,在国际上以句法模式识别的工作著称,早期从事自动控制方面的工作。他可能是最早理解到人工智能与自动控制的交叉关系的人。早在1965年他提出把人
23、工智能的启发式推理规则用于学习系统,1971年他与他的同事在对几个与自学习系统有关的领域进行研究后,为了强调问题求解与决策能力,采用了“智能控制系统”来概括这些领域中所面临的系统。到了1989年在底特律举行第11届国际人工智能联合会议时,人工智能与系统科学相结合不但是众所周知,而且已经取得了丰硕成果。,第一次国际智能控制会议,关于智能控制开始形成一个新的学科,它的标志是1987 年在费城举行第一次国际智能控制会议。许多原来从事自动控制系统或自动控制理论的工作者,在进一步探索自动控制与其他领域的交叉及交叉发展的关系,提出自动控制、人工智能、运筹学相结合或自动控制、人工智能、运筹学和信息论相结合的
24、说法。,早期的控制系统,自动控制系统是一类系统,而系统在自然界和人类社会中是普遍存在的。人造系统与人参与在其中的系统是很不一样的。以往在工程领域内的人造系统大致可归结为控制系统与信息系统两类,当然两者之间并不能截然分开。早期的控制系统是以某一种物理对象或过程作为被控制对象,然后再设计某种控制回路,利用反馈等手段来形成闭合回路系统。,“僵化”的控制系统,在这种系统中对象及系统可以用定量的方法,如用各种形式的微分方程来加以描述或进行模拟,所以系统的行为即系统状态随时间而变化是至关重要的,强调的是系统的动态性能。但这类控制系统比较“僵化”,没有适应环境变化的能力,所以以后进而发展到最优控制系统、自适
25、应控制系统等,并为研究控制系统建立了经典的控制理论与现代控制理论。,模式信息处理,另一类是信息系统,这是随着计算机的发展,可以用计算机来进行信息处理而形成的系统,如图像处理、模式分类系统。通过光电扫描把图像送入系统,系统的输出也是一幅图像。例如一幅有噪声、模糊不清的图像,经过系统后变成了一幅去掉噪声而且清晰的图像。在这样的系统中,是通过一些算法来对图像的基本单元像素进行运算,强调的不是系统的动态特性,也不一定是闭路系统,而是模式信息处理。一般而言,控制系统或信息系统几乎都是一个与外界不发生关系的系统。也就是自成一统的封闭式系统。,4.3智能控制在交通、家居、楼宇方面的应用,智能交通 智能家居
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- ArtificialIntelligence 人工智能
链接地址:https://www.31ppt.com/p-6501739.html