人工智能及其应用1(蔡自兴)

ArtificialIntelligence1引言AI：起源、内容、意义、研究领域（研）任课教师：李智勇，514，[e-mail]学习方法：理论＋实践考核方法：60％（报告＋实验＋到课）40％（期末考试）教材：《人工智能及其应用》（研究生生用书）清华大学出版社（第三版）蔡自兴徐光佑参考书：（1）NilsJ·Nilsson:人工智能（英文版），机械工业出版社（或中文版）（2）GeorgrF.Luger：人工智能：复杂问题求解的结构和策略（英文版），机械工业出版社（或中文版）（3）张仰森：人工智能原理与应用，高等教育出版社（4）高等人工智能，史忠植（5）人工智能，王文杰ArtificialIntelligence2关于课程面向不同阶段：本科生必修课程：人工智能引论硕士学位课程：（高级）人工智能博士学位课程：智能系统原理及其应用面向不同专业：计算机：人工智能、模式识别、机器人自动控制：智能控制、模式识别、机器人信息处理：智能信息处理、数据挖掘通信工程：图像处理与识别土木工程：智能建筑…ArtificialIntelligence3第一章绪论1.1人工智能的定义和发展1.2人类智能和人工智能1.3人工智能的各种认知观1.4人工智能的研究与应用领域1.5课程概要ArtificialIntelligence41.1人工智能的定义和发展1.1.1人工智能的定义几种定义智能机器（intelligentmachine）人工智能（学科）人工智能（能力）人工智能（拟人思维、行为）人工智能（理性思维、行为）1.1定义和发展ArtificialIntelligence5斯坦福大学的Nilsson提出人工智能是关于知识的科学（知识的表示、知识的获取以及知识的运用）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能功能，并开发相关理论和技术。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功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。几种定义1.1定义和发展ArtificialIntelligence61.1.2人工智能的起源与发展孕育期（1956年前）–数理逻辑学科（弗雷治、维纳等）–计算的新思想（丘奇、图灵等）形成期（1956--1970年）–1956年，第一次人工智能的研讨会–1969年，第一届国际人工智能联合会议–1970年，《人工智能》国际杂志创刊1.1定义和发展ArtificialIntelligence7发展期（1970年~）–进一步研究AI基本原理方法和技术–进行实用化研究•智力测验、下棋、机器翻译（人工智能程序）•专家系统与知识工程•智能机器人、智能控制•机器学习、计算智能、人工神经网络、行为主义–从“一枝独秀”到“百花齐放”•智能系统•智能机器人•智能信息处理（模式识别）•智能控制–吴文俊院士（几何定理证明的“吴氏方法”）1.1定义和发展ArtificialIntelligence8符号主义(Symbolicism)：认为人类的智能的基本单元是符号，认知过程是符号表示下的符号运算，从而思维就成了符号运算。大多数比较成功的专家系统是建立在符号主义的基础上（知识的表示）。联结主义（Connectionism）：认为人工神经网络的基本单元是神经元，而不是符号处理过程。认知过程是由神经网络构成的，是并行分布的。行为主义（Actionism）：认为人工智能源于控制论。智能取决于感知和行动，提出智能行为的“感知—动作”模式。行为主义者认为智能不需要知识、不需要表示、不需要推理。三种观点1.1定义和发展ArtificialIntelligence91.1.3中国的AI研究学术组织1978年把“智能模拟”列入国家科学发展规划1980年4月中国自动化学会模式识别与人工智能专业委员会成立1980年8月“高校人工智能研讨会”1981年9月成立CAAI1986年5月中国软件行业协会人工智能协会成立1986年11月中国计算机学会人工智能与模式识别专业委员会成立1987年6月中国计算机学软件专业委员会智能学组（知识工程）1993年智能机器人委员会成立1995年智能自动化委员会成立1.1定义和发展ArtificialIntelligence10学术刊物计算机学报J.ofComputer自动化学报J.ofAutomation控制理论与应用ControlTheory&Application计算机研究与发展Research&DevelopmentofComputer模式识别与人工智能PatternRecognition&AI机器人Robot信息与控制Information&Control控制与决策Control&Decision计算机世界ComputerWorld计算机科学ComputerScience1.1定义和发展ArtificialIntelligence11AI学科的某些问题1.AI研究目标近期目标：建造智能机器，以代替人类的部分智力劳动远期目标：用自动机模仿人类的思维过程和智能行为2.AI主题--通用问题求解1.1定义和发展ArtificialIntelligence12人工智能的基本技术–知识表示（KnowledgeRepresentation）状态空间法、问题归约法、谓词逻辑法…–推理搜索（Searching&Reasoning）启发式搜索、消解原理、不确定性推理…–计算智能（ComputationalIntelligence）模糊计算、神经计算、进化计算…–构成技术（系统与语言）产生式系统、LISP语言、Prolog语言…1.1定义和发展ArtificialIntelligence131.2人类智能和人工智能1.2人类智能和人工智能思维策略初级信息处理生理过程计算机软件机器指令计算机硬件(a)人类(b)计算机ArtificialIntelligence141.2.1智能信息处理系统的假设人是一种智能信息处理系统物理符号系统的六种基本功能–输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移物理符号系统的假设：任何一个系统，如果具有智能，必定能执行上述6种功能；反之，任何系统如果具有上述6种功能，它就能够表现出智能。–推论一：人具有智能，人是一个物理符号处理系统；其智能是基于其自身的信息处理过程；（人类智能假设）–推论二：计算机是一个物理符号处理系统，它一定能表现出智能；（人工智能的基本条件）–推论三：既然人与计算机都是物理符号处理系统，所以可以用计算机模拟人的智能。（人工智能假设）1.2人类智能和人工智能ArtificialIntelligence151.2.2人类智能的计算机模拟机器智能可以模拟人类智能智能计算机–下棋–定理证明–语言翻译新型智能计算机–神经计算机–量子计算机1.2人类智能和人工智能ArtificialIntelligence161.2.3人工智能的研究目标–近期目标建造智能计算机代替人类的部分智力劳动–远期目标用自动机模仿人类的思维过程和智能行为1.2人类智能和人工智能ArtificialIntelligence171.3人工智能的各种认知观符号主义（Symbolicism）基于物理符号系统假设和有限合理性原理连接主义（Connectionism）基于神经网络及其间的连接机制与学习算法行为主义（Actionism）基于控制论及感知—动作型控制系统1.3各学派的认知观ArtificialIntelligence18人类的认知行为具有不同层次–认知生理学（生理过程——神经系统）–认知心理学（心里活动——思维策略）–认知信息学（初级信息处理——生理心里）–认知工程学（信息加工处理——人工信息处理系统）1.3各学派的认知观ArtificialIntelligence191.4.1问题求解广义上说，问题求解包括AI中所有问题。这里指的是研究求解难题的程序，如下棋的程序，有时称为博弈，是最早的AI研究领域。（搜索解答空间，寻找较优解）1.4.2逻辑推理与定理证明此类问题与逻辑推理的研究有关。通过对事实数据库的操作来证明定理。证明方法有：自然演绎法、判定法、定理证明器、计算机辅助证明。（逻辑推理；四色定理，吴氏方法）1.4AI的研究及应用领域1.4研究与应用领域ArtificialIntelligence201.4.3自然语言的理解自然语言：人类语言集团的本族语，如汉语、英语、日语人造语言：世界语，计算机语言机器语言：把一种语言翻译成另一种语言“理解”有四个标准问答：机器能正确地回答输入文本中的有关问题；文摘生成：机器有能力产生输入文本的摘要；释译：机器能用不同的语言和句型来复述其输入文本；翻译：机器具有把一种语言翻译为另一种语言（目标语言）的能力。1.4研究与应用领域ArtificialIntelligence211.4.4自动程序设计不是固定的（预定）程序，而是随情况变化的。采用高级描述（一句话或语句）。TaskPGSLscriptPGBinder•任务•初稿•装订ProgramEvolutionPT•Finalprogram•调试1.4研究与应用领域ArtificialIntelligence221.4.5机器学习1.机器学习是指机器自动获取新的事实和新的推理算法以达到具有智能的行为。2.机器学习模型环境学习知识库执行提供信息修改反馈1.4研究与应用领域ArtificialIntelligence233.学习方法的分类机械式学习（Rotelearning）导师完成全部的转换工作，系统只负责存储。讲授式学习（Learningfrominstruction）外界输入与内部不完全一致，需要推理、翻译、转化等工作。类比学习（Learningbyanalogy）完成相似任务的有关知识的学习。归纳学习（Learningfrominduction）通过事例学习，工作经验观察发现式学习（Learningbyobservation&discovery）1.4研究与应用领域ArtificialIntelligence241.4.6专家系统1.专家系统是一个智能化的计算机程序系统，其内部具有大量的专家水平在某个领域的知识和经验，能够利用人类专家的知识和解决问题的方法来解决领域的问题。2.专家系统和传统的计算机程序之间的本质区别专家系统所要解决的问题一般没有算法解，并且经常在不完全、不精确、不确定的基础上得出结论。3.新一代专家系统（分布式专家系统与协同式专家系统），不但采用基于规则的方法，而且采用基于框架的技术与基于模型的原理。1.4研究与应用领域ArtificialIntelligence251.4.7人工神经网络1.传统计算机与逻辑推理方法，无法处理不完整、不确定、模糊性的问题，不具有学习能力，不能模拟人类直觉、顿悟智能行为；2.神经计算机（Hopfield、Rumelhart：BP算法）3.神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。1.4.8机器人学1.机器人智能机器人（感知、规划、决策）2.星际探索、海洋、外科手术、微型、机器人足球赛、军事机器人、网络机器人等；1.4研究与应用领域ArtificialIntelligence261.4.9模式识别1.计算机能有效地感知声音、文字、图象、温度、震动等人类赖以发展自身，改造环境所运用的信息资料。2.当前热点：活动目标识别与分析3.应用：手写体识别，汽车牌照识别、指纹识别、语音识别1.4.10机器视觉1.可分为低层视觉与高层视觉；2.低层视觉：边缘检测、动目标检测、纹理分析、3.高层视觉：理解所观察的形象4.研究领域：并行处理、主动定性视觉、动态时变视觉、三维景物建模、实时图像压缩与复原、