人工智能进展与对策

智能技术进展及对策黄卫祖博士教授东北大学信息技术研究院[e-mail]日宁夏理工提纲•智能技术的热点事件•人工智能60年•人工智能大师介绍•智能技术进展与影响•智能时代你准备好了吗？1智能技术成为网红•AlphaGo人机大战•机器人代替助教授课•高考机器人•中科大美女可佳机器人•苹果投资嘀嘀10亿美元•北京车展成为智能车展•无人机热•AI人工智能60年庆智能时代来临•从AlphaGo人机大战说起5计算机围棋•2016谷歌的AlphaGo战胜欧洲冠军•2016年3月9日~15日挑战韩国棋手李世石，最后结果是AlphaGo以4：1完胜李世石。Nature封面论文：MasteringthegameofGowithdeepneuralnetworksandtreesearch（通过深度神经网络和搜索树，学会围棋游戏）6围棋人机对战史•第一阶段：2005年以前，初学者水平–基本上是基于规则的方法•第二阶段：2006年~2015年，业余五段水平–蒙特卡洛树方法+上限信心界策略–2012年3月，由日本研发的被认为是当时世界上最先进的电脑围棋软件“ZEN”，在先后受五子和受四子的情况下，均击败日本武宫正树九段，这是电脑围棋首次被让四子战胜第一流职业棋手。–2013年3月，电脑围棋软件“Zen”与“CrazyStone”在受四子的情况下，均战胜日本石田芳夫九段。–2014年3月，日本依田纪基九段在均让四子的情况下，以1目的优势战胜“Zen”，以2目半的劣势不敌“CrazyStone”。7•第三阶段：2015年~，职业水平–蒙特卡洛树+深度学习+强化学习–谷歌的AlphaGo，5:0战胜欧洲冠军樊麾（职业二段）–2016年3月完胜李世石89“（国际象棋）人机之战”简史•1958年，IBM704成为第一台能同人下棋的计算机，名为“思考”，思考速度每秒200步•60年代中期，科学家德里夫斯断言，计算机将无法击败一位年仅10岁的棋手•1973年，国际象棋软件4.0被开发出来，这是未来程序的基础•1979年，国际象棋软件4.9达到专家级水平•1981年，CRAYBLITZ新的超级计算机拥有特殊的集成电路，预言将可在1995年击败世界棋王10•1983年，BELLEAT＆T开发了国际象棋硬件，达到了大师水平•80年代中期，皮兹堡的CARNEGIEMELLON大学开始研究世界级的国际象棋计算机程序•1987年，“深思”首次以每秒钟75万步的思考速度露面，它的水平相当于拥有国际等级分为2450的棋手•1988年，“深思”击败丹麦特级大师拉尔森•1989年，“深思”已经有6台信息处理器，每秒思考速度达200万步，但在与世界棋王卡斯帕罗夫进行的“人机大战”中对阵以0比2败北11•1990年，“深思”第二代产生，使用IBM的硬件，吸引了前世界棋王卡尔波夫与之对抗•1991年，“弗里茨”问世•1993年，“深思”二代击败了丹麦国家队，在与世界优秀女棋手小波尔加的对抗中获胜•1995年，“深蓝”更新程序，新的集成电路将其思考速度达到每秒300万步•1996年，“深蓝”在与卡斯帕罗夫的挑战赛中，以2比4不敌卡斯帕罗夫•1997年，“超级深蓝”开发出了更加高级的“大脑”，4名国际大师参与IBM的挑战小组为电脑与卡斯帕罗夫重战出谋划策，最后“超级深蓝”以3比2击败了卡斯帕罗夫，卡斯帕罗夫要求重赛，但没有得到回应12•1999年，“弗里茨”升级为“更弗里茨”(DeepFritz)•2001年，“更弗里茨”更新了程序，击败了卡斯帕罗夫和阿南德，以及除了克拉姆尼克之外的所有排名世界前十位的棋手•2002年10月，“更弗里茨”与克拉姆尼克在巴林进行“人机大战”，思考速度为每秒600万步，双方4比4战平•2003年1～2月“更年少者”与卡斯帕罗夫举行人机对抗，双方3比3战平13IBM的“深蓝”北京时间1997年5月12日凌晨4点50分，美国纽约公平大厦，当IBM公司的“深蓝”超级电脑将棋盘上的一个兵走到C4的位置上时，国际象棋世界冠军卡斯帕罗夫对“深蓝”的人机大战落下帷幕，“深蓝”以3.5：2.5的总比分战胜卡斯帕罗夫。14IBM的沃森北京时间2011年2月17日消息，据国外媒体报道，由IBM和美国德克萨斯大学联合研制的超级电脑“沃森”(Watson)今日在美国最受欢迎的智力竞猜电视节目《危险边缘》中击败该节目历史上两位最成功的选手肯-詹宁斯和布拉德-鲁特，成为《危险边缘》节目新的王者。15沃森的一些指标•90个跑在Linux系统上的POWER750服务器•16T内存•2800多个核•共10个机架•总价大概100万美元•3秒内完成一个答案•实际使用了100多个技术提纲•智能技术的热点事件•人工智能60年•人工智能大师介绍•智能技术进展与影响•智能时代你准备好了吗？人工智能60年人工智能定义人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是一门极富挑战性的科学，从事这项工作的人须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。AI的本质问题研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学。人工智能的提出AI诞生于一次历史性的研讨会时间：1956年夏季地点：达特莫斯(Dartmouth)大学目的：为使计算机变得更“聪明”，或者说使计算机具有智能发起人：麦卡锡(J.McCarthy），Dartmouth的年轻数学家、计算机专家，后为MIT教授明斯基(M.L.Minsky），哈佛大学数学家、神经学家，MIT教授洛切斯特(N.Lochester)，IBM公司信息中心负责人香农(C.E.Shannon)，贝尔实验室信息部数学研究员参加人：莫尔(T.more)、塞缪尔(A.L.Samuel)，IBM公司塞尔夫里奇(O.Selfridge)、索罗蒙夫(R.Solomonff)，MIT纽厄尔(A.Newell)，兰德(RAND)公司西蒙(H.A.Simon)，卡内基(Carnagie)工科大学会议结果：由麦卡锡提议正式采用了“ArtificialIntelligence”这一术语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”（ArtificialIntelligence）这一术语，标志着人工智能（AI）作为一门新兴学科正式诞生。达特莫斯会议–会上,纽厄尔和西蒙最为活跃,介绍了他们的推理程序:逻辑理论家•尽管这次会议没有新突破,但聚集了AI的主要人物特别是AI领域的4位著名专家,他们后来所在的大学也成为了美国AI研究的3大基地:–MIT—明斯基–Stanford—麦卡锡(先在MIT后去了Stanford)–CMU—纽厄尔和西蒙–此外,还有IBM达特莫斯会议•这次会议最为长久的贡献就是麦卡锡为该领域起的名字:人工智能•为什么AI有必要成为一个新领域?–目标不同：AI从一开始就承载着复制人的才能如创造性、自我修养、语言功能等思想，没有任何一个其他领域涉及这些问题–方法论不同：是唯一一个明确属于计算机科学的分支，因而不是数学或者控制论或其他学科的分支–AI是唯一这样的领域：它试图建造在复杂和变化的环境中自动发挥功能的机器早期的热情,巨大的期望(1952~1969)(1)•当时，主流的思想是“一台机器永远不能做X”(而不是考虑“看看计算机能不能做X？”)•AI研究者们就演示一个接一个的X–CMU:纽厄尔和西蒙完成通用问题求解器(GPS),该系统及其后续程序的成功导致了他们提出著名的物理符号系统假设早期的热情,巨大的期望(1952~1969)(2)–IBM:1959—HerbertGelernter建造了几何定理证明机;1952年起,塞缪尔写了一系列西洋跳棋程序,通过学习可达业余高手的级别–MIT:1958年麦卡锡到了以后作出了三项重要贡献/贡献1:定义了LISP语言/贡献2:与MIT其他人发明了分时技术/贡献3:发表了题为《ProgramwithCommonSense》的论文,文中描述了“建议采纳者”程序.该程序实现了知识表示和推理的中心原则:具备明确的知识表示,并能通过演绎过程处理这些表示早期的热情,巨大的期望(1952~1969)(3)–Stanford:1963年麦卡锡启动了斯坦福的AI实验室,着重研究逻辑推理的通用方法(后来如Robinson发现归结方法)/以及机器人研究–MIT:1958年明斯基也到了,不过他对程序如何实现更感兴趣,并最终发展出反逻辑的观点/指导了一系列学生,选择那些显然需要智能才能解决的受限问题/贡献:微世界模型–MIT:最著名的微世界是积木世界,在此基础上完成了许多研究工作如:视觉项目、自然语言理解项目(TerryWinograd)、规划器等现实的困难(1966~1973)(1)•早期AI研究者过于盲目的乐观态度,10年预见,而实际上至少40年•早期的AI系统在试图解决更宽范围和更难的问题时,都悲惨地失败了/原因何在?–第一类困难:缺少主题知识(通用而非专门化)–典型例子:机器翻译(MT)/最早对AI研究的发难始于机器翻译(1966ALPAC报告)–时至今日,MT研究仍然不完善但是被广泛期待，也在作为一种辅助文档处理工具现实的困难(1966~1973)(2)–第二类困难：AI试图解决的很多问题是不可操作的(NP类)–在计算复杂性理论建立之前,对“问题放大”(从玩具到现实)的认识局限于速度和存储容量–例子:包含超过几十条事实的定理证明/早期遗传算法实验(1958~59)–无限计算能力的幻觉:程序原则上能够找到解并不意味着程序实际上包含找到解的机制–1973年英国政府在Lighthill报告之后终止了除2所大学以外所有的AI研究资助现实的困难(1966~1973)(3)–第三类困难：用于产生智能行为的基本结构存在某些限制–例子：1969年Minsky和Papert证明了感知器—简单的神经网络所能表示的东西很少(单层感知器对XOR函数)–神经网络研究由此沉寂了20年,直到80年代后期多层网络的反向传播算法出现引起了神经网络的复兴–这一算法首次发现恰恰是在1969年发现的(Bryson&Ho)基于知识的系统:力量的钥匙?(1969~1979)(1)•早期研究中的通用搜索机制称为弱方法,通用但不能扩展到大规模问题或困难问题•需要更强有力的、领域相关的知识–DENDRAL是第一个成功的知识密集型系统,1969年在Stanford开发,参与者包括EdFeigenbaum等，根据质谱仪信息推断分子结构/该系统改进后,把知识和推理部分清楚地划分开—80年代专家系统的典型结构基于知识的系统:力量的钥匙?(1969~1979)(2)•由DENDRAL系统开始的专家系统方法论又应用到其他需要人类专家知识的领域:MYCIN—检测血液感染的专家系统–MYCIN知识库的特点:直接来自经验/反映出知识的不确定性•自然语言理解领域的专家系统:–耶鲁大学RogerSchank和其学生们开发的一系列程序(1977~1983)AI成为工业(1980以后)(1)•1982年,第一个成功的商用专家系统R1在DEC公司开始运转,到1986年为止每年为公司节省4千万美元–美国主要公司都曾开发或使用专家系统–AI工业在1980年只是几百万美元,1988年涨到数十亿美元–但很快又进入了“AI的冬天”时期AI成为