智能计算概述(2010)

DepartmentofComputerScience,HuazhongNormalUniversity智能计算概述华中师范大学计算机科学系沈显君智·能所以知之在人者，谓之知。知有所合，谓之智。所以能之在人者，谓之能。能有所合，谓之能。——荀况《荀子·正名》课程目的系统地讲授智能计算的有关基础理论、技术及其主要应用。通过本课程的学习，要求学生系统地掌握智能计算的基本内容与方法，了解智能计算的主要应用领域。将智能计算方法与学生未来研究方向相结合，培养学生独立科研思维能力。介绍智能计算研究的前沿领域与最新进展，培养学生科研兴趣。开课基础学习本课程之前，要求已经选修过《高等数学》、《计算机基础与算法》《人工智能基础》等课程。课程性质与考核课程性质：学位专业课（公共必修）教学方式：课堂讲授为主，专题讨论为辅（学生）考试方式：1）笔试2）课程实验3）课程研究论文要求：博学之，审问之、慎思之、明辨之，笃行之。——《四书.礼记》本课程的主要内容第一部分：智能计算概述第二部分：演化计算第三部分：神经计算第四部分：群智能计算第五部分：模糊计算第六部分：其它智能计算（选）主要参考书籍1）《智能学简史》冯天瑾科学出版社2）《计算智能——理论、技术与应用》丁永生编著，科学出版社3）《计算智能中的仿生学：理论与算法》徐宗本，张讲社，编著，科学出版社4）《计算智能的数学基础》褚蕾蕾、陈绥阳编著，科学出版社5）《智能信息处理》熊和金国防工业出版社6）《软计算方法》张颖刘艳秋科学出版社7）《演化计算》潘正君、康立山清华大学出版社8）《遗传算法-理论、应用与软件实现》王小平西安交通大学出版社9）《遗传算法原理及应用》周明、孙树栋国防工业出版社主要参考书籍10）《神经计算科学》阮晓钢国防工业出版社11）《人工神经网络教程》韩力群北京邮电大学出版社12）《模糊数学教程》蒋泽军国防工业出版社13）《智能计算-关于粗集理论、模糊逻辑、神经网络的理论及其应用》曾黄麟重庆大学出版社14）《群智能算法及其应用》15）《微粒群算法》曾建潮、介婧科学出版社16）《蚁群优化》[意]MarcoDorigo著张军胡晓敏等译17）《如何求解问题——现代启发式方法》ZbigniewMichalewicz[著]曹宏庆李艳等译中国水利水电出版社智能学智能学：即研究生物智能、人类智能以及人造智能的科学。21世纪的科学技术，已经向我们展示了一个丰富多彩的智能世界：人类智能、生物智能、智能机器人、生物信息系统；人工智能、计算智能、机器学习、智能仪器、智能机器人、机器翻译、人机对弈、人工生命、人工免疫系统、人造昆虫、机器人足球赛…。智能计算是信息科学、生命科学、认知科学等不同学科相互交叉的产物。它主要借鉴仿生学和拟物的思想，基于人们对生物体智能机理和某些自然规律的认识，采用数值计算的方法去模拟和实现人类的智能、生物智能、其它社会和自然规律。智能计算的主要研究领域包括：神经计算、演化计算、群智能计算、模糊计算、免疫计算、DNA计算和人工生命等。本课程主要学习内容包括神经计算、演化计算、群智能计算和模糊计算等。智能计算计算一切思维不过就是计算。——霍布斯作为一般的智能行为，物质符号系统具有的计算手段，既是必要的也是充分的。人类认知和智能活动，经编码成符号系列，都可以通过计算机进行模拟。——西蒙梦想机器具有智能—计算机科学家的梦想什么是智能？能感知、能学习、能思维、能记忆、能决策、能行动……，智能的核心是思维。图灵测试怎样判断机器具有智能—图灵测试1950年AlanTuring的文章“ComputingMachineryandIntelligence.”（Mind,Vol.59,No.236）提出图灵测试，检验一台机器或电脑是否具有如人一样的思维能力和智能电脑和人分别封闭在不同的房间，测试者不知道哪个房间是人，哪个房间是电脑，他向双方提出测试问题，电脑和人给出各自的答案，如果一系列的测试问题之后，测试者分不出哪些是电脑的答案，哪些是人的答案，则电脑通过测试，确实具有与人一样的智能。我是人哦！我是谁？如实回答？测试悖论公平性问题图灵测试的出发点显然是刁难电脑，要求电脑模仿人回答问题，公平吗？反过来要求人模仿电脑回答问题，公平吗？标准性问题在怎样的智能水平下对电脑进行测试？天才、普通人还是婴幼儿，或者说怎样认定电脑的智力水平？全面性问题怎样全面地测试电脑的智能，喜、怒、哀、乐和表情等有关情感的测试如何进行？测试边界怎样确定？欺骗性问题电脑如果有意欺骗测试者，测试者能判断出来吗？在一定的范围内进行测试还是可行的困惑哲学问题（1）规则与规律：规则是制定的，规律是客观存在的，从规则能自动发现规律吗？（2）生命与非生命：智能是高等生命体独有的能力，非生命体内能产生智能吗？（3）物质与意识：唯物主义和唯心主义都承认二元论，只是在何者起决定作用上争论不休，智能能在机器内产生将导致一元论—物质生成一切？（4）智能的本质：理性与感性、思考与行动、社会性与个体性伦理问题（1）电脑与人脑：能否互换？（2）机器人与人：机器能否融入人类社会？（3）情感与役使：机器是人制造并使用的工具，一旦机器人具有了智能和情感，人类还能当奴隶一样地役使吗？（4）机器人叛乱：机器人群体有可能叛乱而反过来役使人类吗？现实的梦比尔·盖茨预测：智能计算发展前景乃是机器最终“能看会想，能听会讲”。无论是人工智能，还是智能人工，只要能够殊途同归，造福于人类，那么所有的努力便都是有价值的。未来，智能机器作为真正意义上的工作助手和生活良伴，将使我们的生活完全改观。“聪明机器”的出现，也决不会成为人类的灾难，在智慧与创造力方面，永远是人类最有发言权。人工智能（artificialintelligence，简称AI）人工智能：用人工的方法和技术，模仿、延伸和扩展人的智能,实现机器智能。人工智能的五个基本问题(1)知识与概念化是否是人工智能的核心？(2)认知能力能否与载体分开来研究？(3)认知的轨迹是否可用类自然语言来描述？(4)学习能力能否与认知分开来研究？(5)所有的认知是否有一种统一的结构？学科交叉与生命科学、认知科学、物理学等众多学科高度交叉，共同研究智能行为的基本理论和实现技术。三大学派符号主义（Symbolism）、连接主义(Connectionism)、行为主义（Behaviorism）——从不同侧面模拟人的智能和智能行为。符号主义代表人物1956年，美国Dartmouth会议，几个年轻的美国学者McCarthy、Simon、Minsky、Newell等首次提出人工智能的术语基本思想（1）认知的本质就是计算，可称为认知可计算主义—与图灵机理论一脉相承（2）思维的基本单元是符号，智能的核心是利用知识以及知识推理进行问题求解（3）智能活动的基础是物理符号运算，人脑和电脑都是物理符号系统（4）人的智能可以通过建了基于符号逻辑的智能理论体系模拟（5）理论基础是符号数学、谓词演算和归结原理符号主义-续智能表示（1）1959年McCarthy开发了著名的LISP语言（LIStProcessingLanguage，表处理语言），基于函数的语言，通过符号（不是数值）运算进行推理，也是逻辑程序设计语言（LogicProgramming）（2）1972年PROLOG语言（PROgrammingLOGic）问世，被称为演绎推理机，接口丰富，非常适合于专家系统开发，曾有人试图发明PROLOG机器，以模拟人的智能，但未获成功知识工程与专家系统—典型代表（1）产生式规则表示知识（2）产生式规则系统将领域专家的知识进行整理、存储构建知识库（3）专家系统运用知识库进行推理、问题求解等智能活动推理方法知识表示与推理、归纳推理、基于事例的推理等连接主义代表人物（1）1943年生理学家McCulloch和Pitts提出神经元的数学模型，神经元模型结合成多层结构成为神经网络（2）1959年，Rosenblatt提出感知机模型（Perceptron)，具有输入层、中间联系层和效验输出层的三层结构（3）1982年，Hopfield提出全互连的神经网络模型，成功求解TSP问题，掀起神经网络研究高潮，对符号主义也产生了巨大冲击（4）1987年，戴维.努梅尔哈特和杰弗里.欣顿提出误差反向传播（Back-Propgation）神经网络学习算法基本思想（1）人类认知活动主要基于大脑神经元的活动，人类思维的基本单元是神经元而不是符号，智能是互连神经元竞争与协作的结果（2）模拟人的智能要依靠仿生学，特别是模拟人脑，建立脑模型（3）电脑模拟人脑应着重于结构模拟，即人的生理神经网络结构，功能、结构和行为密切相关，不同的结构表现出不同的功能行为（4）分布式信息存储和大规模并行处理，自适应和自组织特性，学习和容错能力（5）理论基础是神经生理学与脑科学神经元与神经网络连接主义-续智能表示（1）神经元状态值、连接权值、阈值和激励函数决定输出值--隐式表示方法（2）通过学习算法修正神经元之间的连接权值，达到更精确的知识表示，学习算法包括有导师和无导师学习算法两类模式识别—典型代表（1）建立样本库（2）特征提取与特征库（3）学习算法进行神经网络训练，模式的聚类、分类和识别学习算法提高学习和训练速度，保证全局收敛，网络结构设计和自适应调整行为主义代表人物1988年，Brooks等人提出无需知识、知识表示和推理的智能系统，智能来自于系统的“感知-动作”模式，基于这样的思路，他发明了六足行走机器，一个模拟昆虫行为的控制器。基本思想（1）智能是一个系统行为，智能行为可以通过与周围环境的的交互作用表现出来（2）智能的基础是“感知-动作”模式，类似于心理学的“刺激-反应”，它也决定系统的结构和参量（3）系统的智能行为决定于系统的结构和参量（4）自组织、自学习、自适应是智能系统得基本特征（5）理论基础是控制论、系统科学和心理学行为主义-续智能表示（1）系统模型、模型结构和参量--隐式表示方法（2）学习就是一次又一次地从外界接受条件和结果，即“感知-动作”，积累知识的过程（3）自学习是指：当一个新的输入条件决定后，能根据经验的积累，给出相应结果的过程，或者当一个新的条件和结果给出后，能够调整结构和参量的过程。智能控制与智能机器人—典型代表（1）建立系统模型（2）行为（感知-动作）模拟，积累知识，形成基本控制策略（3）学习与自学习进行自适应调整与优化，形成新的控制策略学习算法自适应、自学习、自组织、自寻优等智能化方法面临困境源于复杂性知识的复杂性，知识表示的组合爆炸不完整知识的表达问题推理的时空爆炸性神经网络结构复杂学习、训练低效难以全局收敛能力限制复杂行为模拟不能用精确的数学模型描述的问题信息时代的呼唤•工业时代能量资源-创造动力的工具-获得能量•物理学、化学创造动力工具的理论基础•信息时代信息资源-创造智能的工具-获得智能•智能计算理论创造智能工具的理论基础什么是智能计算智能计算（ComputationalIntelligence，CI）目前还没有一个统一的的定义，使用较多的是美国科学家贝慈德克（J.C.Bezdek）从智能计算系统角度所给出的定义:如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是智能计算的。从学科范畴看，智能计算是在神经网络（NeuralNetworks,NN）、演化计算（EvolutionaryComputation,EC）及模糊系统（FuzzySystem,FS）这3个领域发展相对成熟的基础上形成的一个统一的学科概念。智能计算与人工智能的关系目前，对智能计算与人工智能的关系有2种不同观点，一种点认为智能计算是人工智能的一个子集，另一种观点认为智能计算和人工智能是不同的范畴。第一种观点的代表人物是贝慈德克。他把智能（Intelligence，I）和神经网络（NeuralNetwork，NN）都分为计