人工智能全册配套精品完整课件.ppt

1、人工智能全册配套 精品完整课件 人工智能 Artifical Intelligence-AI 容和应用领域容和应用领域 确定性人工智能的三大技术：知识表示、确确定性人工智能的三大技术：知识表示、确 定性推理、问题求解搜索策略定性推理、问题求解搜索策略 计算智能：神经计算、进化计算、模糊计算计算智能：神经计算、进化计算、模糊计算 不确定性推理不确定性推理 专家系统专家系统 机器学习机器学习 分布式人工智能：分布式人工智能：Agent技术技术 人工智能应用：机器人规划、机器视觉、自然语言理解人工智能应用：机器人规划、机器视觉、自然语言理解 课程简介课程简介 人工智能的起源、定义与 发展，以及研究内

2、 单击此处添加文本 单击此处添加文本 主要内容主要内容 人工智能的三大基本技术： 知识表示 逻辑推理 搜索技术 主要介绍人工智能的基本概念、知识表示、搜索 推理、计算智能以及问题求解等。 学习目标 领略人工智能思想的精髓，对人工智能的思想和方 法有比较深刻的认识，从人工智能的角度出发去思考问题， 解决问题。 了解人工智能的发展历史，国内外人工智能相关 领域的发展动态 掌握人工智能的基本理论、技术及其应用方法 讨论一些新的和正在研究中的人工智能方法与技 术 能够应用相应的人工智能技术解决实际应用问题 参考书： 人工智能复杂问题求解的结构和策略 （原 书第5版） George F. Luger著，

3、史忠植 等译 机械工业出版社，2006 人工智能一种现代的方法（第2版） 罗素 RUSSELL 清华大学出版社 7 参考书： 人工智能原理与应用 张仰森，2004年2月 高等教育出版社 人工智能及其应用（第三版） 蔡自兴、徐光佑 清华大学出版社 人工智能 马少平、朱小燕 清华大学出版社 国家级精品课程： http:/ 003145.htm 教学模式教学模式 章节内容 讲授+讨论 轮讲+讨论 相关文章 阅读+轮讲+讨论 第一章 绪 论 1.1 AI的定义及其研究目标 1.2 人工智能的发展 1.3 AI的主要学派及其研究方法 1.4 人工智能的研究领域与应用领域 1.5 人工智能近期发展分析 1

4、.6 人工智能思想的应用 1.1 人工智能及其发展 什么是人工智能？ 什么是人工智能? 科技热点： Gartner 预测的2014年10大技术趋 势之一 趋势9 智慧超算机大量出现 “watson”在益智问答节目中一举夺冠 谷歌成立人工智能实验室 “量子人工智能实验室” 德克萨斯大学MD Anderson癌症中心将利用IBM 的“沃森”认知计算系统作为攻克癌症顽疾的 有力武器 微软的研究人员都在忙着让机器人通过高中生物 考试 Facebook新建人工智能实验室 1.1 AI的定义及其研究目标 AI的定义 形式化定义 目前还没有 一般解释 人工智能就是用人工的方法在机器（计算机） 上实现的智能，

5、或称机器智能。 无形式化定义的理由 人工智能的严格定义依赖于对智能的定义 但什么是智能？还无严格定义 因此，应先对人类的自然智能进行讨论。 何谓智能（自然智能） 自然智能 指人类和一些动物所具有的智力和行为能力。 人类的自然智能（简称智能） 指人类在认识客观世界中，由思维过程和脑力活动所 表现出的综合能力。 人类大脑是如何实现智能的 两大难题之一：宇宙起源、人脑奥秘 对人脑奥秘知之甚少 对人脑奥秘知道什么 结构：1011-12 量级的神经元，分布并行 功能：记忆、思维、观察、分析 等 对智能的严格定义 有待于人脑奥秘的揭示，进一步认识 认识智能的观点 思维理论 智能来源于思维活动，智能的核心是

6、思维，人的一切 知识都是思维的产物。可望通过对思维规律和思维方法 的研究，来揭示智能的本质。 知识阈值理论 智能取决于知识的数量及其可运用程度。一个系统所 具有的可运用知识越多，其智能就会越高。 进化理论 是美国MIT的Brooks在对人造机器虫研究的基础上提 出来的。智能取决于感知和行为，取决于对外界复杂环 境的适应。智能不需要知识、不需要表示、不需要推理， 智能可由逐步进化来实现。（emergent） 观点不一致，从层次结构上再来认识一下。 智能的层次结构 高层智能 以大脑皮层（抑制中枢）为主，主要完成记忆、思维等 活动。 中层智能 以丘脑（感觉中枢）为主，主要完成感知活动。 低层智能 以

7、小脑、脊髓为主，主要完成动作反应活动。 不同观点在层次结构中的对应关系 思维理论 知识阈值理论 高层智能 进化理论 中层智能和低层智能 问题：智能到底包含哪些能力？ 智能包含的能力（一） 感知能力 通过感知器官感知外界的能力。是人类获得外界信息的基本途径， 其处理方式有以下两种： 感知-动作方式：对简单、紧急信息。 感知-思维-动作方式：对复杂信息。 记忆和思维能力 记忆：对感知到的外界信息和由思维产生的内部知识的存储过程。 思维：对已存储信息或知识的本质属性、内部知识的认识过程。 思维方式： 抽象思维（逻辑思维）：根据逻辑规则对信息和知识进行处理 的理性思维方式。例如，逻辑推理等。 形象思维

8、（直感思维）：基于形象概念，根据感性形象认识材 料对客观现象进行处理的一种思维方式。例如，图像、景物识别等。 灵感思维（顿悟思维）：是一种显意识和潜意识相互作用的思 维方式。例如，因灵感而顿时开窍。 智能包含的能力（二） 学习和自适应能力 学 习：是一个具有特定目的的知识获取过程，是人的 一种本能。不同人的学习方法、能力不同。 自适应：是一种通过自我调节适应外界环境的过程，是 人的一种本能。不同人的适应能力不同。 行为能力 含义：是人们对感知到的外界信息作出动作反应的能力 信息来源：由感知直接获得的外界信息 经过思维加工后的信息 实现过程：通过脊髓来控制 由语言、表情、体姿等来实现 何谓人工智

9、能？（一） 综合各种不同观点，可从能力和学科两个方面讨论： 能力方面 人工智能就是用人工的方法在机器（计算机）上实现的 智能，或称机器智能。 学科方面 是一门研究如何构造智能机器或智能系统，以模拟、 延伸和扩展人类智能的学科。 何谓人工智能？（二） 图灵测试 ( (Turing testTuring test) ) 图灵测试 (Turing test)(Turing test) 被测试的有一个人，另一个是声称自己有人类智力的机器。 测试时，测试人与被测试人是分开的，测试人只有通过一些装 置（如键盘）向被测试人问一些问题，这些问题随便是什么问 题都可以。 问过一些问题后，如果测试人能够正确地分出

10、谁是人谁是机 器，那机器就没有通过图灵测试； 如果测试人没有分出谁是机器谁是人，那这个机器就是有人 类智能的。 何谓人工智能？ （二） 图灵测试 (Turing test) 判断标准：测试主持人能分辨出人和机器的概率小于50%。 被测机器 小于50%？ “快速的、按规矩行事的傻子机器？” 测试主持人 Turing测试存在的问题 被测人 仅反映了结果的比较，无涉及思维过程 没指出是什么人 CAPTCHA Completely Automated Public Turing test to tell Computers and Humans Apart. 验证码，区分用户是计算机和人的 公共全自动

11、程序。 由计算机来考人类，而不是标准图 灵测试中那样由人类来考计算机，人 们有时称CAPTCHA是一种反向图灵 测试。 Systems that think like humans. 类人思考： 认知模型方法 Systems that think rationally. 理性地思考： “思维法则”方法 Systems that act like humans. 类人行为： 图灵测试方法 Systems that act ationally. 理性地行动： 理性Agent方法 何谓人工智能？ 人工智能的研究目标 远期目标 揭示人类智能的根本机理，用智能机器去模拟、延伸和 扩展人类的智能。 涉及到

12、脑科学、认知科学、计算机科学、系统科学、控 制论等多种学科，并依赖于它们的共同发展。 近期目标 研究如何使现有的计算机更聪明，即使它能够运用知识 去处理问题，能够模拟人类的智能行为。 相互关系 远期目标为近期目标指明了方向。 近期目标则为远期目标奠定了理论和技术基础。 50多年来，人工智能走过了一条起伏和曲折的发展道 路。回顾历史，可以按照不同时期的主要特征，将其产生 与发展过程分为5个阶段： 孕育期（1956年以前） 形成期（1956 - 1970年） 知识应用期（1970 - 20世纪80年代末） 从学派分离走向综合（20世纪80年代末到本世纪初） 智能科学技术学科的兴起（本世纪初以来）

13、1.2 人工智能的发展 1 1）人工智能的起源）人工智能的起源 孕育期（孕育期（19561956年以前）年以前） (1/2)(1/2) 普罗米修斯：人类获取智慧火种的最初努力 （渴望智慧会带来恶 果？） 自远古以来，人类就有用机器代替人们脑力劳动的的幻想：公元 前900多年我国有歌舞机器人流传的记载；公元前850年古希 腊有制造机器人帮助人们劳动的神话传说。 亚里斯多德（Aristotle，公元前384 - 322）：古希腊伟大的 哲学家和思想家，创立了演绎法。他提出的三段论至今仍然是 演绎推理的最基本出发点。 莱布尼茨（ G.W.Leibnitz，1646 - 1716 ） ：德国数学家和

14、哲学家把形式逻辑符号化，奠定了数理逻辑的基础 （四则运 算计算器）。 图灵（ A.M.Turing，1912 - 1954 ） ：英国数学家，1936 年创立了自动机理论，自动机理论亦称图灵机，是一个理论计 算机模型。 莫克利（ J.W.Mauchly，1907 - 1980 ） ：美国数学家、电 子数字计算机的先驱，与他的研究生埃克特（J.P.Eckert）合 作，1946年研制成功了世界上第一台通用电子计算机ENIAC 。 孕育期（1956年以前）(2/2) 麦克洛奇(W.McCulloch)和皮兹(W.Pitts)：美国神经生理学 家，于1943年建成了第一个神经网络模型(MP模型)。

15、维纳(N.Wiener，1874-1956) ：美国著名数学家、控制论创 始人。1948年创立了控制论。控制论向人工智能的渗透，形成了 行为主义学派。 图灵又于1950年，发表题为计算机能思维吗？的著名论 文，明确提出了“机器能思维”的观点。 可见，在人工智能诞生之前，一些著名科学家就已经创立了数 理逻辑、神经网络模型和控制论，并发明了通用电子数字计算机。 为人工智能的诞生准备了必要的思想、理论和物质技术条件。 同时加深了认识：智慧的奥秘可以被纳入到科学分析中。 英国科学家图灵： 计算机之父 阿兰麦席森图灵 Alan Mathison Turing 1912.6.23 - 1954.6.7 计

16、算机科学奠基人 提出了“图灵机” 1936年发表论文：“论数字计算在决 断难题中的应用”，奠定了计算机的模 型与可计算理论。 提出了“图灵测试” 1950年发表论文：“计算机与智能” ，奠定了人工智能的基础。 主要贡献 著名密码系统Enigma 图灵奖 2000 Yao, Andrew Chi-Chih 计算理论（包括加密算法和通讯复杂性） 2006Frances E. Allen（女）编译器优化理论和实践 2007 姚期智 1946年12月生于上海，祖籍湖北 1967年获台湾大学物理学士学位 1972年获哈佛大学物理博士学位 1975年获伊利诺依大学计算机科学博士学位 1975年至1986年

17、先后在美国麻省理工学院 数学系、斯坦福大学计算机系、加利福尼亚 大学伯克利分校计算机系任助教授、教授。 1998年被选为美国科学院院士 2000年被选为美国科学与艺术学院院士。他 在数据组织、密码学、通信复杂性乃至量子 通信和计算等多个尖端科研领域，都做出了 巨大而独到的贡献。他是计算机理论方面国 际上最拔尖的学者之一。 2007年3月29日，姚期智领导成立了清华大 学理论计算机科学研究中心。 1946年2月14日，ENIAC（埃尼阿 克，电子数字积分计算机）在宾夕 法尼亚大学诞生。 ENIAC Electronic Numerical Integrator and Computer 世界上第

18、一台计算机诞生 宣告了计算机时代的到来 莫 奇莱 24岁埃克特 2）人工智能的发展-形成期（1956 - 1970年） (1/4)AI诞生于一次历史性的聚会(Dartmouth人工智能夏季研讨会) 时间：1956年夏季 地点：达特莫斯 (Dartmouth)学院 目的：为使计算机变得更“聪明” ，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，后为MIT教 授 洛切斯特 (N.Lochester)， IBM公司信息中心负责人 香农 (C.E.Shannon)，

19、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)，卡内基梅隆大学 会议结果： 由麦卡锡提议正式采用了“Artificial Intelligence”这一 术语 McCarthy（麦卡锡）：人工智能之父 该时期研究的相关成就： 逻辑理论程序LT：模拟人类证明定 理的思想，用机器进行定理证明。（1956年） 西洋跳棋：可以象人那样，向前看几步来下棋。（1956 年） GPS

20、-General Problem Solving：不依赖于具体领域 的程序。 （1957年） LISP：AI程序设计的主要语言。 （1959年） 形成期（1956 - 1970年）(2/4) 形成期（1956 - 1970年）(3/4) 心理学小组 1957年，纽厄尔、肖(J.Shaw)和西蒙等人的心理学小组研制了一个称为逻辑理论 机(Logic Theory Machine，简称LT)的数学定理证明程序。 1960年研制了通用问题求解(General Problem Solving)程序。该程序当时可以 解决 11种不同类型的问题，如不定积分、三角函数、代数方程、猴子摘香蕉、河内梵塔、 人-

21、 羊过河等。 IBM工程小组 1956年，塞缪尔在IBM704计算机上研制成功了具有自学习、自组织和自适应能力 的西洋跳棋程序。 这个程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺。 通过不断学习，该程序1959年击败了塞缪尔本人，1962年又击败了一个州的冠 军。 MIT小组 1958年，麦卡西建立了行动规划咨询系统。 1960年，麦卡西又研制了人工智能语言LISP。 1961年，明斯基发表了“走向人工智能的步骤”的论文，推动了人工智能的发展。 形成期（1956 - 1970年）(4/4) 其他方面 1965年，鲁宾逊（Robinson)提出了归结（消解）原理。这种与传 统自然演

22、绎完全不同的方法为自动定理证明做出了突破性的贡献。 1965年，美国斯坦福大学的费根鲍姆(Feigenbaum)领导的研究小 组开始研究化学专家系统DENDRAL。 该专家系统于1968年完成并投入使用，它可以根据质谱仪的实验， 通过分析推理决定化合物的分子结构。 DENDRAL被称为专家系统的萌芽，是人工智能研究从一般思维探讨 到专门知识应用的一次成功的尝试。 3）人工智能的发展-知识应用期（1971 - 80年代末）(1/3) 失败的预言： 60年代初，西蒙预言：10年内计算机将成为世界冠军、将证明 一个未发现的数学定理、将能谱写出具有优秀作曲家水平的乐曲、大多数心理学理 论将在计算机上形

23、成。 挫折和教训 在博弈方面：塞缪尔跳棋程序的失败。 在定理证明方面：鲁宾逊归结法的能力有限。当用归结原理证明两个连续函数之 和还是连续函数时，推了10万步也没证出结果。 在问题求解方面：对于不良结构，会产生组合爆炸问题。 在机器翻译方面：并不容易，甚至会闹出笑话。 “Out of sight, out of mind” (“眼不见心不烦”)：翻译成：“ 又瞎又疯” 在神经生理学方面：研究发现人脑有1011-12以上的神经元，在现有技术条件下 用机器从结构上模拟人脑是根本不可能的。 在其它方面：人工智能也遇到了不少问题。 科幻小说和电影激发了过高的期望 一些学者指责“人工智能研究不是骗局，也是

24、庸人自扰。” 知识应用期（1971 - 80年代末）(2/3) 以知识为中心的研究： 专家系统是AI发展史上的一次重要转折。 1972年，费根鲍姆（ Feigenbaum ）开始研究MYCIN专家 系统，并于1976年研制成功。 从应用角度看，它能协助内科医生诊断细菌感染疾病，并提供最 佳处方。 从技术角度看，他解决了知识表示、不精确推理、搜索策略、人机 联系、知识获取及专家系统基本结构等一系列重大技术问题。 1972年法国马赛大学Clomerauer发明Prolog逻辑程序设计语言。 1976年，斯坦福大学的杜达(R.D.Duda)等人开始研制地质勘探专家 系统PROSPECTOR。 197

25、0年Artificial Intelligence国际期刊创刊。 1977年费根鲍姆提出知识工程概念，专家系统广泛应用。 知识应用期（1971 - 80年代末）(3/3) 新的问题： 专家系统本身所存在的应用领域狭窄、缺乏常识性知 识、知识获取困难、推理方法单一、没有分布式功能、不 能访问现存数据库等问题被逐渐暴露出来。 4）人工智能的发展- AI工业化，新技术层出不穷 （20世纪80年代到本世纪初） 英国的Alvey Report建议恢复投资AI，提出“基于知识 的智能系统”（Intelligent Knowledge Based System, IKBS） 1986年：人工神经网络 199

26、0年：分布式人工智能和Agent技术，机器学习和数据 挖掘 5）人工智能的发展-从学派分立到综合 （20世纪80年代到本世纪初） 人工智能研究形成了三大学派： 随着人工神经网络的再度兴起和布鲁克（R.A.Brooks） 的机器虫的出现，人工智能研究形成了符号主义、连接主义 和行为主义三大学派。 6）人工智能的发展-智能科学技术的兴起 （本世纪初以来） 目前，一个以人工智能为核心，以自然智能、人工智能、集成智 能为一体的新的智能科学技术学科正在逐步兴起，并引起了人们的极 大关注。 该学科研究的主要特征包括以下几个方面： 由对人工智能的单一研究走向以自然智能、人工智能、集成智能 为一体的协同研究；

27、 由人工智能学科的独立研究走向重视与脑科学、认知科学、等学 科的交叉研究； 由多个不同学派的独立研究走向多学派的综合研究； 由对个体、集中智能的研究走向对群体、分布智能的研究。 总结总结 时间1：20世纪60年代中期 形成期 时间2：20世纪70年代后期 知识形成期 时间3：20世纪90年代 综合集成期 时间1：20世纪60年代中期 形成期 特点： 由追求万能、通用的一般研究转入特定的具体研究， 通用的解题策略与特定的专业知识领域以及实际经验相 结合。属发展和实用化阶段。 AI的三个基本问题：知识的表示、利用和获取。 代表： ES - Expert System (based on knowl

28、edge) 主要人物：E.A.Feigenbaum（Standford University） （1）各种学术会议和杂志的诞生 首先，1956，美国，研讨会。讨论机器模拟人类智能 的问题。首次提出人工智能 宣布人工智能的诞生； 其次，1969，召开第一届国际人工智能联合会议- IJCAI（每两年举行一次）； 各种学术团体成立：美国人工智能学会(AAAI)、英国 的AISB，意大利的GLIA、加拿大计算机智能研究会 (CSCSI)、西德的KI和中国AI学会(CAAI)等； 专门的人工智能杂志和文集：人工智能杂志创刊， IJCAI会议录、Machine Intelligence(英 国)、Arti

29、ficial Intelligence(日本)、计算机 智能研究学会文集(加拿大)和Congnitive Science(美国)； 学术会议：国际自动控制协会、国际工业机器人协会、国 际信息处理联合会和国际模式识别会议等； 学术期刊：ACM、AFIPS、IEEE等。 （2）主要的研究成果 A. 心理学小组 B. IBM工程课题小组 C. MIT小组 （3）控制论的提出对AI的研究起到很大的作用 控制论的概念跨接了许多领域，它把神经系统的工作原 理与信息理论、控制理论、逻辑以及早期计算联系起来。 为此，控制论成为AI工作者的指导思想。 时间2：20世纪70年代后期 知识形成期 特点： 专家系统技

30、术成熟、应用领域增加，从专家系统技术 中 抽取共性，AI又从具体系统的研究回到一般研究。 代表： KE - Knowledge Engineering（知识工程） 主要人物：E.A.Feigenbaum（Standford University） 知识工程之父 （1）挫折与教训 70-80年代，AI遭受了严重的挫折。很多预言未能 得以实现。如： 在博奕方面，塞缪尔的下棋程序在与世界冠军对奕 时，5局中被击败了4局； 在定理证明方面，发现鲁宾逊的归结原理的能力十 分有限：当用归结原理证明两个连续函数之和还是连续 函数时，推了10万步也没有结果； 在问题求解方面，由于过去研究的多是良结构问题， 而

31、现实世界中的问题又多是不良结构，如果仍用那些方 法去处理，将会产生组合爆炸； 在机器翻译方面、在神经生理学方面、在人工智能 的本质、理论、思想及机理方面等都有不同程度的失败。 （2）以知识为中心的研究 在这种极端困难的情况下，仍有一大批AI学者不畏艰辛、潜心研 究。 1972年，费根鲍姆在继化学专家系统DENDRAL之后，又领导 他的研究小组开始研究MYCIN专家系统，并于1976年研制成功。 MYCIN是一个用于细菌感染患者的诊断和治疗医学专家系统。 从应用的角度看，它可以识别51种病菌，正确使用23种抗生素，能 协助内科医生诊断细菌感染疾病，并为患者提供最佳处方。 1976年，斯坦福大学国

32、际AI中心杜达(R.D.Duda)等人开始研制地 质勘探专家系统PROSPECTOR，到1981年该系统已拥有15种矿藏 知识。 另外，还有MIT在1971年研制了数学专家系统MACSYMA， 1978年研制成功的用于青光眼诊断和治疗的专家系统CASNET等。 1977年，在第五届国际AI联合会上正式提出了知识工程的概念。 从此，AI的发展又步入了一个飞速发展的时期。 时间3：20世纪90年代 综合集成期 特点： AI技术与数据库技术、多媒体技术、网络技术相结合。 并行与分布处理技术 知识的获取、表示、更新和推理的新方法、新技术 多功能的感知技术 （1）在专家系统方面，从20世纪80年代末，开

33、始逐步向 多技术、多方法的综合集成与多学科、多领域的综合应用型 发展。 （2）目前，AI技术正在向大型分布式AI（DAI）、大型分 布式多专家协同系统、广义知识表达、综合知识库、并行推 理、多种专家系统开发工具、大型分布式AI开发环境和分 布式环境下的多智能体（Agent）协同系统等方向发展。 -其他时间： - 1978年 我国AI起步 -领域： - 定理证明、汉语自然语言理解、机器人、专家系统等方面 1.3 AI1.3 AI的主要学派及其研究方法的主要学派及其研究方法 1. AI的位置 整个学科体系分为： 自然科学 社会科学 交叉科学（AI） 哲学是所有科学的指导思想 数学是一切科学的基础科

34、学 AI是一门交叉科学，具有很强的综合性。它吸取 了自然科学与社会科学的最新成就，以思维与智能为 核心，形成自身的新体系。AI是逻辑学、思维学、 生理学、心理学、计算机科学、电子学、语言学、教 育学等多门学科相互渗透的结果。 2. AI的学派及其研究方法 由于AI的目标是使机器具有认识问题与解决问题 的能力，是对人的智能进行模拟，其主要学派及其相 关方法有： l符号主义学派、逻辑主义学派、心理学派、 计算机学派 l 数理逻辑、ES l l 知识是智能的基础 l 核心问题：知识表示与知识推理 l 用符号系统来进行知识 表示 l 用符号的操作进行知识 推理 l 代表：Newell, Shaw, S

35、imon等 运用计算机科学的观点，撇开脑的微观结构，单 纯地进行脑的宏观功能的模拟。 这种方法用于研制适用于AI的新的体系结构的计 算机系统，用于研制大量实用的计算机智能软件，此 方法是当今AI研究的主要方法。 在运用计算机方法求解智能问题时，特别在编制 智能软件时，又有两种方法： 数学方法 、心理学方 法。 （1） 数学方法 依靠建立数学模型并利用算法来求解问题。 算法：求解某类问题时，确定的可被机械执行的有穷步 骤。 算法的三个性质： 通用性：一个算法应适用于求解某类问题的全部问题， 而不是只能解决其中的某些特殊的问题； 确定性：算法中的任何状态和步骤都是确定的、唯一的， 不具有任意性。

36、有效性：算法对本类问题中的任何状态都是有效的。 依靠算法，可以保证得到需要的解或最佳解，但 须事先掌握把前提和结论联系起来的全部先验信息， 在实际求解问题时，运用算法受到如下限制： a. 不是所有问题都能找到算法来求解； b. 有些问题虽有算法，但实际是不可计算的。 （这类问题随时间的复杂度的线性增长，计算所需时 间或存储空间将按指数增长）。 （2）心理学方法 依靠心理学模型，把人在解决各种问题时所使 用的经验方法、策略、窍门都编进程序（即对人解决 问题的认识过程进行计算机程序的模拟），这种程序 称为启发式程序。 启发式程序：求解某类问题时，试探的可被机械 执行的有穷步骤。 启发式程序具有三个

37、性质： 局部性：启发式程序在求解某类问题的结果时，不一 定保证是准确解或最佳解； 试探性：启发式程序求解问题时允许失误而改用其他 的方法； 针对性：启发式程序可以利用某些被解问题的特殊规 律，大大简化该问题的求解过程，具有较强的针对性。 依靠启发，只须事先掌握把前提和结论联系起来 的部分先验信息，一般求解问题比较简捷，在求解复 杂问题时，可以更好地表现出人类智慧的特征。 在处理实际问题时，并不是单纯地使用上述两 种方法中的任何一种，而是交替地使用算法和启发。 一般是在战略决策上较多地使用启发，在战术推进 上较多地使用算法。 相比之下，心理学方法是 AI 取得重要成果的 主要方法，也是目前 AI

38、 研究中的主要方法。 计算机科学与心理学的相互渗透，相互促进， 是AI今后发展的途径。 l（2）连结主义学派、仿生学派、生理学派 l - 仿生学、ANN l仿生学方法： l 是对人脑思维建立生理学模型，通过微观的方法直接模拟人脑和神经系统的结构与功能， 把脑的微观结构与宏观功能统一起来进行研究，希望制成一种大脑的智能机。 l 这种方法从1943年由麦克卡烙克(McCulloch)和比托斯(Pitts)提出第一个神经网络 模型以来，至今已建立了几百多种神经网络模型。 l l 智能基本单元是神经元 知识与信息存储表现为神经元的联系 学习表现为神经元连接权的变化 以数据为基础 以模型计算为方法 代表

39、：W.S.McCulloch, W.Pitts, Hopfield, Rumelhart等。 l行为主义学派、进化主义学派、控制论学派 l - 控制论、智能机器人 l 智能基本取决于感知，表现为行动。 l 它不需要知识、不需要表示、不需要推理。 l “感知-动作”模式 l 代表：Brooks等 另一种分类： 将人工智能分成两大类符号智能、计算智能。 符号智能：以知识为基础，通过推理进行问题求解。 即：传统的AI。 计算智能：以数据为基础，通过训练建立联系，进 行问题求解。 脑智能和群智能 脑（主要指人脑）的宏观心理层次的智能表现称为脑智 能（Brain Intelligence, BI）。 由

40、群体行为所表现出的智能称为群智能（Swarm Intelligence, SI）。 脑智能和群智能是属于不同层次的智能： 脑智能是一种个体智能（Individual Intelligence, II）； 群智能是一种社会智能（Social Intelligence, SI）， 或者说系统智能（System Intelligence, SI）。 1. 符号智能 符号智能就是符号人工智能。以知识为基础，通 过推理进行问题求解。即：传统的AI。 它是模拟脑智能的人工智能，也就是所说的传统 人工智能或经典人工智能。符号智能以符号 形式的知识和信息为基础，主要通过逻辑推 理，运用知识进行问题求解。 符号

41、智能的主要内容包括知识获取 （acquisition）、知识表示 （representation）、知识组织与管理和知 识运用等技术 这些构成了所谓的知识工程 Knowledge Engineering, KE 以及基于知识的智能系统 等。 2. 计算智能 计算智能就是计算人工智能，它是模拟群智能的人工智能。 以数据为基础，通过训练建立联系，进行问题求解。 计算智能以数值数据为基础，主要通过数值计算，运用算 法进行问题求解。 计算智能的主要内容包括： 神经计算（Neural Computation，NC） 进化计算（亦称演化计算，Evolutionary Computation， EC） 遗传

42、算法（Genetic Algorithm，GA） 进化规划（Evolutionary Planning，EP） 进化策略（Evolutionary Strategies，ES）等） 免疫计算（immune computation） 粒群计算（Particle Swarm Algorithm，PSA） 蚁群算法（Ant Colony Algorithm，ACA） 自然计算（Natural Computation，NC） 人工生命（Artificial Life，AL）等。 多智能体和计算智能反映了人工智能新近的发展。 1.4 1.4 人工智能的研究领域与应用领域 1. AI的研究领域 （1）AI

43、的理论基础 数学理论（离散数学、模糊数学）； 思维科学理论（认知心理学、逻辑抽象思维学、形象或直感思维学 等）； 计算机工程技术（硬件与软件技术）。 （2）AI原理 知识的模型化和表示； 问题求解(常识性推理、演绎、启发式搜索)； 机器学习； 人工智能系统和语言。 （3）AI的工程系统（应用层次） 根据AI的原理而建立的工程系统：如专家系统咨询系统、专家系 统开发工具与环境、自然语言理解系统、图象理解与识别系统、智能 机器人系统等。 上述三个层次是相互关联的，原理在理论基础上建立，技术是原理 的工程应用。 AI的主要研究与应用领域 采用了基于智能本质和作用的划分方法，即从感知、思维、行 为、学

44、习、计算智能、分布智能、智能机器、智能系统、智能应用 等方面来进行讨论。 （1）机器思维 机器思维：就是让计算机模仿和实现人的思维能力， 以对感知到的外界信息和自己产生的内部信息进行思维性 加工。 包括：推理、搜索、规划等方面的研究。 （1） 机器思维 推理 概念：推理是指按照某种策略从已知事实出发利用知识推出所 需结论的过程。 类型：可根据所用知识的确定性，将其分为： 确定性推理，精确表示，真，假。 不确定性推理，允许不确定。所谓不确定性是对非精确性、 模糊型和非完备性的统称。 理论基础：逻辑是一门研究人们思维规律的学科，数理逻辑则是 用数学的方法去研究逻辑问题。 确定性推理主要是基于一阶经

45、典逻辑。能解决的问题很有限。 不确定性推理主要基于非经典逻辑和概率等。 非一阶经典逻辑是泛指除一阶经典逻辑以外的其他各种逻 辑，如多值逻辑、模糊逻辑、模态逻辑、概率逻辑、默认逻辑、 次协调逻辑及泛逻辑等。 （1） 机器思维 搜索 搜索的概念：是指为了达到某一目标，不断寻找推理线路，以引 导和控制推理，使问题得以解决的过程。 搜索的类型：可根据问题的表示方式将其分为状态空间搜索和与 /或树搜索两大类型。 状态空间搜索是一种用状态空间法求解问题时的搜索方法； 与/或树搜索是一种用问题规约法求解问题时的搜索方法。 搜索的主要问题：人工智能最关心的是如何利用搜索过程所得到 的对尽快达到目标有用的信息来

46、引导搜索过程，即启发式搜索方法。 状态空间的启发式搜索方法 与/或树的启发式搜索方法 （1）机器思维 规划 概念：是指从某个特定问题状态出发，寻找并建立一个操作序列，直到 求得目标状态为止的一个行动过程的描述。 特点：与一般问题求解技术相比，规划更侧重于问题求解过程，并且要 解决的问题一般是真实世界的实际问题，而不是抽象的数学模型。 例如：机器人移盒子、猴子摘香蕉等问题。 例子：斯坦福研究所问题求解系统（Stanford Research Institute Problem Solver， STRIPS ），是一种基于状态空间和F规则的规划 系统。 它由以下3部分所组成： (1) 世界模型：用

47、一阶谓词公式表示，它包括问题的初始状态和目标 状态。 (2) 操作符（即F规则）：它包括先决条件、删除表和添加表。 (3) 操作方法：它采用状态空间表示和中间 结局分析的方法。 其中，状态空间包括初始状态、中间状态和目标状态； 中间 - 结局分析的每一步都选择能够缩小当前状态与目标状态之间的 差距的先决条件可以满足的F规则执行，直至到达目标为止。 机器人足球 （2） 机器感知 机器感知：要让计算机具有类似于人的感知能力。 如视觉、听觉、触觉、嗅觉、味觉。 （2） 机器感知 计算机视觉(1/2) 概念：用计算机来实现或模拟人类的视觉功能，其主要研究目标是使计 算机具有通过二维图像认知三维环境信息

48、的能力。 重要性：在人类感知到的外界信息中，有80%以上是通过视觉得到的。 视觉系统：人类视觉系统的功能是通过眼睛与大脑共同实现的。 人们视野中的物体在可见光的照射下，先在眼睛的视网膜上形成 图像，然后由感光细胞转换成神经脉冲信号，再经神经纤维传入大脑皮 层，最后由大脑皮层对其进行处理与理解。 视觉，不仅仅指对光信号的感受，它包括了对视觉信息的获取、传输、 处理、存储与理解的全过程。 （2）机器感知 计算机视觉(2/2) 汽车驾驶仿真系统 （2）机器感知 模式识别 模式识别的概念 是指让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似 的模式中。 被鉴别的事物可以是物理的、化学的、生理

49、的，也可以是文字、图像、 声音等。 模式识别的一般过程： (1) 采集待识别事物的模式信息； (2) 对其进行各种变换和预处理，从中抽出有意义的特征或基元，得到待识别 事物的模式； (3) 与机器中原有的各种标准模式进行比较，完成对待识别事物的分类识别； (4) 输出识别结果。 指纹识别、人脸识别、视网膜识别、 虹膜识别，掌纹识别 （2）机器感知 自然语言处理 自然语言处理包括的主要内容 机器翻译：把一种自然语言翻译成另外一种自然语言 自然语言理解： 概念：主要研究如何使计算机能够理解和生成自然语言。 理解的语言类型：声音语言、书面语言。 主要步骤：语音分析、词法分析、句法分析、语义分析、语用

50、分析。 自然语言理解的意义 有学者指出：人工智能如果不能用自然语言作为其知识表示基础，建 立起不确定人工智能的理论和方法，人工智能也就永远实现不了跨越的梦 想。 （3）机器行为 机器行为就是让计算机能够具有像人那样地行动和表达能力， 如走、跑、拿、说、唱、写画等。 机器行为则可看作智能系统的输出部分。 主要讨论：智能控制、智能检索和智能机器人等。 （3） 机器行为 智能控制 概念：是指那种无需或需要尽可能少的人工干预就能独立的驱动 智能机器实现其目标的控制过程。它是人工智能技术与传统自动 控制技术相结合的产物。 智能控制系统：是指那种能够实现某种控制任务，具有自学习、 自适应和自组织功能的智能