1、2023-2-11人工智能人工智能第第1章章 绪论绪论 2学习目标：基础知识+基本技能+兴趣学习方法：99%汗水+1%想像力教学方法：基本原理+实例讲解学习内容：知识获取-知识表示-知识应用（推理）-智能考核办法：不是目的而是手段 平时成绩30%+期末成绩70%关于这门课关于这门课3人工智能 尼尔森（Nilsson）人工智能复杂问题求解的结构和策略（第6版）（美）卢格 （George F.Luger）人工智能-系统的方法（美）琼斯（Jones）人工智能：智能系统指南（第2版）（澳）耐格纳威斯基游戏开发中的人工智能（美）布金（美）西曼不确定性人工智能（中）李德毅，杜鹢人工智能及其应用（第4版）（
2、中）蔡自兴，徐光祐人工智能：一种现代方法（第3版）（美）拉塞尔，（美）诺文人工智能（第3版）（美）温斯顿 人工智能原理与应用（中）张仰森人工智能（上、下册）（中）陆汝钤参考书目参考书目4人工智能自诞生之日起就引起人们无限美丽的想象和憧憬；已经成为学科交叉发展中的一盏明灯,光芒四射；但其理论起伏跌宕，也存在争议和误解。51.1 1.1 人工智能的定义与发展人工智能的定义与发展 现代计算机的发展已能够存储极其大量的信息，进行快速信息处理，软件功能和硬件实现均取得长足进步，使人工智能获得进一步的应用。人类智能伴随着人类活动时时处处存在。人类的许多活动，如下棋、竞技、解题、游戏、规划和编程，甚至驾车和
3、骑车都需要“智能”。如果机器能够执行这种任务，就可以认为机器已具有某种性质的“人工智能”。6p 3大主流学派：逻辑学派（符号主义方法）仿生学派（联结主义方法）控制论学派（行为主义方法）71.定义人工智能(artificial intelligence)是研究理解和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。智能机器(intelligent machine)是能够在各类环境中自主地或交互地执行各种拟人任务的机器。8AI能力是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设
4、计、思考、规划、学习和问题求解等思维活动。92.起源与发展孕育孕育（1956年之前）年之前）-逻辑和计算逻辑和计算形成形成 （19561970年年）-人工智能人工智能黯淡黯淡 （19661974年年）-过高的预言过高的预言应用应用 （19701988年年）-专家系统专家系统Dendral与知识工程与知识工程发展发展 （1986至今）至今）-Hopfiel神经网络，神经网络，BP相继问世相继问世“The spirit is willing but the flesh is weak”心有余而力不足。俄语 “The wine is good but the meat is spoiled”酒是好的
5、但肉变质了。1020世纪30年代，数理逻辑学家Frege、Whitehead、Russell和Tarski等人研究表明，推理的某些方面可以用比较简单的结构加以形式化。Church、Turing等人给出了计算的本质刻画。111956年 Dartmouth会议标志人工智能学科的诞生。与会者有数学家、逻辑学家、认知学家、心理学家、神经生理学家和计算机科学家。3个亮点v神经网络模拟器、v搜索法、v定理证明器 121969年召开IJCAI1970年International Journal of AI创刊13Wiener、McCulloch等人提出的控制论和自组织系统的概念集中讨论了“局部简单”系统的宏
6、观特性。1948年，Wiener开创了近代控制论，而且为人工智能的控制论学派(即行为主义学派)树立了新的里程碑。控制论影响了许多领域。14最终把这些不同思想连接起来的是计算机本身。在机器的应用成为可行之后不久，人们就开始试图编写程序以解决智力测验难题、下棋以及把文本从一种语言翻译成另一种语言。15智能机器智能机器5thc B.C.Aristotelian logic invented1642 Pascal built an adding machine1694 Leibnitz reckoning machine16智能机器智能机器1834 Charles Babbages Analytica
7、l Engine Ada writes of the engine,“The Analytical Engine has no pretensions whatever to originate anything.It can do whatever we know how to order it to perform.”The picture is of a model built in the late 1800s by Babbages son from Babbages drawings.173030多年来，人工智能的应用研多年来，人工智能的应用研究取得了重大进展。究取得了重大进展。专
8、家系统(expert system)显示出强大的生命力。Feigenbaum所领导的研究小组于1968年研究成功第一个专家系统DENDRAL1972-1976年，Feigenbaum小组又开发成功MYCIN医疗专家系统18著名专家系统vPROSPECTOR地质勘探专家系统、vCASNET青光眼诊断治疗专家系统、vRI计算机结构设计专家系统、vMACSYMA符号积分与定理证明专家系统、vELAS钻井数据分析专家系统vACE电话电缆维护专家系统1977年，Feigenbaum进一步提出了知识工程(knowledge engineering)的概念。19人工智能系统的三个基本问题:v知识表示v知识利
9、用v知识获取人工智能系统是一个知识处理系统近十多年来，机器学习、计算智能、人工神经网络等行为主义的研究深入开展，形成高潮，这些都推动了人工智能研究的深入发展。201978年“智能模拟”纳入国家计划；1984年召开了智能计算机及其系统的全国学术讨论会；1986年起把智能计算机系统、智能机器人和智能信息处理(含模式识别)等重大项目列入863计划；1993年起，又把智能控制和智能自动化等项目列入973计划。进入21世纪后，己有更多的人工智能与智能系统研究获得各种基金计划支持。中国中国211981年起，相继成立了v中国人工智能学会(CAAI)、v全国高校人工智能研究会、v中国计算机学会人工智能与模式识
10、别专业委员会、v中国自动化学会模式识别与机器智能专业委员会、v中国软件行业协会人工智能协会、v中国智能机器人专业委员会、v中国计算机视觉与智能控制专业委员会v中国智能自动化专业委员会等学术团体。1989年召开CJCAI221987年模式识别与人工智能创刊。国际上有影响的创造性成果，如吴文俊关于几何定理证明的“吴氏方法”。236位人工智能学者Marvin Minsky（1969年获奖）,John McCarthy（1971年获奖）,Herbert Simon和Allen Newell（1975年获奖）,Edward Albert Feigenbaum和 Raj Reddy（1994年获奖）。24
11、p AI有三次大飞跃：智能系统代替人完成部分逻辑推理工作智能系统能够和环境交互，从运行的环境中获取信息，代替人完成包括不确定性在内的部分思维工作，通过自身的动作，对环境施加影响，并适应环境的变化。智能系统具有类人的认知和思维能力，能够发现新的知识，去完成面临的任务251.2 人类智能与人工智能人类的认知过程是一个非常复杂的行为，人们从不同的角度对它进行研究，从而形成诸如认知生理学、认知心理学和认知工程学等相关学科。261.2.1 智能信息处理系统的假设人的心理活动计算机的层次思维策略程序初级信息处理语言生理过程硬件27设计适用于特定领域的这种高水平智能信息处理系统，是研究认知过程的一个具体而又
12、重要的目标。例如，一个具有智能信息处理能力的自动控制系统就是一个智能控制系统，它可以是专家控制系统，或者是智能决策系统等。可以把人看成是一个智能信息处理系统。28信息处理系统也称符号操作系统或物理符号系统。符号既可以是物理符号，也可以是头脑中的抽象符号，或者是电子计算机中的电子运动模式，还可以是头脑中神经元的某些运动方式。29一个完善的符号系统应具有下列6种基本功能：(1)输入符号(input)，(2)输出符号(output)，(3)存储符号(store)，(4)复制符号(copy)，(5)建立符号结构：通过找出各符号间的关系，在符号系统中形成符号结构，(6)条件性迁移(conditional
13、 transfer)：根据已有符号，继续完成活动过程 30如果一个物理符号系统具有上述全部6种功能，能够完成这个全过程，那么它就是一个完整的物理符号系统。人和计算机具备这6种功能。31假设假设 任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能；这种智能指的是人类所具有的那种智能。把这个假设称为物理符号系统的假设。物理符号系统的假设伴随三个推论，或称为附带条件。32 推论推论1 1 既然人具有智能，那么他就一定是个物理符号系统。人之所以能够表现出智能，就是基于他的信息处理过程。推论推论2 2 既然计算机是一个物理符号系
14、统，它就一定能够表现出智能。这是人工智能的基本条件。推论推论3 3 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。33(1)认知生理学 (2)认知心理学 (3)认知信息学(4)认知工程学从从4个层次对认知本质进行研究：个层次对认知本质进行研究：341.2.2 人类智能的计算机模拟计算机的早期工作主要集中在数值计算方面。人类最主要的智力活动并不是数值计算，而是在逻辑推理方面。物理符号系统假设的推论1.1也告诉人们，人有智能，所以是一个物理符号系统；推论1.3指出，可以编写出计算机程序去模拟人类的思维活动。35计算机的确能够很好地执行许多智能功能，如下棋、
15、证明定理、翻译语言文字和解决难题等。这些任务是通过编写与执行模拟人类智能的计算机程序来完成的。当然，这些程序只能接近于人的行为，而不可能与人的行为完全相同。36考虑下棋的计算机程序。计算机程序对每个可能的走步空间进行搜索，它能够同时搜索几千种走步。进行有效搜索的技术是人工智能的核心思想之一。当象棋大师们盯着一个棋位时，在他们的脑子里出现了很多盘重要的棋局，帮助他们决定最好的走步。37近年来，自学习、并行处理、启发式搜索、机器学习、智能决策等人工智能技术已用于博弈程序设计，使“计算机棋手”的水平大为提高。1997年5月，IBM公司研制的深蓝(Deep Blue)智能计算机在6局比赛中以2胜1负3
16、平的结果，战胜Kasparov。2003年1月26日至2月7日，Kasparov与Deep Junior进行了6局比赛，1胜1负4平381.3 人工智能各学派的认知观 AI的主要学派：(l)符号主义(2)连接主义(3)行为主义391.1.符号主义学派符号主义学派认知基元是符号，智能行为通过符号操作来实现,以Robinson提出的归结原理为基础，以LISP和Prolog语言为代表；着重问题求解中启发式搜索和推理过程，在逻辑思维的模拟方面取得成功，如自动定理证明和专家系统。40人工智能源于数理逻辑。数理逻辑和计算机科学具有完全相同的宗旨。数理逻辑试图找出构成人类思维或计算的最基础的机制，例如推理中
17、的代换、匹配、分离，计算中的运算、迭代、递归。计算机程序设计则是要把问题的求解归结于程序设计语言的几条基本语句，甚至归结于一些极其简单的机器操作指令。41数理逻辑的形式化方法又和计算机科学不谋而合。计算机系统本身，它的硬件、软件都是一种形式系统，它们的结构都可以形式地描述；程序设计语言更是不折不扣的形式语言系统。要研究计算机、开发种种程序设计语言，没有形式化知识和形式化能力是难以取得出色的成果的。42人们必须用计算机懂得的形式语言告诉它怎么做或者做什么，而计算机理解这些语言的过程，又正是按照人赋予它的形式化规程(编译程序，compiler)，将它们归约为自己的基本操作。43正是数理逻辑对计算的
18、追根寻源，导致了第一个计算的数学模型图灵机(Turing machines)的诞生，它被公认为现代数字计算机的祖先；-演算系统为第一个人工智能语言LISP奠定了基础；一阶谓词演算系统为计算机的知识表示及定理证明铺平了道路。逻辑程序设计语言Prolog以其为根本。442.2.连接主义学派连接主义学派人的思维基元是神经元，把智能理解为相互联结的神经元竞争与协作的结果,以人工神经网络为代表,其中,反向传播网络模型（BP）和Hopfield网络模型更为突出；着重结构模拟，研究神经元特征、神经元网络拓朴、学习规则、网络的非线性动力学性质和自适应的协同行为。45认为人工智能源于仿生学，特别是对人脑模型的研
19、究。它的代表性成果是1943年由生理学家McCulloch和数理逻辑学家Pitts创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。4620世纪60-70年代，连接主义，尤其是对以感知器(perceptron)为代表的脑模型的研究曾出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。Hopfield在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，Rumelhart等人提出多层网络中
20、的反向传播(BP)算法。473.3.行为主义学派行为主义学派认为人工智能源于控制论。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。48行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作首推Brooks的六足行走机器人，它被看做是新一代的“控制论动物”，是一个基于感知-动作模式的模拟昆虫行为的控制系统。49反馈是控制论的基石，没有反馈就没有智能。通过目标与实际行为之间的误差来消除此误
21、差的控制策略。控制论导致机器人研究，机器人是“感知-行为”模式,是没有知识的智能；强调系统与环境的交互，从运行环境中获取信息，通过自己的动作对环境施加影响。501.4 人工智能的研究与应用领域人工智能领域包括自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。在过去的40多年中，已经建立了一些具有人工智能的计算机系统。51这里所要讨论的各种智能特性之间也是相互关联的，把它们分开来介绍只是为了便于指出现有的人工智能程序能够做些什么和还不能做什么。大多数人工智能研究课题都涉及许多智能领域。四个方面v智能感知v智能推理v智能
22、学习v智能行动521.4.1智能感知(1)(1)模式识别模式识别模式识别研究主要集中在：v研究生物体是如何感知对象的，v在给定的任务下，如何用计算机来实现模式识别的理论和方法。模式识别的方法有感知机、统计决策方法、基于基元关系的句法识别方法和人工神经元网络方法。计算机模式识别系统由三部分组成：v数据采集v数据处理v分类决策或模型匹配53模式识别研究工作v文字和二维图像的识别v解释和描述复杂的三维景物（积木世界）v活动目标的识别和分析，它是景物分析走向实用化研究的一个标志。54语音识别技术始于20世纪50年代初期。1952年，美国贝尔实验室的Davis等人成功地进行了0-90个数字的语音识别实验
23、，其后由于当时技术上的困难，研究进展缓慢，直到1962年才由日本研制成功第一个连续多位数字语音识别装置。20世纪70年代以来，各种语音识别装置相继出现，性能良好的能够识别单词的声音识别系统已进入实用阶段。神经网络用于语音识别也已取得成功。55神经网络方法已经成功地应用于v手写字符的识别、v汽车牌照的识别、v指纹识别、v语音识别等方面。模式识别已经在v天气预报、v卫星航空图片解释、v工业产品检测、v字符识别、v语音识别、v指纹识别、v医学图像分析等许多方面得到了成功的应用。56(2)(2)自然语言处理自然语言处理自然语言处理是用计算机对人类的书面和口头形式的自然语言信息进行处理加工的技术，它涉及
24、v语言学v数学v计算机科学等多学科知识领域57自然语言处理的主要任务在于建立各种自然语言处理系统，如：v文字自动识别系统、v语音自动识别系统、v语音自动合成系统、v电子词典、v机器翻译系统、v自然语言人机接口系统、v自然语言辅助教学系统、v自然语言信息检索系统、v自动文摘系统、v自动索引系统、v自动校对系统等。58自然语言在以下四个方面与人工语言有很大差异：(1)自然语言中充满歧义；(2)自然语言的结构复杂多样；(3)自然语言的语义表达千变万化，至今还没有一种简单而通用的途径来描述它；(4)自然语言的结构和语义之间有着千丝万缕的、错综复杂的联系。自然语言处理的研究有两大主流：v面向机器翻译的自
25、然语言处理；v面向人机接口的自然语言处理。5920世纪90年代，在自然语言处理中，开始把大规模真实文本的处理作为今后的战略目标，形成了词汇主义，引入了语料库方法，包括统计方法、基于实例的方法以及通过语料加工使语料库转变为语言知识库的方法等。判断计算机系统是否真正“理解”了自然语言的标准有：v问答v释义v文摘生成v翻译 60自然语言理解的研究大体上经历了三个时期：v关键词匹配技术v句法-语义分析方法v走向实用化和工程开发目前可以将任意输入的源语言的句子作为处理对象的机器翻译系统的实现方式大致可分为三类：v直接方式v转换方式v中间语言方式61近年来，又出现了一种全新的基于实例的方法。这种方法的基础
26、是大规模的双语对译语料库，同时需要开发最佳匹配检索技术和适当的调整机制。随着语料库语言学的发展，基于实例的机器翻译方法将显示出它的优势。电子词典是机器翻译系统的低级形式。机器翻译系统性能及其译文质量的评价问题也是机器翻译领域的一个重要研究课题。62(3)计算机视觉计算机视觉旨在对描述景物的一幅或多幅图像的数据经计算机处理，以实现类似于人的视觉感知功能。数字图像(光学图像)距离图像(激光或超声测距)数据融合(多种传感器)63计算机视觉的基本方法是：（1）获取灰度图像；（2）从图像中提取边缘、周长、惯性矩等特征；（3）从描述已知物体的特征库中选择特征匹配最好的相应结果。64计算机视觉通常可分为低层
27、视觉与高层视觉两类。v低层视觉主要执行预处理功能，如边缘检测、动目标检测、纹理分析，通过阴影获得形状、立体造型、曲面色彩等，其目的是使被观察的对象更突现出来。v高层视觉则主要是理解所观察的形象。65计算机视觉的应用:v条形码识别系统v指纹自动鉴定系统v文字识别系统v生物医学图像分析和遥感图片自动解释系统v无损探伤系统计算机视觉还曾用于在海湾战争中使用过的战斧式巡航导弹的制导。661.4.2智能推理(1)(1)概述概述对推理的研究往往涉及到对逻辑的研究。逻辑是人脑思维的规律，从而也是推理的理论基础。机器推理或人工智能用到的逻辑，主要包括经典逻辑中的谓词逻辑和由它经某种扩充、发展而来的各种逻辑。P
28、rolog67非标准逻辑是泛指除经典逻辑以外的那些逻辑，如v多值逻辑、v多类逻辑、v模糊逻辑、v模态逻辑、v时态逻辑、v动态逻辑、v非单调逻辑。68(2)(2)搜索技术搜索技术搜索技术就是对推理进行引导和控制的技术。智能活动的过程可看作或抽象为一个“问题求解”过程。而所谓“问题求解”过程，实质上就是在显式的或隐式的问题空间中进行搜索的过程。如，旅行商问题，定理证明69 搜索技术也是一种规划技术。“启发式”搜索算法基于符号推演方式(传统的搜索技术)神经网络技术用于问题求解(问题求解与搜索技术研究的新途径)v如，用Hopfield网解决31个城市的旅行商问题70(3)(3)问题求解问题求解在下棋程
29、序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。十五子棋国际象棋进行各种数学公式运算71(4)(4)定理证明定理证明程序能够证明从事实得出的定理1976年7月，K.Appel解决了长达124年之久的难题四色定理。吴文俊“吴氏方法”72 吴文俊吴文俊 男，1919年5月12日生于上海，1940年毕业于上海交通大学，1949年获法国国家博士学位。现任中国科学院系统科学研究所名誉所长，研究员，中国科学院院士,第三世界科学院院士；曾任中国数学会理事长（1985-1987），中国科学院数理学部主任（1992-1994），全国政协委员
30、、常委（1979-1998）。他在拓扑学、自动推理、机器证明、代数几何、中国数学史、对策论等研究领域均有杰出的贡献,在国内外享有盛誉。他在拓扑学的示性类、示嵌类的研究方面取得一系列重要成果，是拓扑学中的奠基性工作并有许多重要应用。他的“吴方法”在国际机器证明领域产生巨大的影响，有广泛重要的应用价值。当前国际流行的主要符号计算软件都实现了吴文俊教授的算法。曾获得首届国家自然科学一等奖(1956)、中国科学院自然科学一等奖(1979)、第三世界科学院数学奖(1990)、陈嘉庚数理科学奖(1993)、首届香港求是科技基金会杰出科学家奖(1994)、Herbrand自动推理杰出成就奖(1997)、首届
31、国家最高科技奖(2000)、第三届邵逸夫数学奖(2006)。73(5)(5)专家系统和知识库专家系统和知识库专家系统是一个基于专门的领域知识来求解特定问题的计算机程序系统。主要用它来模仿人类专家的思维活动，通过推理与判断来求解问题。专家系统组成：v知识库v推理机74专家系统中的知识往往具有不确定性或不精确性，它必须能够使用这些模糊的知识进行推理以得出结论。专家系统可用于解释、预测、诊断、设计、规划、监督、排错、控制和教学等目的。75专家系统开发工具LISP语言Prolog专家系统的运行与维护76知识库技术包括知识的组织、管理、维护、优化等技术。知识库与知识表示密切相关，知识表示是指知识在计算机
32、中的表示方法和表示形式，它涉及到知识的逻辑结构和物理结构。知识表示实际也隐含着知识的运用，知识表示和知识库是知识运用的基础，同时也与知识的获取密切相关。知识是智能的基础和源泉。77(6)(6)系统与语言工具系统与语言工具开发新的方法也往往是人工智能研究的一个重要方面。人工智能对计算机界的某些最大贡献已经以派生的形式表现出来。计算机系统的一些概念，如分时系统、编目处理系统和交互调试系统等，已经在人工智能研究中得到发展。781.4.31.4.3智能学习智能学习(1)(1)概述概述机器学习是使计算机具有智能的根本途径。学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改，而外部
33、表现为性能的改善。一个学习过程本质上是学习系统把导师(或专家)提供的信息转换成能被系统理解并应用的形式的过程。79机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。学习方法：v归纳学习v类比学习v分析学习v连接学习v遗传学习 80(2)(2)神经网络神经网络神经网络实际上指的是一类计算模型，其工作原理模仿了人类大脑的某些工作机制。从计算模型看，它是由大量简单的计算单元组成网络进行计算。这种计算模型具有鲁棒性、适应性和并行性。从方法论的角度看，传统的计算依靠自顶向下的分析，先利用先验知识建立数学的、物理的或推理的模型。在此基础上
34、建立相应的计算模型进行计算。81但神经网络计算是自底向上的，它很少利用先验知识，直接从数据通过学习与训练，以自动建立计算模型。可见，神经网络计算表现出很强的灵活性、适应性和学习能力，这是传统计算方法所缺乏的。82 对神经网络的研究始于20世纪40年代初期，经历了一条十分曲折的道路，几起几落，20世纪80年代初以来，对神经网络的研究再次出现高潮。Hopfield提出用硬件实现神经网络，Rumelhart等人提出多层网络中的反向传播(BP)算法就是两个重要标志。83对神经网络模型、算法、理论分析和硬件实现的大量研究，为神经网络计算机走向应用提供了物质基础。神经网络应用v模式识别、图像处理、组合优化
35、、自动控制、信息处理、机器人学问题:v可扩展性v可理解性84(3)(3)计算智能与进化计算计算智能与进化计算计算智能涉及神经计算、模糊计算、进化计算等研究领域。进化计算是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法、进化策略和进化规划。85进化计算被广泛运用于许多复杂系统的自适应控制和复杂优化问题等研究领域，如并行计算、机器学习、电路设计、神经网络、基于Agent的仿真、元胞自动机等。86(4)(4)遗传算法遗传算法遗传算法是模拟自然界中按“优胜劣汰”法则进行进化过程而设计的算法。遗传算法应用:v用于控制(煤气管道的控制)、v规划(生产任务规划)、v设
36、计(通信网络设计)、v组合优化(TSP问题、背包问题)以及v图像处理和信号处理871.4.41.4.4智能行动智能行动(1)智能检索智能信息检索系统面临问题:v理解以自然语言陈述的询问v如何根据存储的事实演绎出答案v理解询问和演绎答案所需要的知识都有可能超出该学科领域数据库所表示的知识范围v怎样表示和应用常识88(2)(2)智能调度与指挥智能调度与指挥推销员旅行问题NP-hard智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与指挥、空中交通管制以及军事指挥等系统。C4ISR(C3I的基础上增加了侦察、信息管理和信息战)，强调战场情报的感知能力、信息综合处理能力以及系统之间的交互作用能
37、力。89任务规划系统O-Plan。O-Plan应用：v空间站构造、v卫星规划与控制、v结构构造与房屋建造、v软件开发、vUNIX管理员的手迹写入、v物流、v非战斗撤退行动、v危机响应、v空战规划流程。90(3)(3)智能控制智能控制智能控制是驱动智能机器自主地实现其目标的过程。许多复杂的系统难以建立有效的数学模型和用常规控制理论进行定量计算与分析，而必须采用定量数学解析法与基于知识的定性方法的混合控制方式。在研究和设计智能控制系统时，不把注意力放在数学公式的表达、计算和处理方面，而是放在对任务和世界模型的描述、符号和环境的识别以及知识库和推理机的设计开发上，即放在智能机模型上。91智能控制有很
38、多研究领域，它们的研究课题既具有独立性，又相互关联。6个方面：v智能机器人规划与控制v智能过程规划v智能过程控制v专家控制系统v语音控制v智能仪器92以宇宙飞船的自主控制为例，介绍智能控制。1998年10月24日，宇宙飞船深空1号从Canaveral角发射升空。飞行的目的是测试12项先进的高风险技术。飞行的成功使其使命延长，深空1号最终在2001年12月18日退役。深空1号上的软件实验象征着向将来宇宙飞船的自主控制前进了一大步。该软件就是称为远程代理(RA，remote agent)的一个人工智能系统，它能够规划和控制宇宙飞船的活动。93(4)(4)智能机器人智能机器人机器人分为三代:工业机器
39、人基于传感器信息来工作的机器人 智能机器人智能机器人具备四种机能：行动机能感知机能思维机能人机交互机能94智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。95星际探索机器人海洋(水下)机器人机器人外科手术系统微型机器人足球机器人机器人足球比赛96(5)(5)分布式人工智能与分布式人工智能与 AgentAgentDAI是分布式计算与人工智能结合的结果。DAI 的研究目标是要创建一种能够描述自然
40、系统和社会系统的精确概念模型。DAI中的智能并非独立存在的概念，只能在团体协作中实现，因而其主要研究问题是各Agent之间的合作与对话，包括v分布式问题求解v多Agent系统(MAS)97Agent和MAS的研究包括Agent和MAS理论、体系结构、语言、合作与协调、通信和交互技术、MAS学习和应用等。MAS已在自动驾驶、机器人导航、机场管理、电力管理和信息检索等方面得到应用。98(6)(6)数据挖掘与知识发现数据挖掘与知识发现 知识获取是知识信息处理的关键问题之一。数据挖掘和知识发现是20世纪90年代初期新崛起的一个活跃的研究领域。99在数据库基础上实现的知识发现系统，通过综合运用统计学、粗
41、糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。100大规模数据库和互联网的迅速增长，使人们对数据库的应用提出新的要求。仅用查询检索已不能提取数据中有利于用户实现其目标的结论性信息。数据库中所包含的大量知识无法得到充分的发掘与利用，会造成信息的浪费，并产生大量的数据垃圾。101数据挖掘和知识发现能够自动处理数据库中大量的原始数据，抽取出具有必然性的、富有意义的模式，成为有助于人们实现其目标的知识，找出人们对所需问题的解答。102知识发现4个特征：v发现的知识用高级语言表示；v
42、发现的内容是对数据内容的精确描述；v发现的结果(即知识)是用户感兴趣的；v发现的过程应是高效的。103知识发现系统:v用于超级市场商品数据分析、解释和报告的CoverStory系统；v用于概念性数据分析和查寻感兴趣关系的集成化系统EXPLORA；v交互式大型数据库分析工具KDW；v用于自动分析大规模天空观测数据的SKICAT系统；v通用的数据库知识发现系统KDD等。104(7)(7)人工生命人工生命 人工生命(ALife)的概念是由美国圣达菲研究所非线性研究组的Langton于1987年提出来的，旨在用计算机和精密机械等人工媒介生成或构造出能够表现自然生命系统行为特征的仿真系统或模型系统。自然
43、生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混浊动力学、进化和环境适应。105人工生命所研究的人造系统能够演示具有自然生命系统特征的行为，在“生命之所能”(life as it could be)的广阔范围内深入研究“生命之所知”（life as we know it）的实质。1061.51.5未来未来5050年的人工智能问题年的人工智能问题“计算智能的巨大挑战”，Feigenbaum第1个挑战是获取一个巨大的计算机可用的知识库；第2个挑战是通过阅读文本降低知识工程工作量一个量级。第3个挑战是从WWW提取大量知识，将知识工程的费用降低几个量级。107“下一步干什么？12个信息
44、技术研究目标”，Gray12个信息技术研究目标如下：目标1.可伸缩性目标2.图灵测试目标3.言语到文本目标4.文本到言语目标5.像人一样看目标6.个人麦麦克斯（memex）存储器目标7.世界麦麦克斯（memex）存储器108图灵测试The Turing Test1950:1950:Alan Turing的文章“Computing Machinery and Intelligence.”Mind,Vol.59,No.236,pp.433-460提出图灵测试 109目标8.远程存在目标9.没有问题的系统目标10.安全系统目标11.永远运行目标12.自动化程序设计程序110“计算机的理解”，Lamp
45、son本文重点阐述了两个问题，第1个问题是灵境技术，汽车不撞人（不发生道路交通事故）。第2个问题是根据规范自动写程序。111“未来49年计算机科学中的问题和预测”。有关人类层次的智能问题：（1）人类层次AI和我们如何到达那里，（2）使AI达到使程序能够读书的水平，（3）定义可以与任何其他程序交互的程序，（4）给出程序满足合同的规范部分的形式化证明，112（5）让用户充分的控制他的计算环境，（6）用程序设计语言的基本元素形成语言的抽象语义，（7）证明与Shannon通道能力理论的类似性。113“AI中3个未解决的问题”，Reddy(1)从一本书中读一章并回答该章后面的问题(2)远程修理(3)“按需百科全书”114
