1、华南理工大学研究生人工智能课件华南理工大学研究生人工智能课件第一章 人工智能概述(Chapter 1 Overview of AI)1Outlinen主要参考书目主要参考书目nAI的基础及萌芽的基础及萌芽nAI的创立及发展的创立及发展 nAI的主要研究范围的主要研究范围nAI在中国在中国nAI的最新动态的最新动态nAI领域的著名期刊及会议领域的著名期刊及会议21.1 主要参考书目n 蔡自兴，徐光佑蔡自兴，徐光佑.人工智能及其应用人工智能及其应用(第三第三版）版）).北京：清华大学出版社，北京：清华大学出版社，2004.【考【考博用书】博用书】nTom M.Mitchell.Machine Le
2、arning.China Machine Press,2003.3主要参考书目（续1）nStuart Russell,Peter Norvig.“Artificial Intelligence:A Modern Approach”.Pearson Education,2002.重点推荐重点推荐nAI领域集大成的杰作领域集大成的杰作n中译本：人工智能中译本：人工智能一种现代方法一种现代方法(第二版第二版)，姜哲姜哲 等译等译,人民邮电出版社人民邮电出版社,2004nhttp:/aima.cs.berkeley.edu上有很好的课件上有很好的课件41.2.1 AI的基础的基础 哲学（哲学（428
3、B.C.现在）现在）意识、思维的理性部分的形式化 数学（数学（800 现在）现在）逻辑、计算、概率 经济学（经济学（1776 现在）现在）决策、博弈、运筹学 神经科学（神经科学（1861 现在）现在）简单细胞的集合能够导致思维、意识和行动1.2 AI的基础和萌芽5 心理学（心理学（1879 现在）现在）n 认知心理学认知心理学：大脑当作信息处理装置n 实验心理学实验心理学：1879年Wundt在莱比锡大学首创 控制论（控制论（1948 现在）：现在）：1948年年Viener 语言学语言学(1957 现在现在)：Shinner，乔姆斯基理论乔姆斯基理论AI的基础（续的基础（续1）6 计算机工程
4、（计算机工程（1940 现在）现在）n 电动机械式计算机电动机械式计算机Heath Robinson：1940年图灵研究组，用于破译德军情报n 真空电子管通用机器真空电子管通用机器Colossus：1943年图灵研究组n 可编程计算机可编程计算机Z-3：1941年德国的Konrad Zuse AI的基础（续的基础（续2）71.2.2 AI的萌芽的萌芽nAristotle(亚里士多德亚里士多德)（公元前384322）n古希腊伟大的哲学家、思想家，Plato（柏拉图）的学生n代表作工具论工具论n对AI的主要贡献：为形式逻辑形式逻辑奠定了基础，而形式逻辑是一切推理活动的最基本的出发点。8AI的萌芽（
5、续的萌芽（续1）nAristotle对对AI的主要贡献的主要贡献(续续)n“三段论三段论”n“演绎法演绎法”n“模态逻辑模态逻辑”n【说明】：古希腊文化是人类民主、科学的【说明】：古希腊文化是人类民主、科学的启蒙，对整个人类做出了十分巨大的贡献！启蒙，对整个人类做出了十分巨大的贡献！【名言】：【名言】：“吾爱吾师，吾更爱真理！吾爱吾师，吾更爱真理！”9 AI的萌芽（续的萌芽（续2）nBacon（培根）（培根）（15611626）n英国哲学家、自然科学家n著名口号：“知识就是力量知识就是力量”n代表作：新工具新工具n对AI的主要贡献：系统地提出了“归纳法归纳法”，成为和Aristotle演绎法相
6、辅相成的思维法则。n20世纪70年代末，Stanford大学Feigenbaum提出专家系统专家系统时，以Bacon的口号为重要依据。n10 AI的萌芽（续的萌芽（续3）nLeibnitz(莱布尼茨莱布尼茨)（16461716）n德国数学家、哲学家n对AI的主要贡献：关于“数理逻辑数理逻辑”的思想，把形式逻辑符号化形式逻辑符号化，从而能对人的思维进行运算和推理。n提出的计划：建立一种通用的符号语言，以建立一种通用的符号语言，以及一种在此基础上进行推理的演算。及一种在此基础上进行推理的演算。n11 AI的萌芽（续的萌芽（续4）nGodel(哥德尔哥德尔)（19061978）n美籍奥地利数理逻辑学
7、家n对AI的主要贡献：研究数理逻辑中的一些根本性问题，即“形式系统的完备性和可判定性形式系统的完备性和可判定性”。n1930年证明：一阶谓词演算的完备性定理。一阶谓词演算的完备性定理。n1931年证明了两条不完备性定理：两条不完备性定理：提出了把人的思维形式化和机械化的某些极限，在理论上在理论上证明了有些事情是做不到的证明了有些事情是做不到的。n12 AI的萌芽（续的萌芽（续5）nTuring(图灵图灵)（19121954）n英国数学家n1936年提出一种理想计算机的数学模型“图灵机图灵机”。n对AI的主要贡献：1950年提出著名的“图灵实图灵实验验”。n给出智能标准智能标准的明确定义：把人和
8、计算机分处两个不同的房间，并且互相对话，如果作为人的一方不能判断对方是人还是计算机，则那台计算机就达到了人的智能。n13 AI的萌芽（续的萌芽（续6）nVon Neumann(冯冯.诺依曼诺依曼)n1946年研制成功世界上第一台电子计算机“ENIAC”n对AI的主要贡献：为人工智能研究奠定了物为人工智能研究奠定了物质基础质基础 nMcCulloch&Pittsn1943年建立第一个“神经网络数学模型神经网络数学模型”n开创开创微观微观AI 通过模拟人脑来实现智能通过模拟人脑来实现智能14 AI的萌芽（续的萌芽（续7）nShannon(香农香农)n美国数学家n1948年创立“信息论信息论”n对A
9、I的主要贡献：信息论认为人的心理活动人的心理活动可通过信息的形式加以研究可通过信息的形式加以研究，并提出了描述人的心理活动的数学模型。n信息论和心理学的结合构成了当代AI研究的一个重要潮流宏观人工智能研究宏观人工智能研究n151.3.1 AI的诞生的诞生 1956年夏天年夏天 Boston，Dartmouth(达特茅斯达特茅斯)学院学院 McCarthy（美国（美国AI之父）召集之父）召集 与会人员与会人员 数学家数学家McCarthy、信息学家信息学家Shannon、心理学心理学家家和神经生理学家神经生理学家Rochester,Moore,Solomonff，计算机科学家计算机科学家Simo
10、n,Newell,Samuel,Minsky,Selfridge。（感慨：个个巨牛，仰慕呀！感慨：个个巨牛，仰慕呀！）1.3 AI的创立和发展16 McCarthy在此次会议上提议正式使用：在此次会议上提议正式使用：Artificial Intelligence（简称（简称AI），），标志着标志着“人工人工智能智能”作为一门作为一门独立学科独立学科正式诞生。正式诞生。AI的诞生地：的诞生地：Boston。上图为横穿波士顿市区的。上图为横穿波士顿市区的Charles River17What is AI?Systems that think like humans.类人思考：认知模型类人思考：认知
11、模型方法方法Systems that think rationally.理性地思考：理性地思考：“思维法思维法则则”方法方法Systems that act like humans.类人行为：图灵测试类人行为：图灵测试方法方法Systems that act rationally.理性地行动：理性理性地行动：理性Agent方法方法181.3.2 AI曲折的发展历程曲折的发展历程n早期的热情、巨大的期望（早期的热情、巨大的期望（1952-1969）n现实的困境（现实的困境（1966-1973）n基于知识的系统：力量的钥匙？基于知识的系统：力量的钥匙？(1969 1979)nAI成为工业成为工业
12、(1980 现在现在)n神经网络的回归神经网络的回归 (1986 现在现在)nAI 成为科学成为科学(1987 现在现在)nIntelligent Agent的出现的出现 (1995 现在现在)n191.早期的热情，巨大的期望早期的热情，巨大的期望(19521969)n自然语言的机器翻译。自然语言的机器翻译。1953年，美国乔治大学，1954年IBM公司在701计算机上做俄译英的公开表演。此时，前苏联、中国也开展机器翻译的研究。n利用计算机证明数学定理。利用计算机证明数学定理。1956年，Newell和Simon，用程序Logic Theorist证明数学原理第二章中的38条定理，1963年证
13、明全部52条定理。n1956年，Samuel研制了第一个跳棋程序研制了第一个跳棋程序，具有学习功能，打败一个州冠军。20AI研究早期的热情（续研究早期的热情（续1）n1956年，Selfridge研制第一个字符识别程序。研制第一个字符识别程序。1959年，又提出功能更强的模式识别模式识别。n1957年，Newell，Shaw和Simon研究不依赖具体具体领域的通用解题程序领域的通用解题程序GPS(General Problem Solving）n1965年，Robinson提出消解法（即归结原理）提出消解法（即归结原理），掀起研究计算机定理证明的又一次高潮。21AI牛人牛人Newell,Sim
14、on等等早期所吹的早期所吹的“牛皮牛皮”n不出10年，计算机将成为世界象棋冠军世界象棋冠军。n不出10年，计算机将发现和证明重要的数学定理发现和证明重要的数学定理。n不出10年，计算机将能谱写具有优秀作曲家水平谱写具有优秀作曲家水平的乐曲的乐曲。n不出10年，大多数心理学理论将在计算机上形成心理学理论将在计算机上形成。n有人甚至断言，20世纪世纪80年代将全面实现年代将全面实现AI，2000年机器智能超过人。年机器智能超过人。222.现实的困境现实的困境(19661973)n消解法（归结原理）能力有限消解法（归结原理）能力有限 例如：证明两个连续函数之和仍是连续函数，推了10万步还没有推出来。
15、nSauel的下棋程序，1965年，世界冠军世界冠军Helmann获得获得四连胜四连胜。n机器翻译闹出不少笑话机器翻译闹出不少笑话(举例见下页举例见下页)有人挖苦说，美国花了2000万美元为机器翻译机器翻译立了一块“墓碑墓碑”。23机器翻译闹出的笑话举例：机器翻译闹出的笑话举例：n“The spirit is willing but the flesh is weak”，意思是“心有心有余而力不足余而力不足”。n机器翻译过程：英语英语 俄语俄语 英语英语n结果被译为：“The vodka is good but the meat is spoiled”，意思是“伏特加是好的，肉变质了伏特加是好
16、的，肉变质了”。n“Out of sight,out of mind”，意思是“眼不见心不烦眼不见心不烦”。n将其翻译成俄语，竟成了：“又瞎又疯又瞎又疯”。n24现实的困境现实的困境(续续)n从神经生理学角度研究AI，存在不可逾越的困难。人脑有1010以上个神经元，能否将1010个机器组成一个联合运行的网络？n1973年，英国发表了Lighthill report，认为AI的研究即使不是骗局，至少也是庸人自扰。终止了英国的AI研究。nIBM公司也取消了本公司范围内的AI研究活动。253.KBS:力量的钥匙？力量的钥匙？(1969 1979)nNewell,Simon等老一辈AI专家，关心的是“
17、通用的、通用的、万能的符号逻辑运算体系万能的符号逻辑运算体系”物理符号系统假设物理符号系统假设。nNilsson更进一步提出，物理符合体系的核心方法是逻辑演绎方法逻辑演绎方法。他的口号“命题主义命题主义”，主张一切AI研究应在一个类似逻辑的形式框架内进行。n1968年，Stanford年轻教授Feigenbaum主持的专家系统DENDRAL问世，开创了AI的一个重要应用领域，以知识为基础的专家咨询系统（以知识为基础的专家咨询系统（KBS）。）。26Feigenbaum及其提出的及其提出的KBS的主要贡献的主要贡献n在IJCAI-1977上，Feigenbaum提出知识工程、专家知识工程、专家系
18、统及其开发工具系统及其开发工具nFeigenbaum认为，万能的逻辑体系从根本上说是万能的逻辑体系从根本上说是不可能的，其最大弱点就是缺乏知识，缺乏人类不可能的，其最大弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识在几千年的文明史上积累起来的知识。nFeigenbaum的主要贡献：n知识工程知识工程是1977-1987AI中最有成就的分支之一n在恢复和推进AI的社会形象社会形象方面起了很大作用274.AI成为工业成为工业(1980 现在现在)n专家系统及其开发工具专家系统及其开发工具 n1981年，日本的年，日本的“第五代计算机第五代计算机”计划计划n英国的英国的Alvey Rep
19、ort建议恢复投资建议恢复投资AI 提出提出“基于知识的智能系统基于知识的智能系统”（Intelligent Knowledge Based System,IKBS）285.神经网络的回归神经网络的回归(1986 现在现在)n1969年，年，Bryson&Ho提出反向传播算法提出反向传播算法 n1982年，年，Hopfield神经元网络神经元网络n1986年，年，Rumelhart&McClelland：主编论文：主编论文集集 Parallel Distributed Processingn 形成形成“联接主义联接主义”方法，与方法，与“符号主义符号主义”方法形成方法形成互补互补296.AI成
20、为科学（成为科学（1987现在）现在）nAI理论应建立在严密的数学基础数学基础上 n严格的定理、确凿的实验证据，不靠直觉不靠直觉n与现实应用相关与现实应用相关，而不是与玩具样例相关n机器学习不应与信息论信息论分离n不确定性推理不应与随机模型随机模型分离n搜索不应和经典的优化及控制经典的优化及控制分离n自动推理不应和形式化方法形式化方法分离n在方法论上，AI已成为坚实的科学方法科学方法n利用Internet和共享测试数据库及代码，AI系统的重复实重复实验验成为可能307.Intelligent Agent的出现（的出现（1995-现在）现在）nInternet：最重要的Intelligent A
21、gent 环境之一nAI 成为搜索引擎、推荐系统、商务智能系统搜索引擎、推荐系统、商务智能系统的基本工具n“Agent的观点的观点”：将AI领域目前分离的子领域重新组织为一个有机整体有机整体nRussell&Norvig.AI:A Modern ApproachnPools et al.1998nNilsson,1998n311.3.3 AI的主要研究流派的主要研究流派nNewell和Simon的“认知主义认知主义”，即基于“物理符号逻辑”nNilsson的“逻辑主义逻辑主义”nMcCarthy主张以非单调逻辑为中心的“常识推理常识推理”nBrooks的“进化主义进化主义”，代表作“机器虫机器
22、虫”nMcCulloch和Pitts的“联接主义联接主义”，基于他们提出的“神经网络理论”nVapnik的“统计学习理论统计学习理论”，基于概率论和数理统计、泛函分析等数学基础)n321.3.4 AI研究的研究的5个基本问题个基本问题n1987年5月，在MIT召开了AI专题讨论会，几位主要代表人物阐述了对AI基础的认识，评价有关基础性工作。n1991年Artiificial Intelligence(1991,Vol.47)发表了AI基础研究专辑。其中，Kirsh提出了AI的五个基本问题：n知识知识与与概念化概念化是不是是不是AI的核心的核心？n认知能力认知能力能否与能否与载体载体分开来研究分
23、开来研究？n认知的轨迹认知的轨迹是否可用是否可用类自然语言类自然语言来描述来描述？n学习学习能否与能否与认知认知分开来研究分开来研究？n所有的认知是否有一种所有的认知是否有一种统一的结构？统一的结构？n针对上述五个基本问题，各个流派都做出不同的回答。331.3.5 智能的本质是什么？智能的本质是什么？n计算机所完成的高速数字计算，不算高级的智能行为高级的智能行为n现实世界要处理的大多数问题并非数值计算非数值计算n自然语言理解和翻译n图形、图象、声音的理解n决策管理、医疗诊断n需要将计算机从“数值世界”推广到“知识世界知识世界”，即从“数据处理范围”扩展到“符号知识处理范畴符号知识处理范畴”n“
24、试探性的搜索、启发式的、不精确的、模糊的、甚至允试探性的搜索、启发式的、不精确的、模糊的、甚至允许出现错误的推理方法才更符合人类的思维过程许出现错误的推理方法才更符合人类的思维过程n341.4 AI的研究范围的研究范围n广义的研究范围广义的研究范围n关于关于AI研究范围的争议研究范围的争议nAI的核心是什么？的核心是什么？351.4.1 广义的研究范围广义的研究范围n知识表示知识表示n演绎系统n产生式系统n框架结构n语义网络n.n搜索技术搜索技术n盲目搜索n启发式搜索启发式搜索n博弈树搜索n.n非经典逻辑非经典逻辑&非经典推理非经典推理n时序逻辑n模态逻辑模态逻辑n缺省（默认）逻辑n信念逻辑和
25、知道逻辑n归纳逻辑n模糊逻辑模糊逻辑n粗糙逻辑n定性推理n非单调逻辑和非单调推理n基于范例的推理基于范例的推理n类比推理n36广义的研究范围（续广义的研究范围（续1）n机器学习机器学习n归纳学习n分析学习n解释学习n统计学习统计学习n神经网络神经网络n.n自然语言理解自然语言理解n语法学n语义学n语用学n.n知识工程知识工程n知识获取n知识表达语言n不确定性推理不确定性推理n证据推理证据推理n专家系统n.n定理机器证明定理机器证明n归结法n演绎法n归纳法n.37广义的研究范围（续广义的研究范围（续2）n计算视觉计算视觉n图像理解n机器人视觉n.n遗传算法遗传算法&进化计算进化计算n遗传算法n进
26、化计算n进化程序设计n遗传机器学习n机器人轨迹规划n.n分布式分布式AIn智能Agentn多Agent系统nAgent通信n面向Agent程序设计n.n数据挖掘数据挖掘&知识发现知识发现nDM/KDD方法nDM/KDD工具n数据仓库n.38广义的研究范围（续广义的研究范围（续3）n人工生命人工生命n人工生命模型n计算机生命n细胞自动机细胞自动机n混沌理论n.n机器人机器人n机器人规划n传感器数据融合n.nAI语言语言nLisp语言语言nProlog语言语言n其它面向AI的语言n.nnnn391.4.2 关于关于AI研究范围的争议研究范围的争议n与数学交叉与数学交叉n定理机器证明n非经典逻辑n.
27、n与语言学交叉与语言学交叉n自然语言理解n口语理解n.n与电子学与电子学&机械学交叉机械学交叉n计算机视觉n机器人n.n与心理学与心理学&神经解剖学交叉神经解剖学交叉n认知模型n心像处理n.1.边界不分明边界不分明2.似乎只能开辟似乎只能开辟“生荒地生荒地”401.4.3 AI的核心是什么？的核心是什么？nNilsson 演绎推理演绎推理nNewell,Simon 思维规律思维规律nSloman 智能系统智能系统nFeigenbaum 知识工程知识工程nMcCarthy 核心还未构成核心还未构成n411.5 AI在中国在中国n中国大陆的中国大陆的AI研究研究n中国香港的中国香港的AI研究研究n
28、 421.中国大陆的中国大陆的AI研究研究n1984年钱学森提出思维的三大分类年钱学森提出思维的三大分类n逻辑思维n形象思维n灵感思维n中国大陆重要的中国大陆重要的AI研究机构研究机构n清华大学智能技术与系统国家重点实验室n南京大学软件新技术国家重点实验室n中科院自动化所模式识别国家重点实验室n43 中国大陆的中国大陆的AI研究（续）研究（续）n中国大陆著名的老一辈中国大陆著名的老一辈AI专家专家n张 钹 院士：清华大学n戴汝为 院士：中科院自动化所nn中国大陆年轻一代的中国大陆年轻一代的AI领军人物领军人物n应明生 教授：清华大学n周志华 教授：南京大学n442.中国香港的中国香港的AI研究
29、研究n中国香港的著名中国香港的著名AI研究机构研究机构n香港科技大学香港科技大学n香港中文大学n香港大学nn中国香港的中国香港的AI领军人物领军人物nLin Fangzhen（林方真）教授：香港科大（林方真）教授：香港科大n在AI理论方面的研究成果引入注目n担任AAAI,IJCAI等顶级AI会议的PCn451.6 AI的最新动态的最新动态n当前当前AI的研究热点的研究热点nAAAI及及IJCAI的近况的近况nAI的发展趋势展望的发展趋势展望461.当前当前AI的研究热点的研究热点n概率图模型概率图模型（Probabilistic Graphic Models）n隐马尔可夫模型（HMM）n贝叶斯
30、网络（Bayesian Networks）nn统计学习理论统计学习理论(SLT)&支持向量机支持向量机(SVM)n统计学习理论n支持向量机n47 当前当前AI的研究热点（续）的研究热点（续）n数据挖掘数据挖掘&知识发现知识发现nWeb Miningn商务智能n基于DM/KDD的智能辅助决策nnWeb Intelligence&Integrated Intelligence CapabilitiesnWeb智能（Web Intelligence，简称WI）nIntegrated Intelligence Capabilitiesn482.AAAI及及IJCAI的近况的近况n国际顶级的国际顶级的2
31、个个AI综合性学术会议综合性学术会议nAAAI:National Conference on Artificial IntelligencenIJCAI:Intl.Joint Conference on Artificial Intelligencen国际顶级的几个著名国际顶级的几个著名AI专业性学术会议专业性学术会议nUAI:Intl.Conf.on Uncertainty in AInICML:Intl.Conf.on Machine LearningnNIPS:Annual Conf.on Neural Information Processing Systemsn493.AI的发展趋势
32、展望的发展趋势展望nAI在生物技术和脑科学中将大有作为在生物技术和脑科学中将大有作为n生物信息学n神经信息学n脑机工程nnAI在海量信息智能处理中将扮演重要角色在海量信息智能处理中将扮演重要角色n商务智能n智能辅助决策n智能推荐服务系统n50AI的发展趋势展望（续的发展趋势展望（续1）n智能系统在空间技术中将继续发挥重要作用智能系统在空间技术中将继续发挥重要作用n智能Agent及多Agent系统n综合集成多种AI技术的智能空间系统nnAI技术在军事领域中将继续得到广泛应用技术在军事领域中将继续得到广泛应用n军事情报分析n战场态势综合处理n数字化士兵n51AI的发展趋势展望（续的发展趋势展望（续
33、2）nAI将成为必备的共性支撑技术之一将成为必备的共性支撑技术之一n智能传感器n智能机器人n智能家电nnAI与与Web的结合将发挥重要作用的结合将发挥重要作用nWeb智能n网上信息智能抽取（Web Mining）n网上信息个性化推荐及订购n521.7 AI领域的著名期刊及会议领域的著名期刊及会议nAI领域的著名期刊领域的著名期刊nAI领域的著名会议领域的著名会议n关于投稿关于投稿AI期刊与会议的一点建议期刊与会议的一点建议531.AI领域的著名期刊领域的著名期刊n最顶级的最顶级的AI期刊（部分）期刊（部分）nJournal of Machine Learning ResearchnArtifi
34、cial Intelligencenn权威的权威的AI期刊（部分）期刊（部分）nArtificial Intelligence ReviewnAI MagazinenMachine LearningnComputational Intelligence54AI领域的著名期刊（续）领域的著名期刊（续）n权威的权威的AI期刊（续）期刊（续）nJournal of AI ResearchnPattern RecognitionnArtificial Intelligence in MedicinenIEEE Trans.on Pattern Analysis&Machine Intelligence
35、nIEEE Trans.on Knowledge&Data EngineeringnIEEE Trans.on Neural NetworksnJournal of Data Mining&Knowledge Discoveryn552.AI领域的著名会议领域的著名会议n最顶级的最顶级的AI会议会议n综合类综合类：AAAI,IJCAIn专业类专业类：UAI,ICML,NIPS,KDD,n知名的知名的AI会议（部分）会议（部分）nIAAI:Innovative Applications in AI（与AAAI一起开）nECAI:European Conf.on AInECML:European
36、Conf.on Machine LearningnPKDD(每年与ECML一起开）56关于投稿关于投稿AI著名期刊及会议的建议（续）著名期刊及会议的建议（续）n投稿投稿AI会议会议nCIKM:ACM Conf.on Information and Knowledge ManagementnICCV:Intl.Conf.on Computer Vision(在CV类最牛)nICPR:Intl.Conf.on Pattern RecognitionnICDM:IEEE Intl.Conf.on Data MiningnPAKDD:Pacific-Asia Conf.on Knowledge Dis
37、covery&Data Miningn573.关于投稿关于投稿AI期刊及会议的一点建议期刊及会议的一点建议n投稿投稿AI期刊期刊nSystematic Works（系统性、完整性、创新性工作系统性、完整性、创新性工作）nThree Elements(IRS):“Original Novel Ideas+Pretty Good Results+High Writing Skills”n要有“屡败屡战屡败屡战”的勇气n要符合特定期刊的“胃口胃口”n英文语言关至关重要英文语言关至关重要（至少要改20多遍）n先投顶级或著名的AI会议，录用并做Presentation后，尽快补充、完善，然后再投国际AI
38、期刊(投稿时要声明投稿时要声明：部分工作已在XX会议上宣读过)n58关于投稿关于投稿AI期刊及会议的一点建议期刊及会议的一点建议(续续)n投稿投稿AI会议会议n不一定非得有Systematic Works，但Ideas必须新必须新！n投稿会议的目标要明确：切入特定的研究圈子！切入特定的研究圈子！n同样要有“屡败屡战屡败屡战”的勇气n要有针对性地投稿有针对性地投稿，不主张到处“乱撒种”n不在迫不得已的情况下，不主张投不入流的会议不主张投不入流的会议n若论文被录用，要参加会议并做要参加会议并做Presentation，更重要的是，争取以后每年都有论文被录用，持之以恒，迟早会成为圈子中的一员，而不是学术上的“游击队员”n591.8 本课程的大致安排本课程的大致安排n基本原则：以专题讲座形式为主基本原则：以专题讲座形式为主60致谢n本课件参考浙江大学人工智能课件，在此表示感谢！61South China University of Technology62
