人工智能(1)绪论

1、人工智能Artificial IntelligenceName: Bojin Zheng郑波尽Telephone: Email: 2010/1/11第一讲 概述Introduction to Artificial Intelligence2先看看电影片段！思考如下问题：这部影片中应用了哪些技术这些技术实现的可能性有多大3绪 论很早人类就有制造机器人的幻想黄帝的“指南车”诸葛亮的“木牛流马”亚里士多德的形式逻辑布莱尼茨的关于数理逻辑的思想“机器人”一词的来源4现代人工智能的兴起现代人工智能（Artificial Intelligence，简称AI），一般认为起源于美国1956年的一次夏季讨论（达

2、特茅斯会议），在这次会议上，第一次提出了“Artificial Intelligence”这个词。5什么是人工智能？至今没有统一的定义从“计算”到“算计”6像人一样思考的系统理性地思考的系统“要使计算机能够思考.意思就是：有头脑的机器”（Haugeland, 1985）“与人类的思维相关的活动，诸如决策、问题求解、学习等活动”（Bellman, 1978）“通过利用计算模型来进行心智能力的研究” （Chamiak和McDermott, 1985）“对使得知觉、推理和行为成为可能的计算的研究” （Winston, 1992）像人一样行动的系统理性地行动的系统“一种技艺，创造机器来执行人需要智能才

3、能完成的功能” （Kurzweil, 1990）“研究如何让计算机能够做到那些目前人比计算机做得更好的事情”（Rich和Knight, 1991）“计算智能是对设计智能化智能体的研究” （Poole等，1998）“AI.关心的是人工制品中的智能行为” （Nilsson, 1998）7图灵测试如何知道一个系统是否具有智能呢？1950年，计算机科学家图灵提出了著名的“图灵测试”。8希尔勒的中文屋子罗杰施安克的故事理解程序（举例）机器是否真的理解了呢？希尔勒的中文屋子问题：通过了图灵测试就具有了智能吗？思考题：如何理解希尔勒的中文屋子？9故事理解程序举例“一个人进入餐馆并订了一份汉堡包。当汉堡包端来

4、时发现被烘脆了，此人暴怒地离开餐馆，没有付帐或留下小费。”“一个人进入餐馆并订了一份汉堡包。当汉堡包端来后他非常喜欢它，而且在离开餐馆付帐之前，给了女服务员很多小费。”作为对“理解”故事的检验，可以向计算机询问，在每一种情况下，此人是否吃了汉堡包。返回10AI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。11AI的历史回顾第一阶段（40年代中50年代末） 神经元网络时代双层网络 M-P模型 、感知器模型等问题：XOR问题不能解决 12AI的历史回顾（续1）XOR问题（异或问题）输入1输入2输出000011101110(0, 0)(1, 1)(0,

5、 1)(1, 0)13AI的历史回顾（续2）Minsky的著作：Perceptions（感知器）从理论上证明了二层神经元网络不可能解决XOR问题如果要求解XOR问题，神经元网络必须是3层或3层以上的结构对于3层或3层以上的神经元网络，难于找到一个通用的学习算法14AI的历史回顾（续3）第二阶段（50年代中60年代中） 通用方法时代物理符号系统主要研究的问题：GPS、游戏、翻译等对问题的难度估计不足，陷入困境15AI的历史回顾（续4）一个笑话（英俄翻译）：The spirit is willing but the flesh is week.（心有余而力不足）The vodka is stron

6、g but meat is rotten.（伏特加酒虽然很浓，但肉是腐烂的）16AI的历史回顾（续5）出现这样的错误的原因：Spirit：1）精神 2）烈性酒结论：必须理解才能翻译，而理解需要知识17AI的历史回顾（续6）知识就是力量培根知识蕴涵着力量费根鲍姆18AI的历史回顾（续7）第三阶段（60年代中80年代初） 知识工程时代专家系统知识工程知识工程席卷全球各国发展计划：美国星球大战计划英国ALVEY计划法国UNIKA 计划日本五代机计划中国“863”计划19AI的历史回顾（续8）遇到的困难：知识获取的瓶颈问题20AI的历史回顾（续9）第四阶段（80年代中90年代初） 新的神经元网络时代B

7、P网（算法），解决了多层网的学习问题Hopfield网，成功求解了旅行商问题存在问题：理论依据解决大规模问题的能力新的动向构造化方法21AI的历史回顾（续10）第五阶段（90年代初现在） 海量数据处理与网络时代网络给AI带来无限的机会知识发现与数据挖掘AI走向实用化22AI的研究内容搜索技术知识表示规划方法机器学习认知科学23AI的研究内容（续1）自然语言理解与机器翻译专家系统与知识工程定理证明博弈机器人数据挖掘与知识发现24AI的研究内容（续2）多Agent系统复杂系统足球机器人人机交互技术25人工智能取得的一些成果四十多年来，人工智能的研究虽然步履艰难，但也取得了一些很突出的成绩。下面列举

8、一些实例。26定理证明50年代中期，世界上最早的启发式程序“逻辑理论家”，证明了数学名著数学原理中的38个定理。经改进后，62年证明了该书中全部的52个定理。被认为是用计算机探讨人类智力活动的第一个真正的成果。27四色定理的证明四色定理从1852年发现四色问题，世界上很多著名的科学家试图证明，当一直未能完成。1976年6月，哈肯在美国伊利诺斯大学的两台不同的电子计算机上，用了1200个小时，作了100亿次判断，终于完成了四色定理的证明，从而解决了一个历时100多年的问题，轰动了世界。28定理证明的“吴方法”2000年我国最高科学技术奖获得者吴文俊教授，提出了“数学机器化”。1977年，吴文俊关

9、于平面几何定理的机械化证明首次取得成功。创立了定理机器证明的 “吴方法”。29通用问题求解器（GPS）从1957年开始，Newell等人开始研究一种不依赖于具体领域的通用解题程序，这个程序的设计是从模仿人类问题求解的规程开始的。在它能处理的有限类别的问题中，它显示出程序决定的子目标及可能采取的行动的次序，与人类求解同样问题是类似的。因此，GPS很可能是第一个实现了“像人一样思考”方法的程序。 30专家系统人类之所以能求解问题，是因为人类具有知识。专家系统就是把有关领域专家的知识整理出来，让计算机利用这些知识求解专门领域的问题。1968年世界上第一个专家系统DENDRAL问世。MYCIN，一个著

10、名的医疗诊断专家系统31第一个商用专家系统：R1世界上第一个成功的商用专家系统，1982年开始正式在DEC公司使用。该程序帮助为新计算机系统配置订单；到1986年为止，估计它为公司每年节省了4千万美元。 32海湾战争中的专家系统在1991年的海湾危机中，美国军队使用专家系统用于自动的后勤规划和运输日程安排。这项工作同时涉及到50000个车辆、货物和人，而且必须考虑到起点、目的地、路径以及解决所有参数之间的冲突。AI规划技术使得一个计划可以在几小时内产生，而用旧的方法需要花费几个星期。33数字识别清华大学智能技术与系统国家重点实验室采用神经元网络方法研制的数字识别系统，用于2000年我国人口普查

11、。对普查数据进行自动识别，错误率达到了万分之一以下的高水平。34古籍数字化四库全书35IBM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。36正在与深蓝下棋的卡斯帕罗夫37IBM的“深蓝”（续1）96年2月第一次比赛结果：“深蓝”：胜、负、平、平、负、负97年5月第二次比赛结果：“深蓝”：负、胜、平、平、平、胜38IBM的“深蓝”（续2）“深蓝”的技术指标：32个CPU每个CPU有16个协处理器每

12、个CPU有256M内存每个CPU的处理速度为200万步/秒39“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401983年，BELLEATT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

13、，“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411990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

14、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421999年，“弗里茨”升级为“更弗里茨”(Deep Fritz)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12月“更年少者”与卡斯帕罗夫举行人机对抗，双方3比3战平43思考题2：国际象棋、中国象棋与围棋为什么已经有了可以战胜国际

15、大师的国际象棋程序，而中国象棋和围棋的程序水平却比较低呢？力量投入问题？计算机发展水平问题？棋本身的复杂性问题？其他别的问题？44智能汽车智能技术与系统国家重点实验室研制的智能汽车45在高速公路上，该汽车可以自动识别道路，自动躲避障碍物在最近的实验中，平均速度为100公里，最高速度达到了150公里，达到了世界先进水平。46足球机器人两个组织：RoboCup和FIRA设有仿真组、小型组、中型组和有腿组控制方式：FIRA采用集中控制，而RoboCup采用分布式控制清华大学获得2001、2002年RoboCup世界冠军、2003年亚军（仿真组）清华大学获得2003年RoboCup小型组全国冠军47

16、小型组 有腿组48历史上的人工智能大师下面介绍图灵和几位获得图灵奖的人工智能大师49阿伦图灵（Alan Turing）计算机科学理论的创始人50阿伦图灵（Alan Turing）1912年出生于英国伦敦，1954年去世1936年发表论文“论可计算数及其在判定问题中的应用”，提出图灵机理论1950年发表论文“计算机与智能”，阐述了计算机可以具有智能的想法，提出图灵测试1966年为纪念图灵的杰出贡献，ACM设立图灵奖51马文明斯基（Marniv Lee Minsky）人工智能之父框架理论的创立者首位获得图灵奖的人工智能学者52马文明斯基（Marniv Lee Minsky）1927年出生于美国纽约

17、1951年提出思维如何萌发并形成的基本理论1956年达特茅斯会议的发起人之一1958年在MIT创建世界上第一个AI实验室1969年获得图灵奖1975年首创框架理论53约翰麦卡锡（John McCarthy）人工智能之父LISP语言的发明人首次提出AI的概念54约翰麦卡锡（John McCarthy）1927年出生于美国波士顿1956年发起达特茅斯会议，并提出“人工智能”的概念1958年与明斯基一起创建世界上第一个人工智能实验室发明剪枝算法1959年开发LISP语言开创逻辑程序研究，用于程序验证和自动程序设计1971年获得图灵奖55赫伯特西蒙（Herbert A. Simon）符号主义学派的创始

18、人爱好广泛的全能科学家中国科学院外籍院士56赫伯特西蒙(Herbert A. Simon）1916年出生于美国的威斯康辛州1943年在匹兹堡大学获政治学博士学位1969年因心理学方面的贡献获得杰出科学贡献奖1975年和他的学生艾伦纽厄尔共同获得图灵奖1978年获得诺贝尔经济学奖1986年因行为学方面的成就获得美国全国科学家奖章5750年代至60年代初开发了世界上最早的启发式程序“逻辑理论家”LT，证明了数学原理第二章中的全部52个定理，开创了机器定理证明这一新的学科领域57年开发了IPL(Information Processing Language)语言，是最早的AI语言。60年开发了“通用

19、问题求解系统”GPS66年开发了最早的下棋程序之一MATER70年发展与完善了语义网络的概念和方法70年代提出了“物理符号系统假说”70年代提出决策过程模型，成为DSS的核心内容58艾伦纽厄尔（Allen Newell）符号主义学派的创始人之一西蒙的学生与同事1975年与西蒙同获图灵奖59查理德卡普（Richard M. Karp）发明“分枝界限法”的三栖学者60查理德卡普（Richard M. Karp）1935年出生于美国波士顿是加州大学伯克利分校三个系的教授：电气工程和计算机系数学系工业工程和运筹学系60年代提出“分枝界限法”，成功求解含有65个城市的旅行商问题，创当时的记录1985年获

20、得图灵奖61爱德华费根鲍姆（Edward A. Feigenbaum）知识工程的提出者大型人工智能系统的开拓者62爱德华费根鲍姆（Edward A. Feigenbaum）1936年出生于美国的新泽西州通过实验和研究，证明了实现智能行为的主要手段是知识1977年提出知识工程，使人工智能从理论转向应用名言：知识蕴藏着力量1994年和劳伊雷迪共同获得图灵奖631963年主编了计算机与思想一书，被认为是世界上第一本有关人工智能的经典性专著1965年开发出世界上第一个专家系统开发出著名的专家系统MYCIN80年代合著了四卷本的人工智能手册开设Teknowledge和IntelliGenetics两个公

21、司，是世界上第一家以开发和将专家系统商品化的公司64劳伊雷迪（Raj Reddy）大型人工智能系统的开拓者65劳伊雷迪（Raj Reddy）37年出生于印度，66年在美国获得博士1994年与费根鲍姆共同获得图灵奖主持过一系列大型AI系统的开发Navlab 能在道路行驶的自动车辆项目LISTEN 用于扫盲的语音识别系统以诗人但丁命名的火山探测机器人项目自动机工厂项目，提出“白领机器人学”66概述人工智能(Artificial Intelligence, AI) 有时也被称为人造智能(Synthetic Intelligence).定义:人造物所表现出来的智能人造物: 一般指计算机因此,人工智能一

22、般指的是计算机模拟的人类智能.因此,也就是模拟智能(常隐含一个观点:计算机本身并无真正的智能).另外的观点: 强人工智能(Strong AI)67概述(续)强人工智能的观点:某种形式的人工智能能够真正地推理和解决问题.机器有可能变聪明,自省,且有可能和人类的思考过程不一样(也有可能一样).John Searle:according to strong AI, the computer is not merely a tool in the study of the mind; rather, the appropriately programmed computer really is a m

23、ind1 68人工智能的定义在本书中,人工智能定义为:研究如何制造人造的智能机器或者系统,来模拟人类智能活动的能力,以延伸人类智能的科学.研究对象: 模拟人类智能研究目标:研究看上去具有人类智能的系统,解决需要人类智能才能解决的问题问题是: 什么才是(人类)智能?69智能的定义观点1:智能是一种在巨大的搜索空间中迅速找到一个满意解的能力观点2:智能是一个人认识客观事物,并运用知识解决实际问题的能力观点3:智能是泛指人类获取知识,存储知识和运用知识解决问题的能力智能应当包含两个方面: 知识,能力思考题:什么是知识,什么是能力?70人工智能的哲学思考智能是否存在?（开水瓶具有智能吗？）智能与非智能

24、之间的差别?人工智能是否存在?如何判定智能的存在?智能如果存在，如何度量？人工智能和人类智能是否是同质的(一样的)?71衡量智能的标准Edward A. Feigenbaum:若只告诉计算机做什么而不告诉它怎么做,而机器能够完成任务,则认为机器有智能Alan M. Turing:若一个计算机系统能给出有关问题的正确答案或有用建议,解决问题所用的概念和推理与人相当,并能对推理作出解释,就可以说这个系统是具有智能的渡边慧:人类智能主要表现在演绎能力和归纳能力,若机器具有这种能力,就可以说是具有智能的72衡量智能的实验图灵实验中文屋子实验73图灵实验实验方案提问者, 被提问者(一个人,一台机器)联系

25、的方式没有额外的信息泄漏如果提问者区分两者的正确率小于50%,则可以认为机器具有智能74中文屋子实验Chinese Room Thought Experiment即使一台机器已经实际通过了简化的图灵检验的电脑,这台电脑仍然完全不具备和理解有关的”精神属性”.实验要旨:提问者使用中文讲故事并提出问题,被提问者(只懂得英文)使用规则(用英语表示)产生问题的答案,即使被提问者完全不懂中文,仍然能够产生正确的答案.75领域问题中的智能系统国际象棋西洋跳棋能够击败人类围棋暂时还不能击败人类选手76人工智能的研究分支传统人工智能和计算智能(Conventional AI and Computational

26、 Intelligence (CI) )传统人工智能:符号智能计算智能:人工神经网络演化计算模糊集合粗糙集 多智能体系统77人工智能的主要研究思想基于符号处理的符号主义(Symbolism)以人工神经网络为代表的连接主义(Connectionism)以演化计算为代表的演化主义(Evolutionism)以多智能体系统为代表的行为主义(Actionism)78符号主义人类思维的基本单元是符号思维过程是对符号的处理过程自然语言也是用符号表示的理论基础: 物理符号系统假设和有限合理性原理.物理符号系统假设:物理符号系统是表现智能行为必要和充分的条件有限合理性原理:人类行为表现出有限的合理性79连接主

27、义人工神经网络是典型代表其理论基础是脑模型.人工神经网络具有良好的自学习,自适应和自组织能力,以及大规模并行,分布式信息存储和处理的特点.可以处理不确定性问题.80演化主义模拟自然界的生物演化过程入手,以解决智能系统如何从环境中进行学习的问题.理论基础为达尔文的进化论.81行为主义在没有对简单的智能系统有清楚的了解和大量的实践以前，不可能准确地理解构造更为复杂的人类智能的方法。从简单的系统开始，逐步构造出更为复杂的系统理论基础为控制论Cybernetics 。82人工智能发展的7个时期按照Russell的观点, AI近五十年的发展历史可以分为以下7个时期:AI孕育期(19431955) / A

28、I的诞生(1956)早期的热情, 巨大的期望(19521969)现实的困难(19661973)基于知识的系统: 力量的钥匙? (19691979)AI成为工业(1980现在)AI成为科学(1987现在) / 神经网络的回归 (1986现在) / 智能化智能体出现(1995现在)83人工智能的主要研究方向机器学习(Machine Learning)规划(Planning)知识表示(Knowledge Representation)智能搜索(Intelligent Search)不确定性和不精确知识的管理(Management of Imprecision and Uncertainty )84机

29、器学习(Machine Learning)类比学习归纳学习连接学习遗传学习85规划(Planning)规划是一种问题求解方法。方法主要为：将复杂的问题分割为子问题求解子问题将子问题的解组合，构造原始问题的解可动态分割和构造86知识表示(Knowledge Representation)知识的表示方法很多主要方法有：状态空间表示法产生式表示法逻辑表示法语义网络表示法框架表示法概念从属表示法87智能搜索搜索算法分为确定性的搜索算法和非确定的搜索算法常见的搜索算法：爬山法生成测试法手段目的分析法好的优先搜索算法最佳图搜索算法A*88不确定和不精确知识的管理(Management of Impreci

30、sion and Uncertainty)概率论的方法模糊逻辑粗糙集89人工智能的主要应用领域专家系统图像理解和计算机视觉移动式机器人的航行规划语言与自然语言理解调度问题博弈数据挖掘智能控制90成功例子深蓝布鲁特斯1型91弱人工智能和强人工智能弱人工智能(Weak AI)的断言: “机器能够智能地行动”强人工智能(Strong AI)的断言: “能够如此行事的机器确实是在思考”大多数AI研究者认为弱人工智能假设是当然的 / 本质上, AI寻求的是在给定的体系结构之上最好的智能体程序 / 对于弱人工智能的假设, AI的成就可以证明关于强人工智能，更多的是哲学上的争论92AI成就 vs 异议(1)

31、图灵曾考察过对智能机器的质疑质疑1: 能力缺陷实践证明: 计算机能够和人一样做很多工作, 有些做得甚至更好例子: 下棋/装配线零件检查/驾驶汽车/诊断疾病质疑2: 数学异议机器是受到不完备性定理限制的形式系统, 而人类则没有这样的局限性93AI成就 vs 异议(2)我们同意计算机在其所能证明的事物上具有局限性, 但也没有证据表明人类对于这些局限是免疫的因为人类的严谨证明本身要包含一个对所宣称不可形式化的人类天赋的形式化表示 / 我们不可能证明人类不服从哥德尔不完备性定理, 最终不得不求助于直觉质疑3: 限制问题“无法用一个逻辑规则集合捕捉每件事物”实践证明: AI一直在发展, 被质疑的“老式A

32、I”已经发生了改变, 他们所关注的许多问题已经得到解决94辩论问题机器是否能获得比人更高的智能机器能获得比人更高的智能机器不能获得比人更高的智能机器的智能和人的智能不一样（机器不具备精神属性）其他观点95参考文献1 J. Searle, in Minds, Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980. 2 3罗杰.彭罗斯著，许明贤、吴忠超译,皇帝的新脑有关电脑、人脑及物理定律，湖南长沙：湖南科学技术出版社4 96附录内容物理符号系统假设有限理性人工智能的历史97智能处理信息系统的假设 符号处理系统的六

33、种基本功能 信息处理系统又叫符号操作系统(Symbol Operation System)或物理符号系统(Physical Symbol System)。所谓符号就是模式(pattern)。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 transfer):根据已有符号，继续完成活动过程。98人是智能信息处理系统可以把人看成一个智能信息处理系统如果一个物理符号系统具有上述

34、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。人具有上述6种功能；现代计算机也具备物理符号系统的这6种功能。99物理符号系统的假设任何一个系统，如果它能表现出智能，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。100物理符号系统3个推论推论一 既然人具有智能，那么他(她)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。推论二 既然计算机是一个物理符号系统，它就一定能够表现出智能。这是人工智能的基本条件。推论三 既然人是一个物理符号系

35、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。101人类的认知行为具有不同的层次认知生理学 研究认知行为的生理过程，主要研究人的神经系统（神经元、中枢神经系统和大脑）的活动，是认知科学研究的底层。认知心理学 研究认知行为的心理活动，主要研究人的思维策略，是认知科学研究的顶层。认知信息学 研究人的认知行为在人体内的初级信息处理，主要研究人的认知行为如何通过初级信息自然处理，由生理活动变为心理活动及其逆过程，即由心理活动变为生理行为。这是认知活动的中间层，承上启下。认知工程学 研究认知行为的信息加工处理，主要研究如何通过以计算机为中心的人工信息处理系统，对人的各种认知行为（如知

36、觉、思维、记忆、语言、学习、理解、推理、识别等）进行信息处理。这是研究认知科学和认知行为的工具，应成为现代认知心理学和现代认知生理学的重要研究手段。102有限理性完美理性：已知从环境中获得的信息，一个完美理性智能体每时每刻都以使其效用最大化方式行动并不是一个具有现实意义的目标计算理性：一个计算理性智能体最终返回的是理性的选择(可能在开始时即如此), 但是要考虑和环境交互的时机(错误时刻的正确答案没有价值)不得不折衷有限度理性：思考足够长的时间，得到一个“足够好”的答案缺乏形式化103人工智能发展的7个时期按照Russell的观点, AI近五十年的发展历史可以分为以下7个时期:AI孕育期(194

37、31955) / AI的诞生(1956)早期的热情, 巨大的期望(19521969)现实的困难(19661973)基于知识的系统: 力量的钥匙? (19691979)AI成为工业(1980现在)AI成为科学(1987现在) / 神经网络的回归 (1986现在) / 智能化智能体出现(1995现在)104人工智能孕育期(19431955)神经网络最早的AI工作是1943年Warren McCulloch和Walter Pitts人工神经元模型的研究, 他们证明任何可计算的函数都可以通过某种由神经元连接成的网络进行计算, 还提出适当的网络能够学习1951年, 普林斯顿大学数学系研究生Marvin

38、Minsky(明斯基)和Dean Edmonds建造了第一台神经元网络计算机105图灵的论文图灵1950年的论文第一个清晰地描绘出AI的完整图像(Computing Machinery and Intelligence)106人工智能的诞生(1956)(1)1956年夏天, AI正式诞生于达特茅斯大学John McCarthy(麦卡锡)自普林斯顿大学毕业以后去了达特茅斯大学, 他说服了另外2个人帮助召开了为期2个月的研讨会会议组织者4人: 麦卡锡、Minsky(明斯基)、Claude Shannon(香侬)、IBM的Nathaniel Rochester(罗切斯特), 参加者共10人其他6位是

39、：普林斯顿大学Trenchard More、IBM的Arthur Samuel(塞缪尔)、MIT的Ray Solomonoff和Oliver Selfridge、CMU的纽厄尔和西蒙107人工智能的诞生(1956)(2)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IBM108人工智能的诞生(1956)3这次会议最为长久的贡献就是麦卡锡为该领域起

40、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109早期的热情, 巨大的期望(19521969)(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XCMU: 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

41、110早期的热情, 巨大的期望(19521969)(2)IBM: 1959Herbert Gelernter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Program with Common Sense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111早期的热情, 巨大的期望(19521969)(3)S

42、tanford: 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(Terry Winograd)、规划器等112现实的困难(19661973)(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

43、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113现实的困难(19661973)(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(195859)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