人工智能导论-第一章绪论

1IntroductionofArtificialIntelligence人工智能导论课程简介先修课程：计算机科学中涉及编程、数据结构和算法分析的课程；概率统计、离散数学考核内容平时：10％读书报告：20％期末考试：70％2课程基本内容知识与知识表示知识的确定性推理知识的不确定推理问题求解与搜索策略机器学习自然语言处理34人工智能是一门交叉学科脑科学认知科学心理学语言学逻辑学哲学计算机科学人工智能5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6主要参考书人工智能-一种现代的方法

(第2版)StuartJ.RUSSELL，PeterNovig

清华大学出版社,2006人工智能——复杂问题求解的结构和策略(原书第5版)

GeorgeF.Luger著,史忠植等译机械工业出版社,2006

7主要参考文献IJCAI，世界人工智能大会，两年一次AAAI，美国一年一次的年会Artificial

IntelligenceComputationalIntelligenceIEEETransactionsonPatternanalysisandMachineIntelligenceIEEEIntelligentSystems……8国内计算机学报软件学报自动化学报中国科学E辑信息科学模式识别与人工智能……第一章绪论1.1什么是人工智能1.2人工智能发展简史1.3人工智能研究方法1.4人工智能研究及应用领域9智能的概念什么是智能？现代汉语词典：智慧和才能；或者具有人的某些智慧和才能。牛津高阶英语词典（OXFORDADVANCEDLEARNER‘SDICTIONARY）：以逻辑的方式学习、理解、思考事物的能力Theabilitytolearnunderstandandthinkinalogicalwayaboutthings.10来自认知科学（CognitiveScience）。认为智能的核心是思维。人的一切智慧或者智能都来自于大脑的思维活动，人类的一切知识都是人们思维的产物。因而通过对思维规律与方法的研究可望揭示智能的本质。11强调知识对于智能的重要意义和作用，认为智能行为取决于知识的数量及其一般化的程度。智能就是在巨大搜索空间中迅速找到一个满意解的能力。例如下棋。在人工智能的发展史中有重要影响。发展出了知识工程、专家系统等等。1213什么是人工智能

14什么是人工智能

人工智能

(ArtificialIntelligence,AI):——是指用计算机模拟或实现的智能,因此人工智能又称机器智能。科学定义,还没有统一的认识。部分学者对AI概念的描述,可以看做是他们各自对人工智能的理解。麦卡锡（JohnMcCarthy）：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。尼尔逊（Nilsson）：人工智能是关于人造物的智能行为，包括知觉、推理、学习、交流和在复杂环境中的行为。巴尔（A.Barr）和费根鲍姆（E.A.Feigenbaum）：人工智能属于计算机科学的一个分支，旨在设计智能的计算机系统，也就是说，对照人类在自然语言理解、学习、推理问题求解等方面的智能行为，它所设计的系统应呈现出与之类似的特征。15马文明斯基(MarvinMinsky):“人工智能就是让机器来完成那些如果由人来做则需要智能的事情的科学”“AI问题是科学曾经经历的最困难的问题之一”(1982)

怎么定义人工智能？16马文明斯基(MarvinMinsky)“人工智能之父”1969年获图灵奖,获此殊荣的第一位人工智能学者1969年获图灵奖,1991年获IJCAI终身成就奖。他在人工智能、认知心理学、数学、计算语言学、机器人学等领域都做出了杰出贡献。他创建了MIT的AI实验室、还是MIT的Media实验室奠基人。人工智能就是研究如何使一个计算机系统具有像人一样的智能特征，使其能模拟、延伸、扩展人类智能。通俗地讲，人工智能就是研究如何使得计算机会听、说、读、写、学习、推理，能够适应环境变化，能够模拟出人脑思维活动。人工智能就是要使计算机能够像人一样去思考和行动，完成人类能够完成的工作，甚至在某些方面比人更强。1718智能的特征？智能有哪些具体特征？

具有感知能力（系统输入）:

机器视觉，机器听觉，图像语音识别……具有记忆与思维能力：思维是智能的根本原因，思维是一个动态的过程。思维分为：逻辑思维，形象思维和顿悟思维。具有学习能力及自适应能力：适应环境的变换、积累经验的能力

具有行为能力（系统输出）：对外界的智能化反应最终目标造出一个像人一样具有智能，会思维和行动的计算机系统。强人工智能机器可以有知觉，有自我意识。弱人工智能机器只不过看起来像是智能的，不会有自主意识。人工智能的实现目标1920

两个界定：图灵测试和中文屋子21图灵测试TuringTest英国数学家阿兰·图灵(AlanTuring)提出了现称为“图灵测试”(TuringTest)的方法。简单来讲,图灵测试的做法是:让一位测试者分别与一台计算机和一个人进行交谈(当时是用电传打字机),而测试者事先并不知道哪一个是人,哪一个是计算机。如果交谈后测试者分不出哪一个被测者是人,哪一个是计算机,则可以认为这台被测的计算机具有智能。

22

※如果测试主持人能分辨出人和机器的概率小于50%，则认为机器具有了智能图灵测试TuringTest23阿伦•图灵（AlanTuring）计算机科学理论的创始人1912年出生于英国伦敦，1954年去世，享年42岁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年在《MIND》发表论文《计算机器与智能》，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AssociationforComputingMachinery

图灵（AlanTuring）24Turing测试存在的问题“图灵测试”没有规定问题的范围和提问的标准仅反映了结果的比较，无涉及思维过程没指出是什么人争论：通过了图灵检验的电脑就具备思维能力了么？约翰·西尔勒测试主持人被测机器被测人24Q:你的14行诗的首行为“你如同夏日”，你不觉得“春日”更好吗?A:它不合韵。Q:“冬日”如何？它可是完全合韵的。A:它确是合韵，但没有人愿被比为“冬日”。Q:你不是说过匹克威克先生让你能想起圣诞节吗？A:是的。Q:圣诞节是冬天的一个日子，我想匹克威克先生对这个比喻不会介意吧。A:我认为你不够严谨，“冬日”指的是一般的冬天的日子，而不是某个特别的日子，如圣诞节。图灵测试2526美国哲学家约翰·西尔勒(JohnSearle,1980年)对于“图灵测试”提出了异议。他用一个现在称为“中文屋子”的假设,试图说明即便是一台计算机通过了图灵测试,也不能说它就真的具有智能。27

中文屋子（Chineseroom，theChineseroomargument）又称作华语房间，是由美国哲学家约翰·希尔勒（JohnSearle）在1980年设计的一个思维试验以推翻强人工智能（机能主义）提出的过强主张：只要计算机拥有了适当的程序，理论上就可以说计算机拥有它的认知状态以及可以像人一样地进行理解活动。

中文屋子其实验可表示为：一个人手中拿着一本象形文字对照手册，身处图灵实验中所提及的房子中。而另一人则在房间外向此房间发送象形文字问题。房间内的人只需按照对照手册，返回手册上的象形文字答案，房间外的人就会以为房间内的人是个会思维的象形文字专家。然而实际上房子内的人可能对象形文字一窍不通，更谈不上什么智能思维。28中文屋子29中文屋子不懂？中文模仿约翰·西尔勒故事理解程序举例两个事实：(1)“一个人进入餐馆并订了一份汉堡。当汉堡端来时发现被烘脆了，此人暴怒地离开餐馆，没有付帐或留下小费。”(2)“一个人进入餐馆并订了一份汉堡。当汉堡端来时发现他非常喜欢，而且在离开餐馆付帐前，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。30AI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。31使现有的计算机系统更聪明、更有用，使它不仅能做一般的数值计算及非数值信息处理，而且能运用知识处理问题，能模拟人类的部分智能行为，成为人类的智能化辅助工具。人工智能的近期目标32AI基础哲学数学认知科学经济学脑科学神经科学33心理学计算机工程控制论逻辑语言学…………34我国古代先人对智能机器的遐想和创造三千多年前的古代机器人：据《列子·汤问》记载，传说周穆王在西巡途中，遇到一位名叫偃师的能工巧匠。偃师献上一个会歌舞表演的“假倡”，“钡（抑）其颐则歌合律，捧其手则舞应节，千变万化，惟意所适”。两千多年前的侦察机：据《墨子·鲁问》记载，“公输子（鲁班）削竹木以为鹊”，“三日不下”。他还造了能载人的大木鸢，在战争中担任侦查的任务。指南车：东汉张衡木牛流马：鲁班？诸葛亮？人工智能的发展概况

孕育期（1956年以前）35人工智能的发展概况

孕育期（1956年以前）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。给出了形势逻辑的基本规律英国哲学家、自然科学家培根：系统地给出了归纳法“知识就是力量”莱布尼茨(G.W.Leibnitz，1646——1716)：德国数学家和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。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。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.3637人工智能的发展概况

孕育期（1956年以前）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)。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。香家，美国数学家，1948年发表《通讯的数学理论》，代表“信息论”的诞生可见，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。38人工智能的发展概况

形成期（1956--1970年）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：美国达特茅斯(Dartmouth)大学目的：为使计算机变得更“聪明”，或者说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)，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(Carnagie)梅隆大学会议结果：由麦卡锡提议正式采用了“ArtificialIntelligence”这一术语39人工智能的发展概况

形成期（1956--1970年）40会议上的一些人物麦卡锡

(J.McCarthy)首次提出人工智能的概念发明α－β剪枝算法提出人工智能语言Lisp提出情景演算理论明斯基(M.L.Minsky)提出思维如何萌发并形成的基本理论建造第一个神经网络模拟器，学习如何穿过迷宫最早提出agent的概念提出知识表示的框架理论西蒙(H.A.Simon)符号主义学派的创始人之一开创了机器定理证明的学科领域最早的AI语言IPL开发了“通用问题求解系统”GPS纽厄尔(A.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41人工智能的发展概况2.形成期（1956----1970年）心理学小组1957年，西蒙和纽厄尔等人的心理学小组研制了一个称为逻辑理论机(LogicTheoryMachine，简称LT)的数学定理证明程序。1960年研制了通用问题求解(GeneralProblemSolving)程序。该程序的设计是从模仿人类问题求解的规程开始的，不依赖于具体领域。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是第一个实现了“像人一样思考”方法的程序。

42人工智能的发展概况2.形成期（1956----1970年）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1960年，麦卡锡研制了人工智能语言LISP。43人工智能的发展概况2.形成期（1956----1970年）其他开创性贡献1958年，美籍华人数理逻辑学家王浩在IBM-740计算机上仅用了3-5分钟就证明了《数学原理》命题演算全部220条定理。1965年，鲁宾逊(J.A.Robinson)提出了归结（消解）原理。1965年，费根鲍姆(E.A.Feigenbaum)开始研究化学专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构。1969年召开了第一届国际人工智能联合会议（InternationalJointConferenceonAI，IJCAI），标志着人工智能作为一门独立学科登上了国际学术舞台。此后IJCAI每两年召开一次。1970年《InternationalJournalofAI》创刊。44人工智能的发展概况3.暗淡期（1966----1974年）失败的预言给人工智能的声誉造成重大伤害“20年内，机器将能做人所能做的一切”西蒙1965“在3~8年时间里，我们将研制出具有普通人智力的计算机。这样的机器能读莎士比亚的著作，会给汽车上润滑油，会玩弄政治权术，能讲笑话，会争吵……它的智力将无以伦比。”明斯基197745人工智能的发展概况3.暗淡期（1966----1974年）挫折和困境在博弈方面：塞缪尔的下棋程序在与世界冠军对弈时，5局败了4局。在定理证明方面：发现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。在机器翻译方面：发现并不那么简单，甚至会闹出笑话。例如，把“心有余而力不足”（Thespiritiswillingbutthefleshisweek）的英语句子翻译成俄语，再翻译回来时竟变成了“酒是好的，肉变质了”(Thevodkaisstrongbutmeatisrotten)(问题出现的原因Spirit:1)精神2)烈性酒，必须理解才能翻译，而理解需要知识

)在问题求解方面：对于不良结构，会产生组合爆炸问题。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。在英国，剑桥大学的詹姆教授指责“人工智能研究不是骗局，也是庸人自扰”。从此，形势急转直下，在全世界范围内人工智能研究陷入困境、落入低谷。

46人工智能的发展概况3.暗淡期（1966----1974年）Minsky的批评1969年M.Minsky和S.Papert在《感知机》一书中指出了感知机无法解决异或（XOR）问题的缺陷，并表示出对这方面研究的悲观态度，使得神经网络的研究从兴起期进入了停滞期。该批评对人工智能的发展造成了重要的影响在以后的二十年，感知机的研究方向被忽视基于符号的知识表示成为主流基于逻辑的推理成为主要研究方向47人工智能的发展概况3.暗淡期（1966-1974年）当时的人工智能存在三个方面的局限性知识局限性：早期开发的人工智能程序中包含了太少的主题知识，甚至没有知识，而且只采用简单的句法处理。解法局限性：求解方法和步骤的局限性使得设计的人工智能程序在实际上无法求得问题的解答，或者只能得到简单问题的解答，而这种简单问题并不需要人工智能的参与。结构局限性：用于产生智能行为的人工智能系统或程序在一些基本结构上严重局限，如没有考虑不良结构，无法处理组合爆炸问题，因而只能用于解决比较简单的问题，影响到人工智能系统的推广应用。48人工智能的发展概况4.知识应用期（1970-1988年）以知识为中心的研究：专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是AI发展史上的一次重要转折。1972年，费根鲍姆开始研究MYCIN医疗专家系统，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。这一时期，与专家系统同时发展的重要领域还有计算机视觉和机器人，自然语言理解与机器翻译等。费根鲍姆（E.A.Feigenbaum）49人工智能的发展概况4.知识应用期（1970-1988年）整个20世纪80年代，专家系统和知识工程在全世界得到了迅速发展。专家系统为企业等用户赢得了巨大的经济效益。在开发专家系统过程中，许多研究者获得共识，即人工智能系统是一个知识处理系统，而知识获取、知识表示和知识利用则成为人工智能系统的三大基本问题。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。50人工智能的发展概况5.集成发展期（1986年以来）神经网络的复兴：1982年，Hopfield模型提出。1984年，J.Hopfield设计研制了Hopfield网的电路，较好地解决了著名的

TSP（Travelling-Salesman-Problem

）问题，引起了较大的轰动。1986年，Rumelhart,Hinton提出多层感知机与反向传播(BP)学习算法，该方法克服了感知器非线性不可分类问题，给神经网络研究带来了新的希望。美国加州理工学院物理学家J.J.Hopfield教授51人工智能的发展概况5.集成发展期（1986年以来）1995年，Vapnik提出SupportVectorMachine（SVM）。1997年5月11日，由IBM研制的超级计算机“深蓝”首次击败了国际象棋特级大师卡斯帕洛夫。2000年，中国科学院计算所开发出知识发现系统MSMiner。该系统是一种多策略知识发现平台，能够提供快捷有效的数据挖掘解决方案，提供多种知识发现方法。2011年，IBM超级电脑“沃森”亮相美国最受欢迎的智力竞赛节目《危险边缘》战胜该节目两位最成功的选手。52不同学科对人工智能的理解不同，产生了不同的学派符号主义（Symbolicism），又称为逻辑主义、心理学派或计算机学派，它认为符号是人类的认识基元，同时人的认识过程即是对符号的计算推理的过程。其研究内容是基于逻辑的知识表示和推理技术。联结主义（Connectionism），又称为仿生学派或生理学派，它认为人的认识基元是神经元，认识的过程就是人脑进行信息处理的过程。主要研究内容是神经网络。行为主义（Actionism），又称进化主义或控制论学派，其主要原理是智能取决于感知和行为，它不需要知识，不需要表示，不需要推理，智能行为是通过与现实外界环境的交互作用体现出来的。研究重点是模拟人的各种控制行为。人工智能研究形成了三大学派53符号主义又称：逻辑主义、心理学派或计算机学派原理：物理符号系统(即符号操作系统)假设和有限合理性原理起源：源于数理逻辑学派代表：纽厄尔、西蒙和尼尔逊等符号主义的基本理论认为人的认知基元是符号，认知过程即符号操作过程。认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，能用计算机来模拟人的智能行为。认为知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理54连接主义

又称：仿生学派或生理学派原理：神经网络及神经网络间的连接机制与学习算法。起源：源于仿生学，特别是人脑模型的研究。学派代表：卡洛克、皮茨、Hopfield、鲁梅尔哈特等。连结主义基本理论认为思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出连结主义的大脑工作模式，用于取代符号操作的电脑工作模式。55行为主义又称：进化主义或控制论学派原理：控制论及感知—动作型控制系统起源：源于控制论学派代表作：布鲁克斯(Brooks)的六足行走机器人，一个基于感知-动作模式的模拟昆虫行为的控制系统行为主义基本理论认为智能取决于感知和行动(所以被称为行为主义)，提出智能行为的“感知—动作”模式；认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化(所以称为进化主义)；智能行为只能在现实世界中与周围环境交互作用而表现出来。56三大学派的综合集成随着研究和应用的深入，人们又逐步认识到，三个学派各有所长，各有所短，应相互结合、取长补短，综合集成。不同学派间的争论进一步促进了人工智能的发展57人类智能与人工智能智能信息处理系统假设：

Sixbasicfunctions:Input;Output;Store;Copy;Constructsymbolstructure;Conditionaltransfer人可以看成智能信息处理系统AI能模拟人类智能还包括：常识表达与理解

情感的描述

感知能力（视觉、听觉、嗅觉、触觉）人工智能的目的通过计算机技术模拟人脑智能，替代人类解决生产、生活中的具体问题。通过计算机技术延伸人类智力，提高人类解决生产、生活中的具体问题的能力。通过计算机技术研究和推动人类智力发展58人工智能的目标人工智能科学想要解决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化、解决各种实际问题等等能力。换言之，人工智能是电脑科学的一个重要分支，它的近期目标是让电脑更聪明、更有用，它的远期目标是使电脑变成“像人一样具有智能的机器”。59人工智能研究的基本内容机器思维机器感知性与行为6061人工智能研究的基本内容Cognitionmodeling(认知建模)KnowledgeRepresentation(知识表示)KnowledgeReasoning(知识推理)KnowledgeApplication(知识应用)MachinePerception(机器感知)Machinethinking(机器思维)Machinelearning(机器学习)Machinebehavior(机器行为)Intelligentsystemconstructing(智能系统构建)I62人工智能研究的主要方法Functionsimulation(功能模拟法)Constructionsimulation(结构模拟法)Behaviorsimulation(行为模拟法)Integrationsimulation(集成模拟法)Mechanismsimulation（机制模拟法）63人工智能的研究与应用领域ProblemSolving

问题求解LogicReasoning&AutomaticTheoremProving

逻辑推理与自动定理证明NaturalLanguageUnderstanding自然语言理解AutomaticProgramming自动定理证明MachineLearning机器学习ExpertSystem(ES)专家系统ArtificialNeuralNetwork(ANN)人工神经网络Robotics机器人学PatternRecognition模式识别ComputerVision计算机视觉IntelligentControl（智能控制）。。。（1）专家系统(ExpertSystem)专家系统是人工智能领域中与实际应用相结合最活跃的一个分支。1977年以后专家系统的研究是基于知识的人们事先把某些专家的知识总结出来，分成事实和规则，以适当的形式存入计算机，建立起知识库。根据这些专门的知识，系统可以对输入的原始数据进行推理，作出判断和决策，因此能起到专家的作用。随着人工智能整体水平的提高，专家系统的研究也获得了很大的发展。正在开发的新一代专家系统有分布式专家系统和协同式专家系统等；在新一代专家系统中，不但采用基于规则的知识表示，而且还采用基于模型的原理。64（2）机器学习机器学习就是要使计算机具有获取新知识，学习新技巧，并在实践中不断完善改进的能力，包括自动地获取知识直接向书本学习通过与人谈话学习通过对环境的观察学习在实践中实现自我完善克服人们在学习中存在的局限性，例如容易忘记，效率低以及注意力分散等。研究的三个方面人类学习机理学习方法建立面向具体任务的学习系统65（2）机器学习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。按系统对导师的依赖程度可将学习方法分为以下几种：(a)机械式学习(RoteLearning)：导师完成全部转换工作，系统只负责存贮。(b)讲授式学习(Learningfrominstruction)：学习系统对导师提供的信息有一定的选择能力，并予以形式化。目前大多数基于知识的系统用这种方法建立知识库。(c)类比学习(Learningbyanalogy)：已知源域和目标域，且知道这两个域中已有某些满足相似度度量的知识与求解方法，则通过类比学习能将源域中的知识与求解方法转换到目标域中去。例如著名的鲁琵福类比就是通过将原子结构（目标）同太阳系（源）进行类比，从而发现原子结构的奥秘。66（2）机器学习(d)归纳学习(Learningfrominduction)：环境所提供的是关于大量实例的输入和输出的描述，学习元进行推理归类和共性的分析，抽象出一般的概念和规则，使这些新概念、新规则能蕴涵所有实例。这种学习所接受的实例，不仅有正例，也有反例，但这些反例被告之是错误的，它们不属于噪音或矛盾，它们对学习的作用，有时甚至比正例还重要。(e)观察发现式学习(Learningbyobservationdiscovery)：是归纳学习的高一层次，它所接受的实例中含有噪音和矛盾，需由学习元对它们鉴别、提纯，而且对实例间的相互联系进行分析，实现概念聚类，或发现新的概念和定律，因而有创新的成分。近年来下列各种学习方法：基于解释的学习基于事例的学习基于概念的学习基于神经网络的学习遗传学习等等67（3）模式识别(PatternRecognition)模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟。是人工智能最早的研究领域之一，目前主要集中在图形识别和语音识别上。图形识别早期的模式识别研究工作集中在对文字和二维图象的识别方面；60年代中期起，机器视觉方面的研究开始转向解释和描述复杂的三维景物这一更困难的课题上；目前研究的热点是活动目标的识别和分析，它是物景分析走向实用化研究的一个标志；68（3）模式识别(PatternRecognition)语音识别开始于50年代初期1952年美国贝尔实验室的戴维斯（Davis）等人成功地进行了0-90个数字的语音识别实验1962年日本研制成功第一个连续多位数字语音识别装置1969年日本的板仓斋藤提出了线性预测方法，对语音识别和合成技术的发展起到了推动作用70年代以来，各种语音识别装置相继出现，性能良好的能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69（4）自然语言理解(NaturalLanguageUnderstanding)由于自然语言的多义性，在人机交互信息的过程中不得不使用某些经过严格定义的非自然语言，给使用带来很多不便。研究如何让计算机理解人类自然语言：计算机能正确理解人们用自然语言输入的信息，并能正确回答信息中的有关问题对输入信息，计算机能产生相应的摘要，能用不同词语复述输入信息的内容机器翻译70（5）自动定理证明(AutomaticTheoremProving)是人工智能的一个重要研究领域，它在发展人工智能的方法上起过重大作用。定理证明的实质是对前提P和结论Q证明PQ的永真性直接证明PQ的永真性一般来说是比较困难的，通常采用的是反证法。海伯伦（Herbrand）与鲁宾逊（Robinson）在这方面先后进行了卓有成效的研究，提出了相应的理论与方法，为自动定理证明奠定了理论基础。鲁宾逊提出的归结原理使定理证明得以在计算机上实现，对机器推理作出了重要贡献。很多非数学领域的任务如医疗诊断、信息检索、规划制定和难题求解，都可以转化成一个定理证明问题。所以对自动定理证明的研究具有普遍意义。71（5）自动定理证明(ATP)自动定理证明的方法可分为四类：(a)自然演绎法它的基本思想是依据推理规则，从前提和公理中可以推出许多定理，如果待证的定理恰在其中则定理得证。此法的缺点是证明过程中推出的无用定理数目几乎是按推导级数的指数函数增长的，因此自然演