《人工智能》全册配套课件

《人工智能》全册配套课件人工智能

ArtificalIntelligence--AI

课程简介•人工智能的起源、定义与发展，以及研究内容和应用领域•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•计算智能：神经计算、进化计算、模糊计算•不确定性推理•专家系统•机器学习•分布式人工智能：Agent技术•人工智能应用：机器人规划、机器视觉、自然语言理解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）GeorgeF.Luger著，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：/resource/data/jpk/2003145.htm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1.1AI的定义及其研究目标1.2人工智能的发展1.3AI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1.6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MDAnderson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1.1AI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，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（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(Turingtest)图灵测试

(Turingtest)

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(Turingtest)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•CompletelyAutomated PublicTuringtesttotell ComputersandHumans Apart.•验证码，区分用户是计算机和人的公共全自动程序。•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。Systemsthatthinklikehumans.类人思考：认知模型方法Systemsthatthinkrationally.理性地思考：“思维法则”方法Systemsthatactlikehumans.类人行为：图灵测试方法Systemsthatactationally.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）

1.2人工智能的发展1）人工智能的起源—孕育期（1956年以前）(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)。 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AlanMathisonTuring1912.6.23-1954.6.7计算机科学奠基人●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。

主要贡献在实验室工作的图灵二战中，协助英国军方破译德国的著名密码系统Enigma，帮助盟军取得了二战胜利。1947年8月25日，泰晤士报—图灵的马拉松记录2:46:03（42公里195米）

为了纪念图灵这位伟大的科学家，美国计算机协会于1966年设立了一年一度的“图灵奖”——计算机界的最高奖，颁发给世界上最杰出的计算机科学家。目前获此殊荣的华人仅有一位，即2000年图灵奖得主姚期智。图灵奖计算机领域的诺贝尔奖年代获奖者贡献1966A.J.Perlis新一代编程技术和编译架构1967MauriceV.Wilkes设计出第一台具有内置存储程序的计算机1968RichardW.Hamming计数方法、自动编码系统、检测及纠正错码1971JohnMcCarthy人工智能1973CharlesW.Bachman数据库1974DonaldE.Knuth设计和完成TEX(一种创新的文档排版工具)1981EdgarF.Codd数据库管理系统的理论和实践1988IvanE.Sutherland计算机图形学2000Yao,AndrewChi-Chih计算理论（包括加密算法和通讯复杂性）2005Naur,PeterACM设计Algol60语言2006FrancesE.Allen（女）编译器优化理论和实践2007EdmundM.Clarke、AllenEmerson,JosephSifakis在将模型检查发展为被硬件和软件业中所广泛采纳的高效验证技术上的贡献。而DDJ则将三人的贡献称为“在发现计算机硬件和软件中设计错误的自动化方法方面的工作”。图灵奖部分获奖者名单姚期智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。ENIACElectronicNumericalIntegratorandComputer世界上第一台计算机诞生宣告了计算机时代的到来立在宾夕法尼亚大学的标志牌宾夕法尼亚大学（UniversityofPennsylvania）1740年创立，美国费城ENIAC的两位设计师JohnW.Mauchly（莫奇莱）JohnPresperEckert（埃克特）1940年，计算机所需要的重要电器元件—电子管发明了。

1943年4月9日，是电子计算机发展史上具有历史意义的一天。宾夕法尼亚大学莫尔学院

36岁的物理学家莫奇莱提出的一份关于制造电子计算机的设想的报告，得到了美国军方的批准并开始实施，这项工程的总工程师由年仅24岁的埃克特担任。

1945年底，世界上第一台电子计算机研制完成，全称是“电子数字积分计算机”，简称为ENIAC。

1946年2月14日，为ENIAC举行了隆重的揭幕典礼。ENIAC诞生于宾夕法尼亚大学ENIAC使用的电子管工作中的ENIAC两名女程序操作员在操作ENIAC那个时候的“程序设计”，需要插拔N多的插头

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)，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“ArtificialIntelligence”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-GeneralProblemSolving：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(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-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。“Outofsight,outofmind”(“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。

1970年ArtificialIntelligence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AlveyReport建议恢复投资AI，提出—“基于知识的智能系统”（IntelligentKnowledgeBasedSystem,IKBS）1986年：人工神经网络1990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；

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-ExpertSystem(basedonknowledge)主要人物：E.A.Feigenbaum（StandfordUniversity）（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》、《MachineIntelligence》(英国)、《ArtificialIntelligence》(日本)、《计算机智能研究学会文集》(加拿大)和《CongnitiveScience》(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-KnowledgeEngineering（知识工程）主要人物：E.A.Feigenbaum（StandfordUniversity）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1.3AI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：符号主义学派、逻辑主义学派、心理学派、计算机学派

—数理逻辑、ES

知识是智能的基础核心问题：知识表示与知识推理用符号系统来进行知识表示用符号的操作进行知识推理代表：Newell,Shaw,Simon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。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。

（2）连结主义学派、仿生学派、生理学派

-仿生学、ANN仿生学方法：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。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。

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：W.S.McCulloch,W.Pitts,Hopfield,Rumelhart等。行为主义学派、进化主义学派、控制论学派

-控制论、智能机器人智能基本取决于感知，表现为行动。它不需要知识、不需要表示、不需要推理。“感知-动作”模式代表：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（BrainIntelligence,BI）。由群体行为所表现出的智能称为群智能（SwarmIntelligence,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（IndividualIntelligence,II）；群智能是一种社会智能（SocialIntelligence,SI），或者说系统智能（SystemIntelligence,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—KnowledgeEngineering,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（NeuralComputation，NC）进化计算（亦称演化计算，EvolutionaryComputation，EC）遗传算法（GeneticAlgorithm，GA）进化规划（EvolutionaryPlanning，EP）进化策略（EvolutionaryStrategies，ES）等）免疫计算（immunecomputation）粒群计算（ParticleSwarmAlgorithm，PSA）蚁群算法（AntColonyAlgorithm，ACA）自然计算（NaturalComputation，NC）人工生命（ArtificialLife，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人工智能的研究领域与应用领域1.AI的研究领域（1）AI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（StanfordResearchInstituteProblemSolver，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：世界模型：用一阶谓词公式表示，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系统。从结构上，它由传感器、感知信息处理模块、认知模块、规划和控制模块、执行器和通信接口模块等主要部件所组成。主要应用领域：智能机器人系统、计算机集成制造系统（CIMS）、复杂工业过程的控制系统、航空航天控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。

美国国防部高级研究计划署支持的项目“机器骡子”（3）机器行为

智能检索概念：是指利用人工智能的方法从大量信息中尽快找到所需要的信息或知识。重要性：目前，在各种数据库中，尤其是互联网上存放着大量的、甚至是海量的信息或知识。面对这种信息海洋，如果还用传统的人工方式进行检索，已很不现实。智能检索系统须解决的主要问题：

(1)具有一定的自然语言理解能力，能理解用自然语言提出的各种询问；

(2)具有一定的推理能力，能够根据已知的信息或知识，演绎出所需要的答案；

(3)系统应拥有一定的常识性知识，以补充学科范围的专业知识。系统根据这些常识，将能演绎出更一般询问的一些答案。（3）机器行为

智能机器人

机器人(Robots)和机器人学：机器人（Robots）是一种可再编程的多功能操作装置。机器人学是在电子学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学、以及心理学等多种学科或技术发展的基础上形成的一种综合性技术学科。

机器人研究的意义：机器人既是人工智能的研究对象，同时又是人工智能的试验场地，人工智能的所有技术几乎都可以在这个领域得到应用。

机器人的发展过程：经历了遥控、程序、自适应、智能机器人、情感机器人。人工智能的主要研究对象是智能机器人和情感机器人。

智能机器人具有的能力：感知能力、思维能力和行为能力的机器人。这种机器人能够主动的适应外界环境变化，并能够通过学习丰富自己的知识、提高自己的工作能力。

情感机器人：是一种具有情感（爱、恨…）和情绪（喜、怒、哀、乐…）功能新一代机器人。

58chatbot•人工无脑“人工无脳（じんこうむのう）”–[弱AI]：仅是模拟人机数据交换，而简单的[–chatterbot、chatbot，聊天机器人–与[强AI]产物相反，是[弱AI]的代表•世界上第一个[人工无脑]系统chatterbot，诞生于1966年，名为ELIZA。•分解问话，再以问话检索事前录入好的答案。从而模拟人机通信，造成计算机与人沟通的[假象]，这也是所有[弱AI]系统的共同特点。•ELIZA,PARRY,Ractor,Verbot,A.L.I.C.E.,ELLA等表面现象]

使之产生作用的程式，并没有[强AI]那种模拟生命智能的需求•只是应用编码好的程序，把提出的问题再以固定的方式回应•是在暂时无法实现[强AI]时，一种模拟[强AI]的方式–绝大部分游戏编程中，关于[人机交互]这一部分，都是以[人工无脑]的方式来实现的。孰“强”孰”弱”“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具； 相反，只要运行适当的程序，计算机本身就是有思维的。”（JSearleinMindsBrainsandPrograms.TheBehavioralandBrainSciences,vol.3,1980）孰“强”孰”弱”•争论要点：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？•希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。•弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。TALON被称为世界上第一个武装机器人。它基于SWORDS（特殊武器观测勘查探测系统）。他能够让士兵在一千米开外远程开火。这个机器人能装备一系列的武器，包括M16步枪，M82巴雷特步枪和一个40毫米的榴弹发射器。情感计算(AffectiveComputing)情感计算(AffectiveComputing)

情感计算(AffectiveComputing)让计算机具有情感能力是由美国MIT大学Minsky在1985年提出的。美国MIT媒体实验室Picard教授提出情感计算一词AffectiveComputing并给出了定义

–关于情感、情感产生以及影响情感方面的计算“不可能论”

–情感只有是真时才能起作用,模拟永远是假的

–电脑不具有任何社会性需求，因而不可能具有真正的情感“不必要论”

–人类目前的技术手段和思维高度远没有达到要求“鸿沟论”–人脑绝不是单纯处理0和1的装置MITPersonalRobotsGroupMDS机器人项目(MobileDexterousSocial)

美国“人工智能奇点研究所”(SIAI)–黑洞中心存在着一个让一切已知物理定律都失效的“奇点”（singularity）–奇点理论(《奇点迫近》，库兹韦尔，2005）•技术的指数级发展将不可避免地导致超人类智能的出现。 库茨韦尔甚至预测，21世纪20年代末，电脑就能达到人 脑智力水平。2045年，奇点到来，超人类诞生。–麻省理工学院的机器人学教授罗德尼·布鲁克斯说：“在越过奇点后，我们和我们的世界将与现在大不一样，对什么是人、什么是机器人的定义也将变得不同。”–创办人之一伊利泽·尤德库斯基最担心的是，一些科技怪才会发明一种能够自我进化但却没有道德 感的机器人，这将给人类带来灾难。–2006年：“奇点高峰会”，斯坦福大学•2009年，英国《每日邮报》报道

–为了迎接电脑优于人脑的时代来临，Google公司 和NASA等合作，致力开办一所培养未来科学家 的学校——奇点大学（http://singularity- /）。

–NASA为大学提供办学地点（硅谷的美国宇航局 艾姆斯研究中心内）、Google赞助100多万美元•批评者嘲笑“奇点派”整天沉迷于奇谈怪论。他们 认为，“奇点派”的预测有很多科幻成分，不会成 为现实。•Hope？Hype？科学？科幻？

–大多数批评的焦点在于，电脑是否真能实现智能 化？

–而这也正是人工智能研究的核心问题•不能全盘否定，不可轻下结论•5年前，不会有6亿人在同一个电子网络里开展社交生活，而现在有了Facebook•5年前，人们不会用便携式移动设备在网络上检查、确认他们要做的事情、要去的地方，而现在有了Smartphone•3万名帕金森患者已拥有了神经植入物，谷歌正在研制能开车的电脑，“人机大战”已上演•往后100年中，库兹韦尔等可能成为未来某些理论的奠基者•“奇点”理论会不会成为另一种默顿“自我实现” 定律，即断言影响甚至改变或指导了行动，本来没 有的事结果还真发生了……•也许，值得担心的并非智能机器，而是人类本身•Watson@Jeopardy!71困难的挑战•Jeopardy：–是美国哥伦比亚广播公司一档长盛不衰的电视问答节目， 自1964年开始播出，最精彩的地方在于游戏里的问题包 罗万象，几乎涵盖了人类文明的所有领域。–一般都是三个人互相对战，每个人轮流从几道不同的大题目中选一道对自己最有利的题目与对手抢答。–每道大题下分别有五个小问题，每个问题都标明不同数 量的钱。抢答时，谁最快答对，谁就可以赢下该问题的 奖金，最后则以赢奖金的多少来排定名次。•超级电脑Watson：–以IBM创始人汤姆斯-沃森的名字命名，由IBM科学家团队建造–是能够与人类回答问题的能力相匹敌的计算系统，要求 具有足够的速度、精确度和可信度，并且使用最自然的 人工语言来回答问题72•Jeopardy节目内容目需要分析人类语言中微妙的含 义、比如讽刺、反话及打谜等，向AI科学家提出最•模拟“人类选手”进行知识问答，完全依靠自己的“DeepQA”软件系统一个超级的搜索引擎可以完成自然语言的识别和问答73

•硬件：90台IBMPower750服务器，16T内存，4T

集群存储

–每个Power750用4个Power7处理器，每个处理器8核

–IBMWatson共有2880个Power7内核(10台冰箱大小) –Power7一个内核主频3.55GHZ，可保证每秒钟500Gb

的带宽吞吐

–Watson90台Power750服务器，共360个CPU，可以每 秒钟可以完成180,000Gb的计算量（最终得出可靠答案 的时间不超过3秒钟）

•系统架构设计：松散Cluster，采用有效的平衡技 术，保证每个芯片的内核分摊计算任务软件：OS：AIX或LINUX，参加Jeopardy时采用SUSELinuxEnterpriseServer以UIMA为基本框架75编程语言：Java,C/C++,Prolog•8所大学

–MassachusettsInstituteofTechnology(MIT)计算机科 学与人工智能实验室

•基于AdaptiveView-BasedAppearanceModel的实时追踪计算

–UniversityofTexas

•自动推理以及常识知识研发

–UniversityofSouthernCalifornia

•信息提取以及分析

–RensselaerPolytechnicInstitute(RPI)

•虚拟化工具

–UniversityatAlbany

•大量问题的QA系统运行能力保证

–UniversityofTrento

•系统的自我学习，以及人机会话能力

–UniversityofMassachusetts

•信息检索能力研发76–CarnegieMellonUniversity

•WatsonQA系统的基础算法。•对于计算机来说，存储和快速调取知识不费吹灰之力，但困难在于真正地理解问题，而不能答非所问； 并且Jeopardy问题中有很多双关语，是否能真正解读至关重要；计算机也不能预知问题属于哪些题材，因此也就无法提前准备需要的数据库。

–在搜索引擎中输入Jeopardy问题，很可能得不到直接的答案。•最大的挑战莫过于沃森计算机是否能像人类一样，充分地利用日常生活中积累的知识。这种常识对人类而言是顺其自然的，而对计算机来说则是一种空 缺。

–关键技术包括自然语言处理、搜索、机器学习等

–沃森的领域知识库包括百科全书、字典、地理类娱乐类的专题数据库、新闻报道、经典著作等约70GB。几个知 识库的来源举例：世界图书百科全书、维基百科、纽约时报的大部分过刊以及圣经。–同时使用了逻辑推理和统计推理•Watson解决问题的过程：–与人类十分相似–以关键字为线索，疏理内存（16TB的数据），找出与这些字相关的字符串。–最后选择三个可能性最高的答案，当其中一个可 能性超过50%后，程序启动，沃森按下抢答器。•沃森计算机运用了很多种技术如机器学习、大规模 并行计算、语义处理等，沃森了不起的地方在于把 这些技术进行了很好的应用。•是工程上的一个壮举。新技术引进的并不多：主要 是利用已有技术整合在一个体系架构下来理解人类 的自然语言。•人工智能的最新定义：“通过机器的学习、大规模数据库、复杂的传感器和巧妙的算法，来完成分布式的任务”。•但不能过分夸张猜想沃森解决人类种种问题的能力。 沃森是一台特制Jeopardy猜谜游戏机器，有一些自 然语言能力，但是不能够轻易扩张到别的领域。•目前机器只是在某些特定领域表现出和人类可比的智力水平，还有很多领域机器还差得很远。（4）

计算智能

计算智能（ComputationalIntelligence，CI）是借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。 计算智能的三大基本领域包括神经计算、进化计算、模糊计算。81（4）计算智能神经计算概念–亦称神经网络(NeuralNetwork，NN)，它是通过对大量人工神经元的广泛并行互联所形成的一种人工网络系统，用于模拟生物神经系统的结构和功能。主要研究内容–包括人工神经元的结构和模型，人工神经网络的互连结构和系统模型，基于神经网络的联结学习机制等83

（4）计算智能

进化计算•概念

–模拟自然界生物进化过程与机制，进行问题求解的自组织、 自适应的随机搜索技术

–达尔文进化论的“物竞天择、适者生存”+孟德尔的遗传变 异理论

•将生物进化过程中的繁殖、变异、竞争和选择引入算法•遗传算法是进化计算中最初形成的一种具有普遍影响的模拟进化 优化算法。•遗传算法的基本思想

–使用模拟生物和人类进化的方法来求解复杂问题。它从初始种群出发，采用优胜略汰、适者生存的自然法则选择个体，并通过杂交、变异产生新一代种群，如此逐代进化，直到满足目标为止。方面它在推理、控制、决策等方面得到了非常广泛的应（4）计算智能模糊计算•模糊计算亦称模糊系统，是通过对人类处理模糊现象的 认知能力的认识，用模糊集合和模糊逻辑去模拟人类的 智能行为的。–美国加州大学扎德(Zadeh)教授1965年提出•模糊概念的定义：没有严格边界划分而无法精确刻画的 各种概念。例如，“大”、“小”、“多”、“少” 等。•模糊概念的表示：通常是用模糊集合来表示的，而模糊集合又是用隶属函数来刻画的。•模糊计算的争论：一方面模糊逻辑存在一定缺陷；另一用。（5）

机器学习

机器学习就是让计算机能够像人那样自动地获取新知识，并在实践中不断地完善自我和增强能力。 机器学习是机器获取知识的根本途径，同时也是机器具有智能的重要标志。 机器学习有多种不同的分类方法，如果按照对人类学习的模拟方式，机器学习可分为符号学习和神经学习等。（5）

机器学习

符号学习

符号学习的概念：是指从功能上模拟人类学习能力的机器学习方法，它是一种基于符号主义学派的机器学习观点。

符号学习的类型：可根据学习策略，即学习中所使用的推理方法，将其分为记忆学习、归纳学习、演绎学习等。

记忆学习也叫死记硬背学习，它是一种最基本的学习方法，原因是任何学习系统都必须记住它们所获取的知识，以便将来使用。

归纳学习是指以归纳推理为基础的学习，它是机器学习中研究得较多的一种学习类型，其任务是要从关于某个概念的一系列已知的正例和反例中归纳出一个一般的概念描述。例如，示例学习和决策树学习。

演绎学习是指以演绎推理为基础的学习，解释学习是一种演绎学习方法，它是在领域知识的指导下，通过对单个问题求解例子的分析，构造出求解过程的因果解释结构，并对该解释结构进行概括化处理，得到一个可又来求解类似问题的一般性知识。（5）机器学习

神经学习

神经学习的概念：神经学习也称为连接学习，它是一种基于人工神经网络的学习方法。现有研究表明，人脑的学习和记忆过程都是通过神经系统来完成的。在神经系统中，神经元既是学习的基本单位，同是也是记忆的基本单位。

神经学习的类型：

感知器学习实际上是一种基于纠错学习规则，采用迭代的思想对连接权值和阈值进行不断调整，直到满足结束条件为止的学习算法。

BP网络学习是一种误差反向传播网络学习算法。这种学习算法的学习过程由输出模式的正向传播过程和误差的反向传播过程所组成。其中，误差的反向传播过程用于修改各层神经元的连接权值，以逐步减少误差信号，直至得到所期望的输出模式为止。

Hopfield网络学习实际上是要寻求系统的稳定状态，即从网络的初始状态开始，逐渐向其稳定状态过渡，直至达到稳定状态为止。至于网络的稳定性，则是通过一个能量函数来描述的。

（5）

机器学习

数据挖掘和知识发现

概念：综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从数据库中提炼和抽取知识，从而可以揭示出蕴含在这些数据背后的客观世界的内在联系和本质原理，实现知识的自动获取。

与传统数据库技术的区别：传统数据库技术仅限于对数据库的查询和检索，不能够从数据库中提取知识。知识发现和数据挖掘以数据库作为知识源去抽取知识，不仅可以提高数据库中数据的利用价值，同时也为各种智能系统的知识获取开辟了一条新的途径。

发展：随着大规模数据库和互联网的迅速发展，知识发现和数据挖掘也从面向数据库的结构化信息的数据挖掘发展到面向数据仓库和互联网的海量、半结构化或非结构化信息的数据挖掘。

（6）分布智能•分布智能的概念：分布智能主要研究在逻辑上或物理上分布的智能 系统之间如何相互协调各自的智能行为，实现问题的并行求解。•分布智能的两个主要方向：

分布式问题求解主要研究如何在多个合作者之间进行任务划分和问题求解，它一般是针对某一问题去创建一个能够进行合作求解的协作群体；

多Agent系统主要研究如何在一群自主的Agent之间进行智能行为的协调，它不限于单一目标，可创建一个能够共同处理单个目标或多个目标的智能群体。

多Agent系统的组成与工作：它由多个自主Agent所组成，其中的每个Agent都可以自主运行和自主交互，即当一个Agent需要与别的Agent合作时，就通过相应的通信机制去寻找可以合作并愿意合作的Agent，以共同解决问题。（7）

智能系统•智能系统可以泛指各种具有智能特征和功能的软硬件系统。•人工智能的表现形式，例如智能控制系统、智能制造系统、智能检索系统等。（7）

智能系统

专家系统

专家系统是一种基于知识的