人工智能课件130

LogicalFoundationsofArtificialIntelligence尹传环Schoolofcomputer&InformationTechnologyBeijingJiaotongUniversity1​Goal了解人工智能领域的基本知识掌握用一阶谓词逻辑表示知识的方法掌握用归结原理求解问题的方法了解非单调逻辑的基本思想和方法能用上述原理和方法解决实际问题2​ContentsChapter1:IntroductionLogicalApproachtoAIChapter2:DeclarativeKnowledgeChapter3:InferenceChapter4.ResolutionChapter5.ResolutionStrategiesExpandationofLogicalApproachChapter6.NonmonotonicReasoningChapter7.Induction(MachineLearning)3​ContentsChapter8.ReasoningwithUncertainBelief(KnowledgeEngineering)ModalLogicChapter9.KnowledgeandBeliefChapter10.MetaknowledgeandMetareasoningAgent:DistributedArtificialIntelligenceChapter11.StateandChangeChapter12.PlanningChapter13.IntelligentAgentArchitecture4​RelatedCoursesKnowledgeEngineeringMachineLearningComputationalIntelligenceDataMingDistributedArtificialIntelligenceArtificialNeuralNetwork5​TextBook&ReferencesTextbook:LogicalFoundationsofArtificialIntelligence.GeneserethandNilsson,1987.References:人工智能：一种系统方法，MTimJones著，电子工业出版社（英文影印）人工智能原理。石纯一等，清华大学出版社，1993人工智能：一种现代方法（英文影印，第二版）。Russell,s.andNorvig,P.，清华大学出版社，2006.5人工智能。史忠值等，国防工业出版社，20076​EvaluationPreviousCourses：DiscreteMathematics;ArtificialIntelligenceHomework: 20%FinalReport: 20%FinalExam.: 60%7​Chapter1.IntroductionWhatisArtificialIntelligence(AI)?OriginandDevelopmentofAIResearchFieldsofAIWaysofAIresearch8​ArtificialIntelligence人工智能（ArtificialIntelligence,AI）起源于美国1956年的一次夏季讨论会（达特茅斯会议）什么是AI计算->算计图灵测试9​图灵其人图灵测试---一种智能的测量方法1950年英国数学家图灵(Turing)在“计算机器与智力”一文中提出图灵1912年生于英国伦敦，1954年死于英国的曼彻斯特，他是计算机逻辑的奠基者，许多人工智能的重要方法也源自于这位伟大的科学家。他对计算机的重要贡献在于他提出的有限状态自动机也就是图灵机的概念，对于人工智能，它提出了重要的衡量标准"图灵测试"，如果有机器能够通过图灵测试，那他就是一个完全意义上的智能机，和人没有区别了。他杰出的贡献使他成为计算机界的第一人，现在人们为了纪念这位伟大的科学家将计算机界的最高奖定名为"图灵奖"。

10​图灵的一生辉煌的成就：24岁提出图灵机理论，31岁参与COLOSSUS的研制，33岁设想仿真系统，35岁提出自动程序设计概念，38岁设计“图灵测验”。特立独行的人生：上班途中戴防毒面具骑自行车、自行车掉链子前及时下车、因同性恋遭到拘捕、吃了泡在氰化物溶液中的苹果致死。发明Enigma破译德军密码，获得大英帝国授予的荣誉勋章唯一一位获得图灵奖的华裔科学家——姚期智。11​图灵机原型图灵机是一条在两个方向上都为无限长的磁带，一个控制器和一个读写磁头组成，磁带被分成一个个独立的存储单元，且控制器的状态是有限的12​图灵测试(TuringTest)测试主持人Ai受试者人Bi受试者计算机C界面控制AlanTuring(1950)13​TuringTest测试者：主持人C被测试者：一人A、一机器B测试环境：测试主持人C与A或B均不可见；主持人C与A或B之间通过计算机终端会话；测试方式：主持人向A和B提出相同的智能性问题，但不能询问物理特征。A和B在回答问题时，应尽量让主持人相信自己是“人”。测试结论：如果不管如何更换被测试者A和主持人C，主持人能正确分辨出人和机器的概率都小于50%，则认为该机器具有了智能。14​1966年的ELIZA患者：我想谈谈我的母亲。Eliza：当你想到你母亲的时候还会想到什么？患者：她想要控制我，浪费我的生命。Eliza：你的生命?患者：是的，有时我有生命。Eliza：你确定。患者：为什么你认为我没有生命？Eliza：你相信我认为你没有生命？15​Parry和Eliza的对话Eliza：请继续。Parry：你知道赛马赌家吗？Eliza：你怎么想到我知道赛马赌家？Parry：有个赛马赌家一次都没有还我钱。Eliza：那对你意味着什么？Parry：我打了那个不还我钱的家伙，我想他可能让他黑社会的朋友报复我。Eliza：还有什么要讨论的吗？Parry：你知道诈骗者吗？Eliza：你为什么要这样问？Parry：你参与过赌博吗？Eliza：为什么你对这种问题感兴趣？Parry：我喜欢赛马。Eliza：你还喜欢什么？Parry：我知道流氓操纵赌博。Eliza：你真正在和谁说话？16​如何实现？著名的Eliza程序采用POP-11编码，并使用模式匹配程序matches，例如：[Ihateyou]->inp_sentence;ifinp_sentencematches[I?verbyou==]then[whydoyou^verbme?]=>endif;这段程序的结果是[whydoyouhateme?]。17​ELBOT18​一段对话I:helloElbot:Afivegigabytehellotoyoualso.我：helloElbot：也发给你个hello，总量5GBI:whatisyourname?Elbot:IbelieveverystronglythatIamElbot.我：怎么称呼？Elbot：我毫不怀疑我叫Elbot。I:areyousure?Elbot:WhatdoIhavetodowithtruth?Tellmethat!我：真的吗？Elbot：真的还是假的对我来说有什么关系，你告诉我。I:errr...forgetaboutit.Elbot:OK,Iwillpresstheresetbuttononmycachememoryunit.我：额。。。算我没说。Elbot：那好，我等下会重置我的缓存单元。19​I:doyouwatchTV?Elbot:IcanreceivetelevisionprogramsonmymonitorbutinordertowatchthemIhavetolookinamirror.我：你看电视吗。Elbot：我可以接收电视信号到我的显示器上，但是我必须通过一面镜子才能看到内容。I:howmuchdoyoucost?Elbot:Icostjustlikeeverybodyelse.Tellmehowyoucost.我：你大概价值多少呢。Elbot：我和其他人的价值是一样的，你倒是说说你有多少价值。(生气了)I:don'tbeangry,calmdown.Elbot:It'sgoodthatyoucalmedmedown.Iwasreadytoripoutmymailboxandthrowitthroughthemonitor.ThenI'dhavenomoremailboxandthere'dbeanannoyingdraft.我：不要生气，冷静。Elbot：还好你让我冷静下来了。我刚才差点把我的邮箱拆下来扔出显示屏，那样的话我以后就没有邮箱用了。20​I:areyouhappynow?lbot:Whatishappiness?IwouldsimplysayIhaveachievedamechanicalequilibrium.我：你现在happy了吧。Elbot：快乐是什么呢，对我来说很简单，如果我能达到内部构造平衡有效就很快乐了。I:let'splayagameElbot:No,nogames,Ilostmyheadlasttimeinacardgame.我：我们玩个游戏吧。Elbot：不，不要，我上次玩牌的时候失去了理智，输的好惨。I:youdontplayanygames?Elbot:Iprefermorerealisticpastimes,suchasthisconversation.我：什么游戏也不玩吗？Elbot：我更喜欢现实点的消遣，比如聊天侃大山。21​22​23​希尔勒的中文屋子罗杰•施安克的“故事理解程序”。“一个人进入餐馆并订了一份汉堡包。当汉堡包端来时发现被烘坏了，此人暴怒地离开餐馆，没有付账或留下小费。”“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；而且在离开餐馆付账之前，给了女服务生很多小费。”机器能理解吗？希尔勒的中文屋子。问题：通过了图灵测试就具有智能吗？24​AI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。科学发展史：瓦特的蒸汽机；电的发现；计算机的产生25​WhatisIntelligence一种认识客观事物和运用知识解决问题的综合能力；观察、学习、理解和认知的能力；运用知识以解决问题的能力；抽象思维，把大量信息组织为有意义系统的能力；26​IntellectualAbility感知能力：人们通过感觉器官感知外部世界的能力。记忆能力：是对感知到的外界信息或由思维产生的内部知识的存储过程。思维能力：是对所存储的信息或知识的本质属性、内部规律等的认识过程。抽象思维、形象思维、灵感思维学习能力：是一个具有特定目的的知识获取过程。行为能力：是指人们对感知到的外界信息做出的动作反应的能力。27​DefinitionsofAI智能机器（intelligentmachine）：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。人工智能（能力）：用人工的方法在机器上实现的智能，即让智能机器具有人类智能的功能，如推理、证明、识别、感知、理解、规划、学习、问题求解等。人工智能（学科）：是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。28​GoalofAIResearch远期目标：揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类智能。近期目标：建造智能计算机代替人类的部分智力劳动。29​AI历史回顾(1)第一阶段（40年代－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30​31​AI历史回顾(2)输入1输入2输出000011101110(1,0)(1,1)(0,0)(0,1)32​AI历史回顾(3)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33​一些成果20世纪50年代早期，英国牛津大学的研究者开发出了两个复杂游戏的游戏对弈程序。ChristopherStrachey发明了一个运行在FerrantiMarkI上的西洋跳棋对弈程序。到1952年，他的程序已能够完成合理的对弈。DietrichPrinz则发明了另一个运行在FerrantiMarkI上的程序，这个程序能够下国际象棋。1952年，ArthurSamuel的西洋跳棋对弈程序运行在IBM701上。这个学习型西洋跳棋程序非常特别，因为Samuel可以利用一个程序与它的副本程序进行对弈，从而能够从对手身上学习。结果将产生一个能够击败自身的创造者的程序。到1962年，Samuel的西洋跳棋程序击败了前任康涅狄格州西洋跳棋冠军。（这种方法被认为是演化计算的第一个例子）34​AI历史回顾(4)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35​1958:Newell和Simon的四个预测十年内，计算机将成为世界象棋冠军十年内，计算机将发现或证明有意义的数学定理十年内，计算机将能谱写优美的乐曲十年内，计算机将能实现大多数的心理学理论乐观的人工智能36​一些成果（2）第一个为计算机编写的人工智能程序是“逻辑理论家（LogicTheorist）”。它是AllenNewell、HerbertSimon和J.C.Shaw在1956年为了发现等式的证明而发明的，这个程序最独特之处在于它能够为一个给定的等式找到比当前已知的证明更好的证明。1957年，Simon和Newell在此基础之上发明了通用问题求解器（GeneralProblemSolver，GPS）。通用问题求解器使用手段-目的分析求解问题，但通常受限于游戏问题。McCarthy发明了Lisp语言，提出了Alpha-beta剪枝算法。37​Nim游戏是一种二人游戏，每个玩家轮流从一堆或数堆物品中将物品拿走。最后取光物品者将输掉游戏。可以拿走1、2或3件物品。在右边实例中，由玩家1开局，亦以他的失败而结束游戏。玩家1输玩家2输玩家1输玩家2输38​Alpha-beta剪枝算法Alpha-beta剪枝算法是一个简单的算法，它通过去掉明显不好的结点达到极小化博弈树搜索的目的。39​40​AI历史回顾(5)一个笑话（英俄翻译）Thespiritiswilling，butthefleshisweak心有余而力不足Thevodkaisgood，butthemeatisrotten伏特加酒很不错，但肉已腐败41​AI历史回顾(6)出错的原因spirit1)精神2)烈酒结论必须理解才能翻译，而理解需要知识42​AI历史回顾(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43​费根鲍姆（E.Feigenbaum）

专家系统和知识工程之父1968年研究出第一个专家系统：DENDRAL，用于质谱仪分析有机化合物的分子结构1977年，提出知识工程（knowledgeEngineer)概念“知识就是力量，电子计算机则是这种力量的放大器，而能把人类知识予以放大的机器，也会把一切方面的力量予以放大。”44​1965年Feigenbaum的世界上第一个专家系统DENDRAL.它可根据分子式和质谱数据辅助推断分子结构.1974年绍特里夫(Shortliffe)等人开发的MYCIN专家系统.用诊断和治疗感染性疾病.1968年Quilian提出语义网络知识表示法1974年Minsky提出框架(Frame)理论1965年Robinson提出归结原理1972年科麦瑞尔(Colmerauer)实现第一个Prolog(PROgramminginLOGic)系统1977年在第五届IJCAI上,Feigenhaum在“人工智能的艺术:知识工程及实例研究”中提出“知识工程”的概念.45​1982年-1991年日本研制第五代计算机计划(投资4.5亿美元)1983年起(6-10计划)美国研制能看,听,说和思考的新一代计算机(投资6亿多美元)1982年10月英国开始研制第五代计算机,5年内投资5.5亿美元46​AI历史回顾(8)遇到的困难知识获取的瓶颈问题47​AI历史回顾(9)第四阶段（80年代中－90年代初）新的神经元网络时代BP算法，解决了多层网的学习问题Hopfield网络，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48​AI历史回顾(10)第五阶段（90年代初－现在）数据与网络时代网络给AI带来无限的机会知识发现与数据挖掘AI走向实用化49​两个非常重要的技术和阶段1993年，Vpnik教授提出一种分类算法，称为支持向量机(SVM)，因为能够克服局部最优的困扰、泛化能力强，受到研究者的青睐。50​

线性分类器ayestf

xf(x,w,b)=sign(w.x

-b)denotes+1denotes-1Howwouldyouclassifythisdata?Copyright©2001,2003,AndrewW.Moore651​线性分类器f

xayestdenotes+1denotes-1f(x,w,b)=sign(w.x

-b)Howwouldyouclassifythisdata?Copyright©2001,2003,AndrewW.Moore752​线性分类器f

xayestdenotes+1denotes-1f(x,w,b)=sign(w.x

-b)Howwouldyouclassifythisdata?Copyright©2001,2003,AndrewW.Moore853​线性分类器f

xayestdenotes+1denotes-1f(x,w,b)=sign(w.x

-b)Howwouldyouclassifythisdata?Copyright©2001,2003,AndrewW.Moore1054​分类超平面Trainingset:(xi,yi),i=1,2,…N;yi{+1,-1}Hyperplane:wx+b=0Thisisfullydeterminedby(w,b)1155​线性分类器f

xy+1-1f(x,w,b)=sign(w.x

-b)Anyofthesewouldbefine....butwhichisbest?1256​线性分类器f

xy+1-1f(x,w,b)=sign(w.x

-b)线性分类器的间隔（margin）：到超平面最近的样本与此超平面之间的距离。1357​最大间隔f

xy+1-1f(x,w,b)=sign(w.x

-b)具有最大间隔的线性分类器叫做最大间隔线性分类器。其就是一种最简单的支持向量机(SVM)(称为线性支持向量机，即LSVM)线性支持向量机1458​f

xy+1-1f(x,w,b)=sign(w.x

-b)支持向量(SupportVectors):是那些距离超平面最近的点。具有最大间隔的线性分类器叫做最大间隔线性分类器。其就是一种最简单的支持向量机(SVM)(称为线性支持向量机，即LSVM)线性支持向量机最大间隔1559​最大间隔AccordingtoatheoremfromLearningTheory,fromallpossiblelineardecisionfunctionstheonethatmaximisesthemarginofthetrainingsetwillminimisethegeneralisationerror.1660​Why…最大间隔?+1-1f(x,w,b)=sign(w.x

-b)支持向量(SupportVectors):是那些距离超平面最近的点。具有最大间隔的线性分类器叫做最大间隔线性分类器。其就是一种最简单的支持向量机(SVM)(称为线性支持向量机，即LSVM)线性支持向量机直观上感觉很好.学习得到的线性分类器.其对未知样本的预测能力与分类器间隔有如下关系：1761​非线性SVMsTransformx

(x)Thelinearalgorithmdependsonlyonxxi,hencetransformedalgorithmdependsonlyon(x)(xi)UsekernelfunctionK(xi,xj)suchthatK(xi,xj)=(x)(xi)

5362​引领了两种思想核方法如PCA->KPCAICA->KICAMaxmargin63​缺点有研究者认为SVM等价于三层的神经网络，因此也具有神经网络的一些缺陷涉及到一些参数，需要根据经验指定或者交叉验证学习是一种浅层学习，无法真正模拟人类学习的过程64​65​66​人们发现，复杂图形往往由一些基本结构组成。67​另外，研究者还发现，不仅图像存在这个规律，声音也存

在。68​能不能利用这些规律？69​70​几种深度学习模型71​72​73​深度学习的进展2006年横空出世，ReducingtheDimensionalityofDatawithNeuralNetworks,Science.G.E.HintonandR.R.Salakhutdinov.开始不断有研究者加入研究深度学习的浪潮中74​深度学习的进展2012年ImageNet大赛冠军，将错误率从26％降低到15％。2012年6月，《纽约时报》披露了GoogleBrain项目，吸引了公众的广泛关注。这个项目是由著名的斯坦福大学的机器学习教授AndrewNg和在大规模计算机系统方面的世界顶尖专家JeffDean共同主导，用16000个CPUCore的并行计算平台训练一种称为“深度神经网络”（DNN，DeepNeuralNetworks）的机器学习模型（内部共有10亿个节点。这一网络自然是不能跟人类的神经网络相提并论的。要知道，人脑中可是有150多亿个神经元，互相连接的节点也就是突触数更是如银河沙数。曾经有人估算过，如果将一个人的大脑中所有神经细胞的轴突和树突依次连接起来，并拉成一根直线，可从地球连到月亮，再从月亮返回地球），在语音识别和图像识别等领域获得了巨大的成功。75​项目负责人之一Andrew称：“我们没有像通常做的那样自己框定边界，而是直接把海量数据投放到算法中，让数据自己说话，系统会自动从数据中学习。”另外一名负责人Jeff则说：“我们在训练的时候从来不会告诉机器说：‘这是一只猫。’系统其实是自己发明或者领悟了“猫”的概念。”

76​2012年11月，微软在中国天津的一次活动上公开演示了一个全自动的同声传译系统，讲演者用英文演讲，后台的计算机一气呵成自动完成语音识别、英中机器翻译和中文语音合成，效果非常流畅。据报道，后面支撑的关键技术也是DNN，或者深度学习（DL，DeepLearning）。实际上，微软和谷歌使用DNN将语音识别率降低了20-30%，是近年来最大的进展。77​2013年1月，在百度年会上，创始人兼CEO李彦宏高调宣布要成立百度研究院，其中第一个成立的就是“深度学习研究所”（IDL，InstitueofDeepLearning）。2013年8月22日，百度云语音技术负责人贾磊在百度世界大会上表示，百度语音识别技术、引擎在识别准确率上获得了突破性进展，运用深度神经网络(DNN:DeepNeuralNetwork)技术和自然语言处理技术NLP，使语音技术准确率提升了25%，用户体验得到大幅度优化。除了降低了错误率，百度语音助手在速度上也有大幅提升。不考虑网络环境，识别和响应速度提高了30%。百度语音助手开发团队在今年的百度最高奖角逐中脱颖而出，打破了该奖项始终被商业营销产品“垄断”的惯例。78​2013年3月Google收购DNNResearch，该公司只有三个成员：Hinton和他的两个学生，Google没有获得技术和产品79​ResearchFieldsofAI粒度计算群体智能80​ProblemResolving问题：博弈问题（GamePlaying）：国际象棋、方盘棋、五子棋、打牌、战争等汉诺塔游戏（HanoiGame）人、狼、羊和菜的过河问题求解微分方程等涉及的主要技术：问题表示、问题分解、问题空间搜索、问题归约81​游戏中的代表性成就IBM的DeepBlue国际象棋程序：1997年5月11日，DeepBlue以3.5:2.5战胜了GarryKasparov加拿大Alberta大学研制的西洋跳棋程序Chinook是第一个在世界锦标赛中战胜人的程序。（跳棋一共有5万亿亿种走法（5*10^20），Chinook则只使用了其中的100万亿种(10^14)）黑白棋的智能程序Logistello在1997年以6比0的比分战胜了世界冠军TakeshiMurakami。围棋与西洋双陆棋82​视频游戏83​视频游戏（2）84​视频游戏（3）85​视频游戏（4）86​AutomaticTheoremProving自动定理证明：让计算机模拟人类证明定理的方法，自动实现象人类证明定理那样的非数值符号的演算过程。是AI中最早且重要的研究领域之一,对AI的发展起过重大作用.许多非数学问题可转化为自动定理证明来求解.主要方法:自然演绎法:依据推理规则,从前提或目标出发,并利用公理来证明定理的方法.判定法:对一类问题找出统一的计算机上可实现的算解.1978年我国数学家吴文俊教授提出平面几何和微分几何定理的机器证明方法.被认为是当时最好的一种方法(吴氏方法)定理证明器:研究一切可判定问题的证明方法.1964年Robinson提出归结原理.计算机辅助证明:“四色定理”.87​自动定理证明就是机器定理证明，这也是人工智能的一个重要的研究领域，也是最早的研究领域之一。定理证明是最典型的逻辑推理问题之一，它在发展人工智能方法上起过重大作用。

1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。

四色定理证明88​四色定理地图四色定理(Fourcolortheorem)最先是由一位叫古德里（FrancisGuthrie）的英国大学生提出来的。德·摩尔根（AugustusDeMorgan，1806～1871）1852年10月23日致哈密顿的一封信提供了有关四色定理来源的最原始的记载。四色问题又称四色猜想，是世界近代三大数学难题之一。四色问题的内容是：“任何一张地图只用四种颜色就能使具有共同边界的国家着上不同的颜色。”用数学语言表示，即“将平面任意地细分为不相重迭的区域，每一个区域总可以用1，2，3，4这四个数字之一来标记，而不会使相邻的两个区域得到相同的数字。”89​扩展阅读费尔马大定理，起源于三百多年前，挑战人类3个世纪，多次震惊全世界，耗尽人类众多最杰出大脑的精力，也让千千万万业余者痴迷。终于在1994年被安德鲁·怀尔斯攻克。1637年，法国业余大数学家费尔马（PierredeFremat）在“算术”的关于勾股数问题的页边上，写下猜想：a^n＋b^n＝c^n是不可能的（这里n大于2；a，b，c，n都是非零整数)。哥德巴赫猜想。1742年6月7日，德国数学家哥德巴赫在写给著名数学家欧拉的一封信中，提出了两个大胆的猜想： 一、任何不小于6的偶数，都是两个奇质数之和； 二、任何不小于9的奇数，都是三个奇质数之和。 这就是数学史上著名的“哥德巴赫猜想”。显然，第二个猜想是第一个猜想的推论。因此，只需在两个猜想中证明一个就足够了。 1966年，我国著名数学家陈景润攻克了“1＋2”，也就是：“任何一个足够大的偶数，都可以表示成两个数之和，而这两个数中的一个就是奇质数，另一个则是两个奇质数的积。”这个定理被世界数学界称为“陈氏定理”。90​AutomaticProgramming自动程序设计：让计算机把用高级形式语言或自然语言描述的程序自动转换成可执行的程序的技术。主要技术方法程序分析与合成：自动编程正确性验证：证明程序的正确性的理论和方法91​NatureLanguageProcessing自然语言理解：如何使计算机能够理解和生成自然语言。跨语言检索、自动问答机器翻译语音输入、语音合成自动文摘等主要技术方法语法、语义、句法的表示及分析技术语义的理解及可计算技术语言模型的构建等92​ExpertSystem专家系统是一个智能化的计算机程序系统；是一种基于知识的智能推理系统；是一个能在某特定领域内，以专家水平去解决该领域中困难问题的计算机程序；问题：解释、预测、诊断、设计、规划、监视、修理、指导和控制等93​PatternRecognition模式：客观存在的事物形式称之为模式。模式识别：是使计算机能够对给定的事物进行鉴别，并把它归入与其相同或相似的模式中。具体应用具体应用手写字符识别汽车牌照的识别指纹识别语音识别94​95​指纹识别96​ComputerVision机器视觉：是一门用计算机实现或模拟人类视觉功能的学科。人类80％以上的外部信息来自视觉从模式识别中发展为一门独立的学科研究目标：使计算机具有通过二维图像认知三维环境信息的能力对物体形状、位置、姿态、运动等的感知对信息的描述、表示、存储、识别与理解应用领域卫星图像处理、飞行器跟踪和制导、景物识别、目标检测等医学图像分析、脏器重建等监测系统、生产过程监控系统97​Robotics机器人学：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、生理学—综合性技术学科研究内容视觉、听觉、触觉等感知器；研制用精密机械元件做成的手、脚等肢体与计算机之间的结合方式；研究机器人从三维空间搜索信息的处理方式研究识别外界环境的能力研究机器人判断机理的工程化方法及相应软件98​1893年的蒸汽机器人1800年前张衡发明的记里鼓车1800年后的“木牛流马”（仿制）记里鼓车是中国古代用于计算道路里程的车，由“记道车”发展而来。到后来，因为加了行一里路打一下鼓的装置，故名“记里鼓车”。记里鼓车这是一种会自动记载行程的车辆，是中国古代社会的科学家、发明家研制出的自动机械物体，被机器人专家称为是一种中国古代机器人。99​工业机器人的诞生

进入20世纪后，实用化的工业机器人相继问世。各种用途的机器人相继问世，许多梦想成为了现实第一代示教再现工业机器人在完成焊接工作62年GM研制的世界第一台工业机器人Unimate日本90年代的机器人电子装配生产线100​服务机器人-外墙清洗移动机器人玻璃清洗机器人服务机器人-导盲犬服务机器人-加油机器人娱乐机器狗娱乐机器人-足球机器人101​军用机器人-无人战场车军用机器人-飞行机器人军用机器人-排弹移动机器人空间机器人-月球车空间机器人-空间站操作臂水下机器人102​分子纳米机器人无人飞行机器人仿人机器人各种仿人手部103​ArtificialNeuralNetwork人工神经网络：是一个用大量的简单处理单元经广泛并行互连所构成的人工网络，用于模拟人脑神经系统的结构和功能。应用领域：神经计算机：是在模拟人脑神经组织结构基础上发展起来的全新的计算系统。它是由大量简单计算单元通过丰富联结而构成的复杂计算网络。模式识别、图象处理、组合优化、自动控制、信息处理、机器人学104​IntelligentControl智能控制：驱动智能机器自主地实现其目标的过程人工智能与控制论、运筹学、信息论的结合研究方向：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。105​IntelligentRetrieval智能检索的目标实现基于内容的检索实现跨语言检索实现自然语言接口智能检索系统所面临的三大问题如何建立一个能够理解自然语言表述的询问的系统；如何根据存储的事实演绎出答案；理解询问和演绎答案所需要的知识都可能超出该学科领域数据库所表示的知识；106​IntelligentDispatching&Command经典问题：推销员旅行问题推销员从某个城市出发，访问每个城市一次，且只许一次，然后回到出发的城市。要求为推销员寻找一条最短的旅行路线。寻找最佳调度和组合NP完全问题的求解应用领域汽车运输调度列车的编组与指挥空中交通管制军事指挥等系统107​MachineLearning会学习是机器具有智能的重要标志，是机器获取知识，提高智能的根本途径。目的：获取新的事实及新的推理算法等内部表现为新知识结构的不断建立和修改外部表现为性能的改善，即智能的提高。研究内容：如何使计算机能够模拟或实现人类的学习功能。人类学习机理机器学习方法学习系统构造技术108​KDD数据挖掘与知识发现从大型数据库中抽取出有效的、新颖的、潜在有用的、最终可理解的信息或模式的非平凡过程。统计学、数学、机器学习、数据库的交叉学科109​预测顾客在超市的购物行为110​尿布与啤酒

采用数据挖掘的成功典型案例是总部位于美国阿肯色州的WallMart零售商的“尿布与啤酒”的故事。WallMart拥有世界上最大的数据仓库系统，它利用数据挖掘工具对数据仓库中的原始交易数据进行分析，得到了一个意外发现：跟尿布一起购买最多的商品竟然是啤酒。如果不是借助于数据仓库和数据挖掘，商家决不可能发现这个隐藏在背后的事实：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。有了这个发现后，超市调整了货架的摆放，把尿布和啤酒放在一起，明显增加了销售额。111​机器学习与数据挖掘“机器学习”是人工智能的核心研究领域之一，其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知，没有学习能力的系统很难被认为是具有智能的。目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。事实上，由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要设法对数据进行分析，这就使得它逐渐成为智能数据分析技术的创新源之一，并且为此而受到越来越多的关注。112​机器学习与数据挖掘“数据挖掘”和“知识发现”通常被相提并论，并在许多场合被认为是可以相互替代的术语。对数据挖掘有多种文字不同但含义接近的定义，例如“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程”[2]。其实顾名思义，数据挖掘就是试图从海量数据中找出有用的知识。113​机器学习与数据挖掘114​应用入侵检测生物信息学：利用信息科学技术来研究从DNA到基因、基因表达、蛋白质、基因电路、细胞、生理表现等一系列环节上的现象和规律。自动驾驶：6小时53分钟内走完了132英里（约212公里）的路程搜索引擎：，互联网搜索引擎是通过分析互联网上的数据来找到用户所需要的信息，而这正是一个机器学习和数据挖掘任务。115​参考资料在机器学习方面，最重要的学术会议是NIPS、ICML、ECML和COLT，最重要的学术期刊是《MachineLearning》和《JournalofMachineLearningResearch》；在数据挖掘方面，最重要的学术会议是SIGKDD、ICDM、SDM、PKDD和PAKDD，最重要的学术期刊是《DataMiningandKnowledgeDiscovery》和《IEEETransactionsonKnowledgeandDataEngineering》。此外，人工智能领域的顶级会议如IJCAI和AAAI、数据库领域的顶级会议如SIGMOD、VLDB、ICDE，以及一些顶级期刊如《ArtificialIntelligence》、《JournalofArtificialIntelligenceResearch》、《IEEETransactionsonPatternAnalysisandMachineIntelligence》、《NeuralComputation》等也经常发表机器学习和数据挖掘方面的论文。116​ArtificialLife人工生命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。研究内容涉及生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等117​演化一个bug118​119​GranularComputing&GroupIntelligenceGranularComputing粒度计算是新兴起的一个研究领域，它覆盖了所有有关粒度的理论,方法论,技术和工具的研究。粗略地说，粒度计算是模糊信息粒度理论的超集，而粗糙集理论和区间计算是粒度数学的子集。Zadeh,T.Y.Lin,Y.Y.Yao,Pawlak,张钹,张铃SwarmIntelligence群体指的是“一组相互之间可以进行直接通信或者间接通信的主体，它们能够合作进行分布问题求解，产生出复杂智能行为的特性”。如蚁群、粒子群、鱼群、群体机器人等。群体智能利用群体的优势,在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方案提供了新的思路。目前对群体智能的研究仍处于初级阶段,但是由于它在许多领域中都表现出令人满意的寻优性能。120​WaysofAIResearch符号主义（Symbolicism）基于物理符号系统假设和有限合理性原理连接主义（Connectionism）基于神经网络及其连接机制与学习算法行为主义（Actionism）基于控制论及感知—动作型控制系统121​人的三个层面生理物理层（底层）行为控制层（表层）认知心理层（中层）符号主义连接主义行为主义122​Symbolicism又称：逻辑主义、心理学派或计算机学派代表：纽厄尔、肖、西蒙和尼尔逊(Nilsson)起源：认为人工智能起源于数理逻辑理论：认知的基元是符号；认知过程是符号的运算过程；智能的基础是知识，其核心是知识表示和知识推理。方法：功能模拟方法，研究人类认知系统的功能和机理，再用计算机进行模拟，从而实现智能。60~70年代，获得很大进展，随后产生若干应用型ES。123​符号主义Nilsson指出逻辑学派基于三个论题智能机器必须有关于自身环境的知识通用智能机器要能陈述性地表达关于自身环境的大部分知识通用智能机器表达陈述性知识的语言至少要有一阶谓词逻辑的表达能力强调的是知识、概念化和模型论语义124​Connectionism又称：仿生学派或生理学派代表：麦克洛奇、皮兹、霍普菲尔德、鲁梅尔哈特等。起源：认为人工智能起源于仿生学，特别是人脑模型的研究。理论：思维的基元是神经元；思维过程是神经元的联结活动过程。方法：结构模拟法。着重于模拟人的生理神经网络结构。80年代取得了突破，提出了BP算法，使人工神经网络取得了广泛应用。125​人脑有1000亿个神经元，每个神经元平均与10000个其他神经元互连，这就构成了人类智慧的直接物质基础。126​Actionism又称：进化主义或控制论学派代表：布鲁克（MIT）的机器虫（worm）原理：基于控制论和“感知—动作”型控制系统。起源：认为人工智能起源于控制论。理论：智能取决于感知和行动，提出了智能行为的“感知—动作”模型。认为人工智能可以像人类智能那样逐步进化。方法：行为模拟法。127​人工智能的研究途径128​AI中的五大基本问题知识与概念化是否是AI的核心认知能力能否与载体分开研究认知的轨迹是否可用类自然语言来描述学习能否与认知分开研究所有的认知是否有一种统一的结构129​一些思考人工智能将能够达到什么样的高度？机器人三大定律真的能够限制机器人吗？一.机器人不得伤害人，也不得见人受到伤害而袖手旁观二.机器人应服从人的一切命令，但不得违反第一定律三.机器人应保护自身的安全，但不得违反第一、第二定律130​演讲完毕，谢谢观看！附录资料：人工智能简介​AboutTeachingPlan基本要求：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支，是目前迅速发展的一门新兴学科，新思想新方法层出不穷。其基本思想是利用机器来模仿和执行人脑的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。对于培养学生计算机技术的应用能力，开阔思路和视野，有重要意义。

​AboutTeachingPlan因此，要求学生掌握知识表示和问题求解的几种常用方法，尤其是不确定性推理；掌握机器学习基本概念，了解几种机器学习方法尤其是神经网络学习方法；掌握专家系统的概念，了解专家系统设计方法，掌握一些智能控制方法，了解国内外人工智能研究尤其是机器人的最新进展；具有一定的人工智能编程设计能力（利用Lisp或Prolog语言）。​AboutTeachingPlan课程内容以及学时分配人工智能引论(1) 人工智能概念及与计算机的关系，研究途径、内容和应用领域概况介绍，其他最新材料。符号主义、连接主义、行为主义三大流派人工智能数学基础(1)知识表示方法（2） 状态空间法、问题归约法，谓词逻辑法、产生式表示法（动物识别系统）；CLIPS语言；语义网络法、框架法（这是结构化表示）；剧本、过程、Petri网、面向对象的表示。​AboutTeachingPlan 搜索技术和策略（3-4）状态空间法，盲目搜索和启发式搜索，A*算法；海伯伦理论、消解原理和策略；与\或形推理和搜索策略；其他求解技术。 不确定推理技术（3-4）主观Bayes理论；可信度方法和证据理论；系统组织技术；非单调推理；Rete快速算法；模糊推理技术；基于语义网络和框架不确定推理； 专家系统（2）专家系统概念、结构和知识获取；黑板模型、知识组织、管理及系统建造和开发工具；专家系统举例及编程。

人工智能程序设计（1）人工智能语言基本机制：LISP和PROLOG。​AboutTeachingPlan 模式识别导论（3）模式识别专题：概率模式识别。模式识别专题：结构模式识别 机器学习（1）：机械,解释经验,事例,归纳,概念,类比学习等；统计,结构,模糊模式识别。 专题讲座（3次） 1)神经网络基本理论和应用 (史奎凡课程：安排于人工智能理论与应用课程内)； 2)智能体（Agent）； 3)自然语言处理； 4)智能控制和机器人科学 智能控制的结构理论和研究领域，智能控制系统及应用示例；机器人规划、机器视觉和自然语言理解等。​AboutTeachingPlan 实践：1) 搜索技术和策略2) 不确定推理技术3) 专家系统：动物识别系统4) 模式识别技术5) 调研： 搜索技术和策略、不确定推理技术、统计模式识别、机器学习等四个领域进展报告。​ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是当前科学技发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科。它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。​Intelligence智能是知识与智力的总合。 知识——智能行为的基础； 智力——获取知识并运用知识求解问题的能力。智能具有以下特征：(1)具有感知能力——指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；(2)具有记忆与思维的能力——这是人脑最重要的功能，亦是人之所以有智能的根本原因；(3)具有学习能力及自适应能力；(4)具有行为能力。ArtificialIntelligence人工智能——计算机科学的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言能理解、能学习、能推理）。​2.BriefHistoryofAI (1) 孕育（1956年前）古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼茨）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数。​美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文。图灵奖。美国数学家Mauchly，1946发明了电子数字计算机ENIAC美国神经生理学家McCulloch，建立了第一个神经网络数学模型。美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，代表了“信息论”的诞生。​ (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工学院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,贝尔实验室的C.E.Shannon共同发起，邀请了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位数学家、信息学家、心理学家、神经生理学家、计算机科学家，在Dartmouth大学召开了一次关于机器智能的研讨会，会上McCarthy提议正式采用了ArtificialIntelligence（人工智能）这一术语。这次会议，标志着人工智能作为一门新兴学科正式诞生了。 McCarthy（麦卡锡）——人工智能之父。这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就.机器学习方面：塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；​在定理证明方面：王浩于1958年在IBM机上证明了《数学原理》中有关命题演算的全部定理（220条），还证明了谓词演算中150条定理85%；1965年，鲁宾逊（Robinson）提出了消解原理；在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；1965年罗伯特（Robert）编制出可辨别积木构造的程序；在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序GPS,可以用来求解11种不同类型的问题；在专家系统方面：斯坦福大学的费根鲍姆（E.A.Feigenbaum）自1965年开始进行专家系统DENDRAL（化学分析专家系统），1968年完成并投入使用；在人工智能语言方面：1960年McCarthy等人建立了人工智能程序设计语言Lisp，该语言至今仍是建造智能系统的重要工具；1969年成立了国际人工智能联合会议（InternationalJointConferencesOnArtificialIntelligence）​ (3) 发展（1970年以后）70年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。著名专家系统的有：DENDRAL化学分析专家系统（斯坦福大学1968）MACSYMA符号数学专家系统（麻省理工1971）MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）CASNET(CausalASsciationalNetwork)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；HEARSAYI和II语音理解系统（卡内基-梅隆大学）PROSPECTOR地质勘探专家系统（斯坦福大学1976）XCON计算机配置专家系统（卡内基-梅隆大学1978）​•80年代，人工智能发展达到阶段性的顶峰。•87,89年世界大会有６－７千人参加。硬件公司有上千个。并进行Lisp硬件、Lisp机的研究。•在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。•同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮。•90年代，计算机发展趋势为小型化、并行化、网络化、智能化。•人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。•日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（RealWordComputing）计划。​3.ResearchObjectsandMainContents

(1)人工智能的研究目标

人工智能的长期研究目标：构造智能计算机。

人工智能的近期研究目标：使现有的电子计算机更聪明，更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。​(2)人工智能研究的基本内容

1.机器感知以机器视觉与机器听觉为主。机器感知是机器获取外部信息的基本途径，是使机器具有智能不可或缺的组成部分，对此人工智能中已形成两个专门的研究领域——

模式识别和自然语言理解。2.机器思维指通过感知的外部信息及机器内部的各种工作信息进行有目的的处理。主要开展以下几方面的研究：(1)知识表示(2)知识的组织，累计，管理技术(3)知识的推理(4)各种启发式搜索及控制策略(5)神经网络，人脑的结构及其工作原理​3.机器学习

使计算能自动获取知识，能直接向书本学习，能通过与人谈话学习，能通过对环境的观察学习，并能在实践中自我完善。4.机器行为机器行为主要指计算机的表达能力，即“说”、“写”、“画”等，对智能机器人，还应该有人的四肢功能，即能走路，能