第章 人工智能概述 什么是人工智能 人工智能的研究

第1章

人工智能概述8/27/2019人工智能1什么是人工智能人工智能的研究意义、目标和策略人工智能的学科范畴人工智能的研究内容人工智能的研究途径与方法人工智能的基本技术人工智能的应用人工智能的分支领域与研究方向人工智能的发展概况1.1

什么是人工智能8/27/2019人工智能2人工智能（Artificial

Intelligence”，AI）人工智能概念的一般描述部分学者对人工智能概念的描述：——人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化（Bellman,1978）；——人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985）；——人工智能是研究如何让计算机做现阶段只有人才能做得好的事情（Rich

Knight,1991）；——

人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston,

1992）；——

广义地讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为（Nilsson，1998）。——

Stuart

Russell和Peter

Norvig则把已有的一些人工智能定义分为4类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统（2003）。8/27/2019人工智能3人工智能人工智能（Artificial

Intelligence）简称AI，主要研究如何用人工的方法和技术，使用各种自动化机器或智能机器（主要指计算机）模仿、延伸和扩展人的智能，实现某些机器思维或脑力劳动自动化。8/27/2019人工智能41.1.2

图灵测试和中文屋子图灵测试”（Turing

Test）8/27/2019人工智能5约翰.西尔勒(John

Searle)的“中文屋子”8/27/2019人工智能61.1.3

脑智能和群智能8/27/2019人工智能7

脑（主要指人脑）的宏观心理层次的智能表现称为脑智能（Brain

Intelligence,

BI）。由群体行为所表现出的智能称为群智能（Swarm

Intelligence,

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（Individual

Intelligence,II）；群智能是一种社会智能（Social

Intelligence,SI），或者说系统智能（System

Intelligence,SI）。·

微观生理层次上的低级神经元的群智能形成了宏观层次上高级的脑智能。8/27/2019人工智能8·

智能·基于人脑的智能从内涵上讲，应该是知识＋思维。·从外延上讲，就是发现规律、运用规律的能力和分析问题、解决问题的能力(或者说获取知识、处理知识、运用知识的能力)。1.1.4

符号智能和计算智能符号智能符号智能就是符号人工智能，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（knowledge

acquisition）知识表示（knowledge

representation）知识工程（Knowledge

Engineering,KE））8/27/2019人工智能

9·基于知识的智能系统2.

计算智能8/27/2019人工智能10计算智能就是计算人工智能，它是模拟群智能的人工智能。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：8/27/2019人工智能11神经计算（Neural

Computation，NC）进化计算（亦称演化计算，EvolutionaryComputation，EC，遗传算法（Genetic

Algorithm，GA）进化规划（Evolutionary

Planning，EP）进化策略（Evolutionary

Strategies，ES）免疫计算（immune

computation）粒群计算（ParticleSwarm

Algorithm，PSA）蚁群算法（Ant

Colony

Algorithm，ACA）自然计算（NaturalComputation，NC）人工生命（Artificial

Life，AL）1.2

人工智能的研究意义、目标和策略8/27/2019人工智能12为什么要研究人工智能普通计算机智能低下，不能满足社会需求。研究人工智能也是当前信息化社会的迫切需求。智能化是自动化发展的必然趋势。

研究人工智能，对人类自身智能的奥秘也提供有益帮助。1.2.2

人工智能的研究目标和策略远期目标人工智能的远期目标是要制造智能机器。具体讲就是使计算机具有看听、说、写等感知和交互能力，具有联想学习推理理解学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。近期目标人工智能的近期目标是实现机器智能。即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。8/27/2019人工智能

131.3

人工智能的学科范畴8/27/2019人工智能14当前的人工智能既属于计算机科学技术的一个前沿领域，也属于信息处理和自动化技术的一个前沿领域。还涉及到智能科学、认知科学、心理科学、脑及神经科学、生命科学、语言学、逻辑学、行为科学、教育科学、系统科学、数理科学以及控制论、科学方法论、哲学甚至经济学等众多学科领域。人工智能实际上是一门综合性的交叉学科和边缘学科。人工智能学科结构8/27/2019人工智能151.4

人工智能的研究内容8/27/2019人工智能16搜索与求解学习与发现知识与推理发明与创造感知与交流记忆与联想系统与建造应用与工程1.4.1

搜索与求解8/27/2019人工智能17

搜索，就是为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。可以看作是人类和其他生物所具有的一种元知识。许多智能活动（包括脑智能和群智能）的过程，甚至几乎所有智能活动的过程，都可以看作或者抽象为一个基于搜索的问题求解过程。1.4.3

知识与推理8/27/2019人工智能18知识是智能的基础和源泉。推理是人脑的一个基本功能和重要功能，因此，在符号智能中几乎处处都与推理有关。1.4.5

感知与交流8/27/2019人工智能19

感知与交流指计算机对外部信息的直接感知和人机之间、智能体之间的直接信息交流。

机器感知就是计算机直接“感觉”周围世界，就像人一样通过“感觉器官”直接从外界获取信息，如通过视觉器官获取图形、图像信息，通过听觉器官获取声音信息。

机器感知包括计算机视觉、听觉等各种感觉能力。机器信息交流涉及通信和自然语言处理等技术。自然语言处理又包括自然语言理解和表达。1.4.6

记忆与联想8/27/2019人工智能20记忆是智能的基本条件，是人脑的基本功能之一。联想是思维过程中最基本、使用最频繁的一种功能。人类联想人类的联想是建立事物之间的联系。人类的联想功能是基于神经网络、按内容记忆方式进行的。机器联想机器的联想就是有关数据、信息或知识之间的联系。机器联想利用人类按内容记忆原理，采用“联想存储”的技术实现联想功能。1.5

人工智能的研究途径与方法8/27/2019人工智能21心理模拟，符号推演生理模拟，神经计算行为模拟，控制进化群体模拟，仿生计算博采广鉴，自然计算原理分析，数学建模1.5.1

心理模拟，符号推演心理模拟（功能模拟）法就是以人脑的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现人工智能。以功能模拟和符号推演研究人工智能者，被称为心理学派、逻辑学派、符号主义。早期代表人物有Allen

Newell、Shaw、Herbert

Simon，后来还有E.A.Feigenbaum、Nilsson等。8/27/2019人工智能221.5.2

生理模拟，神经计算生理模拟（结构模拟）就是用人工神经元（神经细胞）组成的人工神经网络来作为信息和知识的载体，用称为神经计算的方法实现学习、记忆、联想、识别和推理等功能，从而来模拟人脑的智能行为，使计算机表现出某种智能。采用结构模拟，用神经网络和神经计算的方法研究人工智能者，被称为生理学派、连接主义。其代表人物有McCulloch，Pitts，8/27/2019F.Rosenblatt，T人.工K智o能honen，J.Hopfield等。231.5.3

行为模拟，控制进化行为模拟是一种基于感知－行为模型的研究途径和方法，它是在模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，来研究和实现人工智能。以行为模拟方法研究人工智能者，被称为行为主义、进化主义、控制论学派。其代表人物是MIT的R.Brooks教授。8/27/2019人工智能241.5.4

群体模拟，仿生计算8/27/2019人工智能25群体模拟模拟生物群落的群体智能行为，从而实现人工智能。对群体智慧的模拟是通过一些诸如遗传、变异、选择、交叉、克隆等所谓的算子或操作来实现的，所以我们统称其为仿生计算。如：模拟生物种群有性繁殖和自然选择现象而出现的遗传算法，进而发展为进化计算；模拟人体免疫细胞群而出现的免疫计算、免疫克隆计算及人工免疫系统；模拟蚂蚁群体觅食活动过程的蚁群算法；模拟鸟群飞翔的粒群算法模拟鱼群活动的鱼群算法。1.5.5

博采广鉴，自然计算8/27/2019人工智能26自然计算就是模仿或借鉴自然界的某种机理而设计计算模型，这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法。如：模拟退火算法量子聚类算法DNA分子计算方法1.5.6

原理分析，数学建模8/27/2019人工智能27“原理分析，数学建模”就是通过对智能本质和原理的分析，直接采用某种数学方法来建立智能行为模型。如：人们用概率统计原理处理不确定性信息和知识，建立了统计模式识别、统计机器学习和不确定性推理的一系列原理和方法。人们用数学中的距离、空间、函数、变换等概念和方法，开发了几何分类、支持向量机等模式识别和机器学习的原理和方法。1.6

人工智能的基本技术8/27/2019人工智能28表示符号智能的表示是知识表示计算智能的表示一般是对象表示运算符号智能的运算是基于知识表示的推理或符号操作计算智能的运算是基于对象表示的操作或计算搜索符号智能在问题空间内搜索进行问题求解计算智能在解空间搜索进行求解1.7

人工智能的应用8/27/2019人工智能29难题求解自动规划、调度与配置机器定理证明自动程序设计机器翻译智能控制智能管理智能决策智能通信智能仿真智能CAD智能制造智能CAI智能人机接口模式识别数据挖掘与数据库中的知识发现计算机辅助创新计算机文艺创作机器博弈智能机器人8/27/2019人工智能301.7.1

难题求解8/27/2019人工智能31难题没有算法解或或虽有算法解但在现有机器上无法实施或无法完成的问题。NPNondeterministicPolynomial,非确定性多项式。不能证明算法复杂度超出多项式边界，但又未找到有效算法的问题。NPC：NPComplete，NP中一类最困难的问题。研究意义找到解决难题的途径。由解决这些难题而发展起来得一些技术和方法可用于人工智能其它领域。1.7.2自动规划、调度与配置8/27/2019人工智能32规划一般指设计制定一个行动序列，例如机器人行动规划、交通路线规划。调度就是一种任务分派或者安排，例如车辆调度、电力调度、资源分配、任务分配。调度的数学本质是给出两个集合间的一个映射。配置则是设计合理的部件组合结构，即空间布局，例如资源配置、系统配置、设备或设施配置。都属于人工智能的经典问题之一的约束满足问题

(Constraint

SatisfactionProblems,CSP)。智能交通8/27/2019人工智能331.7.3

机器定理证明8/27/2019人工智能34机器定理证明的方法主要有：自然演绎法

依据推理规则，从前提和公理中推出许多定理，若待证明的定理恰在其中，则定理得证。判定法

对一类问题找出统一的计算机上可实现的算法解。定理证明器

研究一切可判定问题的解法。1965年鲁滨逊提出的消解原理是这类工作的基础，计算机辅助证明以计算机为辅助工具，利用机器的高速和大容量，帮助人完成手工证明中无法完成的大量计算、推理和穷举。1.7.4

自动程序设计8/27/2019人工智能35自动程序设计自动程序设计就是人只要给出关于某程序要求的非常高级的描述，计算机就会自动生成一个能完成这个要求目标的具体程序。自动程序设计过程自动程序设计相当于给机器配置了一个“超级编译系统”，它能够对高级描述进行处理，通过规划过程，生成所需的程序。这是自动程序设计的主要内容，它实际是程序的自动综合。自动程序设计还包括程序自动验证。1.7.5

机器翻译8/27/2019人工智能36英语句子“Thespiritis

willing

but

the

fleshis

weak”翻译成俄语，然后再翻译回来时竟变成了“酒是好的，肉变质了”，即“The

wine

is

goodbut

the

meat

is

spoiled”。机器翻译的真正实现，还要靠自然语言理解方面的突破1.7.15模式识别·

模式识别，指的是用计算机进行物体识别。这里的物体一般指文字、符号、图形、图像、语音、声音及传感器信息等形式的实体对象，也就是说，这里所说的模式识别是狭义的模式识别，它是人和生物的感知能力在计算机上的模拟和扩展。8/27/2019人工智能37图像识别系统8/27/2019人工智能381.7.16

数据挖掘与数据库中的知识发现数据挖掘（Data

Mining）与知识发现（Knowledge

Discovering

from

Database）：从海量数据中归纳、提取出更高一级的更本质更有用的规律性信息和知识的技术。

数据挖掘流行于统计、数据分析、数据库和管理信息系统领域。知识发现流行于人工智能和机器学习领域。8/27/2019人工智能391.7.17

计算机辅助创新·

计算机辅助创新（Computer

AidedInnovation，CAI），是以“发明问题解决理论（TRIZ）”为基础，结合本体论（Ontology）、现代设计方法学而形成的一种用于技术创新的新手段。8/27/2019人工智能401.7.18

计算机文艺创作8/27/2019人工智能41云松銮仙玉骨寒，松虬雪友繁。大千收眼底，斯调不同凡。（无题）8/27/2019人工智能42白沙平舟夜涛声，春日晓露路相逢。朱楼寒雨离歌泪，不堪肠断雨乘风。BetrayalDave

Striver

loved

the

university.

He

loved

its

ivy-covclocktowers,

its

ancient

and

sturdy

brick,

and

its

sunsplashed

verdant

greens

and

eager

youth.

He

also

lovedthe

fact

that

the

university

is

free

of

the

stark

unfortrials

of

the

business

world

-

only

this

isn"t

a

fact:Academia

has

its

own

tests,

and

some

are

as

mercilessas

any

in

the

marketplace.

A

prime

example

is

thedissertation

defense:

To

earn

the

PhD,

to

become

adoctor,

one

must

pass

an

oral

examination

on

one"sdissertation.

This

was

a

test

Professor

Edward

Hartenjoyed

giving.Dave

wanted

desperately

to

be

a

doctor.

But

he

neededthe

signatures

of

three

people

on

the

first

page

of

hisdissertation,

the

priceless

inscriptions

that,

togetwould

certify

that

he

had

passed

his

defense.

One

of

thsignatures

had

to

come

from

Professor

Hart,

and

Harthad

often

said

-

to

others

and

to

himself

-

that

he

was8/27h/2o01n9ored

to

help

Dave

se人c工u智r能e

his

well-earned

dream.43Well

before

the

defense,

Striver

gave

Hart

a

penultimacopy

of

his

thesis.

Hart

read

it

and

told

Dave

that

it

wabsolutely

first

rate,

and

that

he

would

gladly

sign

ithe

defense.

They

even

shook

hands

in

Hart"s

book-lined

office.

Dave

noticed

that

Hart"s

eyes

were

brighand

trustful,

and

his

bearing

paternal.At

the

defense,

Dave

thought

that

he

eloquentlysummarized

chapter

3

of

his

dissertation.

There

weretwo

questions,

one

from

Professor

Rodman

and

onefrom

Dr.

Teer;

Dave

answered

both,

apparently

toeveryone"s

satisfaction.

There

were

no

furtherobjections.8/27/2019人工智能44Professor

Rodman

signed.

He

slid

the

tome

to

Teer;she

too

signed,

and

then

slid

it

in

front

of

Hart.

Hadidn"t

move."Ed?"

Rodman

said.Hart

still

sat

motionless.

Dave

felt

slightly

dizzy"Edward,

are

you

going

to

sign?"Later,

Hart

sat

alone

in

his

office

in

his

big

leathechair,

saddened

by

Dave"s

failure.

He

tried

to

thinof

ways

he

could

help

Dave

achieve

his

dream.8/27/2019人工智能45背叛8/27/2019人工智能46戴夫·斯特赖维尔喜爱这所大学。他喜爱校园里爬满常青藤的钟楼，那古色古香而又坚固的砖块，还有那洒满阳光的碧绿草坪和热情的年轻人。使他感到欣慰的还有这样一件事，即大学里完全没有商场上那些冷酷无情的考验——但事实恰恰并非如此：做学问也要通过考试，而且有的考试与市场上的考验一样不留情面。

最好的例子就是论文答辩：为了取得博士学位，为了成为博士，博士生必须通过论文的口试，

爱德华·哈特教授就喜欢主持这样的答辩考试。戴夫迫切希望成为一名博士。但他需要让３个人在他论文的第一页上签上他们的名字，这

３个千金难买的签名能够证明他通过了答辩。其中一个签名是哈特教授的。哈特常常对戴夫本人和其他人说，对于帮助戴夫实现他应该有的梦想，他感到很荣幸。答辩之前，斯特赖维尔早早给哈特送去了

他论文的倒数第二稿。哈特阅读后告诉戴夫，

论文水平绝对一流，答辩时他会很高兴地在论

文上签名。在哈特那四壁摆满书橱的办公室里，两人甚至还握了手。戴夫注意到，哈特两眼放

光，充满信任，神情宛如慈父一般。8/27/2019人工智能47在答辩时，戴夫觉得自己流利地概括了论文的第三章。评审者提了两个问题，一个是罗德曼教授提的，另一个是蒂尔博士提的。戴夫分别做了回答，并且显然让每个人都心悦诚服，再没有人提出异议。罗德曼教授签了名。他把论文推给蒂尔，她也签上了名字，接着便把本子推到了哈特跟前。哈特没有动。“爱德华？”罗德曼问道。哈特仍然坐在那儿，毫无表情。戴夫感到有点眩晕。“爱德华，你打算签名吗？”过后，哈特一个人呆在办公室里，坐在那张宽大的皮椅里，他为戴夫未能通过答辩感到8/27/2019难过。他试图想出帮人工助智能戴夫实现他梦想的办法。4。88/27/2019人工智能498/27/2019人工智能508/27/2019人工智能518/27/2019人工智能528/27/2019人工智能531.8

人工智能的分支领域与研究方向从模拟的层次和所用的方法来看，人工智能可分为符号智能,符号智能中又有图搜索、自动推理、不确定性推理、知识工程、符号学习等计算智能。计算智能中又有神经计算、进化计算、免疫计算、蚁群计算、粒群计算、自然计算等。智能Agent也是人工智能的一个新兴的重要领域。智能Agent或者说Agent智能则是以符号智能和计算智能为基础的更高一级的人工智能。从模拟的脑智能或脑功能来看，AI中有机器学习,又可分为符号学习、连接学习、统计学习等许多研究领域和方向。机器感知,又可分为计算机视觉、计算机听觉、模式识别、图像识别与理解、语音识别、自然语言处理等领域和方向。机器联想机器推理8/27/2019机器行为54人工智能·从应用角度看，如1.7节所述，AI中有难题求解等数十种分支领域和研究方向。8/27/2019人工智能55从系统角度看，有智能计算机系统，又可分为：智能硬件平台、智能操作系统、智能网络系统等智能应用系统，又可分为：基于知识的智能系统、基于算法的智能系统和兼有知识和算法的智能系统等。另外，还有分布式人工智能系统。从基础理论看，AI中有数理逻辑和多种非标准逻辑、图论、人工神经网络、模糊集、粗糙集、概率统计（贝叶斯统计决策理论）和贝叶斯网络、统计学习理论与支持向量机、形式语言与自动机等领域和方向。1.9

人工智能学科的发展概况8/27/2019人工智能56人工智能学科的产生符号主义途径发展概况连接主义途径发展概况计算智能异军突起智能Agent方兴未艾现状与发展趋势1.9.1

人工智能学科的产生8/27/2019人工智能57前提条件1956年之前，创立数理逻辑、自动机理论、控制

论、信息论和系统论，并发明了通用电子数字计算机，这些成就为人工智能的诞生准备了充足的思想、理论和物质技术条件。产生1956年夏季，十位来自数学、心理学、神经生理学信息论和计算机方面的专家在美国达特莫斯大学召开一次历时两个月的研究会，讨论了关于机器智能的有关问题，会上麦卡锡提议正式采用了“人工智能”一词。这标志人工智能学科的正式诞生。·

十位学者达特莫斯大学的麦卡锡（John

McCarthy）哈佛大学的明斯基（Marvin

Minsky

）IBM公司的罗切斯特（Mathaniel

Rochester）贝尔实验室的香农（Claude

Shannon）IBM公司的莫尔（T.More）和

缪而（AllenSamuel）MIT的塞尔弗里奇（O.Selfridge）和索门罗夫（R.Solomonff）卡内基工科大学的纽厄尔（A.Newell）和西蒙（H.A.Simon）8/27/2019人工智能58人工智能发展简史图1956年提出AI60年代中期70年代初期80－90年代形成第一个兴旺期形成第二个兴旺期萧条期8/27/2019人工智能59数理逻辑发展历程（1/2）8/27/2019人工智能60逻辑学的创始人、古希腊的哲学家亚里斯多得（Aristotle）是研究人类思维规律的鼻祖。

12世纪末13世纪初的西班牙神学家和逻辑学家罗门·卢乐（Romen

Luee）最早提出了制造可以解决各种问题的通用逻辑机。17世纪法国的物理学家和数学家帕斯卡（B.Pascal，1623－1662）制成了世界上第一台机械式加法器。数理逻辑发展历程（2/2）德国数学家和哲学家莱布尼兹（G.W.Leibniz，1646－1716）制成了可进行四则运算的计算器。他还提出了“万能符号”和“推理计算”的思想。莱布尼兹被后人尊为数理逻辑的第一奠基人。19世纪英国的数学家布尔（G.Boole,1815-1864）在《思维法则》一书中，第一次用符号语言描述了思维活动中的推理的基本法则，创立了逻辑代数。在近代，研究思维机器的最高成就属于英国的数学家巴贝奇（1791－1871），他毕生致力于差分机和分析机的研究分析机的设计思想与现代电子数字计算机十分相似，但由于种种限制而未能成功。8/27/2019人工智能61自动机理论英国的数学家图灵（A.M.Turing,1912－1954）提出了理想计算机模型（即图灵机），创立了自动机理论。把思维机器的研究和计算机的理论研究向前推进了一步。图灵在1950年发表了题为“计算机与智能”的论文，提出了著名的图灵测试

。8/27/2019人工智能62控制论、信息论和系统论控制论1948年美国数学家维纳（N.Wiener）创立了控制论。信息论美国数学家香农（C.E.Shannon）创立了信息论。系统论美籍奥地利生物学家贝塔郎菲创立了系统论。8/27/2019人工智能631.9.2

符号主义途径发展概况8/27/2019人工智能64·

1956年之后十年符号主义主要成就（1）1956年，美国的纽厄尔、肖和塞蒙合作编制了名为逻辑理论机（LogicTheoryMachine，简称LT）的计算机程序系统。该程序模拟人用数学逻辑证明定理时的思维规律。（2）1956年，赛谬尔研制成功了具有自学习、自组织和自适应能力的跳棋程序。（3）1959年，籍勒洛特发表了证明平面几何问题的程序，塞尔福里奇推出了一个模式识别程序；1965年罗伯特编制出了可以分辩积木构造的程序。（4）1960年，纽厄尔、肖和塞蒙等人通过心理学试验总结出人们求解问题的思维规律，编制了通用问题求解程序（GeneralProblem

Solving，GPS）。（5）1960年，麦卡锡研制成功了人工智能程序设计的表处理语言LISP.（6）1965年，鲁滨逊提出了消解