第1章人工智能概述优秀PPT.ppt

《第1章人工智能概述优秀PPT.ppt》由会员分享，可在线阅读，更多相关《第1章人工智能概述优秀PPT.ppt（68页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第第1章人工智能概述章人工智能概述现在学习的是第1页，共68页内容：问题求解方法图搜索技术基于谓词演算的推理产生式系统不确定推理知识表示结构化方法面向对象的方法专家系统神经网络演化计算Agent技术.基础：基础：基础：基础：离散数学、程序设计、数据结构、学习人工智能的难点学习人工智能的难点学习人工智能的难点学习人工智能的难点:难点一：就在于从知识、假设、推理的角度出发去思考问题，解决问题；难点二：人工智能的内容非常浩繁，深入地了解人工智能的各个方向是非常困难的；重点：重点：重点：重点：最主要的是掌握人工智能思想；对人工智能各个领域有一定了解；重点理解某些人工智能的相关问题；值得注意的方面：值得

2、注意的方面：值得注意的方面：值得注意的方面：在学习书本知识的同时，注意利用网络资源，观察人工智能研究发展新动向，了解新成果。现在学习的是第2页，共68页第第1章章 人工智能概述人工智能概述 1.1 人工智能的概念人工智能的概念 1.2 人工智能的研究途径与方法人工智能的研究途径与方法 1.3 人工智能的分支领域人工智能的分支领域1.4 人工智能的基本技术人工智能的基本技术 1.5 人工智能的发展概况人工智能的发展概况 现在学习的是第3页，共68页1.1 人工智能的概念人工智能的概念 1.1.1什么是人工智能人工智能(ArtificialIntelligence,AI)探讨人类思维、行动中那些尚

3、未算法化的功能行为;使机器Thinking、Acting like human。人工智能下一个准确的定义很困难，至今尚无统一的定义。狭义概念：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，是对智能计算机系统的研究。智能机器:能够在各类环境中自主地或交互的执行各种拟人任务的，与人智力相当或相近的机器。具体地说是能够对人类语言理解语言理解、知识学习、思维推理知识学习、思维推理和和自主行为自主行为模拟的机器。现在学习的是第4页，共68页广义：AI是指人类智能行为规律、智能理论方面的研究。作为学科，AI研究如何使机器（计算机）具有智能的科学和技术，特别是自自然然智智能能如何在计算机上实

4、现或再现的科学和技术。因此，从学科角度讲，当前的人工智能是计算机科学的一个分支。人工智能的研究却不仅涉及到计算机科学，而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知(思维)科学、行为科学、生命科学和数学，以及信息论、控制论和系统论等许多学科领域。狭义方面已经做了一些工作，如专家系统的研究与开发。广义的理解至今还没有做出令人兴奋的结果。现在学习的是第5页，共68页AIAI问题的复杂性：问题的复杂性：问题的复杂性：问题的复杂性：人的思维机制是什么，能够建造人工智能吗？n人脑的思维推理过程的机械化？n大脑的意识是什么？n计算机能够有自觉性和意识吗？弱目标：让计算机成为能够有效模仿、建立

5、人的思维、行为的有效工具；AI主要探讨人类思维、行动中那些尚未算法化的功能行为.良结构问题：可以用数学模型或者算法精确描述，用传统程序求解；不良结构问题：不存在完全确定的数学描述模型，没有现成的算法，或者有算法但是属于NP完全问题，只能用弱方法求解。AI研究不良问题求解过程：如果这个问题还没有解决，则它就是人工智能研究的范畴。弱方法的特点：问题的已知信息不精确，或者不完整；使用的知识本身是经验性的，不严格的或者人类尚未完全掌握的；问题求解需要反复试探或者搜索，求解过程/结果可能不确定。现在学习的是第6页，共68页Chinese Room翻译和理解系统构成：封闭房间内，有只懂得英文的一个人;一叠

6、用英文写的翻译规则和符号对照表等，一叠白纸；一个小窗能够递进递出薄的纸片（输入/输出）；房间进行翻译工作；观察：在外部看，这个房间是正在进行中文翻译工作，内部：假定该人不懂中文，书籍和表格等也谈不上懂得中文，本质上：房间内的人所做工作没有任何谈得上具有“理解”中文的工作。*系统能够正常运行解决问题，不等于系统懂得和理解问题Turing Test（1950）M(主持人)向A(人)、B（机器）提问，M、A、B相互之间没有联系；A回答提问并表示他是“真正的人”；B模拟人的思维、推理来回答问题，并表示它是“真正的人”；M能够区分A、B吗？如果不能区分，表示B具有人工智能。图灵认为在2000年以前，可能

7、构造计算机和人们交谈5分钟，并有30%的把握可以FOOL人。图灵测试的意义：研究智能行为-使实验研究成为可能现在学习的是第7页，共68页1.1.2为什么要研究人工智能*从对数据世界的需求发展到对知识世界的需求*为寻求试探性搜索，启发式的、不精确的、模糊的、甚至容许出现错误的推理方法，使之符合人类的思维过程。计算机是迄今为止最有效的信息处理工具，但现在的普通计算机系统的智能还相当低下，缺乏自自适适应应、自自学学习习、自自优优化化等能力，也缺乏社会常识或专业知识等，只能是被动地按照人们为它事先安排好的工作步骤进行工作。因此经典计算机的功能难以满足越来越复杂和越来越广泛的社会需求。既然计算机和人脑一

8、样都可进行信息处理，那么是否也能让计算机同人脑一样也具有智能呢？这正是人们研究人工智能的初衷。现在学习的是第8页，共68页AI研究也是当前信息化社会的迫切要求。人类社会现在已经进入了信息化时代，信息化的进一步发展，必须有智能技术的支持例如：Internet强烈地需要智能搜索技术基于本体论的非结构化搜索。智能化也是自动化发展的必然趋势。自动化发展到一定水平，再向前发展就是智能化，即智能化是继机械化、自动化之后，人类生产和生活中的又一个技术特征。智能技术应用是后信息化社会的主要特征之一现在学习的是第9页，共68页人工智能的目标人工智能的研究目标可分为远期目标和近期目标。远期目标：制造智能机器。要使

9、计算机具有看、听、说、写等感知和交互功能，具有联想、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。简言之，也就是使计算机像人一样具有自动发现规律和利用规律的能力，或者说具有自动获取知识和利用知识的能力，从而扩展和延伸人的智能。从目前的技术水平来看，全面实现上述目标，还存在很多困难。近期目标：实现机器智能，即先部分地或某种程度地实现机器的智能，从而使现有的计算机更灵活、更好用和更有用，成为人类的智能化信息处理工具。现在学习的是第10页，共68页1.1.4人工智能的表现形式人工智能的表现形式至少如下几种：智能软件：智能软件：范围比较广泛，包括：完整的智能软件系统，如专家

10、系统、知识库系统等；具有一定智能的程序模块，如推理程序、学习程序等，这种程序可以作为其它程序系统的子程序；有一定知识或智能的应用软件，如字处理软件Word（有一定的英语语法知识，在英文文稿的录入、编辑过程中，表现出一定的文字处理智能）。现在学习的是第11页，共68页智能设备：包括具有一定智能的仪器、仪表、机器、设施等。如采用智能控制的机床、汽车、武器装备、家用电器等。这种设备实际上是被嵌入运行某种智能软件的嵌入式计算机/处理器系统的设备。智能网络：智能化的信息网络。具体来讲，从网络的构建、管理、控制、信息传输，到网上信息发布和检索以及人机接口等，都是智能化的。智能计算机：知识处理功能智能机器人

11、：具有智能行为的机器装置。现在学习的是第12页，共68页1.2 人工智能的研究途径与方法人工智能的研究途径与方法 1.2.1结构模拟，神经计算所谓结构模拟，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。难点：人脑是由大约1011个神经细胞组成的一个动态、开放、并行、高度复杂的巨系统（神经网络），人们至今对它的生理结构和工作机理还未完全弄清楚。现在学习的是第13页，共68页1.2.2功能模拟，符号推演现代计算机本质上是符号处理机器，在当前的数字计算机上，对人脑从功能上进行模拟，实现人工智能。这种途径称为功能模拟法。具体来讲，功能模拟法就是将问题或知识表示成某种逻辑网络，采用符号

12、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，实现机器智能。现在学习的是第14页，共68页1.2.3行为模拟，控制进化除了上述两种研究途径和方法外，还有基于感知-行为模型的研究途径和方法行为模拟法。这种方法是模拟人在控制过程中的智能活动和行为特性，如自寻优、自适应、自学习、自组织等，来研究和实现人工智能。典型代表:MIT的R.Brooks.研制的六足行走机器人(亦称为人造昆虫或机器虫)，曾引起人工智能界的轰动。这个机器虫可以看作是新一代的“控制论动物”，它具有一定的适应能力，是一个运用行为模拟即控制进化方法研究人工智能的代表作。现在学习的是第15页，共68页1.3 人工智能

13、的分支领域人工智能的分支领域基于脑功能模拟的划分基于研究途径与实现技术的划分基于应用领域的划分基于应用系统的划分基于计算机系统结构的划分基于实现工具与环境的划分1.3.1基于脑功能模拟的领域划分1.机器感知机器感知就是计算机直接“感觉”周围世界。具体来讲，就是计算机像人一样通过“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。所以，要使机器具有感知能力，就首先必须给机器配置各种感觉器官，如视觉器官、听觉器官、嗅觉器官等等。于是，机器感知还可以再分为机器视觉、机器听觉等分支课题。现在学习的是第16页，共68页要研究机器感知，首先要涉及图像、声音等信息的识

14、别问题。为此，现在已发展了一门称为“模式识别”的专门学科。模式识别的主要目标就是用计算机来模拟人的各种识别能力，当前主要是对视视觉觉能能力力和和听听觉觉能能力力的的模模拟拟，并且主要集中于图形识别和语音识别。图形识别主要是研究各种图形（如文字、符号、图形、图像和照片等）的分类。例如识别各种印刷体和某些手写体文字，识别指纹、白血球和癌细胞等等。这方面的技术已经进入实用阶段。语音识别主要是研究各种语音信号的分类。语音识别技术近年来发展很快，现已有商品化产品(如汉字语音录入系统)上市。现在学习的是第17页，共68页模式识别的过程：信号采集=数字化(离散化）=特征提取=模式识别=分类结果输出.例：将摄

15、像机、Micphone或其它传感器接受的外界信息转变成电信号序列，计算机再进一步对这个电信号序列进行各种预处理，从中抽出有意义的特征，得到输入信号的模式，然后与机器中原有的各个标准模式进行比较，完成对输入信息的分类识别工作。现在学习的是第18页，共68页2.机器联想联想是人脑思维过程中最基本、使用最频繁的功能。例如，当听到一段乐曲，我们头脑中可能会立即浮现出几十年前的某一个场景，甚至一段往事，这就是联想。特点：按内容组织记忆当前，对机器联想功能的研究中就是利用这种按内容记忆原理，采用“联想存储”技术实现联想功能。其特点是：(1)可以存储许多相关（激励，响应）模式对;(2)通过自组织过程可以完成

16、这种存储;(3)以分布、稳健的方式（可能出现高冗余）存储信息;(4)可以根据接收到的相关激励模式产生并输出适当的响应模式;(5)即使输入激励模式失真或不完全时，仍然可以产生正确的响应模式;(6)可在原存储中加入新的存储模式。现在学习的是第19页，共68页3.机器推理机器推理就是计算机推理，也称自动推理。它是人工智能的核心课题之一。因为，推理是人脑的一个基本功能和重要功能。事实上，几乎所有的人工智能领域都与推理有关。因此，要实现人工智能，就必须将推理的功能赋予机器，实现机器推理。现在学习的是第20页，共68页4.机器学习机器学习就是机器自己获取知识。具体来讲，机器学习主要有这几层意思：(1)对人

17、类已有知识的获取（这类似于人类的书本知识学习）；(2)对客观规律的发现（这类似于人类的科学发现）；(3)对自身行为的修正（这类似于人类的技能训练和对环境的适应）。现在学习的是第21页，共68页5.机器理解机器理解主要包括自然语言理解自然语言理解和图形理解等。自然语言理解就是计算机理解人类的自然语言，如汉语、英语等，并包括口头语言和文字语言两种形式。使机器翻译真正成为现实。美国认知心理学家G.M.Ulson曾为理解提出了四条判别标准:(1)能够成功地回答与输入材料有关的问题；(2)能够具有对所给材料进行摘要的功能；(3)能用不同的词语叙述所给材料；(4)具有从一种语言转译成另一种语言的能力。现在

18、学习的是第22页，共68页6.机器行为机器行为主要指机器人行动规划。它是智能机器人的核心技术，规划功能的强弱反映了智能机器人的智能水平。因为，虽然感知能力可使机器人认识对象和环境，但解决问题，还要依靠规划功能拟定行动步骤和动作序列。例如：迷宫/机器人足球/机器人灭火：路径规划现在学习的是第23页，共68页1.3.2基于研究途径与实现技术的领域划分1.符号智能符号智能就是以符号知识为基础，通过符号推理进行问题求解而实现的智能。这也就是所说的传统人工智能或经典人工智能。符号智能研究的主要内容包括知识工程和符号处理技术。知识工程涉及知识获取、知识表示、知识管理、知识运用以及知识库系统等一系列知识处理

19、技术。符号处理技术指基于符号的推理和学习技术，它主要研究经典逻辑和非经典逻辑理论以及相关的程序设计技术。简而言之，符号智能就是基于人脑的心理模型，运用传统的程序设计方法实现的人工智能。现在学习的是第24页，共68页2.计算智能计算智能是以数据为基础，通过数值计算进行问题求解而实现的智能。计算智能研究的主要内容包括人工神经网络、进化计算(包括遗传算法、遗传程序设计、进化规划、进化策略等)、模糊算法等。计算智能主要模拟自然智能系统，研究其数学模型和相关算法，并实现人工智能。计算智能是当前人工智能学科中一个十分活跃的分支领域。现在学习的是第25页，共68页1.3.3基于应用领域的领域划分1.难题求解

20、这里的难题，主要指那些没有算法解，或虽有算法解但在现有机器上无法实施或无法完成的困难问题。根据可计算理论，所谓难解问题有：NP(NondeterministicPolynomial)：即不能证明算法复杂性超越多项式界，又没有找到有效算法的问题NPC(NondeterministicPolynomialComplete)：NP问题中最困难的子类智能游戏：梵塔问题，农夫过河，8数码（九宫图），8皇后，骑士巡游，魔方应用问题：路径规划、运输调度、电力调度、地质分析、测量数据解释、天气预报、市场预测、股市分析、疾病诊断、故障诊断、军事指挥、机器人行动规划、机器博弈等等。现在学习的是第26页，共68页2

21、.自动定理证明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。自动定理证明的方法主要有四类：(1)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。(2)判定法。即对一类问题找出统一的计算机上可实现的算法解。在这方面一个著名的成果是我国数学家吴文俊教授1977年提出的初等几何定理证明方法。(3)定理证明器。它研究一切可判定问题的证明方法。(4)计算机辅助证明。它是以计算机为辅助工具，利用机器的高速度和大容量，帮助人完成手工证

22、明中难以完成的大量计算、推理和穷举。现在学习的是第27页，共68页3.自动程序设计自动程序设计就是让程序代码自动生成。具体来讲，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。这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。但这只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，即自动证明所设计程序的正确性。现在学习的是第28页，共68页4.自动翻译自动翻译即机器翻译，就是完全用计算机作为两种语言之间的翻译。机器翻译由来已久。早在电子计算机问世不久，就有人提出了机

23、器翻译的设想。随后就开始了这方面的研究。当时人们总以为只要用一部双向词典及一些语法知识就可以实现两种语言文字间的机器互译，结果遇到了挫折。“The spirit is willing but the flesh is weak”(心有余而力不足）心有余而力不足）英英=俄语俄语=英：英：“The win is good but the meat is spoiled”(酒是好的但肉变质了）酒是好的但肉变质了）现在学习的是第29页，共68页5.智能控制智能控制就是把人工智能技术引入控制领域，建立智能控制系统。美籍华裔科学家傅京孙(KS.Fu)1965年首先提出把人工智能的启发式推理规则用于学习控制

24、系统以来，国内外众多的研究者投身于智能控制研究，并取得一些成果。智能控制系统的智能可归纳为以下几方面：(1)先验智能：有关控制对象及干扰的先验知识，可以从一开始就考虑到控制系统的设计中;(2)反应性智能：在实时监控、辨识及诊断的基础上，对系统及环境变化的正确反应能力;(3)优化智能：包括对系统性能的先验性优化及反应性优化;(4)组织与协调智能：表现为对并行耦合任务或子系统之间的有效管理与协调。现在学习的是第30页，共68页6.智能决策与智能管理智能决策就是把人工智能技术引入决策过程，建立智能决策支持系统。智能决策支持系统是在20世纪80年代初提出来的。它是决策支持系统与人工智能，特别是专家系统

25、相结合的产物传统决策支持系统+智能决策部件一般来说，智能部件中可以包含如下一些知识：(1)建立决策模型和评价模型的知识。(2)如何形成候选方案的知识。(3)建立评价标准的知识。(4)如何修正候选方案，从而得到更好候选方案的知识。(5)完善数据库，改进对它的操作及维护的知识。把人工智能技术引入管理领域，建立智能管理系统是现代管理科学技术发展的新动向。智能管理是人工智能与管理科学、系统工程、计算机技术及通信技术等多学科、多技术互相结合、互相渗透而产生的一门新技术、新学科。它研究如何提高计算机管理系统的智能水平，以及智能管理系统的设计理论、方法与实现技术。现在学习的是第31页，共68页8.智能通信智

26、能通信就是把人工智能技术引入通信领域，建立智能通信系统。智能通信就是在通信系统的各个层次和环节上实现智能化。例如在通信网的构建、网管与网控、转接、信息传输与转换等环节，都可实现智能化。这样，网络就可运行在最佳状态，使呆板的网变成活化的网，使其具有自适应、自组织、自学习、自修复等功能。现在学习的是第32页，共68页9.智能仿真智能仿真就是将人工智能技术引入仿真领域，建立智能仿真系统。我们知道，仿真是对动态模型的实验，即行为产生器在规定的实验条件下驱动模型，从而产生模型行为。现在学习的是第33页，共68页10.智能CAD智能CAD（简称ICAD）就是把人工智能技术引入计算机辅助设计领域，建立智能C

27、AD系统。事实上，AI几乎可以应用到CAD技术的各个方面。从目前发展的趋势来看，至少有下述四个方面：(1)设计自动化。(2)智能交互。(3)智能图形学。(4)自动数据采集。现在学习的是第34页，共68页从具体技术来看，ICAD技术大致可分为如下几种方法：(1)规则生成法。(2)约束满足方法。(3)搜索法。(4)知识工程方法。(5)形象思维方法。现在学习的是第35页，共68页11.智能CAI智能CAI就是把人工智能技术引入计算机辅助教学领域，建立智能CAI系统，即ICAI。ICAI的特点是能对学生因才施教地进行指导。为此，ICAI应具备下列智能特征:(1)自动生成各种问题与练习。(2)根据学生的

28、水平和学习情况自动选择与调整教学内容与进度。(3)在理解教学内容的基础上自动解决问题生成解答。现在学习的是第36页，共68页1.3.4基于应用系统的领域划分1.专家系统所谓专家系统，就是基于人类专家知识的程序系统。专家系统的特点是拥有大量的专家知识（包括领域知识和经验知识），能模拟专家的思维方式，面对领域中复杂的实际问题，能作出专家水平级的决策，像专家一样解决实际问题。现在学习的是第37页，共68页2.知识库系统所谓知识库系统，从概念来讲，它可以泛指所有包含知识库的计算机系统（这是广义理解）；也可以仅指拥有某一领域广泛知识以及常识的知识咨询系统（这是一种狭义理解）。按广义理解，专家系统、智能数

29、据库系统等也都是知识库系统。这里我们对知识库系统按狭义理解。现在学习的是第38页，共68页3.智能数据库系统智能数据库系统就是给传统数据库系统中再加上智能成分。例如：演绎数据库、面向对象数据库、主动数据库等等，都是智能数据库系统。4.智能机器人系统智能机器人是这样一类机器人：它能认识工作环境、工作对象及其状态，能根据人给予的指令和“自身”认识外界的结果来独立地决定工作方法，实现任务目标，并能适应工作环境的变化。现在学习的是第39页，共68页1.3.5基于计算机系统结构的领域划分1.智能操作系统智能操作系统就是将人工智能技术引入计算机的操作系统之中，从质上提高操作系统的性能和效率。智能操作系统的

30、基本模型，将以智能机为基础，并能支撑外层的AI应用程序，以实现多用户的知识处理和并行推理。现在学习的是第40页，共68页2.智能多媒体系统多媒体技术是当前计算机最为热门的研究领域之一。多媒体计算机系统就是能综合处理文字、图形、图像和声音等多种媒体信息的计算机系统。智能多媒体就是将人工智能技术引入多媒体系统，使其功能和性能得到进一步发展和提高。事实上，多媒体技术与人工智能所研究的机器感知、机器理解等技术也不谋而合。现在学习的是第41页，共68页3.智能计算机系统智能计算机系统就是人们正在研制的新一代计算机系统。这种计算机系统从基本元件到体系结构，从处理对象到编程语言，从使用方法到应用范围，同当前

31、的诺依曼型计算机相比，都有质的飞跃和提高，它将全面支持智能应用开发，且自身就具有智能。现在学习的是第42页，共68页4.智能网络系统智能网络系统就是将人工智能技术引入计算机网络系统。如在网络构建、网络管理与控制、信息检索与转换、人机接口等环节，运用AI的技术与成果。研究表明，AI的专家系统、模糊技术和神经网络技术可用于网络的连接接纳控制、业务量管制、业务量预测、资源动态分配、业务流量控制、动态路由选择、动态缓冲资源调度等许多方面。5分布式人工智能系统传统人工智能以集中式人工智能为主，研究的是个体智能（个体的推理、学习、理解等智能行为）。分布式人工智能（DistributedArtificial

32、Intelligence，DAI）而研究的则是群体智能，主要研究在逻辑上或物理上分散的智能个体或智能系统如何并行地、相互协作地实现大型复杂问题求解。现在学习的是第43页，共68页1.3.6基于实现工具与环境的领域划分1.智能软件工具包括开发建造智能系统的程序语言和工具环境等，这方面现已有不少成果。如：函数程序设计语言(LISP)、逻辑程序设计语言(PROLOG)、对象程序设计语言(Smalltalk、C+、Java)、框架表示语言(FRL)、产生式语言(OPS5)、神经网络设计语言(AXON)、智能体(Agent)程序设计语言等等，以及各种专家系统工具、知识工程工具、知识库管理系统等。现在学习

33、的是第44页，共68页2.智能硬件平台指直接支持智能系统开发和运行的机器硬件，这方面现在也取得了不少成果。如：LISP机、PROLOG机、神经网络计算机、知识信息处理机、模糊推理计算机、面向对象计算机、智能计算机等，以及由这些计算机组成的网络系统，有的已研制成功，有的正在研制之中。现在学习的是第45页，共68页1.4 人工智能的基本技术人工智能的基本技术 1.4.1推理技术几乎所有的人工智能领域都要用到推理，因此，推理技术是人工智能的基本技术之一。需指出的是，对推理的研究往往涉及到对逻辑的研究。逻辑是人脑思维的规律，从而也是推理的理论基础。机器推理或人工智能用到的逻辑，主要包括经典逻辑中的谓词

34、逻辑和由它经某种扩充、发展而来的各种逻辑。后者通常称为非经典或非标准逻辑。现在学习的是第46页，共68页1.4.2搜索技术所谓搜索，就是为了达到某一“目标”，而连续地进行推理的过程。搜索技术就是对推理进行引导和控制的技术，它也是人工智能的基本技术之一。事实上，许多智能活动的过程，甚至所有智能活动的过程，都可看作或抽象为一个“问题求解”过程。所谓“问题求解”过程，实质上就是在显式的或隐式的问题空间中进行搜索的过程。即在某一状态图，或者与或图，或者一般地说，在某种逻辑网络上进行搜索的过程。现在学习的是第47页，共68页搜索技术也是一种规划技术。因为对于有些问题，其解就是由搜索而得到的“路径”。搜索

35、技术是人工智能中发展最早的技术。在人工智能研究的初期，“启发式”搜索算法曾一度是人工智能的核心课题。截至目前，对启发式搜索的研究，人们已取得了不少成果。如著名的A*算法和AO*算法就是两个重要的启发式搜索算法。目前，启发式搜索仍然是人工智能的重要研究课题之一。现在学习的是第48页，共68页1.4.3知识表示与知识库技术知识表示是指知识在计算机中的表示方法和表示形式，它涉及到知识的逻辑结构和物理结构。知识库类似于数据库，所以知识库技术包括知识的组织、管理、维护、优化等技术。对知识库的操作要靠知识库管理系统的支持。显然，知识库与知识表示密切相关。需说明的是，知识表示实际也隐含着知识的运用，知识表示

36、和知识库是知识运用的基础，同时也与知识的获取密切相关。现在学习的是第49页，共68页1.4.4归纳技术所谓归纳技术，是指机器自动提取概念、抽取知识、寻找规律的技术。归纳技术与知识获取及机器学习密切相关，因此，它也是人工智能的重要基本技术。归纳可分为基于符号处理的归纳和基于神经网络的归纳。这两种途径目前都有很大发展。基于数据库的数据采掘(DM)；知识发现(KDD)=语义网络以上我们介绍了人工智能的一些基本理论和技术，因为这些理论和技术仍在不断发展和完善之中，所以，它们同时也是人工智能的基本课题现在学习的是第50页，共68页1.5 人工智能的发展概况人工智能的发展概况 1.5.1人工智能学科的产生

37、现在公认，人工智能学科正式诞生于1956年暑期:JohnMcCarthy,MarvinLeeMinsky发起达特茅斯会议。需要指出的是：AI学科虽然正式诞生于1956年的这次学术研讨会，但实际上它是逻辑学、心理学、计算机科学、脑科学、神经生理学、信息科学等学科发展的必然趋势和必然结果。单就计算机来看，其功能从数值计算到数据处理，再下去必然是知识处理。现在学习的是第51页，共68页1.5.2符号主义途径发展概况1956年之后的10多年间，人工智能的研究取得了许多引人瞩目的成就。从符号主义的研究途径来看，主要有：(1)1956年，美国的纽厄尔、肖和赛蒙合作编制了一个名为逻辑理论机(LogicThe

38、oryMachine，简称LT)的计算机程序系统。(2)1956年，塞缪尔研制成功了具有自学习、自组织、自适应能力的跳棋程序。现在学习的是第52页，共68页(3)1959年，籍勒洛特发表了证明平面几何问题的程序，塞尔夫里奇推出了一个模式识别程序；1965年罗伯特(Roberts)编制出了可以分辨积木构造的程序。(4)1960年，纽厄尔、肖和赛蒙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(GeneralProblemSolving简称GPS)。(5)1960年，麦卡锡研制成功了面向人工智能程序设计的表处理语言LISP。该语言至今仍然是人工智能研究的一个有力工具。(6

39、)1965年，鲁宾逊(Robinson)提出了消解原理，为定理的机器证明做出了突破性的贡献。现在学习的是第53页，共68页1.5.3连接主义途径发展概况从连接主义的研究途径看，早在20世纪40年代，就有一些学者开始了神经元及其数学模型的研究;1943年心理学家McCulloch和数学家Pitts提出了形式神经元的数学模型现在称之为MP模型;1944年Hebb提出了改变神经元连接强度的Hebb规则。MP模型和Hebb规则至今仍在各种神经网络中起重要作用。现在学习的是第54页，共68页神经网络学科的发展和应用也迎来了脑神经科学、认知科学、心理学、微电子学、控制论和机器人学、信息技术和数理科学等学科

40、的相互促进、相互发展的空前活跃时期.特别是在计算机科学研究领域，将从根本上改变人们传统的数值、模拟、串行、并行、分布等计算与处理概念的内涵和外延，出现了分布式并行新概念、数值模拟混合的新途径，探索和开创光学计算机、生物计算机、第n代计算机的新构想，为21世纪计算机科学与技术的飞速发展奠定了思想和理论基础。现在学习的是第55页，共68页1.5.4当前发展趋势由于人工智能技术的飞速发展，很难对人工智能的当前发展趋势作出全面、准确的评估。一般认为，当前人工智能的发展，呈现出如下特点：(1)传统的符号处理与神经计算各取所长，联合作战。(2)一批新思想、新理论、新技术不断涌现。软计算：模糊技术/模糊神经

41、网络/遗传算法/混沌理论知识处理：粗集理论/数据挖掘/知识发现面向对象技术现场AI.(3)以Agent（称为“主体”或“智能主体”、“智能体”等）技术和分布式人工智能(DAI）正异军突起，蓬勃发展。现在学习的是第56页，共68页(4)应用研究愈加深入而广泛。当今的人工智能研究与实际应用的结合越来越紧密，受应用的驱动越来越明显。事实上，现在的人工智能技术已同整个计算机科学技术紧密地结合在一起了，其应用也与传统的计算机应用越来越相互融合了。现在学习的是第57页，共68页1.5.5AI的工程化70年代，人工智能开始从理论走向实践，解决一些实际问题。以Feigenbaum为首的一批年轻科学家改变了战略

42、思想，1977年提出了知识工程的概念，开展了以知识为基础的专家咨询系统研究与应用。著名的专家系统有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197

43、6）；XCON计算机配置专家系统（卡内基-梅隆大学1978）。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。现在学习的是第58页，共68页1.6人工智能研究的特点人工智能是一门知识的科学：以知识为对象，研究知识的获取、表示和使用。人工智能的系统过程：数据处理-知识处理，数据-符号。符号表示的是知识而不是数值、数据。问题焦点：问题焦点：当前人工智能的研究应该以人类的普遍思维规律为主，还是以特定知识的处理和运用为主？智能的本质是什么？机器能达到人的水平吗？总而言之，人工智能研究是非常困难的。McCarthy：人工智能的所有问题都是难解的。Minsky：人工智能是有史以来最

44、难的科学之一。难在：实现智能需要浩繁的知识，而最难对付的知识是常识（不是专业知识）。Dreyfus：常识问题是实现人工智能的最大障碍结论结论：万能的逻辑推理体系至今没有创造出来，并不是因为人工智能专家的本事不够，而是因为这种万能的体系从根本上就是不可能有的。他最大的弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识，在实际生活中，人是根据知识行事的，而不是根据在抽象原则上的推理行事。现在学习的是第59页，共68页1.7人工智能相关文献及网站介绍人工智能的理论研究和应用正处于茁壮发展阶段，紧密关注和跟踪最新的人工智能领域的成果是非常重要的。下面介绍一些人工智能领域比较知名的文献与会议、以

45、及网站,以方便了解人工智能领域的最新动态和研究热点。(1)相关文献及会议：IJCAI：世界人工智能大会，2年一次AAAI：美国一年一次的年会“AI”：杂志(2)AI网站机器人H:www.rollingbrains.dedefault.htmhttp:/www.rcs.ei.tum.de/research/rovi/http:/www.uni-koblenz.de/ag-ki/ROBOCUP/现在学习的是第60页，共68页 自然语言理解http:/www.rollingbrains.de/http:/www.rcs.ei.tum.de/research/rovi/http:/www.uni-koblenz.de/ag-ki/ROBOCUP/http:/166.111.68.47/robocup/robo_CHI/news/news.html专家系统http:/ Turing现在学习的是第65页，共68页John McCarthyMarvin Lee Minsky现在学习的是第66页，共68页Herbert A.SimonAllen Newell现在学习的是第67页，共68页Edwared A.FeigenbaumRaj Reddy现在学习的是第68页，共68页