1人工智能概述.pptx
- 文档编号:15094562
- 上传时间:2023-06-30
- 格式:PPTX
- 页数:41
- 大小:215.49KB
1人工智能概述.pptx
《1人工智能概述.pptx》由会员分享,可在线阅读,更多相关《1人工智能概述.pptx(41页珍藏版)》请在冰点文库上搜索。
人工智能原理,张永奎,张永奎简介山西大学教授、博士生导师。
1981年在航空部北京621研究所获工学硕士学位。
1984至1989年担任山西大学计算机科学系副系主任、副教授。
19901992年赴英国Stirling大学进行了自然语言处理领域的合作研究。
1992年3月回国后筹建了山西大学计算中心,并担任主任。
1992年9月2001年8月担任山西大学计算机科学系主任、教授。
1997年在美国NewOrleans大学进行了智能信息检索与Java软件开发等方面的访问研究。
1994年起担任学术刊物Comm.COLIPS的国际编委。
2000年起担任刊物计算机研究与发展的第四届编委。
1992年以来,主持了国家级和省部级项目18项,获得省部级科技进步奖7项(一等奖2项,二等奖1项,三等奖4项),发表论文90余篇,出版著作、教材8部。
1991、1996年两次被山西省委、省政府评为山西省优秀专家,1992年被国务院批准为享受政府特殊津贴的专家。
1学习目标,通过对本课程的学习,突破传统思想的束缚,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。
在学习基本的原理和方法基础上,讨论一些新的和正在研究中的人工智能方法与技术,有重点地研究人工智能的相关领域,跟踪人工智能的研究热点,做到点面结合,既扩大了知识面,又能够抓住研究重点,并能够应用相应的人工智能技术解决实际应用问题。
2课程要求,学员要求:
要求学员有离散数学、数理逻辑等数学基础,具有谓词演算等基本逻辑计算能力。
同时最好能够先修过人工智能基础等课程,掌握搜索方法等人工智能最基础的原理和方法。
课程要求:
了解什么是人工智能,什么是知识表示,什么是不确定性推理,什么是机器学习,什么是自然语言处理,什么是智能体。
主要掌握多种知识表示的特点及应用领域;不确定性推理的基本方法;机器学习的传统方法与神经网络方法;自然语言处理理论及其应用;智能体及其体系结构。
在学习书本知识的同时,利用网络资源,观察人工智能研究发展新动向,了解新成果。
一个积木世界的谓词演算描述,on(c,a).on(b,d).ontable(a).ontable(d).clear(b).clear(c).hand_empty.,定义何时积木顶上为空的规则,下面的规则描述了何时积木顶上为空。
X(Yon(Y,X)clear(X).这就是说,对任何积木X,如果在其顶上不存在Y,则X顶上为空。
将一个积木堆放在另一个积木顶上的规则,根据何时积木顶上为空的规则,可以增加一个能描述将一个积木堆放在另一个积木顶上的规则。
例如,为了将X堆放到Y上,首先机械臂的手是空的,并且X与Y顶上为空,则拿起X将X放到Y上,规则如下:
XY(hand_emptyclear(X)clear(Y)pick_up(X)put_down(X,Y)stack(X,Y).,3重点难点,最大的难点就在于从知识、假设、推理的角度出发去思考问题,解决问题。
另一个难点在于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。
因此最主要的是掌握人工智能思想,对人工智能的各个领域有一定了解的同时,有重点地理解某些人工智能的相关问题。
4参考书籍,人工智能原理,石纯一等,1993年,清华大学出版社人工智能及其应用,蔡自兴徐光佑,1996年,清华大学出版社人工智能,J.Nilsson著,郑扣根等译,2000年,机械工业出版社人工智能上、下,陆汝钤,1989年科学出版社机器定理证明刘叙华,1989年,科学出版社人工智能技术导论,廉师友,2000年,西安电子科技大学出版社高级人工智能,史忠植,1998年,科学出版社模式识别,边肇祺等,1999年,清华大学出版社NatureLanguageUnderstanding,JamesAllen,1995年,TheBenjamin/CummingsPublishCompany,Inc.,知识结构,推理方法:
归结推理和不确定性推理,知识表示,机器学习,神经网络学习,自然语言处理,智能体,第一章人工智能概述,1.1人工智能的定义1.2人工智能的发展史1.3人工智能的研究内容1.4人工智能研究的特点1.5人工智能相关文献及网站介绍,1.1人工智能的定义(从狭义的概念上来讲),计算机科学的一个分支,是对智能计算机系统的研究,涉及研究、设计和应用智能机器。
(思维科学:
研究用机器来模仿和执行人脑的某些智力功能,并开发相关理论和技术。
)智能机器:
能自主地或交互的执行各种拟人任务,与人智力相当或相近的机器。
(对人类语言能理解、能学习、能推理),1.1人工智能的定义(从广义的概念上来讲),从广义上来讲,人工智能是指人类智能行为规律、智能理论方面的研究。
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。
1.2人工智能的发展史,人工智能的研究不仅与对人的思维研究直接相关,而且和许多其它学科领域关系密切。
因此说到人工智能的历史,应当上溯到历史上一些伟大的科学家和思想家所作的贡献,他们为人工智能研究积累了充分的条件和基础理论。
这里仅列举几位重要的代表人物。
1.2人工智能的发展史
(1),古希腊的ristotle(亚里士多德)(公元前384-322),为形式逻辑奠定了基础。
形式逻辑是一切推理活动的最基本的出发点。
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。
Bacon的著名警句是“知识就是力量”。
德国数学家、哲学家Leibnitz(莱布尼茨)(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。
他曾经做出了能进行四则运算的手摇计算机,1.2人工智能的发展史
(2),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理;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。
此定理的意义在于,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。
1.2人工智能的发展史(3),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。
(从某种意义上可以说近代人工智能的发展,首先是从人工神经网络研究开始的。
)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。
1.2人工智能的发展史(4),1956年提出了“人工智能”。
创始人中有:
McCarthy,Minsky,Rochester,Shannon,Moore,Samuel,Selfridge,Solomonff,Simon,Newell等数学家、信息学家、心理学家、神经生理学家、计算机科学家。
McCarthy(麦卡锡)被尊为人工智能之父。
50年代初开始有了符号处理,搜索法。
(人工智能的基本方法是逻辑法和搜索法。
最初的搜索应用于机器翻译、机器定理证明、跳棋程序等。
),1.2人工智能的发展史(5),60年代Simon由试验得到结论:
人类问题的求解是一个搜索的过程,效果与启发式函数有关。
叙述了智能系统的特点:
智能表示、智能推理、智能搜索。
Nilson发表了A*算法(搜索方法)McCarthy建立了人工智能程序设计语言Lisp1965年Robinson提出了归结原理。
(归结原理是与传统的自然演绎法完全不同的消解法。
是第一个也是目前唯一的一个具有完备性(半完备性)的推理方法。
曾轰动整个科学界。
但该方法本身也有计算爆炸等问题。
),1.2人工智能的发展史(6),1968年Quillian提出了语义网络的知识表示方法1969年Minsky出了一本书“感知机”,给当时的神经网络研究结果判了死刑。
(人工神经网络的研究由此进入低潮时期,而人工智能、专家系统的研究进入高潮。
)70年代,人工智能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。
1.2人工智能的发展史(7),以Feigenbaum为首的一批年轻科学家改变了战略思想,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)。
1.2人工智能的发展史(8),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67千人参加。
硬件公司有上千个。
Lisp硬件、Lisp机形成产品。
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,解决了神经网络分类能力有限这一根本问题。
从此,神经网络的研究进入新的高潮。
1.2人工智能的发展史(9),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(RealWorldComputing)计划。
今天的AI
(1),计算机智能化技术的主攻方向体现在:
并行与分布式处理技术。
包括大规模并行机和机群的体系结构、并行操作系统与并行数据结构,分布式Client/Server计算模型及其处理技术,多专机系统的合作与知识共享技术等。
知识的获取、表示、更新和推理新机制。
包括新的知识获取方法,常识性知识的表示、更新与推理,大型知识库的组织与维护,新一代逻辑处理机制等。
多功能的感知技术。
包括对语音文字、图形与图像等信号的获取、识别、压缩与转化,以及多媒体输出和VR技术等。
今天的AI
(2),计算机智能化技术的主攻方向体现在:
智能Agent。
智能体的交互、通讯和多智能体体系结构。
智能体是智能体程序和智能体结构的结合。
数据挖掘。
其中包括数据挖掘、数据查询。
该方面的研究主要是信息时代的需求,面对海量的信息,人类必须有一整套的信息检索、处理手段,才能够从中得到有效的知识。
今天的AI(3),人工智能发展的历史和现在:
人工智能从以往的追求自主的系统,改变为人机结合的系统。
以前的是基于逻辑的深思熟虑的智能;现在是研究直觉、顿悟、形象思维与模式识别、SituatedAI,SensingandActing的结合,并且引入了概率论、遗传算法等理论。
计算机的定量与人的定性信息处理相结合,取长补短,从以前单一的mind到现在mindandbody。
甚至提出了没有知识表示、没有推理的智能(六脚爬虫)。
1.3人工智能的研究内容
(1),基础理论方面包括:
启发式搜索理论搜索的方法很多,如回溯、图搜索、启发式等等,主要是给定一些经验做指导提高搜索效率。
各种推理方法常识推理有知识不完全、不够用等问题,如鸟会飞,但是鸵鸟不会飞。
知识的模型化和表示方法知识表示方法主要有逻辑、产生式、语义网络、框架等。
人工智能系统结构及语言Lisp语言主要在美国,Prolog语言主要在欧洲使用比较广泛。
机器学习当前系统大多用归纳的学习、依赖知识库的学习,没有很成熟的方法。
神经网络、遗传算法等理论的应用也在探讨之中。
1.3人工智能的研究内容
(2),应用方面:
自然语言理解主要体现于机器翻译、自动文摘、全文检索等应用中。
数据库的智能检索研究如何在海量的知识中准确的找到自己需要的东西。
专家系统七十年来开始的人工智能领域的古老话题,有一些系统做得比较好,如下棋、探矿等。
机器定理证明取得了很多可以证明人工智能技术进步的成就。
但不是当今的热点话题。
博弈主要问题是机器学习和搜索。
机器人学涉及的知识领域广泛,已取得了很多实质性的成果,是应用前景最好的分支之一。
自动程序设计所有学计算机的人都希望该研究分支有实质性的成果。
组合调度对于浩繁的任务,可以给出完成任务的最佳(局部最优)的任务序列。
如机器人搬运。
感知现代人工智能的课题。
是“notonlyBODYbutalsoSENSER”理论的需要。
视觉除机器人学外,现今多媒体、视频检索等多个分支对视觉研究也提出了大量的需求。
人工智能研究分类,符号主义和连结主义是人工智能研究的主要观点。
符号主义传统的人工智能相对于神经网络研究而言的统称。
连结主义主要是指从生物、人类神经网络的结构、信息传输、网络设计(学习)的角度分析、模拟智能的形成与发展的研究。
从发展历史上看这两个方面是相辅相成的,从不同角度讨论智能的形成与发展。
人工智能的瓶颈问题,瓶颈问题知识获取(知识表示、机器学习)实现时的规模扩大问题应用前景(封闭的专家系统-机器学习问题)主攻:
利用计算机模拟人的行为(研究鸟);利用计算机构造智能系统(研究飞机)成功事例:
国际象棋程序;平面几何定理证明,1.4人工智能研究的特点
(1),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。
问题求解过程有启发,有推导。
人工智能是引起争论最多的科学之一焦点:
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?
结论:
人工智能研究是非常困难的。
1.4人工智能研究的特点
(2),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。
1.4人工智能研究的特点(3),结论:
(1)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的。
(2)即使就推理体系来说,它的主要技术是状态空间搜索,而在执行中遇到的主要困难就是组合爆炸,事实表明,单靠一些思维原则是解决不了组合爆炸问题的,要摆脱困境,只有大量使用理性的知识。
1.5人工智能相关文献及网站介绍,神经元网络http:
/www.mth.kcl.ac.uk/cnn/http:
/www.ewh.ieee.org/tc/nnc/http:
/www.aist.go.jp/NIBH/b0616/Lab/Links.htmlhttp:
/www.aist.go.jp/NIBH/b0616/Lab/Links.html知识表示http:
/www.cs.utep.edu/csdept/krgroup.htmlhttp:
/www.cs.man.ac.uk/franconi/kr.htmlhttp:
/jodi.ecs.soton.ac.uk/Articles/v01/i08/Cranefield/http:
/www.w3.org/Collaboration/人机对话http:
/综合的人工智能网站MITAritficialIntelligenceLab:
www.ai.mit.eduPCAI:
http:
/一个AI的杂志AIontheweb:
http:
/www.cs.berkeley.edu/russell/ai.htmlIITontheNRC:
http:
/www.iit.nrc.ca/ai_point.htmlAIMagazine:
http:
/www.aaai.org/Magazine/magazine.htmlGameAI:
AIresearch:
www.a-JAIR:
http:
/www.cs.washington.edu/research/jair/home.htmlACMSIGART(SpecialInterestGrouponArtificialIntelligence):
http:
/www.acm.org/sigart/AIonVirtualLibrary:
http:
/www.cs.reading.ac.uk/people/dwc/ai.htmlCMUArtificialIntelligenceRepository:
http:
/www.cs.washington.edu/research/jair/other-services.htmlDivisionofInformaticsArtificialIntelligence:
http:
/www.dai.ed.ac.uk/,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 概述