106-Artificial Intelligence人工智慧.ppt

Artificial Intelligence人工智慧 陳富媺 沈奕超 高誠勵 WHAT’S Artificial Intelligence 人工智慧  人工智慧的特徵 1. 符號表示的能力 2. 啟發式（heuristic）的推理能力 3. 具有表達知識的能力 4. 不完整、不確定、甚至相互矛盾的數據可以被處理 5. 機械學習（machine learning）的能力 人工智慧的目的 代替人類解決生產、生活中的具體問題。 通過電腦技術延伸人類智力，提高人類解決生產、生活中的具體問題的能力。 通過電腦技術研究和推動人類智力發展。  人工智慧的源始 人工智慧的發展可以追溯到第二次世界大戰的末期，當時為了解決一些軍事上和情報上的問題，科學家們開始研究發展一種有智慧的機器。後來在1956年McCarthy主持了Dartmouth會議，成為公認之人工智慧發展史的開端。 人工智慧的發展歷程 近代發展 由於網路的興起，人工智慧又發展出，例如「代理人」（Agents）的程式，來代替原本需要人工操作的工作；此外，類神經網路及基因遺傳演算法也是目前非常熱門的人工智慧相關研究。 人工智慧的爭論 －電腦真的有智慧嗎? 正方： 如果電腦系統能夠類比人類的智力活動，完成人用智慧才能完成的任務，就應該承認電腦有智慧。 反方： 人類智慧是一個發生、發展的過程。人類在解決問題時，存在非智力因素與智力因素的相互作用。電腦能夠類比的人類智慧極其有限。  強人工智慧與弱人工智慧 由約翰·麥卡錫（John McCarthy）在1956年的達特矛斯會議（Dartmouth Conference）上提出的 強人工智慧：被認為是有知覺的，有自我意識的。 弱人工智慧：並不真正擁有智慧，也不會有自主意識。目前的主流科研集中在弱人工智慧上，並且一般認為這一研究領域已經取得可觀的成就。強人工智慧的研究則出於停滯不前的狀態下。 目前人工智慧的應用 專家系統(Expert System) 自然語言處理(Natural Language Understanding) 電腦視覺(Computer Vision) 語音辨識(Speech Understanding) 機器人應用(Robotic Application) 類神經網路(Artificial Neural Network) 智慧型代理人(Intelligent Agent) 專家系統 定義:一個以知識法則為依據,以推理為方法之 智慧型程式! 更明確的說法,是針對各個特定領域(預測財務狀況,安排貨車的運輸路線,透過詢問病人病情進行診斷,提供醫療方法和藥方…),然後配合龐大的資料庫提供對話式查詢與建議方案的系統! 如何設計專家系統 該如何設計:要建構出一套專家系統我們需要: 一個或數個資訊專家 一個或數個知識工程師 p.s.建構專家系統困難於知識工程,包括知識取得以及知識表示! 系統構造 知識庫：專家系統中儲存解決問題相關知識的部分 使用者介面：提供使用者諮詢及回應諮詢結果的介面 知識擷取界面：提供編輯增修知識庫功能的介面 工作記憶區：儲存推理過程中的事實部分 推理機制：控制推理過程的機制 圖示: 應用1/2 較為有名的專家系統: DENDRAL:是一個推論化學結構的專家系統! 由stanford大學所研發. 功能:根據質譜儀的實驗觀測結果，進行圖譜識別、分析推理、給出被觀測的未知化合物的分子結構式 ! /jon_alava/docs/dendral.htm#Ingles 應用2/2 MYCIN: MYCIN是一套醫學上應用的專家系 統! 功能:可經由 一連串的交談式資料輸入而協助診斷感染性疾病並建議用以治療此 病之抗生素種類及劑量 .tw/es/Spring03/es08.files/frame.htm 人與系統的比較 人類專家 與 專家系統之比較: 人 類 專 家:以創意 適應性強 知覺、經驗,焦點廣,能解常識性的問題 專 家 系 統: 沒有靈感,需教導,符號輸入,焦點窄,只能解技術性問題 類神經網路 由來:類神經網路起源於1950年代,科學家仿造人類頭腦提出”感知機”的神經元模型!這可以算是最早的類神經模型! 發展:在1980年代前,專家系統較為風行且類神經網路的理論上未成熟,並沒有受到很大的重視直到1982年霍普菲爾神經網路被提出,才逐漸受重視! 運作:類神經網路的運作,其實就跟人類的神經大同小異!人類: 類神經網路: 訓