人工智能绪论课件.ppt

人工智能 华中科技大学水电与数字化工程学院 人工智能未来走向——新联结主义 新联结主义研究是以人类的大脑结构为模型，以新一代计算机为技术基础，建立一种模拟人类多种思维为统一体的一种研究。 新联结主义研究的建立受到符号主义、联结主义和行为主义研究在实践所遭遇困境的启示，通过对这些研究纲领所具有的优势进行整合来探讨一种人工智能未来研究的纲领。 与传统的联结主义不同，新联结主义“把认知主要看成是神经网络相互作用中所突现(或涌现)的整体属性，采用还原论与整体主义相融合的研究策略。” 它首先是把人类的智力活动还原为大脑中神经元的活动，把人类的智力活动看作是以序列、并列以及相互作用的大脑神经元的活动，然后在此基础上强调大脑神经元的整体活动，体现了整体论与还原论相融合的立场。 因此，新联结主义的建立是以还原论与整体论辩证统一的思想为硬核，以人脑结构为研究模型，以并行处理神经计算机为技术支持的一种新的人工智能研究理论。 0.4 对人工智能技术路线的争论 1.专用路线 强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。 2.通用路线 认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。通用路线强调人工智能应用系统和人工智能产品的开发，应与计算机立体技术和主流技术相结合，并把知识工程视为软件工程的一个分支。 3.硬件路线 认为人工智能的发展主要依靠硬件技术。该路线还认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。 4.软件路线 强调人工智能的发展主要依靠软件技术。软件路线认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。 0.5 人工智能的研究范围与领域 人工智能的研究范围 问题求解：如下棋程序。 相关知识：Deep Blue 简历： 1985年，美国卡内基-梅隆大学的博士生Feng-hsiung Hsu着手研制一个国际象棋的计算机程序：“Chiptest”。1989年Hsu 与Murray Campbell加入了IBM的Deep Blue研究项目，最初研究目的是为了检验计算机的并行处理能力。几年后，研制小组开发了专用处理器，可以在每秒中计算2-3000步棋局。在科研人员的不断完善下，1997年，DeepBlue的硬件系统采用了32节点的大规模并行结构，每个节点由8片专用的处理器同时工作，这样，系统由256个处理器组成了一个高速并行计算机系统；研究小组又不断完善了博弈的程序。Deep Blue发展为高水平的博弈大师，在国际象棋比赛规定的每步棋限时3分钟里，可以推演1000-2000亿步棋局。Garry Kasparov的思考速度是200步/分。1997年5月11日，Deep Blue以3.5：2.5战胜了当时的国际象棋世界冠军盖利.卡斯帕罗夫。 逻辑推理和定理证明 如数学定理的证明。 对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 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。 自然语言处理 如语言翻译、语音识别、语言生成和理解等。 已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。 有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。 人工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。 自动程序设计 “超级编译程序”，能从高级形式的描述，生成所需的程序。 专家系统 专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。 专家系统和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定的信息基础上作出结论。 机器学习： 机器学习：自动获取新的事实及新的推理算法 学习能力无疑是人工智能研究上最突出和最重要的一个方面。学习是人类智能的主要标志和获得知识的基本手段。 机器学习是使计算机具有智能的根本途径。正如香克(R. Shank)所说：一台计算机若不会学习，就不能称为具有智能的。“ 此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。 人工神经网络： 由于冯·诺依曼(Van Neumann)体系