人工智慧-淡江大学.ppt

淡江大學 資訊工程學系 第17章 人工智慧 人工智慧的起源 1943, McCulloch 和 Pitts 建構腦神經運作模型 1952, McCarthy 提出“Artificial Intelligence (AI)” 『人工智慧』一詞 Intelligence 由拉丁文 legere 演變而來 是蒐集和組合，並從事選擇、進而能瞭解和感受 人工智慧的研究範圍 困難問題解決 (Puzzles) 困難問題解決 (Puzzles) 有一個人帶著一隻狼、一隻羊、與一粒甘藍在河的左岸想要渡河，岸邊有一艘船只能容納一人與一物。 然而，若人不在其旁，則狼會吃掉羊；相同的，羊會吃掉甘藍。 請問：這個人有可能帶著他的財產安全地渡河嗎？ 問題解析 M — 人 W — 狼 G — 羊 C — 甘藍 狀態轉變圖(State Transition Diagram) 電腦遊戲 電腦遊戲 1997，IBM的超級電腦深藍打敗西洋棋王 井字遊戲(Tic-Tac-Toe) 在畫有“井”字的九個空格裡 一方畫X，一方畫O 畫X的一方先下 誰先完成一列、一行、或對角線，誰就贏 基本原理 採極大極小法(minimaxing method) 以目前的盤局，考慮所有可能可以走的棋步 對於每一個可能的新盤局，也考慮所有可能可以走的棋步 如是一直推衍下去，可以考量到很多步之後所有可能的盤局 需評估函數(evaluation function)來評估每一個盤局對雙方的勝算如何 評估函數計算 畫X的一方定為極大（MAX） 畫O的一方定為極小（MIN） 盤局 p 的評估函數：e(p) = （MAX仍有可能完成的行數、列數、與對角線的總和）–（MIN仍有可能完成的行數、列數、與對角線的總和） 對稱盤局 為減少評估函數的計算，對稱的盤局都視為相同 如下圖盤局(a)， (b) 垂直對稱 (c) 對角線對稱 (d) 水平對稱 井字遊戲前兩步 MAX第二次考量 專家系統 專家系統 1970年代人工智慧研究中，最為成功、也是應用最為廣泛的領域 專家系統基本概念： 早期著名的專家系統 MYCIN — 疾病診斷 DENDRAL — 由光譜來分析化學成分 DIPMETER — 分析地質資料以探勘石油 PROSPECTOR — 探勘礦藏 XCON/R1 — 電腦系統組合 知識庫結構 儲存著某一知識範疇內的專家知識，並以某種知識表達法來表示 知識表達法最常用到的、也是最簡單的方式為規則，其形式如下： If 前提1 前提2 … 前提n Then 結論1 結論2 … 結論m 規則的圖示法 假設我們有下列規則： If ?x是肉食性動物 ?x是金黃色 ?x有黑色條紋 Then ?x是老虎 推論機制 前向鍊結 (Forward Chaining) 依據已知的事實與先前所推導出的結論，檢視是否符合某規則的前提部分，若符合則可推得結論 後向鍊結 (Backward Chaining) 由結論開始反推回去，透過規則得知需要哪些前提，才能推得結論 辨識動物種類的知識庫 辨識動物種類的知識庫 (cont.) 觀察到的特徵 一隻動物名叫『小葉』，有如下特徵： 有頭髮 會反芻 有長腳 有長脖子 是金黃色 有深色斑點 根據特徵推論 自然語言處理 自然語言處理 自然語言— 指的是人類所使用的語言 如中文、英文等 電腦程式語言 如C、C++、Java語言 自然語言的處理包含 語彙分析 — 將其單字切割出來 語法分析 — 檢視單字的順序是否符合文法結構 語意分析 — 嘗試了解句子的意義 部分英文文法 S: Sentence (句子) NP: Noun Phrase (名詞片語) VP: Verb Phrase (動詞片語) PRO: Pronoun (代名詞) PN: Proper Noun (專有名詞) ADJ: Adjective (形容詞) V: Verb (動詞) 語法分析 由上而下剖析（top-down parsing） 由下而上剖析（bottom-up parsing） 剖析樹（parse tree） 英文例句 “Bill printed the file”，剖析樹如下 模擬心理治療的ELIZA ELIZA程式的運作原理 ELIZA使用樣板比對技巧來比對上述規則箭號左邊的部分 成功匹配，則可用規則右邊的句子回答 機械學習 機械學習 符號式學習（symbolic learning） 將事例依其特徵以文字或符號方式表示，然後嘗試取出其分類規則 本節探討主題 連結式學習（connectionist learning） 將事例的特徵用數值形式表示，然後用類神經網路的機制來學習其分類規則 下一節討論 曬傷研究觀察紀錄 識別樹 (Identification Tree) 可