ArtificialIntelligence人工智能.ppt

Artificial Intelligence人 工 智 能 Prof. Dong Hongye 董鸿晔 教授 donghy001@163.com 第4章 适应性智能系统 4.1人工智能发展的几个阶段 4.2智能系统 4.3智能控制 智能交通 智能家居 智能楼宇 4.1人工智能发展的几个阶段 早期人工智能（AI）的起源是基于心理学的研究，寻求启发式知识在人类思维过程中的作用，把这类知识表达成逻辑形式加以利用。 这是AI最早的模型。早期以逻辑为基础的AI研究，可以概括为符号表达、启发式编程、逻辑推理或者称为“深思熟虑”的思维的模型，这可以说是AI研究的最初阶段，或称传统的AI时期。 “Perceptron”（感知机） 在AI发展的过程中，由康奈尔大学的心理学家Rosenblatt设计的“Perceptron”（感知机），通过训练可以对图像进行分类。感知机代表了一种全新的AI研究方法。 在20世纪60年代AI的专家转向到研制感知机或类似的人工神经网络，但感知机由于是两层网络，其局限性只具有能进行“线性分类”的功能，曾遭受到明斯基等人不公正的批评。 AI 专家的惊愕 80年代人们对人工神经网络的热情增大，致力于构建“人工神经网络模型”过程中，习惯于传统人工智能方法的一些AI 专家感到惊愕。 Minsky、Mccarthy及Fagenbaum等AI权威人士相信得到机器智能唯一明智的方法是找到一个正式的框架，能再现知识与推理，然后针对这个方案进行编程。 这些权威人士认为，想要通过加强连接的神经网络使机器创造出知识和逻辑是死路一条。 人工神经网络的道理 它的特点是以分布方式表示信息，也就是用有若干个结点，每两个结点间可以连接起来的网络表示信息，以往用以表示知识的语义网络是一个结点与一个概念对应，而人工神经网络是以结点的一种分布模式以及加权量的大小与一个概念对应。 这样即使每个结点上的信息属性发生了畸变与失真，也不至于使网络所表达的概念的属性产生重大的变化。 学习算法 另外有些共同单元上的信息也可以用来表达相类似的概念，这就是在谈到人工神经网络时，人们所津津乐道的“并行信息分布处理”的精髓所在（第1章已做介绍）。 神经元网络对知识表达从显式变成隐式，这种知识不是通过人的加工转换成规则，而是通过学习算法自动获取的。 对特定论域而言，即将输入模式中各抽象概念转化为神经元网络的输人数据，并根据论域特点适当解释神经元网络的输出数据。 从模拟人的思想的角度来考虑 当时有的学者把AI的研究途径概括为以符号处理为核心的传统方法及网络连接为主的连接机制（Connectionism）方法。 人的两种主要思维方式是逻辑思维和形象思维（直感思维）。 符号处理可以认为主要在于模拟人的逻辑思维，连接机制主要致力于模拟人的形象思维。 关于形象思维虽然人们认识到它的重要性，但用现在的计算机来模拟形象思维是很困难的，需要在计算机的体系结构上有新的突破。 人们对网络模型结构抱有很大希望 以往比较著名的人工神经元网络模型有哈普费尔德（Hopfield）网络，反向传播（Back-Propagation)网络，自适应共振理论（Adaptive Resonance Theory）网络等。 在20世纪80年代，Hopfield的工作及反向传播理论受到关注，许多研究人员蜂拥而至这个领域时，自适应共振理论的创建人Grossberg是少数几个坚持自己的工作又对建立这个领域有所帮助的人。 格劳斯博格在大脑学习及人工智能方面从事了30多年的工作，逐渐形成一套建立在神经网络基础上的模式。人工神经网络得到蓬勃发展的这一时期，可以说是AI发展的第二阶段。 这两个阶段往往称为传统的AI时期。 一件令震惊的事件 一件令人工智能研究领域中震惊的事件是1991年8月在澳洲悉尼举行的国际人工智能联合会议，世界上有23个国家的近1500人参加了这次会议。 在这次会议上，美国MIT 的年轻教授布鲁克斯(R. Brooks)获得了大会授予的“计算机与思维”项目奖，他在会上做了题为“没有推理的智能”的学术报告，提出人工智能的一些新观点，与传统的看法大相径庭。 布鲁克斯(R. Brooks)论点 他论述了计算机、机器人等的发展情况以及他自己长期从事的“人造昆虫”，即具有六条腿的像蝗虫一样的自动装置。 他以自己的实践与经验论述了20世纪40年代由维纳（N. Wiener）创立的控制论（Cybernetics）思想对人工智能的影响，其中主要之点是研制一个具有智能的系统，自然要问系统在什么样的环境中运行，亦即是系统与环境是不可分的。 系统的复杂性 系统的复杂性不仅仅体现在系统本身，而且也体现在环境方面 例如研制一个家用机器人（或以前AI领域中说的电子秘书），与一个工业方面完成某种零件装配的机器人大不相