博弈论与人工智能 博弈论与人工智能应用.doc

博弈论与人工智能 博弈论与人工智能应用 博弈论与人工智能应用 021051 张佳宾 人工智能（AI）是智能机和计算机科学的分支，其目的是创建它。 教科书将该字段定义为“研究和设计的智能代理”，其中一个智能代理是一个系统，认为其环境，并采取行动，最大限度地提高成功的机会 ?2个问题 2.1演绎，推理，问题解决 2.2知识表示 ?2.3规划 ?2.4学习 O 2.5自然语言处理 O 2.6运动和操纵 O 2.7感知 O 2.8社会智力 O 2.9创造力 O 2.10智能 ?3个方法 3.1控制论和脑模拟 3.2符号 3.3小符号 3.4统计 O 3.5集成的方法 ?4个工具 O 4.1搜索和优化 ?4.2逻辑 ?4.3的概率不确定性推理方法 ?4.4分级和统计学习方法 O 4.5神经网络 ?4.6控制理论 ?4.7语言 ?评估进展情况 ?6个应用程序 ?6.1比赛及奖品 ?6.2平台 ?7个哲学 ?8个预测 演绎，推理，问题解决 早期的人工智能研究人员开发的算法，模仿一步一步推理，这些人常常想当然地使用时，他们解决难题，玩棋盘游戏或进行逻辑推理。 到了20世纪80年代末和90年代，人工智能研究也开发了非常成功的 方法处理不确定或不完整的资料，从概率论和经济学的用人理念。 对于难以解决的问题，这些算法都需要巨大的计算资源 - 最有经验的“组合爆炸”：内存或电脑的时间需要天文数字的问题时，超过一定规模的量。 寻找更有效的解决问题的算法是人工智能研究的一个高度优先事项。 人类解决他们的问题，使用快速，直观的判断，而不是有意识的，一步一步的演绎，早期人工智能的研究是能够模拟。 AI一直在模仿这种“子象征性”问题的解决取得了一些进展： 体现剂的方法强调的重要性ofsensorimotor技能，以更高的推理; 神经网络的研究试图模拟人类和动物的大脑，让这个技能的内部结构。 缺省推理和资格问题 许多事情的人都知道的“工作假设的形式。”例如，如果一只鸟在谈话中，人们通常想象的动物，是拳头大小，唱歌，和苍蝇。 这一切都不是真实的所有鸟类。约翰麦卡锡于1969年确定了这个问题的资格问题：任何常识性规则，人工智能研究人员关心的代表，往往是一个巨大的若干例外情况。几乎没有什么是简单的true或false的方式，抽象的逻辑要求。人工智能的研究，探索出了这个问题的解决方案。[51] 常识性知识的广度， 原子事实，一般人都知道的数量是个天文数字。 尝试的手，建立一个完整的知识基础的常识性知识（例如，CYC）需要大量的艰苦的本体论的工程 - 他们必须建立一个复杂的概念，在时间的研究项目。[52]一个主要目标是有计算机理解足够的能够读取来源，如互联网学习的概念，从而可以添加到自己的本体。 子象征性的一些常识 许多人都知道什么是没有代表的“事实”或“报表”，实际上，他们可以大声的说出来。例如，国际象棋大师将避免国际象棋一个特定的位置，因为它“感觉太暴露了”一名艺术评论家，可以采取一看，在一尊雕像，并立即意识到，这是假的。[54]这是直觉或倾向，表示不自觉地和子象征性的。 [55]这样的知识在大脑中的通知，支持，并提供了一个象征性的，有意识的知识背景。与子符号推理的相关问题，希望位于AI智能计算将提供这方面的知识的方式来表示。 规划 主要文章：自动规划与调度 学习 主要文章：学习机 自然语言处理 ASIMO使用传感器和智能算法，以避开障碍物和导航楼梯。 主要文章：自然语言处理 自然语言处理[64]给出了机器的能力，阅读和理解人类的语言说话。许多研究人员希望，一个足够强大的自然语言处理系统，将能够获得自己的知识，在互联网上提供的现有文本阅读。一些简单的应用程序包括信息检索， 自然语言处理（或文本挖掘）和机器翻译。[65] 运动和操纵 主要文章：机器人 机器人领域[66]是密切相关的AI。情报需要机器人能够处理等任务对象的操作[67]和导航，本地化的子问题（知道你在哪里），映射（学习什么是你周围）和运动规划（找出如何那里）。[68] 感觉 主要文章：机器感知，计算机视觉，语音识别 机器感知[69]使用输入推断出方面的world.Computer视觉传感器（如摄像机，麦克风，声纳和其他更奇特的）[70]的能力，分析视觉输入的能力。几个选定的子是语音识别，[72] [71]面部识别和物体识别。 社会智力 主要文章：情感计算 天命，机器人基本的社交技巧 情感和社会技能[73]一个智能代理扮演两个角色。首先，它必须能够预测他人的行为，了解他们的动机和情感状态。 （这涉及博弈论，决策论，以及模拟人类的情绪和感知能力，以检测情绪的能力）。此外，良好的人机交互，智能机也需要显示的