人工智能cumt第一章绪论.pptVIP

* * * * * * * * * * * * * 1.5 人工智能研究的主要领域——机器感知 计算机视觉（Def）研究用计算机来模拟人和生物的视觉系统功能，使计算机具有“感知”周围视觉世界的能力 具体来说，就是让计算机具有对周围世界的空间物体进行传感、抽象、判断的能力，从而达到识别、理解的目的。 口语识别（Def）建立在自然语言理解的基础上。 语言（书面语）理解包括词法、句法和语义分析 口语识别需外加语音分析。 * * 1.5 人工智能研究的主要领域——机器感知 口语识别 口语识别的研究工作起源于50年代末 60年代，具有小词汇量的系统已用于控制机器人的动作 70年代，对于自然语言语法和语义的研究成果推动了口语识别的工作 80年代后期，先进水平的口语识别系统是称为Sphinx的系统 90年代，实用化的口语识别初级产品开始出现 * * 1.6 存在的问题和发展前景 1、存在的问题 AI的发展经受了2次危机的考验 1)20世纪60年代陷入纯弱法研究的危机 坚信“强大的计算机加上通用问题求解方法（GPS），可以解决一切困难问题”， 专家系统和知识工程的兴起使AI研究脱离危机 2)80年代初AI研究缺乏实用价值的危机 外因——相当一部分人（特别是销售商）对AI技术作了浮夸的和不切实际的宣传，误导了投资倾向，过高的期望必然使投资者对AI技术取得实际成果感到失望。 内因——AI和专家系统技术的不成熟性以及肤浅理解 。许多人认为只要让计算机获得领域专家的经验知识，就能解决常规计算程序不能解决的所有问题；其实不然。 * * 1.6 存在的问题和发展前景 仅凭经验知识作推理存在严重的问题 ： 1）脆弱性和不可靠性 领域专家的经验知识往往不完善，当要解决的问题落入经验性知识可处理的范围时，系统具有专家级处理能力；但稍一超出范围，处理能力就急剧下降到零。这种现象称为脆弱性； 脆弱性使系统处理问题的范围狭小，并导致问题不能确保解决而出现的不可靠性。 * * 1.6 存在的问题和发展前景 仅凭经验知识作推理存在严重的问题 ： 2）与计算机主流技术脱节 除一些适合于符号推理技术解决的困难问题外，大多数实际应用问题（管理决策、工程技术等）的解决依赖于数值计算和数据库技术； AI技术应加强而不是取代常规软件。孤立使用的符号推理技术不利于推广应用。 3）知识获取的困难 经验知识并不是以陈述语句的形式存在于领域专家的头脑，而抽取、概括和归纳出经验知识是一种创造性劳动，其难度很大。 * * 1.6 存在的问题和发展前景 2、下一步实用化研究 1）针对脆弱性和不可靠性问题，加深对应用领域和问题求解任务的理解 深、浅层知识的综合应用 问题求解的结构化组织 2）与计算机主流技术综合集成 人工智能应用需建立在主流的硬、软件技术之上，而不是作为自成体系的孤岛型技术。 与传统的计算机技术（数值计算、数据库应用等）结合，促进常规软件的智能化。 ?综合集成各种新技术，包括知识工程、多媒体、分布对象、网络计算、构件化软件工程、人工神经网络、模糊推理等，以提高人工智能系统问题求解的能力和性能。 3）知识获取的自动化：手工方式、自动方式、机器学习 * * 预习 预习： 《人工智能》教材 2.1 概述，2.2 谓词逻辑表示法 * Aristotle（亚里士多德）(公元前384-322)，古希腊伟大的哲学家、思想家、著名学者Plato（柏拉图）的学生。主要贡献：为形式逻辑奠定了基础（一切推理活动的最基本的出发点）；三段论（最著名的创造）。代表作《工具论》，共六篇，其中最早给出了形式逻辑的一些基本规律，如矛盾律、排中律等，并实际上已经提出了同一律和充足理由律。 矛盾律、同一律和排中律并列为思想三大定律。 Bacon（培根）（1561-1626），英国哲学家和自然科学家。主要贡献：系统地提出了归纳法，成为和Aristotle的演绎法相辅相成的思维法则，但Bacon本人有点走极端，否认演绎法的作用。实际上，归纳同演绎一样，已被Aristotle所研究，并且在Socrate（苏格拉底）那里就已经提出，只是Bacon没有提得这样系统；强调了知识的作用，提出了著名的警句“知识就是力量”。 * * * * * * * * * * * 绘画，钢琴，爬山，旅行 司马贺 * * * * * * * * * * * * * * * AI发展的历史——泡沫破碎 80年代初，专家系统的开发走出了实验室，成为软件产业的一个新分支：知识产业。 大部分草率上马的专家系统项目无法实用 由于人工智能技术的不成熟性 人们对AI的期望值过高 80年代中期，AI特别是专家系统的泡沫迅速破灭，一部份人对AI的前景变得悲观，甚至有人提出AI的冬天已经来临。 * * AI发展的历史—