人工智能导论课件作者鲍军鹏人工智能－1绪论.pptVIP

1966: ALPAC的负面报告造成 美国政府取消对机器翻译的资助 1969: Minsky 和 Papert的感知机报告造成美国政府取消对神经网络研究的资助。 1973: James Lighthill爵士的负面报告使得英国政府取消对AI研究的资助 “人工智能研究是不成功的，不值得政府资助。” 英政府接受了此报告的观点。从那时起至今，英国AI研究一蹶不振。 1969年，Minsky出版Perceptron一书。 一方面，他批评感知机无法解决非线性问题，例如， XOR问题。复杂性信息处理应该以解决非线性问题为主。 另一方面，几何方法应该代替分析方法作为主要数学手段。 对人工智能发展的影响： 在以后的二十年，感知机的研究方向被忽视。 基于符号的知识表示成为主流。 基于逻辑的推理成为主要研究方向。 1977: SRI启动 PROSPECTOR 工程 帮助地质专家探测和解释矿物 1978年发现钼矿脉(molybdenum vein) 1977: Edward Feigenbaum正式提出知识工程作为一门学科 在1977年IJCAI会议上 1980: John McDermott的XCON专家系统 用于配置 VAX 机器系统 知识工程时代 专家系统 知识工程 知识工程席卷全球 1981: 日本政府宣布日本五代机（first-generation computer）计划（即智能计算机） 1982: John Hopfield 掀起神经网络的研究 1986: Thinking Machines Inc 研制联结机器 (Connection Machine) 1987: LISP机器市场开始暗淡 1988: 386芯片使得PC机速度可以与LISP机器媲美 1982年，J．Hopfield提出了可用作联想存储器的互连网络，这个网络称为Hopfield网络模型。Hopfield网络比较成功求解了货郎担问题 1986年，Rumelhart发现了BP算法，导致感知机之类的研究重新兴起。 BP网（算法），解决了多层网的学习问题 存在问题： 理论依据 解决大规模问题的能力 新的动向——构造化方法 1992: 日本政府宣布五代机计划失败。随后启动RWC计划（Real World Computing Project） 1993: Shoham提出AOP,Agent-Oriented Programming 1995: Vapnik提出SVM 1996:中科院计算所多主体系统MAPE 1996: DARPA启动HPKB计划 军事上的“Grand Challenge”问题分析和求解 1997: IBM 深蓝II (Deep Blue)击败Garry Kasparov 2000:中科院计算所多主体环境MAGE,知识发现系统MSMiner 网络给AI带来无限的机会 知识发现与数据挖掘 AI走向实用化 1.3.1 人工智能研究的特点 交叉学科 综合性、理论性、实践性、应用性都很强 与传统的计算机软件系统相比 以知识为主要研究对象； 大多采用启发式（Heuristics）方法而不用穷举的方法来解决问题； 一般都允许出现不正确结果。 符号主义（Symbolicism） 基于物理符号系统假设和有限合理性原理的人工智能学派。 联结主义（Connectionism） 基于神经元及神经元之间的网络联结机制来模拟和实现人工智能。 行为主义（Actionism） 基于控制论和“感知——动作”型控制系统的人工智能学派 物理符号系统假设（ Newell和Simon，1976） 物理符号系统具有必要且足够的方法来实现普通的智能行为。把智能问题都归结为符号系统的计算问题，把一切精神活动都归结为计算。所以人类的认识过程就是一种符号处理过程，思维就是符号的计算。 有限合理性原理（Simon） 人类之所以能在大量不确定、不完全信息的复杂环境下解决那些难题，其原因在于人类采用了启发式搜索的试探性方法来求得问题的有限合理解。 一个物理符号系统的符号操作功能主要有： 输入、输出、储存、复制符号；建立符号结构，即确定符号间的关系，在符号系统中形成符号结构；条件性迁移，依赖已经掌握的符号继续完成行为。 任何一个系统，如果能够表现出智能的话，一定能执行上述六种功能；反过来，如果任何系统具有以上六种功能，它就能表现出智能。 符号主义观点认为： 知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。 从功能上对人脑进行模拟 在自动推理、定理证明、机器博弈、自然语言处理、知识工程、专家系统等方面取得了显著成果。 但是“常识”问题，不确定事物的表示和处理问题是需要解决的难题 “传统的人工智能”或者“经典的人工智能” 人类智能的物质基础是神经系统，其基本单元是神经元。 搞