人工智能理论 第一章.ppt

人工智能的应用 模式识别： 用计算机进行物体识别。这里的物体一般指文字、符号、图形、图像、语音、声音及传感器信息等形式的实体对象，而并不包括概念、思想、意识等抽象或虚拟对象 经过多年研究已发展成为一个独立的学科，应用十分广泛，诸如信息、遥感、医学、影像、安全、军事等领域，特别是基于其而出现的生物认证、数字水印等新技术 人工智能的应用 数据挖掘与数据库中的知识发现： 数据挖掘主要流行于统计、数据分析、数据库和信息系统等领域 数据库中的知识发现主要流行于人工智能和机器学习等领域 涉及范围：企业数据、商业数据、科学实验数据、管理决策数据、Web数据等的挖掘和发现 人工智能的应用 计算机辅助创新： 以“发明问题解决理论(TRIZ)”为基础，结合本体论(Ontology)、现代设计方法学、计算机技术而形成的一种用于技术创新的新手段 可看做是机器发明创造的初级形式 部分例子见P17 人工智能的研究途径与方法 生理模拟，神经计算(续)： 神经网络具有高度的并行分布性、很强的鲁棒性和容错性，通过神经网络的“自学习”获得知识，再利用知识解决问题 擅长模拟人脑的形象思维，便于实现人脑的低级感知功能，例如图像、声音信息的识别和处理 采用生理模拟和神经计算方法的人工智能研究，被称为生理学、连接主义。其代表人物有McCulloch，Pitts，F.Rosenblatt，T.Kohonen，J.Hopfield等 人工智能的研究途径与方法 行为模拟，控制进化： 用模拟人和动物在与环境的交互、控制过程中的智能活动和行为特性，如反应、适应、学习、寻优等，来研究和实现人工智能 基于这一方法研究人工智能的典型代表要算MIT的R.Brooks教授，他研制的六足行走机器人(亦称为人造昆虫或机器虫)，曾引起人工智能界的轰动 人工智能的研究途径与方法 行为模拟，控制进化(续)： R.Brooks教授的工作代表了称为“现场(situated)AI”的人工智能新方向，强调智能系统与环境的交互，认为智能取决于感知和行动，智能行为可以不需要知识，提出“没有表示的智能”，“没有推理的智能”的观点，主张智能行为的“感知-动作”模式，认为人的智能、机器智能可以逐步进化，但只能在现实世界中与周围环境的交互中体现出来 基于行为模拟方法的人工智能研究，被称为行为主义、进化主义、控制论学派 人工智能的研究途径与方法 群体模拟，仿生计算： 模拟生物群落的群体智能行为，从而实现人工智能。例如： 模拟生物种群有性繁殖和自然选择现象而出现的遗传算法，进而发展为进化计算 模拟人体免疫细胞群而出现的免疫计算、免疫克隆计算及人工免疫系统 模拟蚂蚁群体觅食活动过程的蚁群算法 模拟鸟群飞翔的粒群算法和模拟鱼群活动的鱼群算法 人工智能的研究途径与方法 群体模拟，仿生计算(续)： 这些算法在解决组合优化等问题中表现出卓越的性能 对这些群体智慧的模拟是通过一些诸如遗传、变异、选择、交叉、克隆等所谓的算子或操作来实现的，所以统称为仿生计算 人工智能的研究途径与方法 博采广鉴，自然计算： 从生命、生态、系统、社会、数学、物理、化学、甚至经济等众多学科和领域寻找启发和灵感，展开人工智能的研究。例如： 从热力学和统计物理学所描述的高温固体材料冷却时，其原子的排列结构与能量的关系中得到启发，提出了“模拟退火算法”，该算法已是解决优化搜索问题的有效算法之一 从量子物理学中的自旋和统计机理中得到启发，而提出了量子聚类算法 1994年阿德曼(Addman)使用现代分子生物技术，提出了解决哈密顿路径问题的DNA分子计算方法，并在试管里求出了此问题的解 人工智能的研究途径与方法 博采广鉴，自然计算(续)： 这些方法一般称为自然计算(NC) ——模仿或借鉴自然界的某种机理而设计计算模型，这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法 自然计算是自然科学和计算科学相交叉而产生的研究领域，能够解决传统计算方法难于解决的各种复杂问题，在大规模复杂系统的最优化设计、优化控制、网络安全、创造性设计等领域具有很好的应用前景 人工智能的研究途径与方法 原理分析，数学建模： 通过对智能本质和原理的分析，直接采用某种数学方法来建立智能行为模型，例如： 用概率统计原理(特别是贝叶斯定理)处理不确定性信息和知识，建立了统计模式识别、统计机器学习和不确定性推理的一系列原理和方法 用数学中的距离、空间、函数、变换等概念和方法，开发了几何分类、支持向量机等模式识别和机器学习的原理和方法 提纲 什么是人工智能 人工智能的研究意义、目标和策略 人工智能的学科范畴 人工智能的研究内容 人工智能的研究途径与方法 人工智能的基本技术 人工智能的应用 人工智能的分支领域与研究方向 人工智能的发展概况 人工智能的基本技术 符号智能和计算智