人工智能 chpter1.ppt

人工智能及其应用 研究方向及在研课题 方向一：计算机视觉 包括图象处理、特征提取、摄像机标定、三维重建等 国家自然科学基金项目：鱼眼摄像机运动和结构的因子分解法研究 包括信号检测、智能仪器仪表系统的设计与研究 横向研究项目：毫瓦级超声功率源的开发与研制 合作研究项目：仿真组织材料的声学参数测量研究 课程目的: 了解人工智能的发展现状 学习人工智能的基本概念及人工智能的基础知识 探讨人工智能技术的应用 课程时间安排及考查方式 第3周—第10周 每周四下午5,6,7节 科技楼303教室上课; 第11—13 周 每周四下午 5,6,7,8节 电教馆机房 上机实验。 考查方式：平时成绩（10%）+实验成绩（30%）+期末考试成绩（60%）。 本章内容1.1 关于人工智能的定义1.2 人工智能的基础1.3 人工智能简史1.4 智能体与环境1.5 智能体结构1.6 人工智能的研究和应用领域   1.1 关于人工智能的定义智能体对AI的4种不同定义类人行动/类人思考/理性思维/理性行动 作为智能体的人类 智能体(Agent) 人类是一种智能体 我们，作为一个智能体，为什么能够思考? 大脑这么一小堆东西怎么能够感知、理解、预测和应对一个远比自身庞大和复杂的世界？——理解人类，理解智能体 人工智能(AI)走得更远：不仅试图理解智能体，而且要建造智能体——制造出像人类一样完成某些智能任务的系统(软件) 处于探索初期的学科 AI是新兴学科，也是激动人心的学科. Russell声称：不同于物理学，这里还有出现几个爱因斯坦的余地 为什么？研究主观世界的成果远少于研究客观世界的成果 对AI的4种不同定义(1) 不同定义—类人行为(1) 类人行为：图灵测试(1950) 图灵建议：不是问“机器能否思考”，而是问“机器能否通过关于行为的智能测试” 不同定义—类人行为(2) 测试过程：让一个程序与一个人进行5分钟对话 / 然后人猜测交谈对象是程序还是人？如果在30%测试中程序成功地欺骗了询问人，则通过了测试 图灵期待最迟2000年出现这样的程序，但是到目前为止，面对训练有素的鉴定人，没有一个程序接近30%的标准 不同定义—类人行为(3) 要想程序通过图灵测试，还需要做大量工作，这些技能包括： 自然语言处理, 使机器可以用人类语言交流 知识表示, 存储机器获得的各种信息 自动推理, 运用知识来回答问题和提取新结论 机器学习, 适应新环境并检测和推断新模式 以及(为了完全图灵测试) 计算机视觉, 机器感知物体 机器人技术, 操纵和移动物体 不同定义—类人行为(4) AI研究者并未花费很多精力来尝试通过测试, 因为研究智能的根本原则远比复制样本重要. 如同空气动力学与模拟鸟类飞行之对于飞机的产生 类人思考: 认知模型方法 如何得知人类是如何思考的? 通过自省—捕捉人类思维过程和通过心理测试 这种方法不满足于让程序正确地解决问题, 更加关心对程序的推理步骤轨迹与人类个体求解同样问题的步骤轨迹进行比较 认知科学: 把来自AI的计算模型与来自心理学的实验技术相结合, 试图创立一种精确而且可检验的人类思维工作方式的理论 通常, 我们只关心程序实现了什么功能, 而不会比较AI技术和人类认知之间的异同 不同定义—理性思考 理性地思考: “思维法则”方法 19世纪, 逻辑学家就发展出可以描述世界上一切事物及其彼此关系的精确的命题符号 1965年, 原则上, 已经有程序可以求解任何用逻辑符号描述的可解问题(消解法) AI领域传统的逻辑主义希望通过编制上述程序来创造智能系统 难点: 非形式化的知识难以用逻辑符号形式化 / “原则上”可以解决问题和实际解决问题二者之间存在巨大差异 不同定义—理性行动(1) 理性地行动: 理性智能体方法 计算机智能体应该有别于“简单的”程序: 具有诸如自主控制操作、感知环境、适应变化等 理性智能体：要通过自己的行动获得最佳结果，或者在不确定的情况下，获得最佳期望结果 不仅要正确地推理，还要正确地行动 / 正确推论是理性智能体的部分功能，而不是理性的全部内容 图灵测试中需要的技能都是为了作出理性行为 不同定义—理性行动(2) 把AI研究视为理性智能体的设计过程 好处： 普遍性：比“思维法则”法则方法(理性地思维)更广 / 比建立在人类行为或者思维基础(类人方法)上的方法更形式化, 因为相比具有清楚的定义或标准 正确的结果在不同条件下可以定义清楚 完美理性—总能做正确的事情 vs. 有限理性 — 在没有足够计算时间的前提下采取正确的行动 完美理性在复杂环境下是不可行的 4种方法的比较 AI概念理解是一个过程 上述定义见仁见智 重要的是学习AI方法、应用AI方法，在实践中逐步深入领会AI这个词