人工智能和认知物理学.pptVIP

人工智能和认知物理学 Artificial Intelligence and Cognitive Physics 李德毅 ziqin@public2.bta.net.cn 2002年11月25日 认知科学——研究人类如何获取知识和使用知识数据挖掘——让机器模拟人的智能从数据中发现知识 目录 人工智能50年发展回顾 20世纪物理学的成就 不确定性认知的原子模型 数据场和势函数 认知场中的知识发现 一、人工智能50年发展回顾 人工智能的兴起 智能的判定标准 人工智能研究的不同切入点 人工智能研究的目标 人工智能自诞生之日起就引起人们无限美丽的想象和憧憬；已经成为学科交叉发展中的一盏明灯,光芒四射；但其理论起伏跌宕，也存在争议和误解。 人工智能的兴起 数学家和逻辑学家； 认知学家和心理学家； 神经生理学家； 计算机科学家 人工智能的兴起 达特茅斯会议上，明斯基（Marvin Minsky）的神经网络模拟器、麦卡锡（John Mccarthy）的搜索法、以及西蒙（Herbert Simon）和纽厄尔（Allen Newell）的“逻辑理论家”是会议的3个亮点。分别讨论如何穿过迷宫，如何搜索推理和如何证明数学定理。这是初期人们期待的人工智能。 人工智能的经典著作 由费根鲍姆主编的《Computers and Thought》被认为是世界上第一本人工智能的经典专著，含21篇著名论文，1963年出版。 80年代出版的1-4卷《The Handbook of Artificial Intelligence》是人工智能的杠鼎之作。 人工智能研究的杰出人物 智能的判定标准 图灵(Turing)测试： 如果机器在与人隔离的房间回答人提出的问题，且人无法判断回答问题的是机器还是人时，则应该认为机器已经具备人的智能。 猴子摘香蕉 梵塔游戏 计算机下棋: 1997年IBM“深蓝”计算机以2胜3平1负的战绩战胜国际象棋冠军卡斯帕罗夫,“深蓝”计算速度为200万棋步/秒，采用启发式搜索方法； 在与下棋领域具有类似性质和类似复杂性问题上，计算机具备有智能。 计算机下棋: 卡斯帕罗夫自1990年称霸国际象棋棋坛,2000年举行的国际世界象棋冠军比赛中,克拉莫尼克以8:6领先卡斯帕罗夫。“深蓝”计算机能否打败克拉莫尼克？也就是说，“深蓝”计算机的智能能否“与时俱进”？ 追求智能的三步曲 1） 啊！真了不起！ 2） 啊！是这样的啊！ 3） 啊！这也算智能吗？ 4） 又回到第一步。 人工智能研究的对象 不确定 非线性 不完全 变结构 多变量 分布式 人工智能的应用 人工智能的实际应用越来越普遍。智能机器人、智能控制、智能网络、智能手机、智能数据库、智能管理、智能小区、智能交通、甚至智能经济等等不绝于耳，知识就是力量。 人工智能研究的切入点 先后出现了3个主流学派： 符号主义方法--逻辑学派 联结主义方法--仿生学派 行为主义方法--控制论学派 符号主义学派(西蒙和纽厄尔为代表) 物理符号系统假说（physical symbol system hypothesis）。由一组称为符号的实体组成系统，这些符号可作为组份出现在另一符号实体中。任何时候系统内部均有一组符号结构，以及作用在这些符号结构上生成其他符号结构的一组过程。任一物理符号系统如果是有智能的，则必能执行对符号的输入、输出、存储、复制、条件转移和建立符号结构这样6种操作。反之，能执行这6种操作的任何系统，也就一定能够表现出智能。 符号主义学派 认知基元是符号，智能行为通过符号操作来实现,以美国科学家Robinson提出的归结原理为基础，以Lisp和Prolog语言为代表； 着重问题求解中启发式搜索和推理过程，在逻辑思维的模拟方面取得成功，如自动定理证明和专家系统； 归结原理不可能成为所有数学分支的证明基础，问题求解和逻辑推理的本质仅仅是演译。 联结主义学派(J.J.Hopfield为代表) 人的思维基元是神经元，把智能理解为相互联结的神经元竞争与协作的结果,以人工神经网络为代表,其中,反向传播网络模型（BP)和Hopfield网络模型更为突出； 着重结构模拟，研究神经元特征、神经元网络拓朴、学习规则、网络的非线性动力学性质和自适应的协同行为。 遗传算法和进化计算： 1975年，John Holland提出遗传算法(Genetic Algorithm)，模仿生物染色体中基因的选择(selection)、交叉(crossover)和变异(mutation)的自然进化过程,通过个体结构重组,形成一代代新群体（populations) ,最终收敛于近似优化解。用于处理多变量、非线性、不确定、甚至混沌的大搜索空间的有