湖南大学人工智能课件.pptx

第一章 什么是人工智能？ 内容提要什么是人工智能(Artificial Intelligence)?人工智能的基础人工智能的历史最新发展水平什么是人工智能人工智能定义的四种观点：像人一样思考合理地思考像人一样行动合理地行动本书提倡人工智能定义为“合理地行动”像人一样行动：图灵测试图灵(1950) 提出图灵测试为智能提供一个令人满意的可操作性的定义如果一位人类询问者在提出一些书面问题以后不能区分书面回答来自人还是计算机，那么这台计算机就通过了图灵测试是否具有智能行为的测试：图灵模仿游戏(Turing Imitation Game)询问者的目的:通过计算机向两个人问问题以求弄清楚谁是男人谁是女人 第一阶段第二阶段男人试图回答询问者的问题欺骗询问者他是女人，女人试图使询问者相信她是女人计算机模拟男人的角色向询问者提供答案如果计算机能够成功地欺骗询问者，那么我们说这台计算机能通过智能行为测试图灵模仿游戏像人一样行动：图灵测试Is it passed?Still No!通过完全的图灵测试，计算机需具备以下能力：自然语言处理知识表示自动推理机器学习计算机视觉机器人学像人一样思考：认知建模基本想法：通过研究和发展人工智能和计算机科学，计算机是可能实现对人类精神过程的可测试推理。换句话说，如果我们发展了一个程序，该程序的输入输出行为匹配相应的人类思考行为，那么该程序能够实现像人类一样的思考！?????1960s cognitive revolution像人一样思考：认知建模要使程序像人一样思考，首先必须知道人如何思考：通过内省通过心理实验通过脑成像例子：通用问题求解器(GPS)不满足于正确解决问题，而是探求求解步骤是否相同于人类思维合理地思考希腊哲学家亚里士多德的研究开创了“逻辑学”三段论：“苏格拉底是人；所有人必有一死，苏格拉底必有一死”把程序的求解表示为用逻辑法来解决任何问题，比如使用“规则推导”。缺点：不是所有的问题都能用逻辑形式表示有时候用逻辑方法来解决问题需要耗尽计算机资源合理地行动：合理AgentAgent：能够行动的某种东西合理Agent:当存在不确定性时，能够实现最佳期望结果而行动的Agent一个agent可以抽象地表示成一个方程：对于给定的环境参数和任务，寻找一个Agent以达到最佳的性能合理地行动：合理Agent合理地行动：正确的推理可能是合理的推理；正确的推理不是合理性全部；有些合理的行动不涉及推理与其他三种途径相比的优点：比思维法则更一般，因为正确的推理只是实现合理性的其中可能机制之一比人类的行为更加经得起科学的检验，合理性的标准在数学上定义明确人工智能的基础学科主要内容哲学逻辑，推理方法，物理系统的学习，语言，合理性数学正规的表示和证明算法，可计算性，易处理性和不易处理性，概率经济学效用，决策理论神经科学大脑信息处理心理学行为主意，认知心理学计算机工程创建快速计算机控制理论设计系统在给定时间内最大化目标函数语言学知识表示，语法人工智能的历史孕育期(1943-1955)Warren McCulloch and Walter Pitts(in 1943)：人工神经元模型;Marvin Minsky (in 1950):第一台神经网络计算机；Turing (in 1950):图灵测试，机器学习，遗传算法，强化学习。诞生(1956年)达特茅斯大学，10位研究者为期两个月的研究人工智能的历史巨大的期望(1952-1969)通用问题求解器(GPS): 将要解决的问题定义为状态然后通过操作去接近于目标状态几何定理证明器西洋跳棋程序现实的困难(1966-1973)俄语英语的翻译 (对主题一无所知)通过不同组合来求解的方式局限于小问题产生智能行为的基本结构的某些根本局限，如感知机(Perceptron)人工智能的历史基于知识的系统(1969-1979)Dentral:根据质谱仪提供的信息推断分子结构Mysin：基于规则的系统用来推断血液疾病专家系统称成为热门的研究，但专家系统仅限于局部领域，且没有学习能力人工智能的历史知识引擎的新发展(1980s-现在)人工智能成为产业，比如商业发展专家系统神经网络的回归(Grossberg, Hopfield)其他机器学习方法的出现(隐马尔科夫模型，贝叶斯网络等等)智能Agent的出现，基于Web的Agent的应用极大数据集的可用性人工智能的历史时间事件1943McCulloch Pitts: 人脑的逻辑电路模型1950图灵的计算机器与智能 1956Dartmouth会议：人工智能的诞生1950s早期的AI程序包括 Samuel的西洋跳棋程序，通用问题求解器，Gelernter的几何定理证明器1965Robinson的基于逻辑推理的完整性算法1966–1973人工智能发现了计算的复杂性，神经网络