人工智能导论讲义.ppt

解 例 隐马尔可夫模型（Hidden Markov Model (HMM)） HMM（隐马尔可夫模型）是用来描述隐含未知参数的统计模型，举一个经典的例子：一个东京的朋友每天根据天气{下雨，天晴}决定当天的活动{公园散步,购 物,清理房间}中的一种，我每天只能在twitter上看到她发的推“啊，我前天公园散步、昨天购物、今天清理房间了！”那么我可以根据她发的推特推断 东京这三天的天气。 隐马尔可夫模型（Hidden Markov Model (HMM)） 隐马尔可夫模型（Hidden Markov Model (HMM)） 代码 states = (Rainy, Sunny) observations = (walk, shop, clean) start_probability = {Rainy: 0.6, Sunny: 0.4} transition_probability = { Rainy : {Rainy: 0.7, Sunny: 0.3}, Sunny : {Rainy: 0.4, Sunny: 0.6}, } emission_probability = { Rainy : {walk: 0.1, shop: 0.4, clean: 0.5}, Sunny : {walk: 0.6, shop: 0.3, clean: 0.1}, } 求解最可能的天气 因为第一天我的朋友去散步了，所以第一天下雨的概率V[第一天][下雨] = 初始概率[下雨] * 发射概率[下雨][散步] = 0.6 * 0.1 = 0.06，同理可得V[第一天][天晴] = 0.24 。从直觉上来看，因为第一天朋友出门了，她一般喜欢在天晴的时候散步，所以第一天天晴的概率比较大。 求解最可能的天气 从第二天开始，对于每种天气Y，都有前一天天气是X的概率 * X转移到Y的概率 * Y天气下朋友进行这天这种活动的概率。因为前一天天气X有两种可能，所以Y的概率有两个。 求解最可能的天气 答案：【S, R, R】 隐马尔可夫模型的作用 从已知（表象）状态来推测隐含状态。 假如后来我们被告知实际天气，如何来调整原始数据（probabilities）? * * 人工智能导论 Marks Division 10% Attendance/Class Participation 40% Assignments 20% written homework/coursework 20% programming assignments. 50% Programming Project/Exam Course Overview Knowledge Expression （知识表示） Logic Implication （逻辑推理） Uncertainty Expression （不确定性表示） Searching （搜索） Genetic Algorithm （遗传算法） Neural Networks （神经网络） Machine Learning （机器学习） Expert System （专家系统） Natural Language Processing （自然语言理解及其应用） 人工智能的基本概念 目标：用机器实现人类的部分智能 然而，什么是智能？-- 并没有确切定义 智能的发生、物质的本质、宇宙的起源和生命的本质 – 自然界的四大奥秘 科学家们根据对人脑的已有认识、结合智能的外在表现，从不同角度，不同侧面用不同的方法对智能进行研究，并提出了三种基础理论： 思维理论 认为智能的核心是思维 人的一切只能都来自大脑的思维活动 人类的一切知识都是人类思维的产物 通过对思维规律与方法的研究有望揭示智能的本质 知识阈值理论 认为智能行为取决于知识的数量和其泛化程度 一个系统之所以有智能是因为他具有可运用的知识 因此，知识阈值理论将智能定义为：在数据库中搜索一个满意解的能力。 进化理论 进化理论认为人的智能是一种特立独行的能力。 具体表现为在动态环境中的行走能力，对外界的感知能力，维持生命以及繁衍生息的能力。 该理论的核心是用控制代替表示，从而取消概念、模型以及显示表示的知识，否定抽象对于智能的重要性，强调分层结构对于智能进化的重要性。 智能的特性 具有感知能力 包括视觉嗅觉等等，能够感知外部信息。 具有记忆和思维能力 思维： 逻辑思维 形象思维 顿悟思维 具有学习能力 具有行为能力 What is AI? Views of AI fall into four categories: Thinking humanly Thinking rationally Acting humanly Acting rationally Acting humanly: Tur