计算智能chapter1 绪论.ppt

第一章 结束 谢 谢 大 家！ 2. Can machines think ? AI是在不停的论战中发展的，焦点问题是“机器能不能思考？” 围绕着这个问题的回答，1950年图灵 （ Turing ）设计出了图灵试验（Turing test）,当时图灵就意识到，对问题“机器是否能思考”的回答取决于我们怎样定义“机器”和“思考”。Nilsson认为还应该加上“取决于怎样定义‘能’ ”。 E6抗菌素就像一个能灭菌的机器—由蛋白质构成的机器。 进一步联想，如果把人类也定义成机器—由蛋白质所构成的机器的话，那么可以断言“机器能思考”！但在人工智能领域，人们更多地所关心的是由硅片（silicon）构成的机器能不能思考？多数人持否定态度。Think是一个最难区分其含义的词，人们多借助于图灵试验来检验，是否通过图灵试验就可以认为某机器（或系统）是否具有智能。 图灵试验 图灵 最早是通过游戏的形式来描述的：游戏由三人来玩，一男（A）、一女（B）和一名询问者（C）（性别不限）进行(如下图所示)。询问者与其他两人隔离开来，只能通过电传打字机联系。在游戏中，询问者的目的是分辨两人的性别。开始，他只知道两人的称呼X、Y，最终，他需要在“ X是A，Y是B”或者“X是B，Y是A”中选择答案。询问者允许问A和B以下问题： C：X能告诉我你的头发的长度吗？ 如果X是A，那么他必须回答。游戏中，A的任务是尽力干扰C以使其判断错误。··· 而B的任务则是帮助询问者。··· 现在我们提出这样一个问题：一个机器代替游戏中的A会如何？询问者会依然像当游戏由一男一女进行时一样经常判断错误吗？这些问题代替了最初的问题：机器能思考吗？ 图灵试验通常简化为一个机器企图使人类提问者确信它是一个人。若能欺骗大量的人类提问者，则认为该机器具有智能—机器智能。 图1-1 图灵试验 AI的两类代表性研究方法介绍(详见讲稿P.5): 一类是符号处理方法（Symbol-processing approaches）,也称为“符号主义”，属于古典AI，自上而下（Top-down）的设计方法； 另一类是子符号的（Subsymbolic),也称为“连接主义”，由底向上（Bottom-up）的设计风格。 习题：P.11 1.3 课外：查阅搜集图灵试验的问题库。 人工智能有着极其诱人的目标，也取得过不少令人鼓舞的成就，然而也遇到过许多波折，”人工智能走什么路的问题“一直未能解决好。很长时间一直是”仿人“，完全模仿人类智能，然而，这种机械模仿的结果就像完全模仿鸟类的飞机飞不起来一样。 深蓝，DEEP BLUE 系统 1997年5月11日，IBM开发的程序名为“深蓝，DEEP BLUE”，击败了象棋冠军卡斯帕罗夫（Garry Kasparov）,六局比赛的比分为3.5:2.5。 深蓝系统虽能击败世界冠军，但是否可以断定其具有智能呢？再如机器人足球赛，场上反应聪敏，但并不具备真正的智能，只是遵循人的意志，在程控下完成一定的智能性任务罢了。 AlphaGo VS 李世石 AlphaGo VS 李世石 2016年3月21日开始的谷歌人工智能AlphaGo与李世石的五局人机大战落下帷幕， AlphaGo最终以4:1大比分战胜李世石，人们对于AlphaGo的好奇心被推向了高潮 。AlphaGo来自英国人工智能小公司DeepMind，在2014年被Google收购。 AlphaGo的胜利引爆了DNN这一概念，面对大数据，深度学习神经网络（DNN）已经被应用到非常多的领域， DNN能够有效地从大量有标签数据中分层提取数据的特征信息，充分挖掘数据的内在属性和有价值的表征数据，具有十分优越的识别与分类效果。 紫光之星 2004年6月8日在中国棋院，诸晨对紫光之星，诸晨在领先一兵的情况下，走成和棋势，但后因急于求胜而输棋；诸晨一反常态，表现过于急噪，归结为她身怀六甲； 6月12日第二局，紫光之星弃象吃马，大战33个回合，诸晨认输。 在媒体的炒作下，又创造了一次机器系统的辉煌。 “仿人”向“拟人”转变 清华大学的张钹、李衍达等院士提出倡议：人工智能应由“仿人”向“拟人”方向转变，所遵循的指导思想是：研究和总结人类思维的普遍规律，用计算机去模拟它，这就是所谓的“拟人”化研究思路。 人工智能是一门开放性、综合性、多学科渗透的交叉学科，并已催生了一门新学科：认知科学，专家们预言，认知科学将成为像物理学一样的大学科。 预期目标 预期学完这门课程，可使大家对计算智能与机器学习的基本概念有一个比较清晰地理解，掌握一些基本方法，并能独立从事基于知识（Knowledge-based）和学习的智能系统及其软件环境的研究与开发，并结合自己的专业，开展一些相关的研究工作。 第一章 绪