第1章 基于知識的智能系統(tǒng)概述

1、 第1章 基于知識的智能系統(tǒng)概述 1.1 智能機(jī) 1.1.1 智能的概念 1.1.2 人工智能與智能系統(tǒng) 1.1.3 圖靈模擬游戲 1.2 人工智能發(fā)展歷史 1.3 小結(jié) 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 人類是如何思考的？人類是如何思考的？ 除了人類以外的物體除了人類以外的物體 可以思考嗎？可以思考嗎？ （機(jī)器能否思考？）（機(jī)器能否思考？） 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.1.1智能的概念 “智能”：學(xué)習(xí)和理解事物、處理問題并做出決策的 能力。 智能過程：感覺、記憶、回憶、思維、語言、自適 應(yīng)、行為的整個(gè)過程。 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.

2、1.1智能的概念 智能的概念是廣義的。 廣義智能包括:人類智能、人工智能和集成智能。 集成智能是人類智能與人工智能相結(jié)合的人-機(jī)系 統(tǒng)。 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.1.2人工智能與智能系統(tǒng) 人工智能(Artificial Intelligence ,AI)是一門研究機(jī)器智能 和智能機(jī)器的新型的、綜合性的、具有強(qiáng)大生命力的 邊緣學(xué)科。 人工智能目標(biāo)是使機(jī)器像人那樣具有智能去做事情。 智能系統(tǒng)：能產(chǎn)生人類智能行為的計(jì)算機(jī)系統(tǒng)。 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.1.3圖靈模擬游戲 機(jī)器能否思考？ 圖靈認(rèn)為, 與其問“機(jī)器能否思考, 不如 問“機(jī)器能否通過智能

3、行為測試。 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.1.3圖靈模擬游戲 第一階段： 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.1.3圖靈模擬游戲 第二階段： 計(jì)算機(jī)成功“騙 過”審訊員的次 數(shù)和男士成功“ 騙過”審訊員的 次數(shù)一致, 則認(rèn) 為計(jì)算機(jī)通過了 智能行為測試。 第1章 基于知識的智能系統(tǒng)概述 1.1智能機(jī) 1.1.3圖靈模擬游戲 圖靈測試可以通用的原因： 使用終端進(jìn)行人機(jī)交互，這一測試讓我們對智能有 客觀的衡量標(biāo)準(zhǔn), 避免了對人類智能本質(zhì)的爭論, 并 排除了偏向人類的可能性。 測試本身獨(dú)立于實(shí)驗(yàn)細(xì)節(jié)。既可以像前述的進(jìn)行兩 階段測試, 也可以變成一個(gè)階段的測試, 從一

4、開始就 讓審訊員對人與機(jī)器進(jìn)行判斷。 第1章 基于知識的智能系統(tǒng)概述 1.1 智能機(jī) 1.2 人工智能發(fā)展歷史 1.2.1 人工智能的誕生 1.2.2 人工智能的上升期 1.2.3 來自現(xiàn)實(shí)的沖擊 1.2.4 專家系統(tǒng)技術(shù) 1.2.5 神經(jīng)網(wǎng)絡(luò)的重生 1.2.6 進(jìn)化算法 1.2.7 文字計(jì)算 1.3 小結(jié) 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.1人工智能的誕生（1943-1956年） 人工智能的三大奠基人（一）： 圖靈（Turing）“計(jì)算機(jī)器和智能化”，第一個(gè)國 際象棋比賽程序，圖靈測試 沃倫麥卡洛特（Warren McCulloch）和沃特皮茲 （Walter

5、Pitts）1943，人工神經(jīng)網(wǎng)絡(luò)模型 每個(gè)神經(jīng)元：兩個(gè)狀態(tài)（開、關(guān)）； 證明了神經(jīng)網(wǎng)絡(luò)模型=圖靈機(jī)； 任何計(jì)算函數(shù)可由相連的神經(jīng)元網(wǎng)絡(luò)進(jìn)行計(jì)算； 簡單的網(wǎng)絡(luò)結(jié)構(gòu)具有學(xué)習(xí)能力。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.1人工智能的誕生（1943-1956年） 人工智能的三大奠基人（二）： 馮諾依曼（John Von Neumann）博弈論、自動(dòng) 機(jī)、計(jì)算機(jī)與人腦 香農(nóng)（Claude Elwood Shannon）讓機(jī)器下象棋， 10120次的移動(dòng)，1微秒處理一下個(gè)走法，移動(dòng)第一步 需要3 10106 年。使用啟發(fā)式算法的重要性。 麥卡錫（John McCarthy）人工

6、智能之父，“人工智 能”術(shù)語的發(fā)明人，人工智能學(xué)科的誕生。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.2人工智能的上升期（1956-20世紀(jì)60年代） 麥卡錫高級計(jì)算機(jī)程序語言LISP 艾倫紐厄爾（Allen Newell）和赫伯特西蒙 （ Herbert Simon ）GPS(General Problem Solver, 通用問題解決方案)。 GPS 也許是第一個(gè)嘗試將解決問題的技術(shù)和數(shù)據(jù)分 開的程序。 手段-目的分析方法：首先考慮要解決的問題，將一 個(gè)大的問題分解成若干個(gè)小問題來逐步解決。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.2人工智能的

7、上升期（1956-20世紀(jì)60年代） GPS問題例題： 問題問題 = 初始狀態(tài): 兒子在家, 有錢, 有電話簿, 車需要電池, 結(jié)束狀態(tài): 兒子在學(xué)校 “操作”: “動(dòng)作1”: 開車送兒子去學(xué)校, 條件1: 兒子在家, 車可用, “結(jié)果1”: “兒子在學(xué)?！?， . 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.2人工智能的上升期（1956-20世紀(jì)60年代） GPS問題例題： 問題問題 = “初始狀態(tài)”: “兒子在家”, “有錢”, “有電話簿”, “ 車需要充電, 結(jié)束狀態(tài): 兒子在學(xué)校 “操作”: , 動(dòng)作2: 給車充電, “條件2”: “車需要充電”, “商店提供充電服

8、務(wù) ”, “商店要錢, 結(jié)果2: 車可用, 車可用 商店提供充電服務(wù) 商店要錢 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.2人工智能的上升期（1956-20世紀(jì)60年代） GPS問題例題： 問題問題 = 初始狀態(tài): 兒子在家, 有錢, 有電話簿, 車需要電池, 結(jié)束狀態(tài): 兒子在學(xué)校 “操作”: , “動(dòng)作3”: “告訴商店提供充電服務(wù), 條件3: 和商店溝通, “結(jié)果3”: “商店提供充電服務(wù), 商店提供充電服務(wù) 商店要錢 和商店溝通 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.2人工智能的上升期（1956-20世紀(jì)60年代） GPS問題例題： 問題

9、問題 = 初始狀態(tài): 兒子在家, 有錢, 有電話簿, 車需要電池, 結(jié)束狀態(tài): 兒子在學(xué)校 “操作”: , 動(dòng)作4: 給商店打電話, 條件4: 知道電話號碼, 結(jié)果4: 和商店溝通 , 和商店溝通 商店要錢 知道電話號碼 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.2人工智能的上升期（1956-20世紀(jì)60年代） GPS問題例題： 問題問題 = 初始狀態(tài): 兒子在家, 有錢, 有電話簿, 車需要電池, 結(jié)束狀態(tài): 兒子在學(xué)校 “操作”: , 動(dòng)作5: 查找電話號碼, 條件5: 有電話簿, 結(jié)果5: 知道電話號碼 知道電話號碼 商店要錢 第1章 基于知識的智能系統(tǒng)概述 1.2

10、人工智能發(fā)展歷史 1.2.2人工智能的上升期（1956-20世紀(jì)60年代） GPS問題例題： 問題問題 = 初始狀態(tài): 兒子在家, 有錢, 有電話簿, 車需要電池, 結(jié)束狀態(tài): 兒子在學(xué)校 “操作”: , 動(dòng)作6: 給商店錢, 條件6: 有錢, “結(jié)果6”: “商店要錢 通用搜索策略現(xiàn)在被稱為弱方法，由于使用的是問題 域的弱信息，導(dǎo)致程序的性能低下。 商店要錢 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.3 來自現(xiàn)實(shí)的沖擊（20世紀(jì)60年代晚-70年代早） 夸?？冢?20世紀(jì)80年代建造于人類智能相當(dāng)?shù)娜苤悄軝C(jī)。 2000年超越人類智能的智能機(jī)。 人工智能學(xué)科問題（一）：

11、 由于人工智能研究者專注開發(fā)解決廣義問題的一般方法, 因 此早期的程序包含很少甚至沒有相關(guān)問題域的知識。為解決 問題, 程序中應(yīng)用了一種搜索策略, 嘗試對小步驟進(jìn)行不同的 組合, 直到找出真正的解決方案。這種思路對小問題是有效 的, 但被誤認(rèn)為可以通過對程序進(jìn)行擴(kuò)展來解決大的問題。 P問題：易處理。規(guī)模N，求解時(shí)間或步驟數(shù)是N的多項(xiàng)式函數(shù)。 NP問題 ： 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.3 來自現(xiàn)實(shí)的沖擊（20世紀(jì)60年代晚-70年代早） 人工智能學(xué)科問題（二） ： 許多人工智能試圖解決的問題都太寬泛、太復(fù)雜。早期人工 智能的一個(gè)典型任務(wù)就是機(jī)器翻譯。例如, 想

12、利用電子詞典 直接將俄語單詞替換為對應(yīng)的英語單詞。不久他們便發(fā)現(xiàn)只 有了解了文獻(xiàn)主題才能正確選擇單詞。 在1971 年, 英國調(diào)研當(dāng)時(shí)的人工智能研究現(xiàn)狀, 他發(fā)現(xiàn)人工智能 領(lǐng)域并沒有重大甚至顯眼的研究成果, 因而認(rèn)為不必保留一個(gè)獨(dú) 立的“人工智能”學(xué)科。 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） 人們意識到必須對智能機(jī)器的問題域進(jìn)行充分限制。 當(dāng)這種弱方法失敗后，唯一出路是使用大量推理步驟 來解決狹窄專業(yè)領(lǐng)域的典型問題。 DENDRAL：化學(xué)分析。根據(jù)質(zhì)譜儀提供的大量光譜數(shù)據(jù) ，用來分析火星表面土壤的分子結(jié)構(gòu)。(Feigenbaum) 將專業(yè)知識考慮進(jìn)來, 以使程序具有相當(dāng)于

13、人類專家的 水平。這種程序后來被稱為專家系統(tǒng)。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） 如何從專家那里抽取知識應(yīng)用于計(jì)算機(jī)呢？ DENDRAL：將所有相關(guān)的理論知識從泛華 形式映射到了極為具體的規(guī)則。 （例如：烹飪食譜） 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） DENDRAL成功的巨大意義： 人工智能領(lǐng)域重要的“范式轉(zhuǎn)移”, 即從通用的、知識稀疏型弱 方法轉(zhuǎn)移到針對特定領(lǐng)域的知識密集型技術(shù)。 DENDRAL 項(xiàng)目的目標(biāo)是設(shè)計(jì)出能達(dá)到有經(jīng)驗(yàn)的化學(xué)

14、家水平的 計(jì)算機(jī)程序。通過提取人類專家知識, 并表達(dá)為高質(zhì)量的具 體規(guī)則(經(jīng)驗(yàn)法則), DENDRAL 團(tuán)隊(duì)使用這種啟發(fā)式策略證明了 計(jì)算機(jī)在特定、可定義的問題領(lǐng)域能達(dá)到專家水平。 DENDRAL 為專家系統(tǒng)開創(chuàng)了新的方法論, 即知識工程, 它包含 了對專家知識從獲取、分析到用規(guī)則表達(dá)等一系列技術(shù)。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） MYCIN:醫(yī)療診斷系統(tǒng)。是基于規(guī)則的專家系統(tǒng), 它的任 務(wù)是診斷傳染性的血液病, 它還以一種便捷、用戶友好 的方式為醫(yī)生提供治療建議。 MYCIN與早起專家系統(tǒng)相同特點(diǎn)： MYCI

15、N 的性能相當(dāng)于人類專家水平, 并高于初級醫(yī)生的水平。 MYCIN 包含了450 條獨(dú)立的IF-THEN 形式的規(guī)則, 這些知識是 通過訪問特定領(lǐng)域的大量專家獲得的。 以規(guī)則形式表達(dá)的知識與推理機(jī)制明確地分開了。系統(tǒng)研發(fā) 員也能夠輕易地通過插入、刪除規(guī)則來操縱知識。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） PROSPECTOR：礦產(chǎn)勘探。工作原理是： 首先讓作為用戶方的勘探地質(zhì)學(xué)家輸入待檢礦床的 特征, 如地址環(huán)境、結(jié)構(gòu)、礦物質(zhì)類型等。 之后, 程序?qū)⑦@些特征與礦床模型比較, 必要時(shí)讓用 戶提供更多信息。 最后, 系統(tǒng)

16、對待檢礦床做出結(jié)論。這一系統(tǒng)也能夠解 釋為了得出結(jié)論所用到的步驟。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） 專家系統(tǒng)在技術(shù)和社會學(xué)兩個(gè)層面都存在復(fù)雜的困難, 這些困難包括: 專家系統(tǒng)局限于非常狹窄的專業(yè)領(lǐng)域。例如, 雖然MYCIN 的任 務(wù)是診斷傳染性血液病, 卻沒有人體生理學(xué)的知識。如果病人 的病不止一個(gè), 就不能指望MYCIN 了。事實(shí)上, 當(dāng)病人伴隨其 他疾病時(shí), 使用MYCIN 開的治療血液病的處方甚至可能是有害 的。 由于局限于狹窄的領(lǐng)域, 專家系統(tǒng)并不能如用戶所愿的那樣健 壯靈活。并且, 專家系統(tǒng)難以識別領(lǐng)

17、域界限。當(dāng)一項(xiàng)任務(wù)不同 于傳統(tǒng)問題時(shí), 專家系統(tǒng)可能在嘗試解決時(shí)出乎意料地失敗。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.4 專家系統(tǒng)技術(shù)（20世紀(jì)70年代早-80年代中） 專家系統(tǒng)在技術(shù)和社會學(xué)兩個(gè)層面都存在復(fù)雜的困難, 這些困難包括: 專家系統(tǒng)的解釋能力有限。雖然能夠顯示解決方案中應(yīng)用的 一系列規(guī)則, 卻無法將累積的啟發(fā)式知識與對問題領(lǐng)域的深層 理解關(guān)聯(lián)起來。 專家系統(tǒng)難以檢驗(yàn)驗(yàn)證。至今都沒有開發(fā)出通用的技術(shù)來分 析專家系統(tǒng)的完整性和一致性。啟發(fā)式規(guī)則以抽象形式表達(dá) 知識, 缺乏對領(lǐng)域的基本理解, 這使得識別錯(cuò)誤的、不完整或 不一致的知識的工作非常困難。 專家系統(tǒng)幾

18、乎不具備從它們的經(jīng)驗(yàn)中去學(xué)習(xí)的能力。專家系 統(tǒng)的開發(fā)相對獨(dú)立而且開發(fā)過程慢。像DENDRAL、MYCIN 或 PROSPECTOR 之類的復(fù)雜系統(tǒng)需要超過30年的開發(fā)時(shí)間。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.5 神經(jīng)網(wǎng)絡(luò)的重生（20世紀(jì)80年代中-至今） 人工智能研究者們決定重新審視神經(jīng)網(wǎng)絡(luò)。神經(jīng)計(jì)算 所需的基本理論和概念大部分都已經(jīng)成型，因技術(shù)原 因，直到20 世紀(jì)80 年代中期才出現(xiàn)解決方案。 Hopfield 引入了具有反饋機(jī)制的神經(jīng)網(wǎng)絡(luò), 即Hopfield 網(wǎng) 絡(luò)。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.7 文字計(jì)算（20世紀(jì)8

19、0年代后-至今） 傳統(tǒng)的專家系統(tǒng)很適用于具有精確輸入和邏輯輸出的 封閉式系統(tǒng)的應(yīng)用。 主要缺點(diǎn)在于人類專家并不總能用規(guī)則表達(dá)知識或逐 條解釋推理, 從而會妨礙專家系統(tǒng)積累必需的知識,最終 導(dǎo)致失敗。 為了克服這個(gè)缺陷, 可使用神經(jīng)計(jì)算從大數(shù)據(jù)集中抽取 隱含的知識以獲取專家系統(tǒng)的規(guī)則。 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.7 文字計(jì)算（20世紀(jì)80年代后-至今） 另一個(gè)非常重要的技術(shù)是模糊邏輯, 用于處理模糊、不 精確、不確定的知識和數(shù)據(jù)。 MYCIN 就引入了確信因子, PROSPECTOR 則使用了貝葉 斯規(guī)則來傳送不確定性。 模糊邏輯的核心在于語言變量這一概念。語言變量的 值是文字, 而不是數(shù)值。模糊系統(tǒng)使用IF-THEN 規(guī)則來 體現(xiàn)人類知識。 IF speed is high THEN stopping_distance is long IF speed is low THEN stopping_distance is short 第1章 基于知識的智能系統(tǒng)概述 1.2人工智能發(fā)展歷史 1.2.7 文字計(jì)算（20世紀(jì)80年代后-至今） 自1987 年起, 模糊理論被成功地應(yīng)用在日本人設(shè)計(jì)的洗 碗機(jī)、洗衣機(jī)、空調(diào)、電視機(jī)、復(fù)印機(jī)和汽車上。 模糊邏輯主要應(yīng)用在控制工程領(lǐng)域。模糊邏輯在基于 知識的