人工智能1,中國科學(xué)院大學(xué)課程

1、人工智能（人工智能（AI）繆青海繆青海人文樓88256650從從IT產(chǎn)業(yè)領(lǐng)軍企業(yè)看產(chǎn)業(yè)領(lǐng)軍企業(yè)看AIAIGoogle BrainlDeep Learningl使用 1000 臺電腦創(chuàng)造出包含 10 億個(gè)連接的“神經(jīng)網(wǎng)絡(luò)”；l通過掃描互聯(lián)網(wǎng)上無數(shù)的貓的圖片“認(rèn)識”了貓。吳恩達(dá)（Andrew Ng），斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和電子工程系副教授，人工智能實(shí)驗(yàn)室主任。2014年加入百度，擔(dān)任百度公司首席科學(xué)家。SiriSiri 的背后的背后lApple在印度的海德拉巴建了一個(gè)巨大的用戶響應(yīng)中心，所有用戶和Siri的問題都被傳到這里，然后三哥三姐們飛快的打字回答。lApple內(nèi)部把這個(gè)叫印度云(India

2、n cloud)，簡稱iCloud。l本地本地 + 云端云端Siri 的背后的背后lSiri脫胎于一個(gè)美國國防部項(xiàng)目，是一家總部位于舊金山的同名小公司，它誕生于2007年12月經(jīng)濟(jì)危機(jī)的寒冬中。l2010年4月，蘋果公司以2億美元收購了這家公司，并將整個(gè)團(tuán)隊(duì)招致麾下。lSiri把對話、自然語言理解、視覺、演說、機(jī)器學(xué)習(xí)、制定計(jì)劃、理性思考等融合到一個(gè)模仿人類的助理中，通過手機(jī)帶入人們的生活。IBM WATSON美國智力競賽節(jié)目 Jeopardy！是一款廣受歡迎的電視節(jié)目，他對參賽者提出了各種獨(dú)特的挑戰(zhàn)：它需要參與者了解涉獵廣泛的知識、明白問題中含有的雙關(guān)語、隱喻和俚語，同時(shí)還需要有這能夠迅速反

3、應(yīng)過來按搶答器的反應(yīng)能力。最后成績是Watson 77147，Brad 21600，Ken 24000！ WATSON ?l“沃森”以IBM創(chuàng)始人托馬斯沃森的名字命名；l“沃森”由5個(gè)機(jī)柜共90臺IBM POWER 750服務(wù)器組成，每臺POWER 750服務(wù)器配備四路八核32線程POWER 7 3.5GHz處理器，是一部擁有2880個(gè)POWER7核心和16TB內(nèi)存的集群；l“沃森”存儲了IBM所有得到許可和公開的知識內(nèi)容，成為一個(gè)海量百科全書；l“沃森”使用了100多個(gè)人工智能的相關(guān)算法，具備快速的查找、決策和自然語言處理能力。 大學(xué)大學(xué)lCMU：來源擴(kuò)展算法，用于確定用來回答關(guān)于既定主題的

4、問題的最佳文本資源；答案評分算法，該算法增進(jìn)了沃森用來判斷某個(gè)候選答案在何時(shí)可能正確的能力。lMIT： 問題細(xì)分成簡單的子問題，以便并行查找和迅速收集相關(guān)回答；對象-屬性-值數(shù)據(jù)模型，該模型支持對半結(jié)構(gòu)化數(shù)據(jù)源中的信息進(jìn)行有效的檢索；大學(xué)大學(xué)l南加州大學(xué)：大規(guī)模信息提取、分析和知識推理技術(shù)，目的是將大量國際來源的資料轉(zhuǎn)化為該系統(tǒng)的一般知識資源，并利用這些知識進(jìn)行推理，以發(fā)現(xiàn)矛盾和差異之處。 l德州大學(xué)奧斯汀分校：文本處理計(jì)算方法的開發(fā)，重點(diǎn)是通過自動學(xué)習(xí)來將語言映射成其意義的邏輯表示的系統(tǒng)。大學(xué)大學(xué)l紐約州立大學(xué)阿爾巴尼分校：持續(xù)交互式問答功能， 使計(jì)算機(jī)系統(tǒng)能夠記住全部交互過程，而不是將每個(gè)

5、問題當(dāng)作第一個(gè)問題來對待，這是對真實(shí)對話的仿真。 l倫塞利爾理工學(xué)院：可視化組件，用以向外部觀眾顯示其對沃森計(jì)算機(jī)系統(tǒng)所采取的用來對問題進(jìn)行細(xì)分和形成可與人腦媲美的快速、精確回答的大規(guī)模并行分析技術(shù)。 大學(xué)大學(xué) l特蘭托大學(xué)(意大利)研究團(tuán)隊(duì)致力于機(jī)器學(xué)習(xí)、問題回答和對話代理人方面的研究工作。該團(tuán)隊(duì)研究高級機(jī)器學(xué)習(xí)技術(shù)以及基于語法和語義結(jié)構(gòu)的富文本表示，以便對 IBM 沃森系統(tǒng)進(jìn)行優(yōu)化。該團(tuán)隊(duì)已在統(tǒng)計(jì)學(xué)習(xí)理論(如核方法)最新成果的基礎(chǔ)上開發(fā)出了應(yīng)用于自然語言理解的技術(shù)。處理在從由沃森系統(tǒng)的搜索算法發(fā)現(xiàn)的答案中選擇最佳答案時(shí)的不確定性(例如對答案清單進(jìn)行排名)也其是主要研究方向之一。 行業(yè)觀點(diǎn)行

6、業(yè)觀點(diǎn)Watson + DeeplearninglIBM收購初創(chuàng)公司AlchemyAPI，幫助Watson建立模擬人腦分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來解釋數(shù)據(jù)，如圖像，聲音和文本。lIBM CEO Elliot Turner ：AlchemyAPI 能運(yùn)行深度學(xué)習(xí)，而收購AlchemyAPI對于IBM來說，是IBM區(qū)別其他云端服務(wù)提供商的關(guān)鍵所在。WATSON 之外？之外？人工智能改變生活氣象預(yù)報(bào)氣象預(yù)報(bào)智能家居智能家居智能交通智能交通金融商務(wù)金融商務(wù)能源開發(fā)能源開發(fā)電力傳輸電力傳輸生物制藥生物制藥遙感測量遙感測量空間技術(shù)空間技術(shù)軍事國防軍事國防工業(yè)機(jī)器人工業(yè)機(jī)器人娛樂機(jī)器人娛樂機(jī)器人看護(hù)

7、機(jī)器人看護(hù)機(jī)器人 ROBEAR家用電器家用電器游戲游戲人工智能的應(yīng)用領(lǐng)域人工智能的應(yīng)用領(lǐng)域l工業(yè)自動控制l模式識別l地質(zhì)勘察描述l決策支持系統(tǒng)l生產(chǎn)最優(yōu)規(guī)劃l農(nóng)業(yè)專家系統(tǒng)l石油工程l金融證券ll氣象預(yù)報(bào)l水產(chǎn)養(yǎng)殖l公路工程l智能家居l智能監(jiān)控系統(tǒng)l航天技術(shù)l網(wǎng)絡(luò)搜索l教育培訓(xùn)l人工智能概述人工智能概述人工智能的定義人工智能的學(xué)科基礎(chǔ)人工智能簡史36關(guān)于人工智能的定義關(guān)于人工智能的定義對AI的4種不同定義:類人行動/類人思考理性思維/理性行動l人類是一種智能體；l我們，作為一個(gè)智能體，為什么能夠思考? 大腦這么一小堆東西怎么能夠感知、理解、預(yù)測和應(yīng)對一個(gè)遠(yuǎn)比自身龐大和復(fù)雜的世界？l人工智能(AI

8、)走得更遠(yuǎn)：不僅試圖理解智能體，而且要建造智能體制造出像人類一樣完成某些智能任務(wù)的系統(tǒng)(軟件)。像人一樣思考的系統(tǒng)理性地思考的系統(tǒng)要使計(jì)算機(jī)能思考有頭腦的機(jī)器(Haugeland, 1985)使之自動化與人類的思維相關(guān)的活動,諸如決策、問題求解、學(xué)習(xí)等活動(Bellman, 1978)通過對計(jì)算模型的使用來進(jìn)行心智能力的研究(Charniak & McDemontt, 1985)對使得知覺、推理和行動成為可能的計(jì)算的研究(Winston, 1992)像人一樣行動的系統(tǒng)理性地行動的系統(tǒng)創(chuàng)造機(jī)器來執(zhí)行人需要智能才能完成的功能(Kurzweil, 1990)研究如何讓計(jì)算機(jī)能夠做到那些目前人比計(jì)算機(jī)

9、做得更好的事情(Rich & Knight, 1991)計(jì)算智能是對設(shè)計(jì)智能化智能體的研究(Poole et al., 1998)AI關(guān)心的是人工制品中的智能行為(Nilsson, 1998)思考過程類人思考模擬思維過程理性思考理性行為人類智能智能行為類人行為模擬行為功能思維過程思維模型按照模型建立思維系統(tǒng)智能行為行為建模按照模型建立行為系統(tǒng)類人思考或類人行為：直接模擬 / 追隨人理性思考或理性行為：間接模擬 / 概括人類人行為：圖靈測試 (Turing test)l圖靈建議(1950) ：不是問“機(jī)器能否思考”，而是問“機(jī)器能否通過關(guān)于行為的智能測試”圖靈圖靈l人工智能之父 l1950年，圖

10、靈發(fā)表了題為計(jì)算機(jī)能思考嗎？ l圖靈實(shí)驗(yàn)的本質(zhì)就是讓人在不看外型的情況下不能區(qū)別是機(jī)器的行為還是人的行為時(shí)，這個(gè)機(jī)器就是智慧的。 Alan Mathison Turing （1912 1954）圖靈測試l測試過程：讓一個(gè)程序與一個(gè)人進(jìn)行5分鐘對話，然后人猜測交談對象是程序還是人？如果在30%測試中程序成功地欺騙了詢問人，則通過了測試。l圖靈期待最遲2000年出現(xiàn)這樣的程序。圖靈測試l在2014圖靈測試競賽上，俄羅斯人維西羅夫開發(fā)的超級計(jì)算機(jī)尤金古斯特曼讓測試者相信，它的回答中有33%是人類回答的。l因此主辦方雷丁大學(xué)宣布，已有65年歷史的圖靈測試首次獲得通過。偽裝成為偽裝成為13歲男孩歲男孩l

11、要想程序通過圖靈測試，還需要做大量工作，這些技能包括：自然語言處理自然語言處理, 使機(jī)器可以用人類語言交流知識表示知識表示, 存儲機(jī)器獲得的各種信息自動推理自動推理, 運(yùn)用知識來回答問題和提取新結(jié)論機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí), 適應(yīng)新環(huán)境并檢測和推斷新模式以及(為了完全圖靈測試)計(jì)算機(jī)視覺計(jì)算機(jī)視覺, 機(jī)器感知物體機(jī)器人技術(shù)機(jī)器人技術(shù), 操縱和移動物體圖靈測試l理性地行動理性地行動: : 理性智能體方法理性智能體方法l理性智能體：通過自己的行動獲得最佳結(jié)果，或在不確定的情況下，獲得最佳期望結(jié)果。l不僅要正確地推理，還要正確地行動；l圖靈測試中需要的技能都是為了作出理性行為。l把把AI研究視為理性智能體的

12、設(shè)計(jì)過程研究視為理性智能體的設(shè)計(jì)過程l好處：普遍性：比“思維法則”法則方法(理性地思維)更廣；比建立在人類行為或者思維基礎(chǔ)(類人方法)上的方法更形式化, 因此具有清楚的定義或標(biāo)準(zhǔn)。l完美理性 總能做正確的事情；l有限理性 在沒有足夠計(jì)算時(shí)間的前提下采取正確的行動；l完美理性在復(fù)雜環(huán)境下是不可行的。l人工智能=人造物(計(jì)算機(jī))+智能(特殊化程序)l作為人造智能體，人們期待計(jì)算機(jī)智能體在解決某些問題方面要達(dá)到專家水平，盡管從整體上它遠(yuǎn)遠(yuǎn)不及一個(gè)普通人。l對AI的理解不斷發(fā)展；l重要的是：領(lǐng)悟人工智能的思想；學(xué)習(xí)人工智能的方法；應(yīng)用人工智能的方法解決實(shí)際問題。49人工智能的基礎(chǔ)人工智能的基礎(chǔ) 哲學(xué)/

13、數(shù)學(xué) 經(jīng)濟(jì)學(xué) 神經(jīng)科學(xué)/心理學(xué) 計(jì)算機(jī)工程 控制論/語言學(xué)l哪些學(xué)科、思想和人物給予AI以貢獻(xiàn)?哲學(xué)(BC428現(xiàn)在)數(shù)學(xué)(800現(xiàn)在)經(jīng)濟(jì)學(xué)(1776現(xiàn)在)神經(jīng)科學(xué)(1861現(xiàn)在)心理學(xué)(1879現(xiàn)在)計(jì)算機(jī)工程(1940現(xiàn)在)控制論(1948現(xiàn)在)語言學(xué)(1957現(xiàn)在)l哲學(xué)(BC428現(xiàn)在)貢獻(xiàn)的思想: 問題1：形式化規(guī)則能用來抽取合理的結(jié)論嗎?問題2：精神的意識是如何從物質(zhì)的大腦產(chǎn)生出來的?問題3：知識是從哪里來的?問題4：知識是如何導(dǎo)致行動的?l問題1：形式化規(guī)則能用來抽取合理的結(jié)論嗎?（哲學(xué)家及其貢獻(xiàn)）亞里士多德(Aristotle, BC384BC322)，為形式邏輯奠定了基礎(chǔ)

14、:第一個(gè)把支配意識的理性部分法則形式化為精確的法則集合/著名的三段論Ramon Lull、Leonardo da Vinci(達(dá)芬奇) 、Blaise Pascal(帕斯卡)、Gottfried Wilhelm Leibnitz(萊布尼茲)等人均設(shè)計(jì)或制造了能計(jì)算的機(jī)器。17世紀(jì), 有人提出推理如同數(shù)字計(jì)算，帕斯卡寫道: “算術(shù)機(jī)器產(chǎn)生的效果顯然更接近于思維而不是動物的其他活動”。l問題1結(jié)論: 肯定的結(jié)論； 即可以用一個(gè)規(guī)則集合描述意識的形式化、理性的部分。l問題2：從物理系統(tǒng)的角度來考慮意識: 意識與物質(zhì)的大腦之間的關(guān)系如何？ Ren Descartes(笛卡爾)給出了第一個(gè)關(guān)于意識和物質(zhì)

15、之間的區(qū)別以及由此產(chǎn)生的問題的清晰討論；笛卡爾是二元論二元論的支持者：堅(jiān)持意識(或稱為靈魂/精神)的一部分是超脫于自然之外的，不受物理定律影響；而動物不擁有這種二元屬性，它們可以被作為機(jī)器對待。唯物主義唯物主義認(rèn)為: 大腦依照物理定律運(yùn)轉(zhuǎn)而構(gòu)成了意識, 自由意志也就簡化為對出現(xiàn)在選擇過程中可能選擇的感受方式。l問題2結(jié)論: 存在兩種選擇:二元論.一元論.l問題3：知識是從哪里來的?關(guān)于知識的來源: Francis Bacon(培根)新工具論開始了經(jīng)驗(yàn)主義運(yùn)動；John Locke(洛克)指出：“無物非先感而后知”David Hume(休謨)提出歸納原理：一般規(guī)則是通過揭示形成規(guī)則的元素之間的重

16、復(fù)關(guān)聯(lián)而獲得的?；贚udwig Wittgenstein, Bertrand Russell的工作，Rudolf Carnap領(lǐng)導(dǎo)維也納學(xué)派發(fā)展了實(shí)證邏輯主義，堅(jiān)持認(rèn)為所有的知識都可以用最終和傳感器輸入相對應(yīng)的觀察語句觀察語句相聯(lián)系的邏輯理論來描述.l問題3結(jié)論: 知識來自于實(shí)踐l問題4：知識是如何導(dǎo)致行動的?亞里士多德認(rèn)為: 行動是通過目標(biāo)與關(guān)于行動結(jié)果的知識之間的邏輯來判定的。他的進(jìn)一步闡述指出: 要深思的不是結(jié)局而是手段 ， 手段在分析順序中是最后一個(gè), 在生成順序中是第一個(gè)。這實(shí)際上就是回歸規(guī)劃系統(tǒng), 2300年后由Newell和Simon在其GPS程序中實(shí)現(xiàn)。l問題4結(jié)論: 知識用

17、于指導(dǎo)行動去達(dá)到目標(biāo)l數(shù)學(xué)(800現(xiàn)在)貢獻(xiàn)的思想:什么是抽取合理結(jié)論的形式化規(guī)則?什么可以被計(jì)算?如何用不確定的知識進(jìn)行推理?lAI成為一門規(guī)范科學(xué)要求在三個(gè)基礎(chǔ)領(lǐng)域完成一定程度的數(shù)學(xué)形式化：邏輯、計(jì)算、概率l問題1：如何抽取形式化規(guī)則？George Boole(布爾, 18151864), 1847年完成了形式邏輯的數(shù)學(xué)化，即命題邏輯或稱布爾邏輯；Gottlob Frege(弗雷格, 18481925), 1879年擴(kuò)展了布爾邏輯, 使其包含對象和關(guān)系, 創(chuàng)建了一階邏輯；Alfred Tarski(塔斯基)引入了一種參考理論，可以把邏輯對象與現(xiàn)實(shí)世界對象聯(lián)系起來。l問題1結(jié)論: 形式化規(guī)則

18、=命題邏輯和一階謂詞邏輯l問題2：什么可以計(jì)算？可以被計(jì)算，就是要找到一個(gè)算法算法本身的研究可回溯至9世紀(jì)波斯數(shù)學(xué)家al-Khowarazmi19世紀(jì)晚期，把一般的數(shù)學(xué)推理形式化為邏輯演繹的努力已經(jīng)展開。1900年，Hilbert(希爾伯特, 18621943)提出了包括23個(gè)問題的清單，其中最后一個(gè)問題是：是否存在一個(gè)算法可以判定涉及自然數(shù)的邏輯命題的真實(shí)性，即可判定性問題。他所要問的是: 有效證明過程的能力是否有基礎(chǔ)的局限性。這一問題被Kurt Gdel(哥德爾, 19061978)在1931年證實(shí)：確實(shí)存在真實(shí)的局限。1930年，哥德爾提出： 存在一個(gè)有效過程可以證明羅素和弗雷格的一階邏

19、輯中的任何真值語句，但是一階邏輯不能捕捉到刻畫自然數(shù)所需要的數(shù)學(xué)歸納法原則。1931年，哥德爾證明了他的不完備性定理：在任何表達(dá)能力足以描述自然數(shù)的語言(如某種邏輯)中，在不能通過任何算法建立它們的真值的意義上， 存在不可判定的真值語句。不完備性定理還可以表述為： 整數(shù)的某些函數(shù)無法用算法表示， 即不可計(jì)算的。由此激發(fā)了Allen Turing(圖靈, 19121954)的熱情，他試圖精確地刻畫哪些函數(shù)是能夠被計(jì)算的，Church-Turing論題指出：圖靈機(jī)可以計(jì)算任何可計(jì)算的函數(shù)，該結(jié)論作為一個(gè)充分的定義而被接受。圖靈說明了一些函數(shù)沒有對應(yīng)的圖靈機(jī)，沒有通用的圖靈機(jī)可以判定一個(gè)給定的程序?qū)?/p>

20、于給定的輸入能否返回答案或者永遠(yuǎn)運(yùn)行下去。在不可計(jì)算性以外，不可操作性不可操作性具有更重要的影響，如果解決一個(gè)問題需要的計(jì)算時(shí)間隨著實(shí)例規(guī)模成指數(shù)級增長，則該問題被稱為不可操作的（計(jì)算復(fù)雜性問題）；多項(xiàng)式級和指數(shù)級增長的區(qū)別在20世紀(jì)60年代得到重視；如何認(rèn)識不可操作問題? 以Steven Cook(1971)和Richard Carp為代表的NP-完全理論的研究提供了一種方法。Cook和Carp證明有大量各種類別的規(guī)范的組合搜索和推理問題屬于NP-完全問題；任何NP-完全問題類完全問題類可歸約成的問題類很可能是不可操作的(目前尚未證明, 但大家猜測是如此)l問題2結(jié)論: 可計(jì)算性和算法復(fù)雜性

21、理論l數(shù)學(xué)對AI的第三個(gè)貢獻(xiàn)是概率理論：Fermat, Pascal, Bernoulli, Laplace等都推進(jìn)了概率理論的發(fā)展及引入了新的統(tǒng)計(jì)方法論；Thomas Bayes(貝葉斯, 17491827)提出了根據(jù)證據(jù)更新概率的法則(貝葉斯公式/條件概率公式)。l問題3結(jié)論: 使用貝葉斯理論進(jìn)行不確定推理l經(jīng)濟(jì)學(xué)(1776現(xiàn)在)貢獻(xiàn)的思想:如何決策以獲得最大收益?在他人不合作的情況下如何做到這點(diǎn)?在收益遙遙無期的情況下如何做到這點(diǎn)?l問題1: 效用理論l問題2: 決策理論l問題3: 運(yùn)籌學(xué)lHerbert Simon(西蒙, 19162001)是AI研究的先驅(qū)者，他于1978年獲得諾貝爾

22、經(jīng)濟(jì)學(xué)獎(jiǎng)，是因?yàn)樗缒甑墓ぷ鳎夯跐M意度的模型：制定“足夠好”的決策，而不是艱苦計(jì)算獲得最優(yōu)化決策；能更好地描述真實(shí)人類行為。l在智能體系統(tǒng)中使用決策理論技術(shù)越來越重要。l神經(jīng)科學(xué)(1861現(xiàn)在)的貢獻(xiàn)：大腦是如何處理信息的?l神經(jīng)科學(xué)是研究神經(jīng)系統(tǒng)特別是大腦的科學(xué)：雖然幾千年來人類一直贊同大腦以某種方式與思維相聯(lián)系（因?yàn)樽C據(jù)表明頭部受重?fù)魰?dǎo)致精神缺陷），但是直到18世紀(jì)中期人類才廣泛地承認(rèn)大腦是意識的居所。Paul Proca(布魯卡)通過研究大腦損傷病人的失語癥，闡明了語言產(chǎn)生定位于大腦左半球的一部分，現(xiàn)在稱為布魯卡區(qū)；1873年Camillo Golgi開發(fā)出一項(xiàng)染色技術(shù)，允許人們觀察

23、大腦的各個(gè)神經(jīng)元；1929年Hans Berger發(fā)明腦電圖記錄儀；1990年核磁共振成像為神經(jīng)科學(xué)家提供了關(guān)于大腦活動的細(xì)致圖像；使得以某種方式與正在進(jìn)行的認(rèn)知過程相符合的測量成為可能。神經(jīng)元l真正令人震驚的結(jié)論是：簡單細(xì)胞的集合能夠?qū)е滤季S、行動和意識，換句話說，大腦產(chǎn)生意識(西爾勒, 1992)。l計(jì)算機(jī)和大腦如何相比? 大腦活動過程對計(jì)算機(jī)工作過程有啟發(fā)。l盡管計(jì)算機(jī)在原始的轉(zhuǎn)換速度上快100萬倍, 大腦最終在做事上比計(jì)算機(jī)快10萬倍計(jì)算機(jī)人腦計(jì)算單元數(shù)存儲單元數(shù)運(yùn)算周期時(shí)間帶寬記憶更新次數(shù)/秒1個(gè)CPU/108邏輯門1010比特RAM1011比特磁盤10-9秒1010比特/秒1091

24、011個(gè)神經(jīng)元1011個(gè)神經(jīng)元1014個(gè)突觸10-3秒1014比特/秒1014l計(jì)算機(jī)工程(1940現(xiàn)在)的貢獻(xiàn)：如何才能制造出能干的計(jì)算機(jī)?l計(jì)算機(jī)被視為智能和人工制品的結(jié)合最早的可計(jì)算的裝置應(yīng)該從17世紀(jì)算起；19世紀(jì)中葉，Charles Babbage(巴貝奇, 17921871)設(shè)計(jì)了兩臺機(jī)器，名為“差分機(jī)”和“分析機(jī)”，前者最終于1991年建造出來并在倫敦展出。最早的現(xiàn)代計(jì)算機(jī)幾乎同時(shí)在二戰(zhàn)期間分別在英國、德國和美國發(fā)明出來；1945年在賓夕法尼亞大學(xué)(UPenn)開發(fā)出來的ENIAC被公認(rèn)為現(xiàn)代計(jì)算機(jī)最有影響的先驅(qū)，研制者包括John Mauchly和John Eckert；計(jì)算機(jī)

25、硬件按照摩爾定律每18個(gè)月性能翻一番, 但現(xiàn)在就不得不尋求新技術(shù)了。計(jì)算機(jī)軟件技術(shù)為AI提供了操作系統(tǒng)、程序設(shè)計(jì)語言、工具軟件等；AI反過來也對主流計(jì)算機(jī)科學(xué)產(chǎn)生了影響：分時(shí)技術(shù)、交互式編譯器、窗口和鼠標(biāo)的個(gè)人機(jī)、快速開發(fā)環(huán)境、鏈接表數(shù)據(jù)類型、自動存儲管理、面向?qū)ο蟮木幊痰?。l控制論(1948現(xiàn)在)的貢獻(xiàn)：人工制品怎樣才能在自己的控制下運(yùn)轉(zhuǎn)?l現(xiàn)代控制論控制論的創(chuàng)始人Norbert Wiener(維納, 1894 1964)的暢銷書Cybernetics(控制論)喚醒了人們對人工制造智能機(jī)器的可能性的熱情；現(xiàn)代控制論，特別是隨機(jī)優(yōu)化控制的分支，把設(shè)計(jì)出能隨時(shí)間變化使目標(biāo)函數(shù)最大化的系統(tǒng)作為其目

26、的，也粗略符合對AI的觀點(diǎn)。維納維納l維納系統(tǒng)地創(chuàng)建了控制論控制論：或關(guān)于在動物和機(jī)器中控制和通訊的科學(xué) ，根據(jù)這一理論，一個(gè)機(jī)械系統(tǒng)完全能進(jìn)行運(yùn)算和記憶。l他在反饋理論反饋理論上的研究認(rèn)為所有人類智力的結(jié)果都是一種反饋的結(jié)果，通過不斷地將結(jié)果反饋給機(jī)體而產(chǎn)生的動作，進(jìn)而產(chǎn)生了智能。 lAI和控制論為什么是兩個(gè)不同領(lǐng)域?控制論的數(shù)學(xué)工具是微積分和矩陣代數(shù)，適合于用固定的連續(xù)變量集合描述的系統(tǒng)，精確分析在典型情況下只對線性系統(tǒng)可行。AI自20世紀(jì)50年代建立以來，部分起因是尋求擺脫控制論數(shù)學(xué)方法的局限性。邏輯推理和計(jì)算工具使得AI研究者考慮語言/視覺/規(guī)劃等問題，完全脫離了控制論的范圍。l語言學(xué)

27、(1957現(xiàn)在)貢獻(xiàn)的思想:語言和思維是怎樣聯(lián)系起來的?l喬姆斯基最先作出了貢獻(xiàn)1957年句法結(jié)構(gòu)出版，顛覆了行為主義，認(rèn)為該理論不能解釋兒童怎么能理解和構(gòu)造他們以前沒有聽到的句子，而喬姆斯基關(guān)于語法模型的理論則能夠解釋這個(gè)現(xiàn)象，并且足夠形式化，喬姆斯基理論的影響一直持續(xù)到20世紀(jì)80年代末。l計(jì)算語言學(xué)或者自然語言處理與AI差不多同時(shí)誕生， 一直在發(fā)展，但是距離徹底理解語言和思維的關(guān)系尚很遠(yuǎn)。l研究語言的理解過程是人類智能研究的核心之一。l哲學(xué)邏輯/推理方法/智能作為一種物理系統(tǒng)/理性的基礎(chǔ)l數(shù)學(xué)形式表示與證明/算法/可計(jì)算性/可操作性/不確定性l神經(jīng)科學(xué)智能活動的物理基礎(chǔ)l經(jīng)濟(jì)學(xué)復(fù)雜系統(tǒng)中

28、的決策/驗(yàn)證環(huán)境l控制理論自我平衡系統(tǒng)/穩(wěn)定性/優(yōu)化設(shè)計(jì)l計(jì)算機(jī)工程計(jì)算機(jī)硬件和軟件系統(tǒng)l心理學(xué)自適應(yīng)性/感知和控制的現(xiàn)象l語言學(xué)知識表示/語法85人工智能簡史人工智能簡史 7個(gè)歷史時(shí)期：孕育期/誕生/早期的成功/困難期/基于知識系統(tǒng)的崛起/AI成為工業(yè)/AI成為科學(xué)l按照Russell的觀點(diǎn), AI六十年的發(fā)展歷史可以分為以下7個(gè)時(shí)期：AI孕育期(19431955)AI的誕生(1956)早期的成功與期望(19521969)現(xiàn)實(shí)的困難(19661973)基于知識的系統(tǒng): 力量的鑰匙? (19691979)AI成為工業(yè)(1980現(xiàn)在)AI成為科學(xué)(1987現(xiàn)在)l神經(jīng)網(wǎng)絡(luò)最早的AI工作是1943

29、年McCulloch和Pitts人工神經(jīng)元模型的研究，他們證明任何可計(jì)算的函數(shù)都可以通過某種由神經(jīng)元連接成的網(wǎng)絡(luò)進(jìn)行計(jì)算，還提出適當(dāng)?shù)木W(wǎng)絡(luò)能夠?qū)W習(xí)；1951年，普林斯頓大學(xué)數(shù)學(xué)系研究生Marvin Minsky(明斯基)和Dean Edmonds建造了第一臺神經(jīng)元網(wǎng)絡(luò)計(jì)算機(jī)。l圖靈1950年的論文第一個(gè)清晰地描繪出AI的完整圖像：Computing Machinery and Intelligence提出了圖靈測試、機(jī)器學(xué)習(xí)、遺傳算法、增量學(xué)習(xí)l1956年夏天，AI正式誕生于達(dá)特茅斯大學(xué)John McCarthy(麥卡錫)自普林斯頓大學(xué)畢業(yè)以后去了達(dá)特茅斯大學(xué)，他說服了另外2個(gè)人幫助召開了為期

30、2個(gè)月的研討會。會議組織者4人：麥卡錫、Minsky(明斯基)、Claude Shannon(香儂)、IBM的Nathaniel Rochester(羅切斯特)，參加者共10人。其他6位是：普林斯頓大學(xué)Trenchard More、IBM的Arthur Samuel(塞繆爾)、MIT的Ray Solomonoff和Oliver Selfridge、CMU的紐厄爾和西蒙l盡管這次會議沒有新突破，但聚集了AI的主要人物特別是AI領(lǐng)域的4位著名專家，他們后來所在的大學(xué)也成為了美國AI研究的3大基地： MIT明斯基Stanford麥卡錫(先在MIT后去了Stanford)CMU紐厄爾和西蒙此外， 還有

31、IBMl這次會議最為長久的貢獻(xiàn)就是麥卡錫為該領(lǐng)域起的名字:人工智能l為什么AI有必要成為一個(gè)新領(lǐng)域?目標(biāo)不同：AI從一開始就承載著復(fù)制人的才能如創(chuàng)造性、自我修養(yǎng)、語言功能等思想，沒有任何一個(gè)其他領(lǐng)域涉及這些問題；方法論不同：是唯一一個(gè)明確屬于計(jì)算機(jī)科學(xué)的分支，因而不是數(shù)學(xué)或者控制論或其他學(xué)科的分支；AI是唯一這樣的領(lǐng)域：它試圖建造在復(fù)雜和變化的環(huán)境中自動發(fā)揮功能的機(jī)器。麥卡錫麥卡錫lUncle John McCarthy l1956 首次提出人工智能Artificial Intelligencel1971年獲圖靈獎(jiǎng)。lLisp語言的發(fā)明者。麥卡錫 （19272011）l當(dāng)時(shí)，主流的思想是“一臺

32、機(jī)器永遠(yuǎn)不能做X”(而不是考慮“看看計(jì)算機(jī)能不能做X？”)lAI研究者們就演示一個(gè)接一個(gè)的XCMU：紐厄爾和西蒙完成通用問題求解器(GPS)， 該系統(tǒng)及其后續(xù)程序的成功導(dǎo)致了他們提出著名的物理符號系統(tǒng)物理符號系統(tǒng)假設(shè)。IBM：1959Herbert Gelernter建造了幾何定理證明機(jī)；1952年起，塞繆爾寫了一系列西洋跳棋程序，通過學(xué)習(xí)可達(dá)業(yè)余高手的級別；MIT：1958年麥卡錫到了以后作出了三項(xiàng)重要貢獻(xiàn) /貢獻(xiàn)1: 定義了LISP語言 / 貢獻(xiàn)2: 與MIT其他人發(fā)明了分時(shí)技術(shù) / 貢獻(xiàn)3: 發(fā)表了題為Programs with Common Sense的論文, 文中描述了“建議采納者”

33、程序. 該程序?qū)崿F(xiàn)了知識表示和推理的中心原則: 具備明確的知識表示, 并能通過演繹過程處理這些表示Stanford: 1963年麥卡錫啟動了斯坦福的AI實(shí)驗(yàn)室, 著重研究邏輯推理的通用方法(后來如Robinson發(fā)現(xiàn)歸結(jié)方法) / 以及機(jī)器人研究MIT: 1958年明斯基也到了, 不過他對程序如何實(shí)現(xiàn)更感興趣, 并最終發(fā)展出反邏輯的觀點(diǎn) / 指導(dǎo)了一系列學(xué)生, 選擇那些顯然需要智能才能解決的受限問題 / 貢獻(xiàn): 微世界微世界模型MIT: 最著名的微世界是積木世界, 在此基礎(chǔ)上完成了許多研究工作如: 視覺項(xiàng)目、自然語言理解項(xiàng)目(Terry Winograd)、規(guī)劃器等l早期AI研究者過于盲目的樂

34、觀態(tài)度：10年預(yù)見象棋世界冠軍，而實(shí)際上至少40年。l早期的AI系統(tǒng)在試圖解決更寬范圍和更難的問題時(shí)，都悲慘地失敗了，原因何在?l第一類困難: 缺少主題知識(通用而非專門化)典型例子: 機(jī)器翻譯(MT) / 最早對AI研究的發(fā)難始于機(jī)器翻譯(1966ALPAC報(bào)告) The spirit is willing but the flesh is weekThe vodka is good but the meat is rotten第二類困難：AI試圖解決的很多問題是不可操作的(NP類)：在計(jì)算復(fù)雜性理論建立之前，對“問題放大”(從玩具到現(xiàn)實(shí))的認(rèn)識局限于速度和存儲容量。例子: 早期遺傳算法實(shí)驗(yàn)

35、(195859)無限計(jì)算能力的幻覺：程序原則上能夠找到解并不意味著程序?qū)嶋H上包含找到解的機(jī)制1973年英國政府在Lighthill報(bào)告之后終止了除2所大學(xué)以外所有的AI研究資助。第三類困難：用于產(chǎn)生智能行為的基本結(jié)構(gòu)存在某些限制例子：1969年Minsky和Papert證明了感知器簡單的神經(jīng)網(wǎng)絡(luò)所能表示的東西很少(單層感知器對XOR函數(shù))神經(jīng)網(wǎng)絡(luò)研究由此沉寂了20年，直到80年代后期多層網(wǎng)絡(luò)的反向傳播算法出現(xiàn)引起了神經(jīng)網(wǎng)絡(luò)的復(fù)興；這一算法首次發(fā)現(xiàn)恰恰是在1969年發(fā)現(xiàn)的(Bryson & Ho)。l早期研究中的通用搜索機(jī)制稱為弱方法弱方法；通用但不能擴(kuò)展到大規(guī)模問題或困難問題l需要更強(qiáng)有力的、

36、領(lǐng)域相關(guān)的知識DENDRAL是第一個(gè)成功的知識密集型系統(tǒng)，1969年在Stanford開發(fā)，參與者包括Ed Feigenbaum等，根據(jù)質(zhì)譜儀信息推斷分子結(jié)構(gòu)；該系統(tǒng)改進(jìn)后, 把知識和推理部分清楚地劃分開80年代專家系統(tǒng)的典型結(jié)構(gòu)。l由DENDRAL系統(tǒng)開始的專家系統(tǒng)專家系統(tǒng)方法論又應(yīng)用到其他需要人類專家知識的領(lǐng)域: MYCIN檢測血液感染的專家系統(tǒng)MYCIN知識庫的特點(diǎn): 直接來自經(jīng)驗(yàn) / 反映出知識的不確定性l自然語言理解領(lǐng)域的專家系統(tǒng):耶魯大學(xué)Roger Schank和其學(xué)生們開發(fā)的一系列程序(19771983)l1982年，第一個(gè)成功的商用專家系統(tǒng)R1在DEC公司開始運(yùn)轉(zhuǎn)，到1986年

37、為止每年為公司節(jié)省4千萬美元：美國主要公司都曾開發(fā)或使用專家系統(tǒng)；AI工業(yè)在1980年只是幾百萬美元，1988年漲到數(shù)十億美元。l在八十年代的AI研究熱潮中，1981年日本提出五代機(jī)計(jì)劃，目的是建造運(yùn)行Prolog程序的智能機(jī)；l美國則對應(yīng)成立了MCC研究集團(tuán)；實(shí)際上，“AI成為工業(yè)”目前在一些家電中可以找到影子。l神經(jīng)網(wǎng)絡(luò): Frank Rosenblatt1962年提出感知器, 證明了感知器收斂定理 / 但1969年以后沉寂l反向傳播算法引起了神經(jīng)網(wǎng)絡(luò)研究的復(fù)興，Rumelhart和McClelland的文集引起反響l連接主義連接主義方法崛起，被認(rèn)為是Newell和Simon提出的符號模型

38、和McCarthy主張的邏輯方法的直接競爭者l當(dāng)前的觀點(diǎn)是：連接主義和符號主義方法是互補(bǔ)的l近年AI研究在內(nèi)容和方法論方面的特點(diǎn)：在已有的理論基礎(chǔ)上進(jìn)行研究而不是提出嶄新理論；理論建立在嚴(yán)格定理或者確鑿實(shí)驗(yàn)證據(jù)基礎(chǔ)上而不是靠直覺；顯示與現(xiàn)實(shí)世界應(yīng)用的相關(guān)性而不是與玩具樣例的相關(guān)性。l從對控制論和統(tǒng)計(jì)學(xué)的某種叛逆到開始接受這些領(lǐng)域的理論和方法；語音識別中HMM模型應(yīng)用 / 貝葉斯網(wǎng)絡(luò)；數(shù)據(jù)挖掘：綜合神經(jīng)元網(wǎng)絡(luò) / 統(tǒng)計(jì)學(xué)；機(jī)器人、計(jì)算機(jī)視覺等；l重新審視“完整智能體” ：嵌入真實(shí)環(huán)境的智能體：目前最重要的智能化智能體環(huán)境是Internet, AI技術(shù)成為重要的Internet工具，例如搜索引擎。

39、l為什么要采納智能體觀點(diǎn)?AI歷史上分離的子領(lǐng)域需要重新組織起來；AI與其他涉及智能體的領(lǐng)域的聯(lián)系被拉近了(如控制論和經(jīng)濟(jì)學(xué))人工智能的未來人工智能的未來lAI是新興學(xué)科，也是激動人心的學(xué)科；lAlan Turing：我們只能向前看到很短的距離，但是我們能夠看到仍然有很多事情要做。lRussell聲稱：不同于物理學(xué)，這里還有出現(xiàn)幾個(gè)愛因斯坦的余地；l為什么？研究主觀世界的成果遠(yuǎn)少于研究客觀世界的成果。l弱人工智能擅長于單個(gè)方面的人工智能l強(qiáng)人工智能人類級別的人工智能，現(xiàn)在還做不到l超人工智能在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多，包括科學(xué)創(chuàng)新、通識和社交技能代表人物代表人物lRay Ku

40、rzweill相信電腦會在2029年達(dá)成強(qiáng)人工智能，而到了2045年，我們不但會有超人工智能，還會有一個(gè)完全不同的世界奇點(diǎn)時(shí)代。谷歌技術(shù)總監(jiān)。人工智能、機(jī)器人、深度學(xué)習(xí)等領(lǐng)域奇才。微軟創(chuàng)始人蓋茨曾經(jīng)稱他是“我知道在預(yù)測人工智能上最厲害的人”。過去 30 年，他對未來預(yù)測的準(zhǔn)確率超過 86%。代表人物代表人物l霍金l馬斯克、蓋茨lNick Bostrom 超級人工智能Bill Gates 2004“If you invent a breakthrough in artificial intelligence, so machines can learn,” Mr. Gates responded

41、, “that is worth 10 Microsofts.” (Quoted in New York Times, Monday, March 4, 2004)Bill Gates 2015l比爾蓋茨在Reddit的“Ask Me Anything”論壇上表示，人類應(yīng)該敬畏人工智能的崛起。l蓋茨解釋，人工智能將最終構(gòu)成一個(gè)現(xiàn)實(shí)性的威脅，但它在此之前會使我們的生活更輕松。l微軟的研發(fā)董事總經(jīng)理埃里克霍維茨持相反觀點(diǎn)，認(rèn)為世界末日的場景純屬“科幻”。Elon Muskl在麻省理工學(xué)院航空航天系2014百年紀(jì)念座談會上，伊隆馬斯克表示，“隨著人工智能發(fā)展，我們正在召喚惡魔。.（人們）總覺得能控制

42、的惡魔，（但）根本不是這樣?！?l通過不斷投資的方式來保持對人工智能的關(guān)注，他甚至認(rèn)為人工智能的危險(xiǎn)性超過核武器。Stephen Hawkingl著名理論物理學(xué)家Stephen Hawking認(rèn)為：人工智能或許不但是人類歷史上最大的事件，而且還有可能是最后的事件?！叭斯ぶ悄艿亩唐谟绊懭Q于由誰來控制它，而長期影響則取決于它是否能夠被控制。人類在考核人 工智能技術(shù)的潛在風(fēng)險(xiǎn)和收益方面所做的研究工作太少” 。當(dāng)前當(dāng)前l(fā)人工智能將成為IT領(lǐng)域最重要的技術(shù)革命，國際IT巨頭已經(jīng)開始在人工智能領(lǐng)域頻頻發(fā)力，一方面網(wǎng)羅頂尖人才，一方面加大投資力度；l人工智能的浪潮已經(jīng)開始掀起，人工智能新的春天已經(jīng)到來。人工智能學(xué)習(xí)資源人工智能學(xué)習(xí)資源期刊、會議人工智能國際聯(lián)合大會人工智能國際聯(lián)合大會International Joint Conferences on Artifi