復(fù)試1人工智能01

1、人工智能Artificial Intelligence A New Synthesis序參考教材：Artificial Intelligence: A Modern Approach。 Russell & Norvig著。英文、中文譯本學(xué)習(xí)資料：到Web搜索。包括課件、程序、文章、討論組等等。如IJCAI國(guó)際人工智能大會(huì)Artificial Intelligence（期刊）ECAIAAAIIEEE Expert（期刊）在應(yīng)用方面偏重于決策支持和專家系統(tǒng)序（續(xù)1）學(xué)時(shí)：本科生：48，包括全書大部分章節(jié)考試：筆試（70%）+平時(shí)成績(jī)（作業(yè)）（30 % ）學(xué)習(xí)目標(biāo)或考試內(nèi)容：基本思想、基本概念、基本

2、方法。學(xué)習(xí)方法：反思生物、動(dòng)物、人、組織、社會(huì)序（續(xù)2）Nilsson教授是人工智能研究中邏輯學(xué)派的奠基人之一，其著作在全世界許多國(guó)家被用作大學(xué)教材。從一個(gè)新穎的角度對(duì)人工智能（AI, Artificial Intelligence）各方面的問(wèn)題進(jìn)行了探討，介紹人工智能系統(tǒng)或agent的發(fā)展歷程。超出了經(jīng)典人工智能的范圍。Agent可譯為“智能體”或“智能主體”，但一般沿用原文自我介紹目前的主要研究方向是多Agent系統(tǒng)（MAS）和語(yǔ)義Web、信息抽取 理論研究：Semantic Web 和Semantic Grid中的知識(shí)獲取問(wèn)題。涉及自然語(yǔ)言理解(NLP or NLU)、機(jī)器學(xué)習(xí)以及人機(jī)交

3、互(CHI or HCI)，如DynamicView研究項(xiàng)目相關(guān)的應(yīng)用研究：MAS在軍事訓(xùn)練與仿真中的應(yīng)用、虛擬旅游。類似于游戲，實(shí)際上：軍事游戲=人工智能+計(jì)算機(jī)圖形學(xué)+人機(jī)交互+計(jì)算機(jī)藝術(shù)人工智能在計(jì)算機(jī)科學(xué)與應(yīng)用中的地位核心地位?？偟貋?lái)講科學(xué)的意味更多、算法的復(fù)雜性更強(qiáng)眾多的Turing 獎(jiǎng)獲得者從事人工智能的研究眾多的院士根據(jù)DynamicView分析的結(jié)果，在美國(guó)和中國(guó)前20所大學(xué)中，在計(jì)算機(jī)科學(xué)與工程領(lǐng)域，從事人工智能研究的人最多。仁者見(jiàn)仁、智者見(jiàn)智前言主要內(nèi)容1）首先，介紹僅能對(duì)周圍環(huán)境中可感知特征作出反應(yīng)的原始agent，以及這些簡(jiǎn)單的機(jī)器所涉及的機(jī)器視覺(jué)、機(jī)器學(xué)習(xí)和機(jī)器進(jìn)化等

4、問(wèn)題2）其次，介紹使agent在無(wú)法立即感知的任務(wù)環(huán)境中獲取信息的技術(shù)。這些信息可以采用環(huán)境狀態(tài)、環(huán)境圖標(biāo)模型、狀態(tài)空間圖和邏輯表示等描述性信息的形式因?yàn)锳I的發(fā)展歷程類似于動(dòng)物的進(jìn)化過(guò)程，因此稱為演化人工智能（evolutionary artificial intelligence）本書范圍1）本書處于理論和實(shí)踐之間的中間地帶2）本書并非人工智能編程的教材，它以思想而不是以程序?yàn)橹行那把裕ɡm(xù)1）本書特點(diǎn)機(jī)器學(xué)習(xí)（machine learning）沒(méi)有作為單獨(dú)的議題討論，而是將其貫穿本書始終。首先討論神經(jīng)網(wǎng)絡(luò)（neural net）和受監(jiān)督的學(xué)習(xí)（supervised learning）的基本

5、思想；接著在“搜索（search） ”章節(jié)中討論啟發(fā)式搜索和動(dòng)作策略的技術(shù)；然后在有關(guān)邏輯（logic）的章節(jié)之后討論規(guī)則學(xué)習(xí)，歸納邏輯編程（inductive logic programming）和基于解釋的學(xué)習(xí)（explanation-based learning）；在討論了基于邏輯的計(jì)劃（logic-based planning）之后，將討論有關(guān)學(xué)習(xí)規(guī)劃（learning plan）第1章 緒論如何理解智能？ 包括理解知識(shí)如何獲取、表達(dá)和存儲(chǔ)；智能行為如何產(chǎn)生和學(xué)習(xí)；動(dòng)機(jī)、情感和優(yōu)先權(quán)如何發(fā)展和運(yùn)用；傳感器信號(hào)如何轉(zhuǎn)換成各種符號(hào)；怎樣運(yùn)用各種符號(hào)進(jìn)行邏輯運(yùn)算、對(duì)過(guò)去進(jìn)行推理和對(duì)未來(lái)進(jìn)行規(guī)

6、劃；智能機(jī)制如何產(chǎn)生幻覺(jué)、信念、希望、畏懼、夢(mèng)幻甚至善良和愛(ài)情等現(xiàn)象。對(duì)上述內(nèi)容的根本理解將會(huì)成為與擁有原子物理、相對(duì)論和分子遺傳學(xué)等級(jí)相當(dāng)?shù)目茖W(xué)成就1.1 什么是人工智能廣義地講，人工智能是關(guān)于人造物的智能行為，而智能行為包括知覺(jué)、推理、學(xué)習(xí)、交流和在復(fù)雜環(huán)境中的行為。人工智能的一個(gè)長(zhǎng)期目標(biāo)是發(fā)明出可以像人類一樣或更好地完成以上行為的機(jī)器；另一個(gè)目標(biāo)是理解這種智能行為是否存在于機(jī)器、人類和其他動(dòng)物中。因此，人工智能包含了科學(xué)和工程的雙重目標(biāo)。本書主要從工程角度討論AI，集中說(shuō)明構(gòu)成智能機(jī)器設(shè)計(jì)基礎(chǔ)的重要概念和思想。1.1 什么是人工智能（續(xù)1）機(jī)器能否思考？首先考慮“能”：一些人認(rèn)為，能夠思

7、考的機(jī)器必定十分復(fù)雜且擁有復(fù)雜的經(jīng)驗(yàn)（如與其所處的環(huán)境和其他能夠思考的機(jī)器交流）。以致于我們永遠(yuǎn)也無(wú)法設(shè)計(jì)并制造出它們。盡管我們知道有關(guān)天氣的一切重要現(xiàn)象，這些知識(shí)也無(wú)法讓我們完整、詳盡地復(fù)制天氣現(xiàn)象。同樣，完全與人類相當(dāng)?shù)闹悄軙?huì)十分復(fù)雜，或者至少會(huì)十分依賴于人類嚴(yán)密的生理機(jī)能，從而使其不能脫離處于特定環(huán)境的人的主體（embodiment）而單獨(dú)存在。其次考慮“機(jī)器”：包括“機(jī)械”的機(jī)器，和“生物”的由蛋白質(zhì)構(gòu)成的機(jī)器。John Searle 認(rèn)為我們由什么構(gòu)成直接影響我們的智能。他認(rèn)為思考僅發(fā)生在那些十分特殊的機(jī)器上有生命且由蛋白質(zhì)構(gòu)成的機(jī)器。展開來(lái)講：物質(zhì)決定意識(shí)。在材料科學(xué)中，材料+工藝

8、決定結(jié)構(gòu)，而結(jié)構(gòu)決定性能1.1 什么是人工智能（續(xù)2）與Searle的觀念截然相反，Newell和Simon提出了物理符號(hào)系統(tǒng)假說(shuō)。認(rèn)為物理符號(hào)系統(tǒng)具備必要且足夠的方法來(lái)進(jìn)行普通智能行為，并指出物理符號(hào)系統(tǒng)是類似數(shù)字計(jì)算機(jī)的機(jī)器，具備靈活處理符號(hào)數(shù)據(jù)的能力加數(shù)、重排符號(hào)序列（如按字母順序排列一組姓名）及符號(hào)替換等。該假說(shuō)的重要性之一是它指出這種物理符號(hào)系統(tǒng)由什么構(gòu)成并不重要。這一假說(shuō)是完全中性的。一個(gè)智能實(shí)體只要能處理符號(hào)，它可以由蛋白質(zhì)、機(jī)械傳動(dòng)、半導(dǎo)體或其他什么構(gòu)成。還有人認(rèn)為智能行為是“亞符號(hào)處理”，即“信號(hào)處理”，而不是“符號(hào)處理”的結(jié)果。如識(shí)別熟悉面孔對(duì)人類來(lái)說(shuō)易如反掌，而我們卻不知

9、道機(jī)器該如何運(yùn)作。他們認(rèn)為這一過(guò)程最好的解釋便是人類把圖象或圖象各部分作為多維信號(hào)而不是符號(hào)來(lái)處理。1.1 什么是人工智能（續(xù)3）能列出很多關(guān)于什么樣的機(jī)器才具有人類的思維能力的看法1）人腦對(duì)信息進(jìn)行并行處理，而傳統(tǒng)的計(jì)算機(jī)則是串行處理，我們需要建造各種新型的并行計(jì)算機(jī)來(lái)加快人工智能的發(fā)展。2）傳統(tǒng)的計(jì)算機(jī)以非真即假（雙態(tài)）邏輯為基礎(chǔ)，而真正的智能系統(tǒng)應(yīng)運(yùn)用某種模糊邏輯3）動(dòng)物神經(jīng)元遠(yuǎn)比開關(guān)計(jì)算機(jī)的基本模塊更復(fù)雜，我們需要在智能機(jī)器中運(yùn)用更現(xiàn)實(shí)的人造神經(jīng)元盡管許多人工智能研究者接受物理符號(hào)系統(tǒng)這一假說(shuō)，但在人工智能領(lǐng)域關(guān)于究竟需要哪種機(jī)器達(dá)成共識(shí)還為時(shí)過(guò)早1.1 什么是人工智能（續(xù)4）最后，我

10、們來(lái)看看“思考”這一最難的詞。圖靈沒(méi)有企圖對(duì)這個(gè)詞下定義，只是提出了圖靈測(cè)試。通過(guò)這一測(cè)試即可判斷某一特定機(jī)器是否智能機(jī)器。圖靈測(cè)試常被簡(jiǎn)化為讓一個(gè)機(jī)器試圖使詢問(wèn)者相信它是一個(gè)人。參閱書中的說(shuō)明一些簡(jiǎn)單測(cè)試包括ELIZA和JULIA。比較容易實(shí)現(xiàn)，而且有LISP程序可以下載許多程序已經(jīng)完成了大量不可思議的事設(shè)計(jì)高效省油的最佳航空路線、模擬全球氣候狀況、統(tǒng)籌安排工廠的機(jī)器使用等。這些是智能程序嗎？1.2 人工智能的研究方法第一類包括符號(hào)處理的方法。它們基于Newell and Simon的物理符號(hào)系統(tǒng)假說(shuō)。幾乎大多數(shù)“經(jīng)典的人工智能”均在其指導(dǎo)之下。突出的操作是將邏輯操作應(yīng)用于說(shuō)明性知識(shí)庫(kù)。最早

11、由John McCarthy的“采納意見(jiàn)者”備忘錄提出，這種風(fēng)格的人工智能采用說(shuō)明語(yǔ)句來(lái)表達(dá)問(wèn)題域的知識(shí)，這些語(yǔ)句基于或?qū)嵸|(zhì)上等同于一階邏輯中的語(yǔ)句。采用邏輯推理可推導(dǎo)這種知識(shí)的結(jié)果。這種方法有許多變形，包括那些強(qiáng)調(diào)對(duì)邏輯語(yǔ)言中定義域的形式公理化的角色的變形。當(dāng)遇到“真正”的問(wèn)題，這一方法需要掌握問(wèn)題域的足夠知識(shí)，通常就稱做基于知識(shí)的方法。1.2 人工智能的研究方法（續(xù)1）在大多數(shù)符號(hào)處理方法中，對(duì)需求行為的分析和為完成這一行為所做的機(jī)器合成要經(jīng)過(guò)幾個(gè)階段。最高階段是知識(shí)階段，機(jī)器所需知識(shí)在這里說(shuō)明。接下來(lái)是符號(hào)階段，知識(shí)在這里以符號(hào)組織表示，同時(shí)在這里說(shuō)明這些組織的操作。接著，在更低級(jí)的階段

12、里實(shí)施符號(hào)處理。多數(shù)符號(hào)處理采用自上而下的設(shè)計(jì)方法，從知識(shí)階段向下到符號(hào)和實(shí)施階段。1.2 人工智能的研究方法（續(xù)2）第二類包括所謂的“子符號(hào)”方法。它們通常采用自下而上的方法，從最低階段向上進(jìn)行。在最低層階段，符號(hào)的概念就不如信號(hào)這一概念確切了。在子符號(hào)方法中突出的方法是“Animat Approach”。偏愛(ài)這種方式的人們指出，人的智能經(jīng)歷了在地球上十億年或更長(zhǎng)時(shí)間的進(jìn)化過(guò)程，因此，為了制造真正的智能機(jī)器，我們必須沿著這些進(jìn)化的步驟走。第二類方法也強(qiáng)調(diào)符號(hào)基礎(chǔ)。但在物理基礎(chǔ)假說(shuō)中，一個(gè)agent不采用集中式的模式而運(yùn)用其不同的行為模塊與環(huán)境相互作用來(lái)進(jìn)行復(fù)雜的行為。1.2 人工智能的研究方

13、法（續(xù)3）機(jī)器與環(huán)境的作用產(chǎn)生了“自然”行為。一名研究人員這樣說(shuō)：一個(gè)agent的功能可視作該系統(tǒng)與動(dòng)態(tài)環(huán)境密切相互作用的自然屬性。Agent本身對(duì)其行為的說(shuō)明并不能解釋它運(yùn)行時(shí)所表現(xiàn)的功能；相反，其功能很大程度上取決于環(huán)境的特性。不僅要?jiǎng)討B(tài)地考慮環(huán)境，而且環(huán)境的具體特征也要運(yùn)用于整個(gè)系統(tǒng)之中。由子符號(hào)派制造的著名樣品機(jī)器包括所謂的“神經(jīng)網(wǎng)絡(luò)（Neural network）”。受到生物學(xué)系統(tǒng)的啟發(fā)，這些系統(tǒng)主要因其學(xué)習(xí)的能力而十分有趣。1.2 人工智能的研究方法（續(xù)4）介于兩者之間的方法是一種“環(huán)境自動(dòng)機(jī)( situated automata)”。Kaelbing 和Rosenschein建議

14、編寫一種程序設(shè)計(jì)語(yǔ)言來(lái)說(shuō)明agent在高水平上所要求的行為，并編寫一種編譯程序，以從這種語(yǔ)言編寫的程序中產(chǎn)生引發(fā)行為的線路1.3 人工智能簡(jiǎn)史當(dāng)20世紀(jì)4050年代數(shù)字計(jì)算機(jī)研制成功時(shí)，幾位研究者就編寫了能夠完成原始推理工作的程序。其中最突出的是第一個(gè)可以下國(guó)際象棋、擔(dān)當(dāng)實(shí)驗(yàn)員和證明平面幾何定理的計(jì)算機(jī)程序。McCarthy決定把1956年的Dartmouth會(huì)議用人工智能來(lái)命名。很久以前，亞里士多德在著手解釋和編纂他稱之為三段論的演繹推理時(shí)就邁出了向人工智能發(fā)展的早期步伐。1958年，John McCarthy在其系統(tǒng)中采用謂詞演算這種語(yǔ)言來(lái)表示和運(yùn)用知識(shí)。這一系統(tǒng)被告知它所需知道的而不是事

15、先程序設(shè)計(jì)好的知識(shí)。其意義在于將知識(shí)和運(yùn)用知識(shí)的程序分開。問(wèn)題在于到底應(yīng)不應(yīng)該分開呢？1.3 人工智能簡(jiǎn)史（續(xù)1）20世紀(jì)70年代末發(fā)展了一些高級(jí)程序，包括在完成一定任務(wù)時(shí)模擬專業(yè)人員的知識(shí)，如分析、設(shè)計(jì)和診斷等。如DENDRAL是一個(gè)根據(jù)分子式和質(zhì)譜分析圖來(lái)預(yù)測(cè)有機(jī)物分子結(jié)構(gòu)的系統(tǒng)。1997年5月11日，一個(gè)名為“深藍(lán)”的IBM程序在六局比賽中戰(zhàn)勝了世界象棋冠軍。這次成功是運(yùn)用復(fù)雜的搜索算法、高速計(jì)算機(jī)和國(guó)際象棋專用硬件才得以實(shí)現(xiàn)的。1.3 人工智能簡(jiǎn)史（續(xù)2）人類的智能包括洞察和分析可視場(chǎng)景、理解并運(yùn)用語(yǔ)言等許多方面的能力。20世紀(jì)70年代，由William Woods開發(fā)的LUNAR系統(tǒng)

16、能回答用口語(yǔ)提出的關(guān)于由NASA從月球收集的巖石樣品的問(wèn)題。20世紀(jì)80年代對(duì)神經(jīng)網(wǎng)絡(luò)的研究又恢復(fù)了活力。具有強(qiáng)度可調(diào)互連系統(tǒng)的非線性元素網(wǎng)絡(luò)如今已被視為一類重要的非線性建模工具。展望未來(lái)，人們將重視集成的、自治的系統(tǒng)機(jī)器人和Softbots或網(wǎng)絡(luò)蜘蛛。今后，不斷提高和完善機(jī)器人和軟件agent的能力將促進(jìn)并引導(dǎo)人工智能研究。1.4 本書規(guī)劃本書將在“網(wǎng)格空間世界”這一假想空間中采用一系列“玩具”agent。網(wǎng)格空間世界是一個(gè)三維空間，它以二維的地面為界限，而地面是由一系列單元格組成。單元格集合可以容納具有各種特性的物體。單元格集合之間可能存在墻一樣的邊界，agent不能離開地面，但可以在單元

17、格之間移動(dòng)。物體必須在地面上或必須由在地面上的其他物體支撐。一個(gè)典型的網(wǎng)格空間世界如圖1.2所示。1.4 本書規(guī)劃（續(xù)1）多數(shù)人工智能系統(tǒng)對(duì)它們所處的世界和任務(wù)采用某種模型表示。從廣義上講，模型是與世界緊密相關(guān)的任何符號(hào)結(jié)構(gòu)和計(jì)算的集合。人工智能系統(tǒng)分為兩種模型。一種是“圖標(biāo)”模型（iconic），包括模仿agent環(huán)境各方面以及agent的行為對(duì)環(huán)境產(chǎn)生的影響的數(shù)據(jù)結(jié)構(gòu)和計(jì)算。在一張88單元格數(shù)組中，表示棋局狀況便是一例。另一種是“基于特征”(feature based)的模型。這種模型對(duì)環(huán)境進(jìn)行描述。例如一個(gè)特征可能是車或王是否安全，另一個(gè)可能是王被將了幾次軍。描述特征集往往不完整這是基于特征的表示方法的優(yōu)點(diǎn)，他們能容忍agent對(duì)復(fù)雜世界的知識(shí)了解的殘缺。1.4 本書規(guī)劃（續(xù)2）學(xué)習(xí)是自治性(autonomy)的一個(gè)重要方面。一個(gè)系統(tǒng)可稱之為自治的，即它