人工智能緒論課件

人工智能課程介紹課程：人工智能性質(zhì)：專業(yè)選修課課時：32課時（16個理論課時，16個實驗課時）上課地點：理論課時在14604，實驗課時在實訓(xùn)中心1號樓2樓考查方式：考勤+實驗+作業(yè)教材：《人工智能及其應(yīng)用》，王萬良，高等教育出版社參考書：強烈推薦《人工智能-一種現(xiàn)代方法》，羅素等，清華大學(xué)出版社，2013年Hello.IamBaymax.內(nèi)容2341基本概念.發(fā)展簡史.基本內(nèi)容研究領(lǐng)域基本概念I(lǐng)amBaymax,yourpersonalhealthcarecompanion.1人工智能人工智能是在計算機科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)和語言學(xué)基礎(chǔ)上發(fā)展出來的交叉學(xué)科，被人普遍認(rèn)為是繼三次工業(yè)革命后的又一次工業(yè)革命。前三次是將人類從繁重的體力勞動中解放出來，而人工智能是實現(xiàn)了腦力勞動自動化。智能的發(fā)生，物質(zhì)的本質(zhì)，宇宙的起源，生命的本質(zhì)是四大自然界的奧秘。智能是怎樣發(fā)生？智能的概念1、暫無定論，存在三個流派：思維理論、知識閾值理論與進化理論。2、思維理論：智能的核心是思維，人的一切只能來自大腦的思維活動，人的一切知識都是人類思維的產(chǎn)物。研究思維規(guī)律與方法有望揭示智能本質(zhì)。但思維又是什么？知識閾值理論：智能行為取決于知識的數(shù)量及其一般化程度，認(rèn)為智能是在巨大搜索空間迅速找到滿意解的能力。存放知識庫的電腦為什么沒有智能？進化理論：智能是以人行走能力、感知能力與繁衍生息能力為基礎(chǔ)的，由多部件交互產(chǎn)生，由人的行為與行為和環(huán)境聯(lián)系決定。智能的概念智能是知識與智力的總和。知識是一切只能行為的基礎(chǔ)，而智力是獲取知識并應(yīng)用知識求解問題的能力。智能的特征1、感知能力視聽觸味嗅五種能力感知外部世界的能力，80%來自視覺，10%來自聽覺，10%來自其他。2、記憶與思維能力記憶與思維是人腦最重要功能，是人有智能的根本原因。記憶存儲外部感知的信息以及思維產(chǎn)生知識；思維對記憶的知識進行分析、計算、比較、判斷、推理、聯(lián)想以及決策等。智能的特征2、記憶與思維能力A邏輯思維能力：抽象思維，是一種根據(jù)邏輯規(guī)則對信息進行處理的理性思維方式。有如下特點：*依靠邏輯進行*串行*易形式化*具有嚴(yán)密性、可靠性，能從邏輯上對事物發(fā)展做出合理預(yù)測。

智能的特征2、記憶與思維能力B

形象思維能力：直感思維，以客觀現(xiàn)象為思維對象，以感性形象認(rèn)識為思維素材，以意象為主要思維工具，以指導(dǎo)創(chuàng)造物化形象的實踐為主要目的的思維活動。兩次飛躍：從感性到理性，從理性到實踐有如下特點：*直覺*并行協(xié)同式*形式化困難*在信息變形或缺少得到比較滿意結(jié)果

智能的特征2、記憶與思維能力C頓悟思維能力：靈感思維，意識與潛意識共同作用。有如下特點：*不定期突發(fā)性*具有非線性的獨創(chuàng)性及模糊性*穿插于理性與感性思維之間，起升華與突破作用。智能的特征3、學(xué)習(xí)能力通過與環(huán)境的相互作用不斷學(xué)習(xí)，從而積累知識，適應(yīng)環(huán)境變化。學(xué)習(xí)可以是自覺的、有意識的，也可能是不自覺的、無意識的。可以有教師也可以自學(xué)。4、行為能力對外界刺激做出反應(yīng)人工智能1、

人工智能：用人工方法在機器上實現(xiàn)智能或者說使機器具有類似于人的智能。2、人工智能學(xué)科：一門研究如何構(gòu)造智能系統(tǒng)或智能機器，使其模擬、擴展或延伸人類智能的學(xué)科。3、圖靈測試和中文屋思想實驗1950年，圖靈發(fā)表“計算機與智能”提出圖靈測試。1980年，哲學(xué)家約翰-塞爾勒設(shè)計“中文屋思想實驗”。2014年，雷丁大學(xué)宣稱居住在美國的俄羅斯人弗拉基米爾-維羅西夫創(chuàng)立的AI尤金古斯特曼讓33%測試者相信是人類（問題？）。中文思想屋實驗1、

人工智能：用人工方法在機器上實現(xiàn)智能或者說使機器具有類似于人的智能。2、人工智能學(xué)科：一門研究如何構(gòu)造智能系統(tǒng)或智能機器，使其模擬、擴展或延伸人類智能的學(xué)科。3、圖靈測試和中文屋思想實驗1950年，圖靈發(fā)表“計算機與智能”提出圖靈測試。1980年，哲學(xué)家約翰-塞爾勒設(shè)計“中文屋思想實驗”。2014年，雷丁大學(xué)宣稱居住在美國的俄羅斯人弗拉基米爾-維羅西夫創(chuàng)立的AI尤金古斯特曼讓33%測試者相信是人類（問題？）。PartTWO2Oh,no.發(fā)展簡史1、孕育2、形成3、發(fā)展4、巔峰5、衰落發(fā)展簡史1、孕育A公元前384到公元前322年，亞里士多德（Aristotle）的三段論B英國哲學(xué)家培根提出歸納法C德國數(shù)學(xué)家和哲學(xué)家萊布尼茨提出萬能符號和推理計算理論D英國邏輯學(xué)家布爾用符號語言描述思維活動的基本推理法則E1936年，英國數(shù)學(xué)家圖靈提出“圖靈機”模型發(fā)展簡史1、孕育F1943年，美國神經(jīng)生理學(xué)家麥克洛奇（W.McCulloch）與匹茨（W.Pitts）建立第一個神經(jīng)模型（M-P模型）G1937年-1941年，美國愛荷華州立大學(xué)阿塔那索夫教授（Atanasoff）和其學(xué)生貝瑞（Berry）發(fā)明第一天計算機ABC（Atanasoff-BerryComputer）。1946年，賓夕法尼亞大學(xué)莫克利（Mauchly）和艾克特（Ecket）發(fā)明計算機ENIAC（ElectronicNumericalIntegratorandCalculator）發(fā)展簡史2、形成A1956年夏，當(dāng)時達特茅斯學(xué)院（DartmouthCollege）的年輕數(shù)學(xué)助教、現(xiàn)任斯坦福大學(xué)教授麥卡錫（J.McCarthy）聯(lián)合三位朋友：哈佛大學(xué)年輕數(shù)學(xué)家和神經(jīng)學(xué)家、麻省理工學(xué)院教授明斯基（M.L.Minsky）、IBM公司信息研究中心負(fù)責(zé)人羅切斯特（N.Rochester）、貝爾實驗室信息部數(shù)學(xué)研究員香農(nóng)（C.E.Shannon）共同發(fā)起，邀請普林斯頓大學(xué)的莫爾（T.Moore）和IBM公司的塞繆爾（A.L.Samuel）、麻省理工學(xué)院的塞爾夫利奇（O.Selfridge）和（R.Solomonff）索洛莫夫以及蘭德（RAND）公司和卡內(nèi)基-梅隆大學(xué)的紐厄爾（A.Newell）、西蒙（H.A.Simmon）召開研討會。發(fā)展簡史2、形成B會上麥卡錫提議采用“人工智能”這一術(shù)語，麥卡錫因此被稱為人工智能之父。C會后形成了多個人工智能研究組，如紐厄爾和西蒙的CarnegieRAND協(xié)作組，明斯基和麥卡錫的MIT研究組，塞繆爾的IBM工程研究組。D1956年之后，人工智能在機器學(xué)習(xí)、定理證明、模式識別、問題求解及人工智能語言方面取得很多成就。E1969年，人工智能聯(lián)合會議成立（InternationalJointConferencesonArtificialIntelligence，簡稱IJCAI）F1970年，創(chuàng)刊了國際性人工智能雜志（ArtificialIntelligence）發(fā)展簡史3、發(fā)展A泡沫谷底期：60年代人工智能進入泡沫谷底期，如機器翻譯。1960年，美國政府顧問委員會裁定：“還不存在通用的科學(xué)文本機器翻譯，也沒有最近的應(yīng)用場景”。英美兩國中斷對機器翻譯項目的資助。B知識應(yīng)用期：1977年，費根鮑姆在第五屆人工智能聯(lián)合會議上提出“知識工程”概念，使得專家系統(tǒng)大獲成功。發(fā)展簡史3、發(fā)展C集成發(fā)展期：1996年與1997年卡斯帕羅夫與深藍(lán)計算機下了兩次國際象棋，第一次卡斯帕羅夫4：2勝，第二次深藍(lán)3.5:2.5獲勝。2016年3月9日到15日，韓國圍棋世界冠軍李世石大戰(zhàn)谷歌公司的計算機alphago，2:4落敗。D1978年中國也把“智能模擬”作為國家科學(xué)技術(shù)發(fā)展規(guī)劃的主要研究課題之一，1981年成立中國人工智能學(xué)會。研究內(nèi)容1、知識表示A知識表示將人類知識形式化表示化。B符號表示法：符號表示法、連接機制表示法。

2、機器感知使機器具有人類感知能力。研究集中于機器視覺與機器聽覺。3、機器思維所謂機器思維是指對通過感知得來的外部信息級機器內(nèi)部信息的各種工作信息進行有目的處理。所謂機器行為，使計算機具有表達能力。PartTHREE3There,There.研究內(nèi)容4、機器學(xué)習(xí)所謂機器學(xué)習(xí)（machinelearning）’是研究如何使計算機具有類似于人的學(xué)習(xí)能力，使它能夠通過學(xué)習(xí)自動地獲取知識。1957年，RosenBlatt研究感知機（Perceptor）5、機器行為所謂機器行為，使計算機具有表達能力。PartTHREE4IamnotFast.研究領(lǐng)域1、自動定理證明A定理證明的實質(zhì)是證明前提P得到結(jié)論Q的永真性B1958年，美籍華人王浩機器證明了有關(guān)命題演算的所有定理（220條），謂詞演算的150條定理的85%。我國吳文俊院士提出并實現(xiàn)幾何定理機器證明“吳氏方法”。C海伯倫與魯濱遜為自動定理證明奠定了基礎(chǔ)。研究領(lǐng)域2、博弈A諸如下棋、打牌、戰(zhàn)爭等一類競爭性的智能活動稱為博弈B人工智能研究博弈的目的并不是為了讓計算機與人進行下棋、打牌之類的游戲，而是通過對博弈的研究來檢驗?zāi)承┤斯ぶ悄芗夹g(shù)是否能實現(xiàn)對人類智慧的模擬，促進人工智能技術(shù)深入的研究研究領(lǐng)域3、模式識別A模式識別是一門研究對象描述和分類方法的學(xué)科。模式是對一個物體或者某些其他感興趣實體定量或者結(jié)構(gòu)的描述，而模式類指具有某些共同屬性的模式集合。B現(xiàn)在模式識別研究主要集中到了視覺與聽覺模式識別。文字識別：車牌識別與OCR。人臉識別：反恐與商業(yè)。目標(biāo)識別：軍用和民用。語音識別：SIRI等輔助軟件和權(quán)限或門禁系統(tǒng)。研究領(lǐng)域4、機器視覺A機器視覺又叫計算機視覺，是用機器代替人眼進行測量和判斷。機器視覺分為低層和高層視覺，低層視覺指的是低層視覺元素包括邊緣、顏色、紋理等，高層視覺主要指的是理解并感知目標(biāo)。B機器視覺系統(tǒng)是首先通過數(shù)字成像設(shè)備將場景轉(zhuǎn)化為圖像信號，再將圖像信號傳遞給圖像處理系統(tǒng)，然后圖像處理系統(tǒng)進行低層視覺處理，最后基于低層視覺處理結(jié)果進行高層視覺處理進行判斷分析。研究領(lǐng)域5、自然語言理解A研究如何讓計算機理解人類自然語言。B研究目標(biāo)有三個：正確理解自然語言，正確回答問題；自動根據(jù)自然語言生成摘要；自然語言間的自動翻譯。C最初應(yīng)用是機器翻譯，經(jīng)過三個階段：首先，詞對詞的階段，該階段存在很大問題；其次，語義=語法分析階段有了長足發(fā)展，但依然有問題；當(dāng)前，強調(diào)知識即大規(guī)模語料庫的作用。研究領(lǐng)域6、智能信息檢索智能信息檢索的功能：理解自然語言；具有推理能力；系統(tǒng)具有一定的常識性知識研究領(lǐng)域7、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)A知識發(fā)現(xiàn)是通過各種學(xué)習(xí)方法，自動處理數(shù)據(jù)庫中大量的原始數(shù)據(jù)，提煉出具有必然性且有意義的知識，從而揭示出蘊含在數(shù)據(jù)背后的內(nèi)在聯(lián)系和本質(zhì)規(guī)律。知識發(fā)現(xiàn)是從數(shù)據(jù)庫發(fā)現(xiàn)知識的全過程，數(shù)據(jù)挖掘則是這個全過程中一個特定的關(guān)鍵步驟。B數(shù)據(jù)挖掘的目的是從數(shù)據(jù)庫中找出有意義的模式。分為四個階段：數(shù)據(jù)預(yù)處理、建模、模型評估及模型應(yīng)用。注：啤酒和尿布的例子，相關(guān)性問題研究領(lǐng)域8、專家系統(tǒng)A專家系統(tǒng)是一個具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的，并模擬人類專家求解問題的過程進行問題求解的系統(tǒng)B1965年，費根鮑姆研究小組開始研制第一個專家系統(tǒng)-分析化合物分子結(jié)構(gòu)的DENDRAIL。1976年，斯坦福研究所開始開發(fā)探礦專家系統(tǒng)PROSPECTOR，1980年該系統(tǒng)分析華盛頓某山區(qū)數(shù)據(jù)資料發(fā)現(xiàn)一個鉬礦。研究領(lǐng)域10、組合優(yōu)化問題A旅行商問題、生產(chǎn)計劃與調(diào)度、物流中車輛調(diào)度、智能交通、通信中路由調(diào)度、計算機網(wǎng)絡(luò)信息調(diào)度。BNP完全問題指用目前知道的最好的方法求解，問題求解需要花費的時間（或稱為問題求解的復(fù)雜性）是隨問題規(guī)模增大以指數(shù)關(guān)系增長。研究領(lǐng)域11、人工神經(jīng)網(wǎng)絡(luò)A1943年，美國神經(jīng)生理學(xué)家麥克洛奇（W.McCulloch）與匹茨（W.Pitts）建立第一個神經(jīng)模型（M-P模型）。B20世紀(jì)60年代至70年代，由于神經(jīng)網(wǎng)絡(luò)研究自身的局限性，致使其陷入了低谷。C1969年，Bryson和Ho提出BP算法。20世紀(jì)80年代，魯梅爾哈特（Rumelhart）和麥克萊蘭（Meclelland）提出多層BP神經(jīng)網(wǎng)絡(luò)，霍普菲爾德（J.J.Hopfield）等提出霍普菲爾德神經(jīng)網(wǎng)絡(luò)（Hopfield）。C2006年，多倫多大學(xué)的欣頓教授（Hinton）和華盛頓大學(xué)樂坤（Lecun）教授提出了深度神經(jīng)網(wǎng)絡(luò)。（？）思考1、強人工智能、弱人工智能與超人工智能StrongAI:physicalsymbolsystemswhichcanhaveamindandmentalstates;weakAI:physicalsymbolsystemswhichcanactintelligently

2、人工智能會是人類最后的發(fā)明？THANKSSIMONPPT,MORETHANPPTSupporterssaythattheeaseofuseofpresentationsoftwarecansavealotoftimeforpeoplewhootherwisewouldhaveusedothertypesofvisualaid—hand-drawnormechanicallytypesetslides,blackboardsorwhiteboards,oroverheadprojections.Easeofusealsoencouragesthose人工智能

是一門交叉學(xué)科

腦科學(xué)認(rèn)知科學(xué)心理學(xué)語言學(xué)邏輯學(xué)哲學(xué)計算機科學(xué)人工智能什么是人工智能人工智能的定義可以分為兩部分，即“人工”和“智能”。關(guān)于什么是“智能”？智能需要具備的特征？具有感知能力（系統(tǒng)輸入）:

機器視覺，機器聽覺，圖像語音識別……具有記憶與思維能力：思維是智能的根本原因，思維是一個動態(tài)的過程。思維分為：邏輯思維，形象思維和頓悟思維。具有學(xué)習(xí)能力及自適應(yīng)能力：適應(yīng)環(huán)境的變換、積累經(jīng)驗的能力

具有行為能力（系統(tǒng)輸出）：對外界的智能化反應(yīng)早期判斷是否有智能的方法———圖靈測試英國數(shù)學(xué)家阿蘭·圖靈(AlanTuring)提出了現(xiàn)稱為“圖靈測試”(TuringTest)的方法。簡單來講,圖靈測試的做法是:讓一位測試者分別與一臺計算機和一個人進行交談(當(dāng)時是用電傳打字機),而測試者事先并不知道哪一個是人,哪一個是計算機。如果交談后測試者分不出哪一個被測者是人,

哪一個是計算機,則可以認(rèn)為這臺被測的計算機具有智能。

Turing測試存在的問題“圖靈測試”沒有規(guī)定問題的范圍和提問的標(biāo)準(zhǔn)僅反映了結(jié)果的比較，無涉及思維過程沒指出是什么人爭論：通過了圖靈檢驗的電腦就具備思維能力了么？測試主持人被測機器被測人中文屋子約翰·西爾勒的中文屋子假設(shè)是說:有一臺計算機閱讀了一段故事并且能正確回答相關(guān)問題,這樣這臺計算就通過了圖靈測試。而西爾勒設(shè)想將這段故事和問題改用中文描述(因為他本人不懂中文),然后將自己封閉在一個屋子里,代替計算機閱讀這段故事并且回答相關(guān)問題。描述這段故事和問題的一連串中文符號只能通過一個很小的縫隙被送到屋子里。西爾勒則完全按照原先計算機程序的處理方式和過程(如符號匹配、查找、照抄等)對這些符號串進行操作,然后把得到的結(jié)果即問題答案通過小縫隙送出去。西爾勒也得到了問題的正確答案。西爾勒認(rèn)為盡管計算機用這種符號處理方式也能正確回答問題,并且也可通過圖靈測試,但仍然不能說計算機就有了智能。

人工智能的發(fā)展概況

1.形成期（1956--1970年）AI誕生于一次歷史性的聚會(Dartmouth人工智能夏季研討會)時間：1956年夏季地點：美國達特茅斯(Dartmouth)大學(xué)目的：為使計算機變得更“聰明”，或者說使計算機具有智能發(fā)起人：麥卡錫(J.McCarthy），Dartmouth的年輕數(shù)學(xué)家、計算機專家，后為MIT教授明斯基(M.L.Minsky），哈佛大學(xué)數(shù)學(xué)家、神經(jīng)學(xué)家，后為MIT教授洛切斯特(N.Lochester)，IBM公司信息中心負(fù)責(zé)人香農(nóng)(C.E.Shannon)，貝爾實驗室信息部數(shù)學(xué)研究員會議結(jié)果：由麥卡錫提議正式采用了“ArtificialIntelligence”這一術(shù)語人工智能的發(fā)展概況2.形成期（1956----1970年）其他開創(chuàng)性貢獻1958年，美籍華人數(shù)理邏輯學(xué)家王浩在IBM-740計算機上僅用了3-5分鐘就證明了《數(shù)學(xué)原理》命題演算全部220條定理。1965年，費根鮑姆(E.A.Feigenbaum)開始研究化學(xué)專家系統(tǒng)DENDRAL，用于質(zhì)譜儀分析有機化合物的分子結(jié)構(gòu)。1969年召開了第一屆國際人工智能聯(lián)合會議（InternationalJointConferenceonAI，IJCAI），標(biāo)志著人工智能作為一門獨立學(xué)科登上了國際學(xué)術(shù)舞臺。此后IJCAI每兩年召開一次。1970年《InternationalJournalofAI》創(chuàng)刊。人工智能的發(fā)展概況3.暗淡期（1966----1974年）失敗的預(yù)言給人工智能的聲譽造成重大傷害“20年內(nèi)，機器將能做人所能做的一切”---------1965在博弈方面：塞繆爾的下棋程序在與世界冠軍對弈時，5局?jǐn)×?局。在定理證明方面：發(fā)現(xiàn)魯賓遜歸結(jié)法的能力有限。當(dāng)用歸結(jié)原理證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)時，推了10萬步也沒證出結(jié)果。在機器翻譯方面：發(fā)現(xiàn)并不那么簡單，甚至?xí)[出笑話。例如，把“心有余而力不足”的英語句子翻譯成俄語，再翻譯回來時竟變成了“酒是好的，肉變質(zhì)了”在問題求解方面：對于不良結(jié)構(gòu)，會產(chǎn)生組合爆炸問題。在神經(jīng)生理學(xué)方面：研究發(fā)現(xiàn)人腦有1011-12以上的神經(jīng)元，在現(xiàn)有技術(shù)條件下用機器從結(jié)構(gòu)上模擬人腦是根本不可能的。在英國，劍橋大學(xué)的詹姆教授指責(zé)“人工智能研究不是騙局，也是庸人自擾”。從此，形勢急轉(zhuǎn)直下，在全世界范圍內(nèi)人工智能研究陷入困境、落入低谷。

人工智能的發(fā)展概況

4.知識應(yīng)用期（1970----1988年）整個20世紀(jì)80年代，專家系統(tǒng)和知識工程在全世界得到了迅速發(fā)展。專家系統(tǒng)為企業(yè)等用戶贏得了巨大的經(jīng)濟效益。在開發(fā)專家系統(tǒng)過程中，許多研究者獲得共識，即人工智能系統(tǒng)是一個知識處理系統(tǒng)，而知識獲取、知識表示和知識利用則成為人工智能系統(tǒng)的三大基本問題。同時出現(xiàn)新的問題：專家系統(tǒng)本身所存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、沒有分布式功能、不能訪問現(xiàn)存數(shù)據(jù)庫等問題被逐漸暴露出來。人工智能的發(fā)展概況

5.集成發(fā)展期（1986年以來）1997年5月11日，由IBM研制的超級計算機“深藍(lán)”首次擊敗了國際象棋特級大師卡斯帕洛夫。2000年，中國科學(xué)院計算所開發(fā)出知識發(fā)現(xiàn)系統(tǒng)MSMiner。該系統(tǒng)是一種多策略知識發(fā)現(xiàn)平臺，能夠提供快捷有效的數(shù)據(jù)挖掘解決方案，提供多種知識發(fā)現(xiàn)方法。2011年，IBM超級電腦“沃森”亮相美國最受歡迎的智力競賽節(jié)目《危險邊緣》戰(zhàn)勝該節(jié)目兩位最成功的選手。人工智能研究形成了三大學(xué)派符號主義連接主義行為主義符號主義又稱：邏輯主義、心理學(xué)派或計算機學(xué)派符號主義的實現(xiàn)基礎(chǔ)是紐威爾和西蒙提出的物理符號系統(tǒng)假設(shè)。該學(xué)派認(rèn)為：人類認(rèn)知和思維的基本單元是符號，而認(rèn)知過程就是在符號表示上的一種運算。它認(rèn)為人是一個物理符號系統(tǒng),計算機也是一個物理符號系統(tǒng),因此,我們就能夠用計算機來模擬人的智能行為,即用計算機的符號操作來模擬人的認(rèn)知過程。這種方法的實質(zhì)就是模擬人的左腦抽象邏輯思維，通過研究人類認(rèn)知系統(tǒng)的功能機理，用某種符號來描述人類的認(rèn)知過程，并把這種符號輸入到能處理符號的計算機中，就可以模擬人類的認(rèn)知過程，從而實現(xiàn)人工智能。可以把符號主義的思想簡單的歸結(jié)為“認(rèn)知即計算”。連接主義又稱：仿生學(xué)派或生理學(xué)派原理：神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機制與學(xué)習(xí)算法。起源：源于仿生學(xué)，特別是人腦模型的研究。學(xué)派代表：卡洛克、皮茨、Hopfield、魯梅爾哈特等。連結(jié)主義基本理論認(rèn)為思維基元是神經(jīng)元，而不是符號處理過程。認(rèn)為人腦不同于電腦，并提出連結(jié)主義的大腦工作模式，用于取代符號操作的電腦工作模式。行為主義又稱：進化主義或控制論學(xué)派原理：控制論及感知—動作型控制系統(tǒng)認(rèn)為智能不需要知識、不需要表示、不需要推理；人工智能可以象人類智能一樣逐步進化(所以稱為進化主義)；智能行為只能在現(xiàn)實世界中與周圍環(huán)境交互作用而表現(xiàn)出來。催化當(dāng)