人工智能導(dǎo)論-課件 第1章 人工智能的前世今生

《人工智能概論》第一章人工智能概述課程簡(jiǎn)介智創(chuàng)未來，未來已來。這是一個(gè)人工智能的時(shí)代。發(fā)明了圍棋的堯生活于公元前約2300年，而在四千多年之后，AlphaGo在圍棋項(xiàng)目上戰(zhàn)勝了人類頂尖棋手，宣告在圍棋項(xiàng)目上機(jī)器智能已超越了人類智能。當(dāng)古老的中華傳統(tǒng)文化與現(xiàn)代的人工智能技術(shù)不期而遇，發(fā)生碰撞，會(huì)產(chǎn)生什么樣的火花呢？讓我們進(jìn)入《人工智能概論》課程，來一探究竟吧！課程學(xué)習(xí)方法理論掌握人工智能的概念、理論基礎(chǔ)與應(yīng)用概況。建議非相關(guān)專業(yè)學(xué)生以重點(diǎn)掌握人工智能的概念與各國(guó)產(chǎn)業(yè)應(yīng)用為主，相關(guān)專業(yè)學(xué)生可以對(duì)基礎(chǔ)理論進(jìn)行深入學(xué)習(xí)。實(shí)踐掌握人工智能工具的應(yīng)用與基礎(chǔ)人工智能技術(shù)。建議非相關(guān)專業(yè)學(xué)生以掌握人工智能工具的應(yīng)用為重點(diǎn)，相關(guān)專業(yè)學(xué)生可以對(duì)相關(guān)技術(shù)如編程語言、神經(jīng)網(wǎng)絡(luò)模型等進(jìn)行深入學(xué)習(xí)。課程考試目錄三人工智能應(yīng)用概況一人工智能內(nèi)涵二人工智能理論基礎(chǔ)人工智能內(nèi)涵一情景導(dǎo)入同學(xué)們，說說你身邊的人工智能？情景導(dǎo)入什么是人工智能？人工智能內(nèi)涵圖靈（1912-1954），英國(guó)數(shù)學(xué)家、邏輯學(xué)家，被稱為計(jì)算機(jī)科學(xué)之父，人工智能之父。1950年在論文《機(jī)器能思考么？》中提出了圖靈測(cè)試，一種用于判定機(jī)器是否具有智能的試驗(yàn)方法，如下：提問者和回答者分開，提問者通過一些裝置（鍵盤）向機(jī)器隨意提問。多次測(cè)試，如果有超過30%的提問者認(rèn)為回答問題的是人而不是機(jī)器，那么這臺(tái)機(jī)器就通過了測(cè)試，具有了人工智能。人工智能內(nèi)涵學(xué)術(shù)界的觀點(diǎn)約翰·麥卡錫使一部機(jī)器的反應(yīng)方式像一個(gè)人在行動(dòng)時(shí)所依據(jù)的智能；制造智能機(jī)器的科學(xué)與工程，特別是智能計(jì)算機(jī)程序；尼爾斯·尼爾森人工智能是關(guān)于知識(shí)的學(xué)科—怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的學(xué)科；帕特里克·溫斯頓人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作。人工智能內(nèi)涵廣義人工智能人工智能指通過計(jì)算機(jī)實(shí)現(xiàn)人的頭腦思維所產(chǎn)生的效果，是對(duì)能夠從環(huán)境中獲取感知并執(zhí)行行動(dòng)的智能體的描述和構(gòu)建人工智能產(chǎn)業(yè)人工智能產(chǎn)業(yè)的構(gòu)建包括數(shù)據(jù)資源、計(jì)算引擎、算法、技術(shù)、基于人工智能算法和技術(shù)進(jìn)行研發(fā)及拓展應(yīng)用的企業(yè)以及應(yīng)用領(lǐng)域人工智能技術(shù)人工智能技術(shù)是人類在利用和改造機(jī)器的過程中所掌握的物質(zhì)方法、手段和只是等各種活動(dòng)方式的總和人工智能概念及界定人工智能內(nèi)涵定義我們通常講的人工智能指向人工智能技術(shù)，指利用技術(shù)學(xué)習(xí)人、模擬人，乃至超越人類智能的綜合能力；即通過機(jī)器實(shí)現(xiàn)人的頭腦思維，使其具備感知、決策與行動(dòng)力。形象來說，人工智能可理解為由不同音符組成的音樂，而不同音符是由不同的樂器所奏響的，最終實(shí)現(xiàn)傳遞演奏者內(nèi)心所想與頭腦所思的效果。具體包括使用機(jī)器幫助、代替甚至部分超越人類實(shí)現(xiàn)認(rèn)知、識(shí)別、分析、決策等功能的技術(shù)手段。舉例如自然語言處理、語音識(shí)別、計(jì)算機(jī)視覺、機(jī)器智能技術(shù)、通過圖靈測(cè)試的智能等等。人工智能內(nèi)涵A通過視覺、聽覺、觸覺等感官活動(dòng)，接受并理解文字、圖像、聲音、語言等各種外界信息，這就是認(rèn)識(shí)和理解外界環(huán)境的能力。C通過教育、訓(xùn)練和學(xué)習(xí)過程，日益豐富自身的知識(shí)和技能，這就是學(xué)習(xí)的能力。B通過人腦的生理與心理活動(dòng)以及有關(guān)的信息處理過程，將感性知識(shí)抽象為理性知識(shí)，并能對(duì)事物運(yùn)行的規(guī)律進(jìn)行分析、判斷和推理，這就是提出概念、建立方法，進(jìn)行演繹和歸納推理、作出決策的能力。D對(duì)不斷變化的外界環(huán)境條件（如干擾、刺激等外界作用）能靈活地作出正確地反應(yīng)，這就是自適應(yīng)能力。人工智能內(nèi)涵弱人工智能（WeakAI），也稱人工狹義智能（ANI），是無意識(shí)的，專注于一個(gè)具體的任務(wù)。例如，語音識(shí)別、圖像識(shí)別和翻譯，是擅長(zhǎng)單個(gè)方面的人工智能。強(qiáng)人工智能（StrongAI），也稱人工廣義智能（AGI），意味著機(jī)器具有將智能用于處理任何問題的能力，是AI研究的主要目標(biāo)。強(qiáng)人工智能能夠進(jìn)行思考、計(jì)劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作。超人工智能（SuperAI），也稱人工超級(jí)智能（ASI），是一個(gè)假定的智能體，擁有遠(yuǎn)超人類大腦的智能，人工智能將打破人腦受到的維度限制，其所觀察和思考的內(nèi)容，人腦已經(jīng)無法理解，人工智能將形成一個(gè)新的社會(huì)。人工智能內(nèi)涵即問即答谷歌公司研發(fā)推出能戰(zhàn)勝圍棋世界冠軍的人工智能AlphaGo是否屬于強(qiáng)人工智能？人工智能內(nèi)涵人工智能與大數(shù)據(jù)、云計(jì)算的最大的區(qū)別是，互聯(lián)網(wǎng)及新興技術(shù)改造的是傳統(tǒng)行業(yè)，是應(yīng)用層的創(chuàng)新，但人工智能改變的卻是互聯(lián)網(wǎng)本身。全新交互方式自進(jìn)化去節(jié)點(diǎn)化人工智能內(nèi)涵人工智能帶來的則是真正意義上的用戶交互層上的革命，真正解放了人類的雙手，讓語音交互、圖像識(shí)別、自然語言理解等成為新的傳遞媒介和對(duì)話窗口。而每一次交互方式上的重大變革，都會(huì)摧毀舊有的產(chǎn)業(yè)，孕育全新的產(chǎn)業(yè)，出現(xiàn)顛覆性的產(chǎn)業(yè)變化。全新的交互方式人工智能內(nèi)涵人工智能依托于互聯(lián)網(wǎng)海量數(shù)據(jù)的積累以及數(shù)據(jù)挖掘、自然語言處理、語音交互、圖像識(shí)別、深度機(jī)器學(xué)習(xí)及用戶建模等方面的技術(shù)積淀，這些為人工智能的迅猛發(fā)展提供了成長(zhǎng)養(yǎng)料。同樣一年的發(fā)展期，人工智能的應(yīng)用和成長(zhǎng)速度是指數(shù)級(jí)別的，遠(yuǎn)遠(yuǎn)超過了過去互聯(lián)網(wǎng)所出現(xiàn)的電商、社交等技術(shù)的線性成長(zhǎng)速度。人工智能是站在有著深厚積淀的巨人肩膀上的創(chuàng)新，具有自進(jìn)化特性，所以其成長(zhǎng)、普及速度也會(huì)遠(yuǎn)遠(yuǎn)超過傳統(tǒng)互聯(lián)網(wǎng)的各個(gè)領(lǐng)域。自進(jìn)化阿爾法狗再進(jìn)化:無師自通學(xué)3天擊敗老狗(顫抖吧人類)人工智能內(nèi)涵去節(jié)點(diǎn)化即“所說即所得”，人工智能將使用門檻降到了0。就如小孩剛剛降生，首先最早學(xué)會(huì)的就是說話，而不是讀書、寫字一樣。人工智能以對(duì)話為主要的交互方式，更像是身體器官的自然延伸，而不像計(jì)算機(jī)、手機(jī)，還得依靠雙手、眼睛和腦力，這一改變使其使用門檻幾乎為零，讓用戶獲取服務(wù)變得更加簡(jiǎn)單便捷，真正實(shí)現(xiàn)了“所說即所得”。就如蘋果手機(jī)的觸控體驗(yàn)給智能手機(jī)產(chǎn)業(yè)帶來的革命一樣，人工智能以對(duì)話為主的看似傻瓜式的改變，預(yù)期也會(huì)引發(fā)互聯(lián)網(wǎng)的一場(chǎng)顛覆革命。去節(jié)點(diǎn)化人工智能內(nèi)涵人工智能四種途徑像人一樣行動(dòng)：圖靈測(cè)試像人一樣思考：認(rèn)知建模（認(rèn)知科學(xué)）合理地思考：“思維法則”（邏輯學(xué)）合理地行動(dòng)：進(jìn)程安排（agent）人工智能內(nèi)涵像人一樣行動(dòng)：圖靈測(cè)試1自然語言處理（naturallanguageprocessing）：使之能成功地用人類語言交流；2知識(shí)表示（knowledgerepresentation）：存儲(chǔ)它知道的或聽到的信息；4機(jī)器學(xué)習(xí)（machinelearning）：適應(yīng)新情況并進(jìn)行檢測(cè)和預(yù)測(cè)；3自動(dòng)推理（automatedreasoning）：運(yùn)用存儲(chǔ)的信息來回答問題并推出新結(jié)論；5計(jì)算機(jī)視覺（computervision）：感知物體；6機(jī)器人學(xué)（robotics）：操縱和移動(dòng)對(duì)象。人工智能內(nèi)涵像人一樣思考：認(rèn)知建模內(nèi)省通過內(nèi)省捕獲人類自身的思維過程；心理實(shí)驗(yàn)通過心理實(shí)驗(yàn)觀察工作中的人類思維變化；腦成像通過腦成像觀察人類思考過程中的組織成分變化。認(rèn)知科學(xué)人工智能內(nèi)涵像人一樣思考：認(rèn)知建模認(rèn)知科學(xué)掌握對(duì)于人腦的精確理解，才能把這樣的理論表示成計(jì)算機(jī)程序。如果該程序的輸入輸出行為匹配相應(yīng)的人類行為，這就是程序的某些機(jī)制可以達(dá)成人腦運(yùn)行效果的證據(jù)。認(rèn)知科學(xué)（CognitiveScience）通過結(jié)合計(jì)算機(jī)模型和心理學(xué)實(shí)驗(yàn)技術(shù)，來構(gòu)建一種精確且可測(cè)試的人類思維理論。在人工智能早期，不同途徑之間經(jīng)常出現(xiàn)混淆，如果一個(gè)算法能很好地完成一項(xiàng)任務(wù)，那么它是一個(gè)好模型，反之亦然?，F(xiàn)代程序員將兩種主張區(qū)分開，促進(jìn)了人工智能和認(rèn)知科學(xué)的快速發(fā)展。通過將神經(jīng)生理學(xué)證據(jù)吸收到計(jì)算模型中，使得計(jì)算機(jī)視覺獲得了顯著進(jìn)步，人工智能與認(rèn)知科學(xué)相互豐富。人工智能內(nèi)涵合理地思考：“思維法則”1965邏輯學(xué)家為世界上各種對(duì)象及對(duì)象之間關(guān)系的陳述制訂了一種精確的表示法（類似于算術(shù)表示法，算術(shù)只是關(guān)于數(shù)的陳述的表示法）人工智能中的邏輯主義（logicist）流派希望通過這樣的程序來創(chuàng)建智能系統(tǒng)，此途徑被稱為“思維法則”的途徑。已有程序原則上可以求解用邏輯表示法描述的任何可解問題（如果不存在解，那么程序可能無限循環(huán)）19世紀(jì)1965年人工智能邏輯學(xué)人工智能內(nèi)涵合理地思考：“思維法則”邏輯學(xué)兩個(gè)障礙首先，獲取非格式化的知識(shí)并用邏輯表示法要求的形式術(shù)語來陳述是不容易的，特別是在知識(shí)不是百分之百肯定時(shí)；其次，在“原則上”可解一個(gè)問題與實(shí)際上解決該問題之間存在巨大的差別，甚至求解只有幾百條事實(shí)的問題就可耗盡任何計(jì)算機(jī)的計(jì)算資源。人工智能內(nèi)涵進(jìn)程安排是進(jìn)行運(yùn)行操作的智能安排（英語的agent源于拉丁語的agere，意為“去做”）。所有計(jì)算機(jī)程序都在運(yùn)行并處理任務(wù)，但是普通計(jì)算機(jī)不能感知環(huán)境、長(zhǎng)期持續(xù)、適應(yīng)變化并創(chuàng)建與追求目標(biāo)。進(jìn)程安排能實(shí)現(xiàn)更多功能：自主操作進(jìn)行合理安排，當(dāng)存在不確定性時(shí)，為實(shí)現(xiàn)最佳期望結(jié)果而重新規(guī)劃任務(wù)。合理地行動(dòng)：進(jìn)程安排（agent）人工智能內(nèi)涵合理性的標(biāo)準(zhǔn)在數(shù)學(xué)上定義明確且完全通用，可被“解決并取出”來生成可證實(shí)現(xiàn)了合理性的進(jìn)程安排設(shè)計(jì)。另一方面，人類行為可以完全適應(yīng)特定環(huán)境，并且可以很好地定義為人類做的所有事情的總和。所以，研究合理進(jìn)程安排的一般原則以及用于構(gòu)造這樣的進(jìn)程安排的部件將是使用的一個(gè)重點(diǎn)。因?yàn)樵诂F(xiàn)實(shí)中，盡管問題可以被簡(jiǎn)單地陳述，但是在試圖求解問題時(shí)各種各樣的難題往往就會(huì)出現(xiàn)。但是，合理進(jìn)程安排途徑在復(fù)雜環(huán)境中不可行，因?yàn)橛?jì)算要求太高。合理地行動(dòng)：進(jìn)程安排（agent）合理進(jìn)程安排的途徑與其他途徑相比有兩個(gè)優(yōu)點(diǎn)。首先，它比“思維法則”的途徑更普遍，因?yàn)檎_的推理只是實(shí)現(xiàn)合理性的幾種可能的機(jī)制之一。其次，它比其他基于人類行為或人類思維的途徑更經(jīng)得起科學(xué)發(fā)展的檢驗(yàn)。優(yōu)點(diǎn)人工智能內(nèi)涵即問即答構(gòu)建人工智能時(shí)通過基于人是如何思考的這一途徑來建模，這一途徑被稱為什么？習(xí)題人工智能具有以下哪些特征（）A.全新交互方式B.自進(jìn)化C.去節(jié)點(diǎn)化D.自動(dòng)化多選題習(xí)題實(shí)現(xiàn)人工智能的途徑有（）A.圖靈測(cè)試B.認(rèn)知建模C.“思維法則”D.合理進(jìn)程安排多選題習(xí)題通過語音助手添加日程安排1.打開個(gè)人手機(jī)；2.根據(jù)不同品牌的手機(jī)，喚醒語音助手；3.請(qǐng)語音助手添加下周日程安排；4.對(duì)比通過語音助手添加日程安排與手動(dòng)添加日程安排的異同。實(shí)訓(xùn)題人工智能理論基礎(chǔ)二人工智能內(nèi)涵人工智能的目標(biāo)是研發(fā)出模擬人類學(xué)習(xí)、思考、決策、行動(dòng)的機(jī)器，這是一個(gè)極其復(fù)雜的過程，需要掌握大部分相關(guān)學(xué)科的知識(shí)。自然科學(xué)類社會(huì)科學(xué)類人工智能理論基礎(chǔ)數(shù)學(xué)神經(jīng)科學(xué)計(jì)算機(jī)科學(xué)控制論大數(shù)據(jù)1自然科學(xué)類人工智能理論基礎(chǔ)數(shù)學(xué)數(shù)學(xué)學(xué)科在人工智能領(lǐng)域需要回答的問題有：什么是能導(dǎo)出有效結(jié)論的形式化規(guī)則？什么可以被計(jì)算？我們?nèi)绾斡貌淮_定的信息來推理？布爾邏輯設(shè)計(jì)了命題邏輯，一階邏輯在布爾邏輯基礎(chǔ)上，引入了對(duì)象與關(guān)系，歐幾里得（Euclid）算法開辟了算法先河。邏輯斯蒂文?庫(kù)克（StevenCook）和理查德?卡普（RichardKarp）開創(chuàng)的NP—完全（NP-completeness）理論，為不易處理和計(jì)算的問題提供了解決辦法。算法數(shù)學(xué)對(duì)人工智能的第三大貢獻(xiàn)是概率（probability）理論。貝葉斯的規(guī)則構(gòu)成了人工智能系統(tǒng)中大多數(shù)用于不確定推理的現(xiàn)代方法的基礎(chǔ)。概率人工智能理論基礎(chǔ)神經(jīng)科學(xué)神經(jīng)科學(xué)提供有關(guān)人類大腦如何工作以及神經(jīng)元如何響應(yīng)特定事件的信息。這一學(xué)科基礎(chǔ)使AI科學(xué)家能夠開發(fā)編程模型，使其像人腦一樣工作。深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)就是神經(jīng)科學(xué)的應(yīng)用。超級(jí)計(jì)算機(jī)個(gè)人計(jì)算機(jī)人腦計(jì)算單元104個(gè)CPU，1012個(gè)晶體管4個(gè)CPU，109晶體管1011個(gè)神經(jīng)元存儲(chǔ)單元1014比特RAM1011比特RAM1011個(gè)神經(jīng)元1015比特磁盤1013比特磁盤1014個(gè)神經(jīng)元周波時(shí)間10-9秒10-9秒10-3秒操作數(shù)/秒101510101017存儲(chǔ)更新次數(shù)/秒101410101014人腦與計(jì)算機(jī)性能對(duì)比人工智能內(nèi)涵即問即答神經(jīng)科學(xué)為人工智能解決了哪些問題？神經(jīng)元細(xì)胞髓鞘神經(jīng)末梢細(xì)胞體神經(jīng)元模型稱為M-P模型，也稱為神經(jīng)網(wǎng)絡(luò)的一個(gè)處理單元輸入（前一層的輸出）權(quán)重閾值輸出激活函數(shù)人工智能理論基礎(chǔ)計(jì)算機(jī)科學(xué)人工智能需要精密的計(jì)算機(jī)實(shí)現(xiàn)大規(guī)模的計(jì)算，同時(shí)需要軟件編程實(shí)現(xiàn)操作系統(tǒng)、編程語言和程序設(shè)計(jì)。計(jì)算機(jī)工程與人工智能相互促進(jìn)，人工智能反向進(jìn)入主流計(jì)算機(jī)科學(xué)，推動(dòng)分時(shí)、交互式解釋器、使用窗口和鼠標(biāo)的個(gè)人計(jì)算機(jī)、快速開發(fā)環(huán)境、鏈表數(shù)據(jù)類型、自動(dòng)存儲(chǔ)管理以及符號(hào)化、函數(shù)式、說明性和面向?qū)ο缶幊痰年P(guān)鍵概念等領(lǐng)域的進(jìn)步與發(fā)展。人工智能理論基礎(chǔ)控制論控制論描述了事物如何在自己的控制下運(yùn)作。它是人類、動(dòng)物和機(jī)器的工作控制和相互溝通的科學(xué)研究。控制論在人工智能領(lǐng)域需要回答人工智能如何在其自身控制下運(yùn)轉(zhuǎn)的問題?，F(xiàn)代控制論其目標(biāo)是設(shè)計(jì)能隨時(shí)最大化目標(biāo)函數(shù)（ObjectiveFunction）的系統(tǒng)。這與關(guān)于人工智能的觀點(diǎn)大體一致：設(shè)計(jì)能最佳表現(xiàn)的系統(tǒng)。諾伯特?維納他認(rèn)為，有目的的行為是由試圖最小化“誤差”——當(dāng)前狀態(tài)與目標(biāo)狀態(tài)之間的差距——的調(diào)節(jié)機(jī)制引起的。維納的著作《控制論》使公眾認(rèn)識(shí)到人工制造智能機(jī)器的可能性。二者略有不同，微積分與矩陣代數(shù)是控制論的工具，而人工智能在此基礎(chǔ)上，還納入語言、視覺和規(guī)劃等內(nèi)容。人工智能理論基礎(chǔ)大數(shù)據(jù)大數(shù)據(jù)正在推動(dòng)人工智能的快速發(fā)展，因?yàn)樗峁┝艘粋€(gè)用于保存和查詢大量數(shù)據(jù)集的平臺(tái)。人工智能需要處理大量數(shù)據(jù)來訓(xùn)練模型，不能將數(shù)據(jù)保存在一臺(tái)計(jì)算機(jī)中，而大數(shù)據(jù)技術(shù)就起了重要作用。同時(shí)大數(shù)據(jù)也提供分布式計(jì)算環(huán)境，可以在分布式系統(tǒng)上進(jìn)行模型訓(xùn)練，保障了人工智能模型訓(xùn)練的數(shù)據(jù)量和效率。以手寫數(shù)字識(shí)別為例（人工智能領(lǐng)域的HelloWorld?。∪斯ぶ悄芾碚摶A(chǔ)哲學(xué)經(jīng)濟(jì)學(xué)倫理學(xué)心理學(xué)語言學(xué)2社會(huì)科學(xué)類人工智能理論基礎(chǔ)哲學(xué)人工智能的研究目的，是在人造機(jī)器上通過模擬人類的智能行為，最終實(shí)現(xiàn)機(jī)器智能。要做到這一點(diǎn)，就必須對(duì)“什么是智能”這個(gè)問題做出回答。正是人工智能研究者在哲學(xué)層面上對(duì)于“智能”的不同理解，使得人工智能在技術(shù)實(shí)踐層面產(chǎn)生了不同流派。一臺(tái)機(jī)器能聰明地行動(dòng)嗎？它能像人類一樣解決問題嗎？形式規(guī)則可用于推出有效的結(jié)論嗎？思想如何從物理的大腦中產(chǎn)生？知識(shí)來自何方？ABCDE知識(shí)如何導(dǎo)致行動(dòng)？人工智能理論基礎(chǔ)經(jīng)濟(jì)學(xué)經(jīng)濟(jì)學(xué)中決策理論把概率理論和效用理論結(jié)合起來，為在不確定情況——即在概率描述能部分捕獲決策制定者環(huán)境的情況下做出（經(jīng)濟(jì)的或其他的）決策，提供了一個(gè)形式化且完整的框架。合理進(jìn)程安排路徑運(yùn)用了較多經(jīng)濟(jì)學(xué)和運(yùn)籌學(xué)中的相關(guān)研究，人工智能研究者赫伯特?西蒙因其早期的工作在1978年獲得經(jīng)濟(jì)學(xué)諾貝爾獎(jiǎng)，其工作指出：基于滿意度（satisfaction）的模型做出的“足夠好”的決策，而不是費(fèi)力地計(jì)算最優(yōu)決策——更準(zhǔn)確地描述了真實(shí)的人類行為。然而由于理性決策的復(fù)雜性，經(jīng)濟(jì)學(xué)在人工智能中的運(yùn)用有限。經(jīng)濟(jì)學(xué)在人工智能領(lǐng)域回答的問題是：我們應(yīng)該如何決策以便收益最大？當(dāng)其他人不合作時(shí)我們應(yīng)該如何做？當(dāng)收益遙遙無期時(shí)我們應(yīng)該如何做？人工智能理論基礎(chǔ)倫理學(xué)“人類如何看待人工智能，是機(jī)器設(shè)備還是生物？”“人工智能機(jī)器是否是思考的新物種？”“如果承認(rèn)人工智能是新物種，那么人類如何與之共存？”……機(jī)器學(xué)習(xí)的進(jìn)化速度驚人，連編寫圍棋AI程序的工作人員都不能理解機(jī)器學(xué)習(xí)進(jìn)化的速度為何如此之快。所以需要以倫理學(xué)的視角去審視人工智能的發(fā)展與進(jìn)化，以及它對(duì)人類自身發(fā)展的影響。全球第一個(gè)擁有合法公民身份的機(jī)器人——索菲亞人工智能理論基礎(chǔ)心理學(xué)心理學(xué)使數(shù)據(jù)科學(xué)能夠理解大腦、行為和人，對(duì)于人工智能的研發(fā)起著重要的作用。美國(guó)認(rèn)知科學(xué)的創(chuàng)建美國(guó)計(jì)算機(jī)建模的發(fā)展導(dǎo)致認(rèn)知科學(xué)的創(chuàng)建，探討了計(jì)算機(jī)模型如何分別應(yīng)用于處理記憶、語言和邏輯思維的心理學(xué)。唐納德?布羅德本特心理學(xué)家唐納德?布羅德本特《知覺與傳播》是把心理現(xiàn)象建模成信息處理的最早著作之一。目前心理學(xué)的觀點(diǎn)目前心理學(xué)中的觀點(diǎn)是“認(rèn)知理論應(yīng)該像計(jì)算機(jī)程序”，即認(rèn)知理論應(yīng)該描述詳細(xì)的信息處理機(jī)制，靠這個(gè)機(jī)制可以實(shí)現(xiàn)某種認(rèn)知功能。人工智能理論基礎(chǔ)語言學(xué)現(xiàn)代語言學(xué)在計(jì)算機(jī)領(lǐng)域的運(yùn)用被稱為計(jì)算語言學(xué)或自然語言處理。自然語言處理允許智能系統(tǒng)通過諸如英語之類的語言進(jìn)行通信。自然語言處理經(jīng)驗(yàn)是開發(fā)機(jī)器人工智能系統(tǒng)的必要條件。另外，人工智能學(xué)也需要一套適應(yīng)于人工智能和知識(shí)工程領(lǐng)域的、具有符號(hào)處理和邏輯推理能力的計(jì)算機(jī)程序設(shè)計(jì)語言，能夠用它來編寫程序，求解非數(shù)值計(jì)算、知識(shí)處理、推理、規(guī)劃、決策等各種復(fù)雜問題。人工智能理論基礎(chǔ)自然科學(xué)類社會(huì)科學(xué)類數(shù)學(xué)：提供模型哲學(xué)：本質(zhì)神經(jīng)科學(xué)：深度及強(qiáng)度學(xué)習(xí)經(jīng)濟(jì)學(xué)：決策計(jì)算機(jī)科學(xué)：模擬與驗(yàn)證倫理學(xué)：共存控制論：智能控制心理學(xué)：信號(hào)識(shí)別大數(shù)據(jù)：數(shù)據(jù)平臺(tái)語言學(xué)：人機(jī)交流人工智能學(xué)科是一個(gè)建立在廣泛學(xué)科研究基礎(chǔ)上的綜合學(xué)科，從這些學(xué)科的交集中產(chǎn)生，同時(shí)又將研究結(jié)果應(yīng)用到這些學(xué)科中去，大大推動(dòng)相關(guān)學(xué)科領(lǐng)域的發(fā)展，以巨大的應(yīng)用潛力來推動(dòng)科技的快速進(jìn)步，形成技術(shù)爆發(fā)的“奇點(diǎn)”。相關(guān)學(xué)科為人工智能提供的理論與技術(shù)支持人工智能理論基礎(chǔ)人工智能在中文領(lǐng)域的應(yīng)用及難點(diǎn)課堂拓展面對(duì)李清照的《如夢(mèng)令》，人工智能在釋義類型的題目上可以正確作答，而當(dāng)被問到，「這體現(xiàn)了詞人怎樣的情感」？或是「詞人最可能在什么樣的情境下有感而發(fā)」？機(jī)器就顯得捉襟見肘。從中文的語言特性上來看，機(jī)器的中文閱讀理解有著自身的獨(dú)特性和復(fù)雜性。常見的中文文體包括古詩(shī)詞、文言文、現(xiàn)代文和現(xiàn)代詩(shī)，其中現(xiàn)代文又分為小說、散文、議論文、說明文、新聞傳記等，且不說其中的詞語還可能包括成語、歇后語，典故。其中，文言文多由單字詞組成，現(xiàn)代白話文則以多字詞為主，字的含義也隨著時(shí)代更迭而變化。有研究者以成語為載體構(gòu)建了完形填空式的MRC數(shù)據(jù)集(ChID)，要求模型從幾個(gè)近義成語之間選出正確的一個(gè)，由于成語大多源于古文典籍，形式類似文言文，并常常帶有隱喻，讓機(jī)器在現(xiàn)代文的語境下去理解古文仍然是一個(gè)不小的難題。習(xí)題神經(jīng)科學(xué)為人工智能解決了哪些問題？（）A.如何用不確定的信息來推理？B.如何產(chǎn)生并存儲(chǔ)意識(shí)？C.知識(shí)如何導(dǎo)致行動(dòng)？D.如何在自身控制下運(yùn)轉(zhuǎn)？單選題人工智能應(yīng)用概況三人工智能應(yīng)用概況人工智能發(fā)展歷程1人工智能產(chǎn)業(yè)圖譜2各國(guó)人工智能應(yīng)用概況3人工智能應(yīng)用概況人工智能發(fā)展歷程1人工智能應(yīng)用概況人工智能發(fā)展歷程1深度學(xué)習(xí)，蓬勃興起機(jī)器學(xué)習(xí)，迎來曙光知識(shí)表示，走出困境計(jì)算推理，奠定基礎(chǔ)4.03.02.01.0人工智能應(yīng)用概況1956年，美國(guó)達(dá)特茅斯學(xué)院舉行第一次人工智能研討會(huì)，人工智能誕生的標(biāo)志麥卡錫首次提出了“人工智能”概念，紐厄爾和西蒙則展示了編寫的邏輯理論機(jī)器。而馬文·明斯基提出的“智能機(jī)器能夠創(chuàng)建周圍環(huán)境的抽象模型，如果遇到問題，能夠從抽象模型中尋找解決方法”這一定義，成為后30年智能機(jī)器人的研究方向。WarrenMcCulloch和WalterPitts（1943）完成人工智能的最早工作基礎(chǔ)生理學(xué)知識(shí)和腦神經(jīng)元的功能；羅素和懷特海德的對(duì)命題邏輯的形式分析；以及圖靈的計(jì)算理論。計(jì)算推理，奠定基礎(chǔ)1.0人工智能應(yīng)用概況1968MACSYMA系統(tǒng)1969DENDRAL程序20世紀(jì)70年代人工智能又從具體系統(tǒng)的研究逐漸回到一般研究，圍繞知識(shí)這一核心問題，人們?cè)谥R(shí)獲取、知識(shí)表示和知識(shí)推理等方面開始出現(xiàn)新的原理、方法、技術(shù)和工具。以E.A.Feigenbaum為代表的學(xué)者認(rèn)為，知識(shí)是有智能的機(jī)器所必備的，于是在他們的倡導(dǎo)下，在20世紀(jì)70年代中后期，人工智能進(jìn)入了“知識(shí)表示期”，E.A.Feigenbaum后來被稱為“知識(shí)工程”之父。知識(shí)表示，走出困境2.0人工智能由追求萬能、通用的一般研究轉(zhuǎn)入特定的具體研究，產(chǎn)生了以專家系統(tǒng)為代表的基于知識(shí)的各種人工智能系統(tǒng)人工智能應(yīng)用概況198119892001偉博斯在神經(jīng)網(wǎng)絡(luò)反向傳播（BP）算法中具體提出多層感知機(jī)模型帶領(lǐng)機(jī)器學(xué)習(xí)進(jìn)入了新時(shí)代。隨機(jī)森林出現(xiàn)于2001年，于AdaBoost算法同屬集成學(xué)習(xí)，雖然簡(jiǎn)單，但在很多問題上效果卻出奇的好，因此現(xiàn)在還在被大規(guī)模使用。LeCun設(shè)計(jì)出了第一個(gè)真正意義上的卷積神經(jīng)網(wǎng)絡(luò)，用于手寫數(shù)字的識(shí)別，這是現(xiàn)在被廣泛使用的深度卷積神經(jīng)網(wǎng)絡(luò)的鼻祖。機(jī)器學(xué)習(xí)，迎來曙光3.0SVM代表了核技術(shù)的勝利，這是一種思想，通過隱式的將輸入向量映射到高維空間中，使得原本非線性的問題能得到很好的處理。而AdaBoost則代表了集成學(xué)習(xí)算法的勝利，通過將一些簡(jiǎn)單的弱分類器集成起來使用居然能夠達(dá)到驚人的精度。人工智能應(yīng)用概況20062012ImageNet大賽上CNN奪冠2016深度學(xué)習(xí)領(lǐng)域的三巨頭LeCun、Bengio、Hinton聯(lián)手在Nature上發(fā)表綜述對(duì)DeepLearning進(jìn)行科普機(jī)器學(xué)習(xí)領(lǐng)域的泰斗Hinton和他的學(xué)生Salakhutdinov在頂尖學(xué)術(shù)刊物《Scince》上發(fā)表了一篇文章，開啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮。深度學(xué)習(xí)，蓬勃興起4.020152014谷歌研發(fā)出20層的VGG模型。同年，DeepFace、DeepID模型橫空出世，在LFW數(shù)據(jù)庫(kù)上的人臉識(shí)別、人臉認(rèn)證的正確率達(dá)到99.75%，幾乎超越人類。阿爾法狗打敗李世石。人工智能應(yīng)用概況人工智能產(chǎn)業(yè)圖譜2人工智能應(yīng)用概況人工智能產(chǎn)業(yè)圖譜2人工智能應(yīng)用概況1）美國(guó)：美國(guó)領(lǐng)跑人工智能發(fā)展潮流，戰(zhàn)略層面高度重視人工智能應(yīng)用概況3美國(guó)政府成立多個(gè)人工智能管理與指導(dǎo)部門A美國(guó)政府優(yōu)先對(duì)人工智能投資B美國(guó)開展并更新相關(guān)戰(zhàn)略計(jì)劃C人工智能應(yīng)用概況2）歐洲：歐洲各國(guó)相繼出臺(tái)人工智能重大發(fā)展戰(zhàn)略人工智能應(yīng)用概況325個(gè)歐洲國(guó)家簽署《加強(qiáng)人工智能合作宣言》，強(qiáng)調(diào)作為“歐洲數(shù)字化的