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,第1章 基于知識的智能系統(tǒng)概述,1.1 智能機 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,人類是如何思考的？,除了人類以外的物體 可以思考嗎？,（機器能否思考？）,第1章 基于知識的智能系統(tǒng)概述 1.1智能機,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)、行為的整個過程。,第1章 基于知識的智能系統(tǒng)概述 1.1智能機,1.1.1智能的概念 智能的概念是廣義的。

2、 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-機系統(tǒng)。,第1章 基于知識的智能系統(tǒng)概述 1.1智能機,1.1.2人工智能與智能系統(tǒng) 人工智能(Artificial Intelligence ,AI)是一門研究機器智能和智能機器的新型的、綜合性的、具有強大生命力的邊緣學(xué)科。 人工智能目標是使機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算機系統(tǒng)。,第1章 基于知識的智能系統(tǒng)概述 1.1智能機,1.1.3圖靈模擬游戲,機器能否思考？,圖靈認為, 與其問“機器能否思考, 不如問“機器能否通過智能行為測試。,第1章 基于知識的智能系統(tǒng)概述 1.

3、1智能機,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,1.1.3圖靈模擬游戲 第二階段：,計算機成功“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, 則認為計算機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,1.1.3圖靈模擬游戲 圖靈測試可以通用的原因： 使用終端進行人機交互，這一測試讓我們對智能有客觀的衡量標準, 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。 測試本身獨立于實驗細節(jié)。既可以像前述的進行兩階段測試, 也可以變成一個階段的測試, 從一開始就讓審訊員對人與機器進行判斷。,第1章 基于知識的智能系統(tǒng)概述

4、,1.1 智能機 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 進化算法 1.2.7 文字計算 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）“計算機器和智能化”，第一個國際象棋比賽程序，圖靈測試 沃倫麥卡洛特（Warren McCulloch）和沃特皮茲（Walter Pitts）1943，人工神經(jīng)網(wǎng)絡(luò)模型 每個神經(jīng)元：兩個狀態(tài)（開、關(guān)）；

5、 證明了神經(jīng)網(wǎng)絡(luò)模型=圖靈機； 任何計算函數(shù)可由相連的神經(jīng)元網(wǎng)絡(luò)進行計算； 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、自動機、計算機與人腦 香農(nóng)（Claude Elwood Shannon）讓機器下象棋，10120次的移動，1微秒處理一下個走法，移動第一步需要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

6、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60年代） 麥卡錫高級計算機程序語言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，將一個大的問題分解成若干個小問題來逐步解決。,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人工智能的上升期（1956-20世紀60年代） GPS問題例題： 問題= 初始狀態(tài): 兒子在家,

7、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60年代） GPS問題例題： 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”: , 動作2:給車充電, “條件2”: “車需要充電”,“商店提供充電服務(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

8、能發(fā)展歷史,1.2.2人工智能的上升期（1956-20世紀60年代） GPS問題例題： 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60年代） GPS問題例題： 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”: , 動作4:給商店打電話, 條件4: 知道電話號

9、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60年代） GPS問題例題： 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人工智能發(fā)展歷史,1.2.2人工智能的上升期（1956-20世紀60年代） GPS問題例題： 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

10、學(xué)校 “操作”: , 動作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)實的沖擊（20世紀60年代晚-70年代早） 夸?？冢?20世紀80年代建造于人類智能相當(dāng)?shù)娜苤悄軝C。 2000年超越人類智能的智能機。 人工智能學(xué)科問題（一）： 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, 嘗試對小步驟進行不同的組合, 直到找出真正的

11、解決方案。這種思路對小問題是有效的, 但被誤認為可以通過對程序進行擴展來解決大的問題。 P問題：易處理。規(guī)模N，求解時間或步驟數(shù)是N的多項式函數(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)實的沖擊（20世紀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典型任務(wù)就是機器翻譯。例如, 想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)只有了解了文獻主題才能正確選擇單詞。 在1971 年, 英國調(diào)研當(dāng)時的人工智能研究現(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

12、, 因而認為不必保留一個獨立的“人工智能”學(xué)科。,1.2.4 專家系統(tǒng)技術(shù)（20世紀70年代早-80年代中） 人們意識到必須對智能機器的問題域進行充分限制。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)知識考慮進來, 以使程序具有相當(dāng)于人類專家的水平。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70年代早-80年代中） 如何從專家那里抽取知識應(yīng)用于計算機呢？ DENDR

13、AL：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 項目的目標是設(shè)計出能達到有經(jīng)驗的化學(xué)家水平的計算機程序。通過提取人類專家知識, 并表達為高質(zhì)量的具體規(guī)則(經(jīng)驗法則), DENDRAL 團隊使用這種啟發(fā)式策略證明了計算機在特定、可定義的問題領(lǐng)域能達到專家水平。 DENDRAL 為專家系統(tǒng)開創(chuàng)了新的方法

14、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： MYCIN 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)則形式表達的知識與推理機制明確地分開了。系統(tǒng)研發(fā)員也能夠輕

15、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, 必要時讓用戶提供更多信息。 最后, 系統(tǒng)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70年代早-80年代中） 專家系統(tǒng)在技術(shù)和社會學(xué)兩個層面都存在復(fù)雜的困難, 這些

16、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, 就不能指望MYCIN 了。事實上, 當(dāng)病人伴隨其他疾病時, 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)域界限。當(dāng)一項任務(wù)不同于傳統(tǒng)問題時, 專家系統(tǒng)可能在嘗試解決時出乎意料地失敗。,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70年代早-80年代中） 專家系統(tǒng)在技術(shù)和社會學(xué)兩個層面都存在復(fù)雜的困難, 這

17、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)難以檢驗驗證。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)則以抽象形式表達知識, 缺乏對領(lǐng)域的基本理解, 這使得識別錯誤的、不完整或不一致的知識的工作非常困難。 專家系統(tǒng)幾乎不具備從它們的經(jīng)驗中去學(xué)習(xí)的能力。專家系統(tǒng)的開發(fā)相對獨立而且開發(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

18、紀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80 年代中期才出現(xiàn)解決方案。 Hopfield 引入了具有反饋機制的神經(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 文字計算（20世紀80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。 主要缺點在于人類專家并不總能用規(guī)則表達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。 為了克服這個缺陷, 可使用神經(jīng)計算從大數(shù)據(jù)集中抽取隱含的知識以獲取專家系統(tǒng)的

19、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 文字計算（20世紀80年代后-至今） 另一個非常重要的技術(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 文字計算（20世紀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)計的洗碗機、洗衣機、空調(diào)、電視機、復(fù)印機和汽車上。 模糊邏輯主要應(yīng)用在控制工程領(lǐng)域。模糊邏輯在基