【正文】 獻(xiàn) (6) ? 基于 Ludwig Wittgenstein, Bertrand Russell的工作， Rudolf Carnap領(lǐng)導(dǎo)維也納學(xué)派發(fā)展了實證邏輯主義，堅持認(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 相聯(lián)系的邏輯理論來描述 ? 問題 3結(jié)論 : 知識來自于實踐 第 1章 人工智能概述 25 哲學(xué)的貢獻(xiàn) (7) ? 問題 4：知識是如何導(dǎo)致行動的 ? ? 關(guān)于意識的哲學(xué)圖景的最后元素是知識與行動之間的聯(lián)系 / 智能既要求推理也要求行動 ? 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 第 1章 人工智能概述 26 哲學(xué)的貢獻(xiàn) (8) ? 他的進(jìn)一步闡述指出 : 要深思的不是結(jié)局而是手段 / 假設(shè)了結(jié)局并考慮如何以及通過什么手段得到該結(jié)局 , 結(jié)局是否容易是否最好 / 手段在分析順序中是最后一個 , 在生成順序中是第一個 ? 這實際上就是回歸規(guī)劃系統(tǒng) , 2300年后由Newell和 Simon在其 GPS程序中實現(xiàn)了 ? 問題 4結(jié)論 : 知識用于指導(dǎo)行動去達(dá)到目標(biāo) 第 1章 人工智能概述 27 數(shù)學(xué)的貢獻(xiàn) (1) ? 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 ? ? 什么可以被計算 ? ? 如何用不確定的知識進(jìn)行推理 ? ? AI成為一門規(guī)范科學(xué)要求在三個基礎(chǔ)領(lǐng)域完成一定程度的數(shù)學(xué)形式化 : ? 邏輯、計算、概率 第 1章 人工智能概述 28 數(shù)學(xué)的貢獻(xiàn) (2) ? 數(shù)學(xué)家及其貢獻(xiàn) ? 問題 1：如何抽取形式化規(guī)則？ ? Gee Boole(布爾 , 1815~1864), 1847年完成了形式邏輯的數(shù)學(xué)化 / 命題邏輯或稱布爾邏輯 ? Gottlob Frege(弗雷格 , 1848~1925), 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)實世界對象聯(lián)系起來 第 1章 人工智能概述 29 數(shù)學(xué)的貢獻(xiàn) (3) ? 問題 1結(jié)論 : 形式化規(guī)則 =命題邏輯和一階謂詞邏輯 ? 問題 2：什么可以計算？ ? 可以被計算 , 就是要找到一個算法 ? 算法本身的研究可回溯至 9世紀(jì)波斯數(shù)學(xué)家alKhowarazmi ? 19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 第 1章 人工智能概述 30 數(shù)學(xué)的貢獻(xiàn) (4) ? 1900年 , David Hilbert(希爾伯特 , 1862~1943)提出了包括 23個問題的清單 , 其中最后一個問題是 : 是否存在一個算法可以判定涉及自然數(shù)的邏輯命題的真實性 , 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 G246。del(哥德爾 , 1906~1978)在1931年證實：確實存在真實的局限 第 1章 人工智能概述 31 數(shù)學(xué)的貢獻(xiàn) (5) ? 1930年 , 哥德爾提出 : 存在一個有效過程可以證明羅素和弗雷格的一階邏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 , 即不可計算的 第 1章 人工智能概述 32 數(shù)學(xué)的貢獻(xiàn) (6) ? 由此激發(fā)了 Allen Turing(圖靈 , 1912~1954)的熱情 , 他試圖精確地刻畫哪些函數(shù)是能夠被計算的 / 實際上計算或者有效過程的概念是無法給出形式化定義的 / 但是 ChurchTuring論題指出 : 圖靈機(jī)可以計算任何可計算的函數(shù) / 該結(jié)論作為一個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)可以判定一個給定的程序?qū)τ诮o定的輸入能否返回答案或者永遠(yuǎn)運(yùn)行下去 第 1章 人工智能概述 33 數(shù)學(xué)的貢獻(xiàn) (7) ? 在不可計算性以外 , 不可操作性 具有更重要的影響 / 如果解決一個問題需要的計算時間隨著實例規(guī)模成指數(shù)級增長 , 則該問題被稱為不可操作的（計算復(fù)雜性問題） ? 多項式級和指數(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 第 1章 人工智能概述 34 數(shù)學(xué)的貢獻(xiàn) (8) ? 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 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 ) ? AI研究幫助解釋了為什么 NP完全問題的一些實例很難 , 而另外一些較容易 ? 問題 2結(jié)論 : 有了可計算性和算法復(fù)雜性理論的指導(dǎo) 第 1章 人工智能概述 35 數(shù)學(xué)的貢獻(xiàn) (9) ? 數(shù)學(xué)對 AI的第三個貢獻(xiàn)是概率理論 ? Pierre Fermat, Pascal, James Bernoulli, Pierre Laplace等都推進(jìn)了概率理論的發(fā)展及引入了新的統(tǒng)計方法論 ? Thomas Bayes(貝葉斯 , 1749~1827)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 ) ? 由此衍生出的貝葉斯分析形成了 AI系統(tǒng)中不確定推理方法的基礎(chǔ) ? 問題 3結(jié)論 : 使用貝葉斯理論進(jìn)行不確定推理 第 1章 人工智能概述 36 經(jīng)濟(jì)學(xué)的貢獻(xiàn) (1) ? 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 ? ? 在收益遙遙無期的情況下如何做到這點 ? ? 問題 1: 效用理論 ? 問題 2: 決策理論 ? 問題 3: 運(yùn)籌學(xué) ? 上述研究工作對于建造理性智能體很有貢獻(xiàn) , 其原因之一是制定理性決策的復(fù)雜性 第 1章 人工智能概述 37 經(jīng)濟(jì)學(xué)的貢獻(xiàn) (2) ? Herbert Simon(西蒙 , 1916~2020)是 AI研究的先驅(qū)者 / 他于 1978年獲得諾貝爾經(jīng)濟(jì)學(xué)獎 , 是因為他早年的工作 : 基于滿意度的模型 —制定“足夠好”的決策 , 而不是艱苦計算獲得最優(yōu)化決策 —能更好地描述真實人類行為 ? 關(guān)于在智能體系統(tǒng)中使用決策理論技術(shù)的研究興趣正在復(fù)蘇 第 1章 人工智能概述 38 神經(jīng)科學(xué)的貢獻(xiàn) (1) ? 神經(jīng)科學(xué) (1861~現(xiàn)在 )的貢獻(xiàn) : ? 大腦是如何處理信息的 ? ? 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 (因為證據(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 第 1章 人工智能概述 39 神經(jīng)科學(xué)的貢獻(xiàn) (2) ? 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)出一項染色體技術(shù) , 允許人們觀察大腦的各個神經(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 第 1章 人工智能概述 40 神經(jīng)科學(xué)的貢獻(xiàn) (3) ? 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) ? 計算機(jī)和大腦如何相比 ? ? 大腦活動過程對計算機(jī)工作過程有所啟發(fā) 第 1章 人工智能概述 41 計算機(jī)與大腦的比較 ? 盡管計算機(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算機(jī)快 10萬倍 第 1章 人工智能概述 計算機(jī) 人腦 計算單元數(shù) 存儲單元數(shù) 運(yùn)算周期時間 帶寬 記憶更新次數(shù) /秒 1個 CPU/108邏輯門 1010比特 RAM 1011比特磁盤 109秒 1010比特 /秒 109 1011個神經(jīng)元 1011個神經(jīng)元 1014個突觸 103秒 1014比特 /秒 1014 42 心理學(xué) 的貢獻(xiàn) (1) ? 心理學(xué) (1879~現(xiàn)在 )的貢獻(xiàn) : ? 人類和動物如何思考和行動 ? ? 心理學(xué)家的工作 ? 科學(xué)的心理學(xué)源自德國物理學(xué)家 Herman von Helmholtz(霍爾姆霍茲 , 1821~1894)和其學(xué)生Wilhelm Wundt的研究工作 , 1879年萊比錫大學(xué)開設(shè)了第一個實驗心理學(xué)的實驗室 , 進(jìn)行仔細(xì)控制的實驗 第 1章 人工智能概述 43 心理學(xué) 的貢獻(xiàn) (2) ? John Watson領(lǐng)導(dǎo)的行為主義運(yùn)動認(rèn)為 : 內(nèi)省不能提供可靠的證據(jù) , 拒絕任何涉及精神過程的理論 , 只研究動物的感知及其反應(yīng) ? 行為主義在 1920~1960年期間一直控制著心理學(xué) ? 認(rèn)知心理學(xué) 的主要特征是 : 把大腦當(dāng)作信息處理裝置 , 可以回溯至 William James的研究工作 ? Frederic Bartlett