【正文】 佩斯大學(xué)教授為他“開小灶”。 然而，這種狀況也沒(méi)能維持幾年，勤奮好學(xué)的中學(xué)生很快又超過(guò)了大學(xué)教授，他居然把學(xué)習(xí)的觸角伸進(jìn)了當(dāng)時(shí)最新數(shù)學(xué)分支 ——集合論和泛函分析，同時(shí)還閱讀了大量歷史和文學(xué)方面的書籍，并且學(xué)會(huì)了七種外語(yǔ)。畢業(yè)前夕，馮 諾依曼與數(shù)學(xué)教授聯(lián)名發(fā)表了他第一篇數(shù)學(xué)論文，那一年，他還不到 17歲。 考大學(xué)前夕，匈牙利政局動(dòng)蕩，馮 諾依曼便浪跡歐洲各地，在柏林和瑞士一些著名的大學(xué)聽課。 22歲時(shí)，他獲瑞士蘇黎士聯(lián)邦工業(yè)大學(xué)化學(xué)工程師文憑。一年之后，輕而易舉摘取布達(dá)佩斯大學(xué)數(shù)學(xué)博士學(xué)位。在柏林當(dāng)了幾年無(wú)薪講師后，他轉(zhuǎn)而攻向物理學(xué)，為量子力學(xué)研究數(shù)學(xué)模型，又使自己在理論物理學(xué)領(lǐng)域占據(jù)了突出的地位。風(fēng)華正茂的馮 諾依曼，靠著頑強(qiáng)的學(xué)習(xí)毅力，在科學(xué)殿堂里“橫掃千軍如卷席”，成為橫跨“數(shù)、理、化”各門學(xué)科的超級(jí)全才。 1928年，美國(guó)數(shù)學(xué)泰斗、普林斯頓高級(jí)研究院維伯倫教授（ ）廣羅天下之英才，一封燙金的大紅聘書，寄給了柏林大學(xué)這位無(wú)薪講師，請(qǐng)他去美國(guó)講授“量子力學(xué)理論課”。馮 諾依曼預(yù)料到未來(lái)科學(xué)的發(fā)展中心即將西移，欣然同意赴美國(guó)任教。 1930年， 27歲的馮 諾依曼被提升為教授； 1933年，他又與愛(ài)因斯坦一起，被聘為普林斯頓高等研究院第一批終身教授，而且是 6名大師中最年輕的一名。 ? 1944年戈德斯坦來(lái)到阿貝丁車站，等候去費(fèi)城的火車，突然看見(jiàn)前面不遠(yuǎn)處，有個(gè)熟悉的身影向他走過(guò)來(lái)。來(lái)者正是聞名世界的大數(shù)學(xué)家馮 諾依曼。天賜良機(jī)，戈德斯坦感到絕不能放過(guò)這次偶然的邂逅，他把早已埋藏在心中的幾個(gè)數(shù)學(xué)難題，一古腦兒倒出來(lái)，向數(shù)學(xué)大師討教。數(shù)學(xué)家和藹可親，沒(méi)有一點(diǎn)架子，耐心地為戈德斯坦排憂解難。聽著聽著，馮 諾依曼不覺(jué)流露出吃驚的神色，敏銳地從數(shù)學(xué)問(wèn)題里，感到眼前這位青年身邊正發(fā)生著什么不尋常的事情。他開始反過(guò)來(lái)向戈德斯坦發(fā)問(wèn)，直問(wèn)得年輕人“好像又經(jīng)歷了一次博士論文答辯”。最后，戈德斯坦毫不隱瞞地告訴他莫爾學(xué)院的電子計(jì)算機(jī)課題和目前的研究進(jìn)展。 ?1945年 6月，馮 諾依曼與戈德斯坦、勃克斯等人，聯(lián)名發(fā)表了一篇長(zhǎng)達(dá) 101頁(yè)紙的報(bào)告，即計(jì)算機(jī)史上著名的“ 101頁(yè)報(bào)告”，直到今天，仍然被認(rèn)為是現(xiàn)代電腦科學(xué)發(fā)展里程碑式的文獻(xiàn)。報(bào)告明確規(guī)定出計(jì)算機(jī)的五大部件，并用二進(jìn)制替代十進(jìn)制運(yùn)算。 ?他是美國(guó)國(guó)家科學(xué)院、秘魯國(guó)立自然科學(xué)院和意大利國(guó)立林且學(xué)院等院的院土。 1954年他任美國(guó)原子能委員會(huì)委員； 1951年至 1953年任美國(guó)數(shù)學(xué)會(huì)主席。 ?1954年夏，馮。諾依曼被使現(xiàn)患有癌癥， 1957年2月 8日，在華盛頓去世，終年 54歲。 MP模型 ?在 1943年沃侖 麥卡洛克（ Warrenc McCulloch）和沃爾特 皮茲（ Walter Pitts）研究表明，在原則上由非常簡(jiǎn)單的單元連接在一起組成的“網(wǎng)絡(luò)”可以對(duì)任何邏輯和算術(shù)函數(shù)進(jìn)行計(jì)算。因?yàn)榫W(wǎng)絡(luò)的單元有些像大大簡(jiǎn)化的神經(jīng)元，它現(xiàn)在常被稱作“神經(jīng)網(wǎng)絡(luò)”。 MP模型 McCulloch和 Pitts建立神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，通過(guò)模擬人腦實(shí)現(xiàn)智能，開創(chuàng)人工神經(jīng)網(wǎng)絡(luò)研究。 ????njijjii vwu1?)( ii ufv ???????0,00,1iii uuv wij ——代表神經(jīng)元 i與神經(jīng)元 j之間的連接強(qiáng)度 (模擬生物神經(jīng)元之間突觸連接強(qiáng)度 )，稱之為連接權(quán)； ui——代表神經(jīng)元 i的活躍值，即神經(jīng)元狀態(tài)； vi——代表神經(jīng)元 j的輸出，即是神經(jīng)元 i的一個(gè)輸入； θi——代表神經(jīng)元 i的閾值。 函數(shù) f表達(dá)了神經(jīng)元的輸入輸出特性。在 MP模型中， f定義為階躍函數(shù)： 輸入 輸出 ?本體：細(xì)胞體（細(xì)胞膜、質(zhì)、核），對(duì)輸入信號(hào)進(jìn)行處理，相當(dāng)于 CPU。 ?樹突：本體向外伸出的分支，多根，長(zhǎng) 1mm左右，本體的輸入端。 ?軸突：本體向外伸出的最長(zhǎng)的分支，即神經(jīng)纖維，一根，長(zhǎng) 1cm—1m左右，通過(guò)軸突上的神經(jīng)末梢將信號(hào)傳給其它神經(jīng)元，相當(dāng)于本體的輸出端。 ? 突觸：各神經(jīng)元之間軸突和樹突之間的接口，即神經(jīng)末梢與樹突相接觸的交界面，每個(gè)細(xì)胞體大約有 103—104個(gè)突觸。突觸有興奮型和抑制型兩種。 Wiener創(chuàng)立控制論， Shannon創(chuàng)立信息論 維納開始考慮計(jì)算機(jī)如何能像大腦一樣工作。他發(fā)現(xiàn)了二者的相似性。維納認(rèn)為計(jì)算機(jī)是一個(gè)進(jìn)行信息處理和信息轉(zhuǎn)換的系統(tǒng)，只要這個(gè)系統(tǒng)能得到數(shù)據(jù)，機(jī)器本身就應(yīng)該能做幾乎任何事情。而且計(jì)算機(jī)本身并不一定要用齒輪，導(dǎo)線，軸，電機(jī)等部件制成。麻省理工學(xué)院的一位教授為了證實(shí)維納的這個(gè)觀點(diǎn)，甚至用石塊和衛(wèi)生紙卷制造過(guò)一臺(tái)簡(jiǎn)單的能運(yùn)行的計(jì)算機(jī)。 英國(guó)數(shù)學(xué)家、邏輯學(xué)家 Boole（ 18151864） 實(shí)現(xiàn)了萊布尼茨的思維符號(hào)化和數(shù)學(xué)化的思想，提出了一種嶄新的代數(shù)系統(tǒng) ——布爾代數(shù)。布爾利用代數(shù)語(yǔ)言使邏輯推理更簡(jiǎn)潔清晰，從而建立起一種所謂邏輯科學(xué)，其方法不但使數(shù)學(xué)家耳目一新，也使哲學(xué)家大為嘆服。他為邏輯代數(shù)化作出了決定性的貢獻(xiàn)，他所建立的理論隨著電子計(jì)算機(jī)的問(wèn)世而得到迅速發(fā)展。 NP 問(wèn)題 ?在計(jì)算機(jī)學(xué)科中，存在多項(xiàng)式時(shí)間的算法的一類問(wèn)題，稱之為 P類問(wèn)題；而像梵塔問(wèn)題、推銷員旅行問(wèn)題、至今沒(méi)有找到多項(xiàng)式時(shí)間算法解的一類問(wèn)題，稱之為 NP類問(wèn)題。 TSP( Traveling salesman problem,旅行商問(wèn)題 ) B A C D E F A F E D C B A NP:推銷員旅行問(wèn)題 ? 如果有 3個(gè)城市，則有 3!=6種訪問(wèn)每個(gè)城市的次序。如果有 4個(gè)城市，則有 4!=24種次序 .即使用計(jì)算機(jī)來(lái)計(jì)算，這種急劇增長(zhǎng)的可能性的數(shù)目也遠(yuǎn)遠(yuǎn)超過(guò)計(jì)算資源的處理能力，對(duì)此，算法復(fù)雜性專家史蒂芬 .庫(kù)克評(píng)論： 如果有 100個(gè)城市，需要求出 100！條路線的費(fèi)用，沒(méi)有哪一臺(tái)計(jì)算機(jī)能夠勝任這一任務(wù)。打個(gè)比方，讓太陽(yáng)系中所有的電子以它旋轉(zhuǎn)的頻率來(lái)計(jì)算，就算太陽(yáng)燒盡了也算不完。 Mathematical formulation: njxWxwxgxcxfjnjjjnjjj, . . . ,2,1,1or0)(.)(ma x11?????????????o t h e r w i s es e l e c t e disi t e mif,0,1w h e r e jxj1 … n … (c1 … ) (w1 … wn) where W: weight capacity Knapsack Problem：背包問(wèn)題 人工智能的誕生 導(dǎo)因 現(xiàn)實(shí)世界中相當(dāng)多的問(wèn)題求解是復(fù)雜的，常無(wú)算法可循，即使有計(jì)算方法，也是 NP (Nondeterministic Polynomial，即是多項(xiàng)式復(fù)雜程度的非確定性問(wèn)題 )問(wèn)題。為此，人們可采用啟發(fā)式知識(shí)進(jìn)行問(wèn)題求解，把復(fù)雜的問(wèn)題大大簡(jiǎn)化，可在浩瀚的搜索空間中迅速找到解答。運(yùn)用專門領(lǐng)域的經(jīng)驗(yàn)知識(shí)，經(jīng)常會(huì)取得有關(guān)問(wèn)題的滿意解，而非數(shù)學(xué)上的最優(yōu)解。這就是啟發(fā)式搜索。 達(dá)特莫斯會(huì)議 1956年夏天， 美國(guó)達(dá)特莫斯大學(xué)召開了 一次影響深遠(yuǎn)的歷史性會(huì)議。 主要發(fā)起人是該校青年助教麥卡錫 (71,圖靈獎(jiǎng) ) ，此外會(huì)議發(fā)起者還有哈佛大學(xué)明斯基 (69,圖靈獎(jiǎng) )、貝爾實(shí)驗(yàn)室香農(nóng)（ ）和 IBM公司信息研究中心羅徹斯特 (Lochester），他們邀請(qǐng)了卡內(nèi)基 —梅隆大學(xué)赫伯特 西蒙 (75,圖靈獎(jiǎng) ) 、麻省理工學(xué)院塞夫里奇（ O. Selfridge）和索羅門夫），以及 IBM公司塞繆爾（ ，跳棋機(jī)， 56）和莫爾（ ）。 達(dá)特莫斯會(huì)議 這些青年學(xué)者的研究專業(yè)包括數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論和電腦科學(xué)，分別從不同的角度共同探討人工智能的可能性。 達(dá)特莫斯會(huì)議歷時(shí)長(zhǎng)達(dá)兩個(gè)多月，學(xué)者們?cè)诔浞钟懻摰幕A(chǔ)上，首次提出了“人工智能” （ Artificial Intelligence）這一術(shù)語(yǔ)，標(biāo)志著人工智能（ AI）作為一門新興學(xué)科正式誕生。 現(xiàn)代電腦 的智能與人類智能 ?例一回答問(wèn)題，“樹上有 10只鳥，被獵人用槍打下 1只， 問(wèn)樹上還剩下幾只鳥？ ” ?實(shí)際生活：過(guò)馬路。 ?一方面，電腦能計(jì)算出 10億位的 π值，能快速處理全國(guó)人口普查的海量數(shù)據(jù)，能精確地控制宇宙飛船登上月球的每一步驟，使任何聰明絕頂?shù)娜嗽谒媲岸枷嘈我?jiàn)絀；另一方面，電腦的智力水平可以說(shuō)連普通 3歲孩童都不如。 正如 1980年國(guó)外有人給它下的一個(gè)通俗的定義：“快速的、按規(guī)矩行事的傻子機(jī)器?！薄? 生物智能 對(duì) 低級(jí)動(dòng)物來(lái)講，它的生存、繁衍是一種智能。為了生存，它必須表現(xiàn)出某種適當(dāng)?shù)男袨椋缫捠?、避免危險(xiǎn)、占領(lǐng)一定的地域、吸引異性以及生育和照料后代。因此，從個(gè)體的角度看，生物智能是動(dòng)物為達(dá)到某種目標(biāo)而產(chǎn)生正確行為的生理機(jī)制。 自然界智能水平最高的生物就是人類自身，不但具有很強(qiáng)的生存能力，而且具有感受復(fù)雜環(huán)境、識(shí)別物體、表達(dá)和獲取知識(shí)以及進(jìn)行復(fù)雜的思維推理和判斷的能力。 人類智能 人類個(gè)體的智能是一種綜合性能力。具體地講，可包括： 1）感知與認(rèn)識(shí)事物、客觀世界與自我的能力； 2）通過(guò)學(xué)習(xí)取得經(jīng)驗(yàn)、積累知識(shí)的能力； 3）理解知識(shí)、運(yùn)用知識(shí)和運(yùn)用經(jīng)驗(yàn)分析問(wèn)題和解決問(wèn)題的能力； 4）聯(lián)想、推理、判斷、決策的能力； 5）運(yùn)用語(yǔ)言進(jìn)行抽象、概括的能力； 6）發(fā)現(xiàn)、發(fā)明、創(chuàng)造、創(chuàng)新的能力； 7）實(shí)時(shí)地、迅速地、合理地應(yīng)付復(fù)雜環(huán)境的能力； 8）預(yù)測(cè)、洞察事物發(fā)展變化的能力； 智能定義 智能是人類具有的特征之一，然而，對(duì)于什么是人類智能（或者說(shuō)智力），科學(xué)界至今還沒(méi)有給出令人滿意的定義。 “中樞神經(jīng)系統(tǒng)的功能”。 “進(jìn)行抽象思維的能力” 。 “獲得能力的能力” 智能定義 不確定的動(dòng)態(tài)環(huán)境 中作出適當(dāng)反應(yīng)的能力，這種反應(yīng)必須有助于它 (它們 ) 實(shí)現(xiàn)其最終的行為目標(biāo)。 、合理的思維，以及有效地適應(yīng)環(huán)境的綜合能力。通俗地講，智能是個(gè)體認(rèn)識(shí)客觀事物、客觀世界和運(yùn)用知識(shí)解決問(wèn)題的能力。 注 智能是相對(duì)的、發(fā)展的。離開特定時(shí)間說(shuō)智能是困難的、沒(méi)有意義的。 人工智能 人工智能是相對(duì)人的自然智能而言，即用人工的方法和技術(shù)，研制智能機(jī)器或智能系統(tǒng)來(lái)模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)智能行為和“機(jī)器思維”，解決需要人類專家才能處理的問(wèn)題。 人類的許多活動(dòng)，如解算題、猜謎語(yǔ)、進(jìn)行討論、編制計(jì)劃和編寫計(jì)算機(jī)程序，甚至駕駛汽車和騎自行車等等，都需要“智能”。如果機(jī)器能夠執(zhí)行這種任務(wù)，就可以認(rèn)為機(jī)器已具有某種性質(zhì)的“人工智能”。 例子 1：能夠模擬人的思維，進(jìn)行博弈的計(jì)算機(jī)。 “深藍(lán)” (Deep Blue) 。 例子 2：能夠進(jìn)行深海探測(cè)的潛水機(jī)器人。 例子 3：在星際探險(xiǎn)中的移動(dòng)機(jī)器人，如美國(guó)研制的火星探測(cè)車。 ?人工智能是人工制品 (artifact)中所涉及的智能行為。其中，智能行為包括：感知 (perception)、推理(Reasoning)、學(xué)習(xí) (learning)、通信 (municating)和復(fù)雜環(huán)境下的動(dòng)作行為 (acting)。 人工智能定義 西蒙 認(rèn)為： AI是學(xué)會(huì)怎樣編制計(jì)算機(jī)程序完成機(jī)智的行為，學(xué)習(xí)人類怎樣做這些機(jī)智行為； 明斯基 則認(rèn)為人工智能一方面幫助人的思考，另一方面使計(jì)算機(jī)更有用。 鑒于圖靈是用行為來(lái)判斷機(jī)器是否具有智能，麻省理工學(xué)院 溫斯頓 （ P. Winston）在 AI教科書里下定義說(shuō)：“人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能的工作。” 人工智能的特點(diǎn)與分支 ?特點(diǎn)：具備推理、學(xué)習(xí)和聯(lián)想 ?人工智能從一開始就形成了其中 兩 種重要的研究范式，即 符號(hào)主義和聯(lián)接主義 。符號(hào)主義采用知識(shí)表達(dá)和邏輯符號(hào)系統(tǒng)來(lái)模擬人類的智能。聯(lián)接主義則從大腦和神經(jīng)系統(tǒng)的生理背景出發(fā)來(lái)模擬它們的工作機(jī)理和學(xué)習(xí)方式。符號(hào)主義試圖對(duì)智能進(jìn)行 宏現(xiàn)研究 ，而聯(lián)接主義則是一種 微觀意義上的探索 。 符號(hào)主義 ?認(rèn)為人工智能源于數(shù)理邏輯。數(shù)理邏輯從 19世紀(jì)末起就獲迅速發(fā)展；到 20世紀(jì) 30年代開始用于描述