【正文】 家 主要貢獻： 研究數(shù)理邏輯中一些帶有根本性的問題，即形式系統(tǒng)的完備性和可判定性問題。 1930年證明了一階謂詞演算的完備性定理 1931年證明了： 第一條不完備性定理 任何包含初等數(shù)論的形式系統(tǒng)，如果它是協(xié)調的，那么一定是不完備的。 第二條不完備性定理是：如果這種形式系統(tǒng)是協(xié)調的，那么這種協(xié)調性一定不能在本系統(tǒng)中得到證明。 Godel的這兩條定理徹底摧毀了 Hilbert的建立無矛盾數(shù)學體系的綱領，對人工智能研究的意義在于，指出了把人的思維形式化和機械化的某種極限，在理論上證明了有些事情是做不到的 。 ? AMTuring （圖靈）（ 19121954）英國 天才 數(shù)學家 主要貢獻： ? 1936年提出一種理想計算機的數(shù)學模型，后世稱之為圖靈機。 現(xiàn)已公認，所有可計算函數(shù)都能用圖靈機計算 為電子計算機出現(xiàn)建立了理論根據(jù)。 ? 在二次大戰(zhàn)期間為盟軍設計破譯密碼的機器，為盟軍的最后勝利立下了汗馬功勞。 ? 1950年，在 《 Computing Machinery and Intelligence》 一文中提出了著名的“ Turing Test” 如果機器能成功的偽裝成人欺騙觀察者 ,就認為它具有了智能。 Turing Test的重要意義： 使實驗研究智能行為成為可能 1980,美國哲學家 John searle 在其論文 《 心、 大腦與程序 》 中提出 Chinese Room Experiment 第一階段： 50年代人工智能的興起和冷落 ? 電子計算機的誕生 ——人工智能的物質基礎。 Mauchly（美國數(shù)學家）和 Eckert等人共同發(fā)明了電子數(shù)字計算機 ENIAC（ 1946年）。 占地面積達 170平方米，重達 30噸 ? 人工智能的開端 Norbert Wiener ：所有人類智力的結果都是一種反饋的結果；反饋機制是有可能用機器模擬的 第一階段： 50年代人工智能的興起和冷落 ? 人工智能的問世 1956年，“人工智能之父” McCarthy： Vermont “ Dartmouth人工智能夏季研究會”，命名 人工智能 參加者： Minsky, Rochester, Shannon, Moore, Samuel, Selfridge, Solomonff, Simon, Newell等一批數(shù)學家、信息學家、心理學家、神經生理學家、計算機科學家。 （ McCarthy于 2023年 10月 24日與世長辭，享年 84歲 ） ? 早期發(fā)展 ? 機器定理證明 1956年， Newell和 Simon的 Logic Theorist（邏輯理論機）證明了 《 數(shù)學原理 》 第二章的 38條定理，1963年全部 52條定理。 1958年，王浩在 IBM704上實現(xiàn)了一個定理機器證明程序，以 35分鐘的時間證明了 《 數(shù)學原理 》中 220條全部命題演算定理和 150條一階邏輯定理中的 85%， 1959年用了 。 1959年， Gelernter研制出了平面幾何證明程序。 1965年 Robinson提出了歸結方法，把人工智能的研究向前推進了一大步。 ? 早期發(fā)展 ? 機器學習 1956年， Samuel研制了跳棋程序，該程序具有學習功能，能夠從棋譜中學習，也能在實踐中總結經驗，提高棋藝。 1959年打敗了設計者 Samuel本人， 1962年擊敗了美國一個州的冠軍。 ? 模式識別與計算機視覺 1956年， Selfridge研制出第一個字符識別程序，1959年他又推出了功能更強的模式識別程序。1965年， Roberts編制了可以分辨積木構造的程序，開創(chuàng)了計算機視覺的新領域。 ? 早期發(fā)展 ? 通用問題求解程序 GPS 1957年始， Newell, Shaw和 Simon等人在 Logic Theotist基礎上，研究一種不依賴于具體領域的通用解題程序，持續(xù)了 10年，最后版本發(fā)表于 1969年。 ? 符號計算 1963年， Slagle發(fā)表了符號積分程序 SAINT，他使用了86個積分問題檢查該程序，其中有 54個問題是 MIT微積分課程的考試題，結果程序解出了 84個問題， SAINT的解題能力達到了大學生中優(yōu)秀者的水平。 1967年， Mosis又研制了一個符號積分程序 SIN，能解更多更復雜的積分題目，效率比 SAINT快 3倍，解題能力達到同領域專家水平。 ? LISP表處理語言等 各種誘人的前景把很多人吸引到人工智能領域中來，人工智能的研究呈現(xiàn)出蓬勃發(fā)展的局面。 一系列的成功使某些研究者頭腦發(fā)熱起來 .1958年，Newell和 Simon曾經自信地說：不出 10年，計算機將能譜寫具有優(yōu)秀作曲家水平的樂曲；不出 10年，大多數(shù)心理學理論將在計算機上形成。有些人甚至預言， 80年代是全面實現(xiàn)人工智能的年代，到 2023年機器的智能會超過人。 第一階段： 50年代人工智能的興起和冷落 第一階段： 50年代人工智能的興起和冷落 ? 人工智能的低谷時期 ? 歸結方法的效率很難提高 在用歸結方法證明問題時，稍微復雜一點的問題就會因內存全被占滿或時間長的無法忍受而失敗。如同沒有包治百病的良藥一樣，建立適用于各個不同領域的通用推理程序的嘗試也失敗了。 ? 機器學習的能力不如預期的那樣好 Samuel的跳棋程序在戰(zhàn)勝了一個州的冠軍后，其能力就保持在那個水平上，一直沒有新的提高 ? 機器翻譯等的失敗 “ Time flies like an arrow” 翻譯成日語，再譯回來 ：“蒼蠅喜歡箭” “ The spirit is willing but the flesh is weak” 譯成俄語，再譯回來 ： “ The wine is good but the meat is spoiled” 英，劍橋大學 James: “AI即使不是騙局也是庸人自擾” 美， IBM下令取消 AI所有研究活動 ? 在總結研究經驗的基礎上，人工智能研究者指出，使計算機具有知識是使人工智能走出困境的關鍵。企圖建造一個脫離知識的通用推理程序的想法是不夠完整的，目前也是不切實際的。要想人工智能的研究取得突破，必須把人們具有的知識也傳給計算機系統(tǒng)。 第二階段： 60年代末到 70年代 專家系統(tǒng)出現(xiàn) ? DENDRAL：化學質譜分析系統(tǒng) MYCIN：疾病診斷和治療系統(tǒng) PROSPECTOR：探礦系統(tǒng) HearsayII：語音理解系統(tǒng) ? 1969年成立了 IJCAI ? Edward Albert Feigenbaum： 1965年，和遺傳學系主任、諾貝爾獎得主萊德伯格 (Joshua Lederberg)等人合作， DENDRAL 1994年度 Turing Award得主 最早倡導了“ Knowledge engineering”(1977年， Feigenbaum在第五屆國際人工智能大會 ) In the Knowledge lies the power ? 在此之后各種的專家系統(tǒng)紛紛研制出來，專家系統(tǒng)得到航天、醫(yī)學、地質、氣象等部門的支持，發(fā)展迅速。 ? 在計算機中使用知識，為人工智能提出了一批有實用價值的研究課題，例如：如何使計算機獲得人類知識、如何表示知識、如何進行基于不同領域知識的推理等等，這些課題促進了人工智能的研究，使人工智能這一學科重新出現(xiàn)了蓬勃發(fā)展的局面。 第三階段： 80年代，人工智能得到很大發(fā)展 ? 第五代計算機研制計劃“知識信息處理計算機系統(tǒng) KIPS” ： 1982年 日本發(fā)起 為期 10年 目的：使邏輯推理達到數(shù)值運算那么快 結果：在扔了上 10億美元之后不了了之 它的開展形成了一股研究人工智能的熱潮 第四階段： 80年代末 神經網(wǎng)絡飛速發(fā)展 ? 1987年，美國召開第一次神經網(wǎng)絡國際會議宣告了這一新學科的誕生。此后，各國在神經網(wǎng)絡方面的投資逐漸增加，神經網(wǎng)絡迅速發(fā)展起來。 ? 據(jù)美國每日科學網(wǎng)站 2023年 7月 20日 報道，美國科學家朝人工智能領域 邁出了關鍵的一步：他們使用 DNA，在試管中制造出了首個人 造神經網(wǎng)絡，該神經網(wǎng)絡包含 4個 人造神經元，由 112個不同的 DNA片 段組成。 ? 這個相互作用的分子組成的電路能像人腦一樣，可像人腦一樣基于部分特征識別事物，這是大腦獨特的屬性之一。然而，其運行效率目前還很低下，需要進一步提高其性能。 ? 7月 21日出版的 《 自然 》 雜志上的論文中寫道：“這個人造‘大腦’可不簡單，它使得我們識別事物、形成記憶、做出決定并采取行動，這表明，一個由相互作用的分子組成的人造神經網(wǎng)絡也能展示與大腦一樣的行為?！? 第五階段： 90年代 — 現(xiàn)在 新的 AI研究高潮 ? IBM公司“深藍”電腦擊敗了人類的世界國際象棋冠軍 ? 美國制定了以多 Agent系統(tǒng)應用為重要研究內容的信息高速公路計劃，基于 Agent技術的 Softbot(軟機器人 )在軟件領域和網(wǎng)絡搜索引擎中得到了充分應用 ? 美國 Sandia實驗室建立了國際上最龐大的“虛擬現(xiàn)實”實驗室，擬通過數(shù)據(jù)頭盔和數(shù)據(jù)手套實現(xiàn)更友好的人機交互，建立更好的智能用戶接口。 ? 圖像處理和圖像識別，聲音處理和聲音識別取得了較好的發(fā)展， IBM公司推出了 ViaVoice聲音識別軟件，以使聲音作為重要的信息輸入媒體。 計算機打敗國際象棋冠軍 1997年 5月 11日，在國際象棋“人機大戰(zhàn)”最后一局較量中，美國 IBM公司的RS/6000/SP國際象棋超級計算機“深藍” 僅用了一個小時便輕松戰(zhàn)勝國際象棋特級大師卡斯帕羅夫，并以 70萬美元的獎金。 計算機打敗國際象棋冠軍 “深藍”與卡斯帕羅夫的對比 ── 身高 :卡斯帕羅夫 5英尺 10英寸 ,“深藍” 6英尺 5英寸； 體重 :卡斯帕羅夫 176磅， “深藍” ； 年齡：卡斯帕羅夫 34歲， “深藍” 4歲； 每秒行棋速度：卡斯帕羅夫 2步， “深藍” 2億步。 最主要差別： 卡斯帕羅夫的隨機應變能力強，老謀深算，經驗豐富 ,但思路易受身體條件、情緒和周圍環(huán)境的影響 “深藍”是個剛剛涉足棋壇的小學生 ,記憶力強，計算平穩(wěn)且不受環(huán)境干擾。 ? “深藍”程序： 帶有一個收集了 20世紀各位著名國際象棋大師所下的數(shù)千個棋局的數(shù)據(jù)庫。 ? 必須克服人工智能領域的一個關鍵問題： 在組合劇增的情況下進行全盤搜索 。 ? 棋手每走一步約有 30步不同的走法。要看到 15步之遠，計算機必須算遍 3015種不同走棋過 程，并從中作出選擇。 ? IBM的研究小組使用的技術： 先進行“淺”搜索，比如深度只有 10步，以粗略指出哪些步是有希望的，然后對這些走法進行深度較大的搜索。使“深藍”要處理的局面數(shù)減少到 1000億種左右。 一篇古怪的小說 背叛 作者 Brytus1型 1998年 3月 戴夫 斯特賴維爾喜愛這所大學。他喜愛校園里爬滿常春藤的鐘樓，那古色古香而又堅固 的磚塊，還有那灑滿陽光的碧綠草坪和熱情的年輕人。使他感到欣慰的還有這樣一件事， 即大學里完全沒有商場上那些冷酷無情的考驗 ——但事實恰恰并非如此：做學問也要通過 考試，而且有的考試與市場上的考驗一樣不留情面。最好的例子就是論文答辯：為了取得 博士學位，為了成為博士，博士生必須通過論文的口試。愛德華 哈特教授就喜歡主持這樣 的答辯考試。 戴夫迫切希望成為一名博士。但他需要讓三個人在他論文的第一頁上簽上他們的名字， 這三個千金買的簽名能夠證明他通過了答辯。其中一個簽名是哈特教授的。哈特常常對戴 夫本人和其他人說，對于幫助戴夫實現(xiàn)他應該有的夢想，他感到很榮幸。答辯之前，斯特 賴維爾早早給哈特送去了他論文的倒數(shù)第二稿。哈特閱讀后告訴戴夫，論文水平絕一流， 答辯時他會很高興地在論文上簽名。在哈特那四壁擺滿書籍的辦公室里，兩人甚至還握了 手。戴夫注意到，哈特兩眼放光，充滿信賴，神情宛如慈父一般。 在答辯時，戴夫覺得自己流利地概括了論文的第三章。評審者提了兩個問題，一個是羅 德曼教授的，另一個是蒂爾博士提的。戴夫分別作了回答，并且顯然讓每個人都心悅誠 服，再沒有人提