【正文】 含找到解的機制 ? 1973年英國政府在 Lighthill報告之后終止了除 2所大學以外所有的 AI研究資助 第 1章 人工智能概述 67 現(xiàn)實的困難 (1966~1973)(3) ? 第三類困難：用于產生智能行為的基本結構存在某些限制 ? 例子： 1969年 Minsky和 Papert證明了感知器 —簡單的神經(jīng)網(wǎng)絡所能表示的東西很少(單層感知器對 XOR函數(shù) ) ? 神經(jīng)網(wǎng)絡研究由此沉寂了 20年 , 直到 80年代后期多層網(wǎng)絡的反向傳播算法出現(xiàn)引起了神經(jīng)網(wǎng)絡的復興 ? 這一算法首次發(fā)現(xiàn)恰恰是在 1969年發(fā)現(xiàn)的(Bryson Ho) 第 1章 人工智能概述 68 基于知識的系統(tǒng) : 力量的鑰匙 ? (1969~1979)(1) ? 早期研究中的通用搜索機制稱為 弱方法 , 通用但不能擴展到大規(guī)模問題或困難問題 ? 需要更強有力的、領域相關的知識 ? DENDRAL是第一個成功的知識密集型系統(tǒng) , 1969年在 Stanford開發(fā) , 參與者包括 Ed Feigenbaum等，根據(jù)質譜儀信息推斷分子結構 / 該系統(tǒng)改進后 , 把知識和推理部分清楚地劃分開 —80年代專家系統(tǒng)的典型結構 第 1章 人工智能概述 69 基于知識的系統(tǒng) : 力量的鑰匙 ? (1969~1979)(2) ? 由 DENDRAL系統(tǒng)開始的 專家系統(tǒng) 方法論又應用到其他需要人類專家知識的領域 : MYCIN—檢測血液感染的專家系統(tǒng) ? MYCIN知識庫的特點 : 直接來自經(jīng)驗 / 反映出知識的不確定性 ? 自然語言理解領域的專家系統(tǒng) : ? 耶魯大學 Roger Schank和其學生們開發(fā)的一系列程序 (1977~1983) 第 1章 人工智能概述 70 AI成為工業(yè) (1980~現(xiàn)在 )(1) ? 1982年 , 第一個成功的商用專家系統(tǒng) R1在DEC公司開始運轉 , 到 1986年為止每年為公司節(jié)省 4千萬美元 ? 美國主要公司都曾開發(fā)或使用專家系統(tǒng) ? AI工業(yè)在 1980年只是幾百萬美元 , 1988年漲到數(shù)十億美元 ? 但很快又進入了“ AI的冬天”時期 第 1章 人工智能概述 71 AI成為工業(yè) (1980~現(xiàn)在 )(2) ? 在八十年代的 AI研究熱潮中 , 1981年日本提出五代機計劃 , 目的是建造運行 Prolog程序的智能機 ? 美國則對應成立了 MCC研究集團 ? 其中的 AI部分從未實現(xiàn)其野心勃勃的目標 ? 實際上，“ AI成為工業(yè)”目前在一些家電中可以找到影子 (智能洗衣機等 ) 第 1章 人工智能概述 72 神經(jīng)網(wǎng)絡的回歸 (1986~現(xiàn)在 ) ? 神經(jīng)網(wǎng)絡 : Frank Rosenblatt1962年提出感知器 , 證明了感知器收斂定理 / 但 1969年以后沉寂 ? 反向傳播算法引起了神經(jīng)網(wǎng)絡研究的復興 ? Rumelhart和 McClelland的文集引起反響 ? 連接主義 方法崛起，被認為是 Newell和 Simon提出的符號模型和 McCarthy主張的邏輯方法的直接競爭者 ? 當前的觀點是：連接主義和符號主義方法是互補的 第 1章 人工智能概述 73 AI成為科學 (1987~現(xiàn)在 )(1) ? 近年來， AI研究在內容和方法論方面的特點： ? 在已有的理論基礎上進行研究而不是提出嶄新理論 ? 理論建立在嚴格定理或者確鑿實驗證據(jù)基礎上而不是靠直覺 ? 顯示與現(xiàn)實世界應用的相關性而不是與玩具樣例的相關性 第 1章 人工智能概述 74 AI成為科學 (1987~現(xiàn)在 )(2) ? 從對控制論和統(tǒng)計學的某種叛逆到開始接受這些領域的理論和方法 ? 通過互連網(wǎng)進行測試數(shù)據(jù)和程序代碼的共享 ? 典型：語音識別中 HMM模型應用 / 貝葉斯網(wǎng)絡 第 1章 人工智能概述 75 智能化智能體出現(xiàn) (1995~現(xiàn)在 ) ? 重新審視“完整智能體” ： SOAR系統(tǒng)上的工作 (1987~1990) ? 環(huán)境約束 : 目標是理解嵌入真實環(huán)境的智能體的工作 / 目前最重要的智能化智能體環(huán)境是 Inter, AI技術成為重要的 Inter工具 ? 為什么要采納智能體觀點 ? ? AI目前分離的子領域需要重新組織起來 , 至少當它們的結果需要聯(lián)系在一起的時候 ? AI與其他涉及智能體的領域的聯(lián)系被拉近了(如控制論和經(jīng)濟學 ) 第 1章 人工智能概述 76 弱人工智能和強人工智能 ? 弱人工智能 (Weak AI)的斷言 : “機器能夠智能地行動 ” ? 強人工智能 (Strong AI)的斷言 : “能夠如此行事的機器確實是在思考” ? 大多數(shù) AI研究者認為弱人工智能假設是當然的 / 本質上 , AI尋求的是在給定的體系結構之上最好的智能體程序 / 對于弱人工智能的假設 , AI的成就可以證明 ? 關于強人工智能，更多的是哲學上的爭論 第 1章 人工智能概述 77 AI成就 vs 異議 (1) ? 圖靈曾考察過對智能機器的質疑 ? 質疑 1: 能力缺陷 ? 實踐證明 : 計算機能夠和人一樣做很多工作 , 有些做得甚至更好 ? 例子 : 下棋 /裝配線零件檢查 /駕駛汽車 /診斷疾病 ? 質疑 2: 數(shù)學異議 —機器是受到不完備性定理限制的形式系統(tǒng) , 而人類則沒有這樣的局限性 第 1章 人工智能概述 78 AI成就 vs 異議 (2) ? 我們同意計算機在其所能證明的事物上具有局限性 , 但也沒有證據(jù)表明人類對于這些局限是免疫的 —因為人類的嚴謹證明本身要包含一個對所宣稱不可形式化的人類天賦的形式化表示 / 我們不可能證明人類不服從哥德爾不完備性定理 , 最終不得不求助于直覺 ? 質疑 3: 限制問題 —“無法用一個邏輯規(guī)則集合捕捉每件事物” ? 實踐證明 : AI一直在發(fā)展 , 被質疑的“老式 AI”已經(jīng)發(fā)生了改變 , 他們所關注的許多問題已經(jīng)得到解決 第 1章 人工智能概述 79 智能體與環(huán)境 智能體的組成 理性智能體 任務環(huán)境與例子 任務環(huán)境的屬性 第 1章 人工智能概述 80 智能體與環(huán)境 ? 智能體：通過傳感器感知所處環(huán)境并通過執(zhí)行器對該環(huán)境產生作用的計算機程序及其控制的硬件 ? 感知信息：表示任意給定時刻智能體的感知輸入 / 感知序列：該智能體所收到的所有輸入數(shù)據(jù)的完整歷史 ? 智能體函數(shù)：把任意給定感知序列映射到智能體行動的描述 / 智能體程序：抽象的智能體函數(shù)的一個具體實現(xiàn)，該程序在智能體自身結構上運行 第 1章 人工智能概述 81 理性智能體 (1) ? 理性智能體 (Rational Agent): 做事正確的智能體 ? 性能度量 : 智能體成功程度標準的具體化 ? 作為一般規(guī)則 , 最好根據(jù)在這個環(huán)境中希望得到的實際結果來設計性能度量 , 而不是根據(jù)智能體應該表現(xiàn)的行為 ? 判斷什么是理性 : ? 性能度量 ? 關于環(huán)境的先驗知識 ? 可以執(zhí)行的行動 ? 到那時為止的感知序列 第 1章 人工智能概述 82 理性智能體 (2) ? 理性智能體 : 對于每個可能的感知序列 , 根據(jù)已知感知序列提供的證據(jù)和智能體內建的先驗知識 , 理性智能體應該選擇期望能使其性能度量最大化的行動 ? 理性是使期望性能最大化 ? 完美是實際性能最大化 ? 理性智能體也可以稱作智能化智能體(Intelligent Agent) 第 1章 人工智能概述 83 任務環(huán)境 (1) ? 建造理性智能體的綜合考慮 : 任務環(huán)境 ? PEAS (Performance, Environment, Actuators, Sensors) 性能 /環(huán)境 /執(zhí)行器 /傳感器 ? 例子 第 1章 人工智能概述 智能體種類 性能度量 環(huán)境 執(zhí)行器 傳感器 出租車司機 安全 ,快速 ,守法 ,舒適的旅途 ,利潤最大化 道路 ,其他車輛 ,行人 ,旅客 方向盤 ,加速器 ,剎車 ,信號燈 ,喇叭 ,(顯示器 ) 引擎?zhèn)鞲衅?,速度計 ,加速計 ,里程計 , GPS,(聲波傳感器 ,攝像頭 ,鍵盤 ) 84 任務環(huán)境 (2) 第 1章 人工智能概述 智能體類型 性能度量 環(huán)境 執(zhí)行器 傳感器 醫(yī)學診斷系統(tǒng) 恢復健康的病人 ,費用最小化 ,最少訴訟 病人 ,醫(yī)院 ,職員 顯示 :問題 ,測試 ,診斷 ,治療 ,咨詢 鍵盤輸入 ,癥狀 ,檢查結果 ,病人回答 挑揀零件的機器人 放進正確箱子的零件的百分比 載有零件的傳送帶 ,箱子 有關節(jié)的胳膊和手 攝像頭 ,關節(jié)角度傳感器 交互式英語教師 最大化學生的測試成績 學生集合 ,測驗機構 顯示 (語音合成 ):練習 ,建議 ,糾正 鍵盤輸入(語音識別 ) 85 任務環(huán)境的屬性 (1) ? 任務環(huán)境的屬性 : ?完全可觀察的 vs 部分可觀察的 : 獲取環(huán)境的完整狀態(tài) , 一般難以做到 ?確定性的 vs 隨機的 : 出租車駕駛環(huán)境是隨機的 ?片段式的 vs 延續(xù)式的 : 挑揀零件機器人的決策只需建立在當前零件基礎上 , 而下棋 , 駕駛 , 句法分析都是延續(xù)式的 第 1章 人工智能概述 86 任務環(huán)境的屬性 (2) ?靜態(tài)的 vs 動態(tài)的 : 出租車駕駛是動態(tài)的 , 填字謎游戲則是靜態(tài)的 ?離散的 vs 連續(xù)的 : 下棋是離散的 , 駕駛汽車是連續(xù)的 ?單智能體 vs 多智能體 : 駕駛汽車和下棋都是多智能體環(huán)境 ? 根據(jù)傳感器的感知，對環(huán)境的綜合考慮，通過執(zhí)行器的工作，實現(xiàn)好的性能量度 第 1章 人工智能概述 87 任務環(huán)境的屬性 (3)