【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(xué)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(chǎn)生智能行為的基本結(jié)構(gòu)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(luò)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(luò)研究由此沉寂了 20年 , 直到 80年代后期多層網(wǎng)絡(luò)的反向傳播算法出現(xiàn)引起了神經(jīng)網(wǎng)絡(luò)的復(fù)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(lǐng)域相關(guān)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(zhì)譜儀信息推斷分子結(jié)構(gòu) / 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(jié)構(gòu) 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(yīng)用到其他需要人類專家知識的領(lǐng)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(lǐng)域的專家系統(tǒng) : ? 耶魯大學(xué) Roger Schank和其學(xué)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(zhuǎn) , 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(yīng)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(biāo) ? 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(luò)的回歸 (1986~現(xiàn)在 ) ? 神經(jīng)網(wǎng)絡(luò) : 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(luò)研究的復(fù)興 ? Rumelhart和 McClelland的文集引起反響 ? 連接主義 方法崛起，被認(rèn)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(dāng)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(xué) (1987~現(xiàn)在 )(1) ? 近年來， AI研究在內(nèi)容和方法論方面的特點： ? 在已有的理論基礎(chǔ)上進行研究而不是提出嶄新理論 ? 理論建立在嚴(yán)格定理或者確鑿實驗證據(jù)基礎(chǔ)上而不是靠直覺 ? 顯示與現(xiàn)實世界應(yīng)用的相關(guān)性而不是與玩具樣例的相關(guān)性 第 1章 人工智能概述 74 AI成為科學(xué) (1987~現(xiàn)在 )(2) ? 從對控制論和統(tǒng)計學(xué)的某種叛逆到開始接受這些領(lǐng)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(yīng)用 / 貝葉斯網(wǎng)絡(luò) 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(biāo)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(shù)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(lǐng)域需要重新組織起來 , 至少當(dāng)它們的結(jié)果需要聯(lián)系在一起的時候 ? AI與其他涉及智能體的領(lǐng)域的聯(lián)系被拉近了(如控制論和經(jīng)濟學(xué) ) 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(rèn)為弱人工智能假設(shè)是當(dāng)然的 / 本質(zhì)上 , AI尋求的是在給定的體系結(jié)構(gòu)之上最好的智能體程序 / 對于弱人工智能的假設(shè) , AI的成就可以證明 ? 關(guān)于強人工智能，更多的是哲學(xué)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(zhì)疑 ? 質(zhì)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(zhì)疑 2: 數(shù)學(xué)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(yán)謹(jǐn)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(zhì)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(zhì)疑的“老式 AI”已經(jīng)發(fā)生了改變 , 他們所關(guān)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(wù)環(huán)境與例子 任務(wù)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(chǎn)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(jié)構(gòu)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(biāo)準(zhǔn)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(jié)果來設(shè)計性能度量 , 而不是根據(jù)智能體應(yīng)該表現(xiàn)的行為 ? 判斷什么是理性 : ? 性能度量 ? 關(guān)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(nèi)建的先驗知識 , 理性智能體應(yīng)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(wù)環(huán)境 (1) ? 建造理性智能體的綜合考慮 : 任務(wù)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(wù)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(xué)診斷系統(tǒng) 恢復(fù)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(jié)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(guān)節(jié)的胳膊和手 攝像頭 ,關(guān)節(jié)角度傳感器 交互式英語教師 最大化學(xué)生的測試成績 學(xué)生集合 ,測驗機構(gòu) 顯示 (語音合成 ):練習(xí) ,建議 ,糾正 鍵盤輸入(語音識別 ) 85 任務(wù)環(huán)境的屬性 (1) ? 任務(wù)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(dāng)前零件基礎(chǔ)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(wù)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(wù)環(huán)境的屬性 (3)