【正文】 （ KDD, Knowledge Discovery in Database) 和數據挖掘 (Data Mining)技術。 人工智能的基本技術 ?歸納技術。知識表示是指知識在計算機中的表示方式?！皢栴}求解”就是在問題空間中進行搜索的過程?；诜菢藴蔬壿嬋缍嘀颠壿?、模態(tài)邏輯、時態(tài)邏輯、模糊邏輯、非單調邏輯的推理。 人工智能的分支領域 ?基于體系結構的領域劃分 ? 集中式人工智能（個體智能） ? 分布式人工智能（群體智能） ?個體智能的組合或疊加 ?DPS（分布式問題求解），自頂向下 ?MAS（多智能體系統），自底向上 人工智能的基本技術 ?推理技術。知識表示語言 FRL、 OPS5。 ? 智能網絡系統。并行性、分布性和智能性。傳統數據庫系統 +人工智能?；谌祟悓＜抑R的程序系統。人工智能應用于 CAD的設計自動化、智能交互、智能圖形學、自動數據采集方面。使通訊網隨時運行于最佳狀態(tài)。人工智能應用于決策支持系統。自然語言理解。 ?智能機器人的核心技術，反映了機器人的智能水平 ?解決問題依靠規(guī)劃功能確定行動步驟和動作序列 ?任務：在一個特定的工作區(qū)域中自動生成從初始狀態(tài)到目標狀態(tài)的動作序列、運動路徑和軌跡的控制程序 人工智能的分支領域 ?基于研究途徑和實現技術的領域劃分 ? 符號智能 ?以符號知識為基礎，通過符號推理進行問題求解 ?知識工程 (知識獲取、知識表示、知識管理、知識運用、知識庫系統 )、符號處理 ? 計算智能 ?以數據為基礎，通過數值計算進行問題求解 ?人工神經網絡、進化計算 (遺傳算法、遺傳程序設計、進化規(guī)劃、進化策略 )、模糊技術、人工生命 人工智能的分支領域 ?基于應用領域的領域劃分 ? 難題求解 ?難題的概念 ?路徑規(guī)劃、組合優(yōu)化、天氣預報、股市分析、市場預測、機器博弈 ?NP (Nondeterministic Polynomial) 和 NPC (Nondeterministic Polynomial Complete)問題 ?難題求解技術能促進人工智能其他領域的發(fā)展 ? 自動定理證明 ?自然演繹法、判定法、定例證明器、計算機輔助證明 ?四色問題 (,)。 ? 機器理解。 ?對人類已有知識的獲取、對客觀規(guī)律的發(fā)現、對自身行為的修正。又稱為計算機推理、自動推理，是人工智能的核心課題之一。 信息 電信號序列 預處理 提取特征 模式匹配 ? 機器聯想。 ? 智能只有放在環(huán)境中才是真正的智能，智能的高低體現在對環(huán)境的適應性上 ? Brooks，機器蟲 人工智能的分支領域 ? 基于腦功能模擬的領域劃分 ? 機器感知（信息輸入）。 ? 以知識為基礎。主要特征： ? 立足于邏輯運算和符號操作，適合于模擬人的 邏輯思維過程。聯想記憶、容錯性。 ?遠期目標：制造智能計算機，使計算機具有看、聽、說等感知和交互能力、具有聯想、推理、理解、學習等高級思維能力，還要有分析問題、解決問題和發(fā)明創(chuàng)造的能力。 ?人類智能的局限性。 ? D、具有行為能力。記憶能存儲由感知器官感知到的外部信息以及由思維所產生的知識。作為一門學科，人工智能可定義為：人工智能是一門研究如何構造智能機器（智能計算機）或智能系統，使它能模擬、延伸、擴展人類智能的學科 ?人工智能是一門交叉邊緣學科，與人工智能有關的學科有：計算機科學、數學、語言學、神經生理學、神經心理學、腦科學、認知科學、邏輯學、控制論等 什么是人的智能 ?智能是人腦的屬性和產物。智能具有的主要特征： ? A、具有感知能力。思維用于對記憶的信息進行處理。 ?發(fā)現規(guī)律 應用規(guī)律 分析問題 解決問題 ?圖靈測試 ?中文屋子問題（約翰 學習能力因人而異、學習速度慢、效率低。 ?深藍（ 32CPU， 200萬次 /秒， 200萬個棋局） 人工智能的表現形式 ?智能軟件 ?智能設備 ?智能網絡 ?智能計算機 ?智能機器人 ?智能體 (Agent) (艾真體 ) 人工智能的研究途徑與方法 ?結構模擬（神經計算、生理學派、連接主義） 模擬人腦的神經網絡結構實現智能。 ? 通過神經元間連接強度的動態(tài)調整實現自學習和自適應功能。 ? 知識用顯式的符號表示，容易表達人的心理模型。 人工智能的研究途徑與方法 ?行為模擬（行為主義、進化主義、控制論學派） ? 基于感知 行為模型的研究途徑和方法。使計算機具有類似于人的感知能力，能通過“感知”直接從外界獲取信息，是對人的感知的模擬及延伸?；趦热莸穆撓耄c具體存儲位置無關。 ?推理：從一些已知判斷（前提）推出一個新判斷（結論）的思維過程。 ?機器學習分為：機械學習、指導學習、解釋學習、類比學習、示例學習、發(fā)現學習等。圖形理解（物景分析）、自然語言理解。 ? 自動程序設計 ?超級編譯系統 ?自動程序綜合和自動程序驗證。 ?一邊站著一個人 ?他想起來了 ? 智能控制 ? 1965， (傅京孫 )提出將啟發(fā)式推理規(guī)則用于學習控制系統 ? 智能管理。 ? 智能通訊。 ? 智能仿真。 ? 1智能 CAI。能模擬專家的思維方式。 ? 智能機器人系統。 ? 智能多媒體系統。模糊和神經網絡技術應用于網絡的業(yè)務量預測和控制、資源動態(tài)分配、動態(tài)路由選擇等方面。專家系統工具、知識工程工具等。推理是智能的核心。 ?搜索技術。盲目搜索、啟發(fā)式搜索。知識表示要符合知識的邏輯結構和物理結構，并適合于計算機存儲和處理。機器自動提取概念、獲取知識、發(fā)現規(guī)律的技術。 ?聯想技術。提出“知識就是力量” ? 德國數學家 Leibniz（ 16461716）提出了萬能符號和推理計算的思想，為數理邏輯的產生和發(fā)展奠定了基礎。 ? 1943年， McCulloch 和 Pitts提出 MP神經元模型。 人工智能的發(fā)展概況 ?符號主義 AI發(fā)展概況 ? 形成（ 19561965）（人工智能的推理期。 ?（ 3）、模式識別方面， 1959年 Selfridge的模式識別程序； 1965年Roberts編制了可以分辨積木構造的程序。 人工智能的發(fā)展概況 ? 人工智能的知識期（ 196570年代末） ?（ 1）、專家系統方面。 ?（ 2）、 1969年，國際人工智能聯合會議 (IJCAI)召開。出現了多專家系統、大型專家系統、微專家系統、分布式專家系統等。 ? 1957年， Rosenblatt提出 Perceptron單層神經網絡模型。 ? 在低谷期， Kohonen Grossberg和 Anderson等人仍堅持研究，取得了一些有價值的結果。 1987年 6月，第一屆國際神經網絡大會（ IJCNN）召開，盛況空前。 ? 神經網絡：識別 聯想 學習 適應，負責對外界的感知和交互 ? 專家系統：判斷 推理 搜索，負責高層的決策與控制 ? 新理論、新技術的出現。 謂詞 ：描述個體性質及個體之間相互關系的詞。 例、命題“小李的父親是醫(yī)生”可表示為 Doctor(father(Li)). 量詞 ：存在量詞“ ? ”；全稱量詞“ ? ”。 只有有限次使用 1， 2得到的符號串才是項。轄域中與該量詞的指導變元相同的變元稱為約束變元，其它變元 (如果存在的話 )稱為自由變元。 存在推廣規(guī)則 EG (Universal Generalization) ： A(c) ? ?xA(x)， c是個體域中某一確定元素。 ?推理與謂詞公式的含義無關，是一種形式推理。 （ 2） 、縮小否定聯結詞的作用范圍，使其僅作用于原子公式。這樣的常量稱為 Skolem常量；若該存在量詞在一個或多個全稱量詞的轄域內，則用這些全稱量詞指導變元的一個函數替換該存在量詞約束的變元。 （ 6） 、把全稱量詞后面的公式利用等價關系 A?(B ?C) ? (A?B) ?(A ?C)化為子句的合取式，得到的公式稱為 Skolem標準形 。 （ 9） 、消去合取詞 ? ，以子句為元素組成的集合稱為謂詞公式的子句集。 命題邏輯中的歸結原理 ?要證明在前提 P下結論 Q成立，即是證明 P ? Q永真，這只須證明 P? ?Q不可滿足。 ?若子句集中不包含空子句，則可通過 Robinson提出的歸結原理對子句集進行歸結，歸結過程保證子句集的不可滿足性不變。 定義５ 、設 C C2是命題邏輯中的兩個子句， C1 中有文字 L1 ， C２ 中有文字 L２ ，且 L1與 L２ 互補， 從 C1， C２ 中分別刪除 L1 ， L２ ，再將剩余部分 析取 起來，構成的新子句 C1２ 稱為 C1與 C2的 歸結式 （消解式）， C1， C2稱為 C1２ 的 親本子句 。即 S2不可滿足 ? S不可滿足 命題邏輯中的歸結原理 ?例、用歸結原理證明 R是 P, (P ? Q) ? R， (S?U) ? Q， U的邏輯結果。 ?基替換 (t1 , t2 ,…,t n 均不含變元 )、 空替換 ε ?例：｛ a/x, g(c)/y, f(g(b))/z} ， {g(y)/x, f(x)/y} 替換與合一 ? 定義 7 設 ?＝ {t1 / x1, t2 / x2 ,…,t n / xn }是一個替換， E是一個表達式，把 E中出現的所有個體變元 xi都用 ti 替換，記為 E? ，得到的結果稱為 E在 ?下的 替換實例 (Instance)。 ? 一個公式集的合一一般不唯一 ?定義 10 設 ?是公式集 S的一個合一，如果對 S的任何一個合一 ?，都存在一個替換 ?，使得 ?＝ ? {tk /xk} ，k=k+1，然后轉步 (2) ? (5) 算法停止， S的最一般合一不存在 替換與合一 ?求 S={P(a,x,f(g(y))) , P(z,h(z,u),f(u))}的 MGU ?k=0 ?S0=S, ?0= ? , D0={a,z} ??1= ?0{g(y)/u}={a/z, h(a, g(y))/x, g(y)/u} ?S3=S2{g(y)/u}={P(a,h(a,g(y)),f(g(y))), P(a,h(a,g(y)),f(g(y)))} = {P(a,h(a,g(y)),f(g(y)))} ?k=3 ?S3為單元素集，所以 ?3為所求的 S的 MGU 說明： MGU可能是不唯一的，如 Dk={xk,yk}時 謂詞邏輯中的歸結原理 ?定義 12 設 C1,C2是兩個沒有相同變元的子句， L1,L2分別是 C1,C2中的兩個文字，如果 L1與 ?L2有最一般合一? ，則子句 C12=(C1?{L1?})? (C2?{L2?})，稱作 C1和C2的 二元歸結式 (二元消解式 )。 ?定理 5（歸結原理的 完備性 ）、如果子句集 S是不可滿足的，則必存在一個由 S推出空子句的歸結序列。 ANS的變元應與問題的變元完全一致 ?把此析取式化為子句集，并把該子句集并入 S中得到子句集 S‘ ?對 S‘應用歸結原理進行歸結 ?若得到歸結式 ANS，則答案就在 ANS中 應用歸結原理求解 ? 例：設 A、 B、 C三人中有人從不說真話，也有人從不說假話，某人向這三人分別提出同一個問題： 誰是說謊者？ A答：“ B和 C都是說謊者”； B答：“ A和 C都是說謊者”； C答：“ A和B中至少有一個是說謊者”。無論如何歸結，推不出 ANS(A), ANS(B) 歸結策略 ? 歸結反演的一般過程。 ? 如此下去，直到出現空子句。 ?純文字 是指在子句中無補文字的文字。一個歸結策略是完備的，是指對于不可滿足的子句集，使用該策略進行歸結，最終必導出空子句。 ?線性歸結策略 ? 在歸結過程中，除第一次歸結可都用初始子句集 S中的子句外，其它的各次歸結至少要有一個親本子句是前次歸結的結果。 ? 步 3 按某種策略在 CLAUSES表中尋找可歸結的子句對，若存在則歸結之，并將歸結式并入 CLAUSES表，轉步２； ? 步 4 歸結失敗，退出。引起狀態(tài)中某些分量發(fā)生變化，從而使問題從一個狀態(tài)變?yōu)榱硪粋€狀態(tài)的操作、規(guī)則、變換稱為 算符 。 ?搜索方式 ? 樹式搜索：記錄搜索過程中所經過的所有節(jié)點和邊 ? 線式搜索：記錄當前認為是所找路徑上的節(jié)點和邊 ?不可回溯 (隨機碰撞式搜索 ) ?可回溯 (窮舉式搜索 ) ?兩種方式下路徑的獲得 ? 樹式搜索：反向求解 ? 線式搜索：搜索線本身 狀態(tài)圖搜索 ?搜索策略 ? 盲目搜索 (無向導 ) ：按預定的控制策略進行搜索，在搜索過程中獲得的中間信息不用來改進控制策略。 ?（ 3）、如果有已存在于 CLOSED表中的節(jié)點，則作與（ 2）同樣的處理，并且再將其移出 CLOSED表，放入 OPEN表重新擴展； ?（ 4）、對其余子節(jié)點，配上指向父節(jié)點 n的指針后放入 OPEN表，對 OPEN表按某種搜索策略排序后轉步 2。 ? 可回溯的線式搜索 ? 步