【正文】 經(jīng)驗總結(jié)，最后顯示出它“考慮”的可能性最高的病因，并以給出用藥的建議而結(jié)束。 這種體系必須不折不扣地執(zhí)行人們預(yù)先編制、并且已經(jīng)儲存的程序， 不具備主動學(xué)習(xí)和自適應(yīng)能力。 縱觀人類科學(xué)技術(shù)發(fā)展歷史，當(dāng)一門科學(xué)技術(shù)的各組成部分，分別發(fā)展到一定階段時，總是需要有人出來作綜合工作，將分散的理論與實踐成果集成為系統(tǒng)。諾依曼瓶頸”。 只需要告訴作什么而不需要告訴怎么做！ 第五代計算機 ―五代機”的命運是悲壯的。 會看、會聽、會說的機器 ?1997年 12月，美國微軟公司比爾 人們看到一臺電腦正在分辨人用點頭或搖頭表示 YES和 NO的動作，還有電腦跟蹤人眼的指向，在眼睛的指揮下，下了一盤“三子棋”。 人類可識別的模式是什么？ 視覺識別 一種可能的解決方案是：圖象上的每一點都用一個神經(jīng)細胞與之對應(yīng)并逐一判別，最后綜合為整體；但是，既使只描述圖象局部的大致輪廓，神經(jīng)元的數(shù)目仍不敷使用。 語音合成技術(shù) ?至于“會說話”的電腦，目前基本上有兩種解決方案，其一是“真人發(fā)聲”，即事先錄制好人說的話語，再由電腦來“鸚鵡學(xué)舌”，這當(dāng)然只能局限為某些特定的話語；其二是語音合成，早期電腦合成的語音聽起來就像在“念字”、“說詞”而不是“說話”，無法做到抑揚頓挫、聲情并茂的誦讀。 據(jù)前蘇聯(lián)學(xué)者阿諾克欣測算，一個普通的大腦擁有的神經(jīng)突觸連接和沖動傳遞途徑的數(shù)目， 是在 1后面加上 1000萬公里長的、用標(biāo)準(zhǔn)打字機打出的那么多個零！但是，由如此龐大數(shù)目元件構(gòu)成的大腦，平均重量不足 1400克，平均體積約為 ， 消耗的總功率只有 10瓦。 人腦與電腦 ?左腦的功能是抽象概括思維，這種思維必須借助于語言和其他符號系統(tǒng)，主管“說話”、“寫字”、“計算”、“分析”等 . ?右腦的功能是感性直觀思維，這種思維不需要語言的參加，比如掌管“音樂”、“美術(shù)”、“立體感覺”等。但是，人的大腦細胞具有自行組合和分裂的活性，構(gòu)成了高度可靠的“自適應(yīng)系統(tǒng)”。 信息的輸入 ?聽覺（耳）、視覺（眼）、嗅覺（鼻）、觸（皮）覺、味覺（嘴） ?計算機（鍵盤、鼠標(biāo)， 0和 1） 人腦與電腦 從以上這些數(shù)字看，人類的大腦不啻于世界上最復(fù)雜、最高級、最有效、儲存容量最大的超級計算機?！? 人腦復(fù)制 1988年，美國最負(fù)盛名的學(xué)術(shù)出版機構(gòu)哈佛大學(xué)出版社，出版了一本 《 思維兒童 》 的專著（有人譯作 《 換腦兒童 》 ），作者是卡內(nèi)基 —梅隆大學(xué)活動機器人實驗室主任漢斯 人不就可以永生不死！ 電腦與人腦相連接 人工智能的泰斗明斯基教授想用另外的辦法，即把微電腦嵌入人的大腦，以便使“我們能設(shè)計出我們的‘思維兒童’ ，他們思考問題的速度比我們現(xiàn)在快 100萬倍。 人工智能動物 Nature, 417:3738,2022. 動物的腦是可以和電腦結(jié)合在一起，按人類的意志來控制動物的行為的。經(jīng)過訓(xùn)練的動物可以根據(jù)這些信號執(zhí)行一些簡單的指令，而一個復(fù)雜的動作可由一系列簡單的動作來完成。換上其它傳感器和用其它動物，我們還可開發(fā)其它用途。這樣的機器能讀懂莎士比亞的著作，會給汽車上潤滑油，會玩弄政治權(quán)術(shù)，能講笑話，會爭吵。人工智能雖然作出了許多令人鼓舞的工作，但在前進的道路上，還面臨著相當(dāng)難以克服的障礙。 ?與之形成對比的是，聯(lián)接主義 (神經(jīng)網(wǎng)絡(luò) )的研究蓬勃發(fā)展，在理論和應(yīng)用上均取得了令人矚目的成就，占據(jù)人工智能的主導(dǎo)地位。樹突的長度一般較短，但數(shù)量很多，它是神經(jīng)元的輸入端，用于接受從其它神經(jīng)元的突觸傳來的信號 . ?人腦大約由 1011 1012個神經(jīng)元所組成，每個細胞體大約有 103— 104個突觸 (輸出 ). ?小腦中的每個神經(jīng)元大約有 105個突觸，并且每個突觸都可以與別的神經(jīng)元的一個樹突相連 . ?人腦神經(jīng)系統(tǒng)就是由這些巨量的生物神經(jīng)元經(jīng)廣泛并行互連所形成的一個高度并行性、非常復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng) . ?神經(jīng)元之間的聯(lián)系主要依賴其突觸的聯(lián)接作用。其次是突觸傳遞物質(zhì)質(zhì)量的變化，包括比例成分的變化所引起傳遞效率的變化。當(dāng)某些神經(jīng)纖維被破壞后，可能又會長出新芽，并重新產(chǎn)生附著于神經(jīng)元上的突觸．形成新的回路。 神經(jīng)元產(chǎn)生信號 靜止膜電位： 當(dāng)沒有輸入信號時的膜電位成為靜止膜電位，通常為 70mv 當(dāng)外部有輸入信號時，將使膜電位發(fā)生變化，倘若使膜電位升高，比靜止膜電位高 15mv以上，即超過 55mv（閾值），神經(jīng)元被激活，內(nèi)部電位急劇上升至 100mv左右，并維持約 1ms，然后急劇下降。其輸入為： ??niiiwx1 其輸出為 ???????? ???iniiwxfy1， 其中， f 稱為神經(jīng)元功能函數(shù)或作用函數(shù)。它反映的是神經(jīng)元的飽和特性 . 分段線性強飽和型 (Linear Saturation) S型 (Sibmoid) 這種模型又稱為偽線性，其輸入 /輸出之間在一定范圍內(nèi)滿足線性關(guān)系，一直延續(xù)到輸出為最大值 1為止。 較強的學(xué)習(xí)能力 ：神經(jīng)網(wǎng)絡(luò)是通過所研究系統(tǒng)過去的數(shù)據(jù)記錄進行訓(xùn)練的。雖然 Hebb學(xué)習(xí)規(guī)則在人們研究神經(jīng)網(wǎng)絡(luò)的初期就已提出，但是其基本思想至今在神經(jīng)網(wǎng)絡(luò)的研究中仍發(fā)揮著重要作用。 感知器模型 (perceptron model) 感知器模型如圖 I/O關(guān)系為 00101 { ?????? ?yyniiiiybpwy例 解 首先定義輸入矢量及相應(yīng)的 目標(biāo)矢量： P=[ – 。它主要用來處理現(xiàn)實世界中因模糊而引起的不確定性。 經(jīng)典集合 vs. 模糊集合 A traditional crisp set A fuzzy set ?進化計算是一種模擬自然界生物進化過程與機制進行問題求解的自組織、自適應(yīng)的隨機搜索技術(shù)。 ?這些方法。 r e d 0 . 3 3w h it e 0 . 5 g r e e nsp lit _ xsp lit _ yr o o tr e d 0 . 3 3w h i t e 0 . 5y e l l o w 0 . 5 g r e e nsp l i t _ ysp l i t _ xsp l i t _ yr o o twhite green split_y root 進化算法的基礎(chǔ)思想 ?基本思想： (美國密執(zhí)安大學(xué)霍蘭德教授 1962提出 )是使用模擬生物和人類進化的方法來求解復(fù)雜問題。模糊邏輯可以比較自然地處理人的概念，它是一種通過模仿人的思維方式來表示和分析不確定、不精確信息的方法和工具 . ?模糊邏輯突破了傳統(tǒng)邏輯的思維模式，對于深刻研究人類的認(rèn)識能力具有舉足輕重的作用。 異或 (Exclusive –OR)問題 g（ x， y） y 0 1 x 0 0 1 1 1 0 X y ?由于當(dāng)時的理論模型、生物原型和技術(shù)條件的限制，腦模型研究在 70年代后期至 80年代初期落入低潮。感知機雖然比較簡單，卻已具有神經(jīng)網(wǎng)絡(luò)的一些基本性質(zhì)，如分布式存貯、并行處理、可學(xué)習(xí)性、連續(xù)計算等。因此，神經(jīng)網(wǎng)絡(luò)能夠解決那些由數(shù)學(xué)模型或描述規(guī)則難以處理的控制過程問題。 信息的分布表示 記憶在大量元中，每個元存在許多信息的部分內(nèi)容，信息在神經(jīng)網(wǎng)絡(luò)中的記憶反映在神經(jīng)元間的突觸連接強度上（ weights）。常用模型包括： 閾值型 (Threshold) θ f(θ ) 1 這種模型的神經(jīng)元沒有內(nèi)部狀態(tài)，作用函數(shù) f是一個階躍函數(shù)，他表示激活值 σ和輸出之間的關(guān)系。 細 胞 體突觸軸 突樹突圖 1 2 . 2 生 物 神 經(jīng) 元 功 能 模 型輸入輸出信 息 處 理電 脈 沖形 成傳 輸黑箱 人工神經(jīng)元的結(jié)構(gòu) θ … x1 x2 xn w1 w2 wn y 下圖是一個 MP神經(jīng)元模型 MP 模型將神經(jīng)元看作二進制閾值元件的簡單模型，圖中的nxxx , 21 ?表示某一神經(jīng)元的n個輸入；iw表示第i個輸入的連接強度，稱為連接權(quán)值；?為神經(jīng)元的閾值；y為神經(jīng)元的輸出。 ?突觸數(shù)目的增減。在突觸表面有許多形狀各異的小凸芽，調(diào)節(jié)其形狀變化可以改變接觸間隙，并影響傳遞效率。生理學(xué)的研究歸納有以下幾個方面的變化： ? 突觸傳遞效率的變化。在軸突的末端形成了許多很細的分枝，這些分支叫神經(jīng)末梢 . 每一條神經(jīng)末梢可以與其它神經(jīng)元形成 功能性接觸 ，該接觸部位稱為 突觸 。 人工智能的新生：計算智能 ?80年代，符號主義 AI的研究未能取得應(yīng)有進展，再加上日本第五代計算機研制的失敗，使符號主義的研究受到挫折。幾個月之后，它將具有天才的智力，再過幾個月，它的智力將無以倫比。 ── 不出 10年，大部分心理學(xué)理論將采取電腦的程序形式。一旦動物做對了，可以給一定食物獎勵。 研究者可通過腦刺激來控制動物的行為，但仔細分析表明，在個體較大的動物，其實這種直接的腦刺激是不必要，也不可取的，它需要復(fù)雜的腦外科手術(shù)和昂貴的設(shè)備，局限于實驗室研究。 電腦與人腦相連接 德國科學(xué)家已經(jīng)在硅芯片上培植成功一種與人類神經(jīng)細胞極為相似的老鼠神經(jīng)細胞，并且可以把神經(jīng)細胞發(fā)出的電子脈沖信號傳送到特制傳感器上。 莫拉維克在書中生動地描述了 人怎樣把思維輸入電腦 ，以及這一切怎樣在未來 50年之內(nèi)變成現(xiàn)實。 一位作家則說：“從本質(zhì)上講，‘你’不是肉體，而是你的記憶。如果人活到 100歲，將會有 10億個神經(jīng)細胞功能失效，約占總數(shù)的 1/10。右腦的功能不可替代，只能靠人自己培養(yǎng)和發(fā)揮。 表情識別 ?日前美國加州大學(xué)圣迭哥分校的一位計算機博士生就開發(fā)了這樣一套非常有趣的系統(tǒng)。人類大腦有 140多億個腦神經(jīng)細胞，每個細胞都與另外 5萬個其他細胞相互連結(jié)。 視覺識別 語音識別技術(shù) ?直到 1998年 12月， IBM公司發(fā)布第二代技術(shù)ViaVoice98，詞庫量是 ，同時增加了語音導(dǎo)航功能 。但是，對于什么是“模式”，或者什么是機器（也包括人）能夠辨認(rèn)的模式，迄今尚無確切的定義。 當(dāng)介紹到微軟正在著手開發(fā)手寫輸入和語音識別軟件時，比爾 第五代計算機 1992年 6月，就在“五代機”計劃實施整整 10年之際， ICOT展示了它研制的五代機原型試制機，由64臺處理器實現(xiàn)了并行處理，已初步具備類似人的左腦 的先進功能，可以對蛋白質(zhì)進行高精度分析，已經(jīng)在基因研究中發(fā)揮了作用。 第五代計算機 日本人宣稱這種機器將以 Prolog(人工智能語言 )為機器的語言，其應(yīng)用程序?qū)⑦_到知識表達級，具有聽覺、視覺甚至味覺功能，能夠聽懂人說話，自己也能說話，能認(rèn)識不同的物體，看懂圖形和文字。 第五代計算機 1982年夏天，日本“新一代計算機技術(shù)研究所”（ ICOT）， 40位年輕人 在 淵一博 帶領(lǐng)開始了新一代計算機機的研究。 人們把這種順序執(zhí)行（串行） 已儲存程序的電腦類型統(tǒng)稱為“諾依曼機”。 諾依曼機 我們知道，從用電子管制作的 ENIAC， 直到用超大規(guī)模集成電路設(shè)計的微型電腦，都毫無例外遵循著 40年代馮 在 MYCIN的知識庫里，大約存放著 450條判別規(guī)則和1000條關(guān)于細菌感染方面的醫(yī)學(xué)知識。動物識別系統(tǒng) 附：規(guī)則（知識） r1： if 該動物有毛發(fā) then 該動物是哺乳動物 r2： if 該動物有奶 then 該動物是哺乳動物 r3： if 該動物有羽毛 then 該動物是鳥 r4： if 該動物會飛 and 會下蛋 then 該動物是鳥 r5： if 該動物吃肉 then 該動物是食肉動物 r6： if 該動物有犬齒 and 有爪 and 眼盯前方 then 該動物是食肉動物 r7： if 該動物是哺乳動物 and 有蹄 th