【正文】 后） 105721 問(wèn)：你會(huì)下國(guó)際象棋嗎？ 答：是的。例如，提問(wèn)與回答呈現(xiàn)出下列狀況： 圖靈試驗(yàn) ?問(wèn)：你會(huì)下國(guó)際象棋嗎？ ?答：是的。 圖靈試驗(yàn) ?問(wèn)： 你會(huì)下國(guó)際象棋嗎？ ?答：是的。 圖靈預(yù)言 圖靈曾預(yù)言，隨著電腦科學(xué)和機(jī)器智能的發(fā)展，本世紀(jì)末將會(huì)出現(xiàn)這樣的機(jī)器。把“圖林獎(jiǎng)”獲獎(jiǎng)?wù)咦饕唤y(tǒng)計(jì)后就會(huì)發(fā)現(xiàn)，許多電腦科學(xué)家恰好是在人工智能領(lǐng)域作出的杰出貢獻(xiàn)。經(jīng)過(guò)三年緊張的工作，第一臺(tái)電子計(jì)算機(jī)終于在 1946年 2月 14日問(wèn)世了，它由 17468個(gè)電子管、 6萬(wàn)個(gè)電阻器、 1萬(wàn)個(gè)電容器和 6千個(gè)開關(guān)組成，重達(dá) 30噸，占地 160平方米，耗電 174千瓦，耗資 45萬(wàn)美元。諾依曼馮 諾依曼被譽(yù)為“計(jì)算機(jī)之父”，他是本世紀(jì)最偉大的發(fā)明家之一。 ?物理學(xué)家說(shuō)，馮 ?1931年匈牙利首都布達(dá)佩斯。諾依曼聰慧過(guò)人， 3歲就能背誦父親帳本上的所有數(shù)字， 6歲能夠心算 8位數(shù)除 8位數(shù)的復(fù)雜算術(shù)題， 8歲學(xué)會(huì)了微積分。諾依曼的需要。畢業(yè)前夕，馮 22歲時(shí)，他獲瑞士蘇黎士聯(lián)邦工業(yè)大學(xué)化學(xué)工程師文憑。諾依曼，靠著頑強(qiáng)的學(xué)習(xí)毅力，在科學(xué)殿堂里“橫掃千軍如卷席”，成為橫跨“數(shù)、理、化”各門學(xué)科的超級(jí)全才。 1930年， 27歲的馮 諾依曼。諾依曼不覺(jué)流露出吃驚的神色，敏銳地從數(shù)學(xué)問(wèn)題里，感到眼前這位青年身邊正發(fā)生著什么不尋常的事情。諾依曼與戈德斯坦、勃克斯等人，聯(lián)名發(fā)表了一篇長(zhǎng)達(dá) 101頁(yè)紙的報(bào)告，即計(jì)算機(jī)史上著名的“ 101頁(yè)報(bào)告”，直到今天，仍然被認(rèn)為是現(xiàn)代電腦科學(xué)發(fā)展里程碑式的文獻(xiàn)。 ?1954年夏，馮。皮茲（ Walter Pitts）研究表明，在原則上由非常簡(jiǎn)單的單元連接在一起組成的“網(wǎng)絡(luò)”可以對(duì)任何邏輯和算術(shù)函數(shù)進(jìn)行計(jì)算。 函數(shù) f表達(dá)了神經(jīng)元的輸入輸出特性。 ? 突觸：各神經(jīng)元之間軸突和樹突之間的接口，即神經(jīng)末梢與樹突相接觸的交界面，每個(gè)細(xì)胞體大約有 103—104個(gè)突觸。維納認(rèn)為計(jì)算機(jī)是一個(gè)進(jìn)行信息處理和信息轉(zhuǎn)換的系統(tǒng)，只要這個(gè)系統(tǒng)能得到數(shù)據(jù)，機(jī)器本身就應(yīng)該能做幾乎任何事情。布爾利用代數(shù)語(yǔ)言使邏輯推理更簡(jiǎn)潔清晰，從而建立起一種所謂邏輯科學(xué)，其方法不但使數(shù)學(xué)家耳目一新，也使哲學(xué)家大為嘆服。如果有 4個(gè)城市，則有 4!=24種次序 .即使用計(jì)算機(jī)來(lái)計(jì)算，這種急劇增長(zhǎng)的可能性的數(shù)目也遠(yuǎn)遠(yuǎn)超過(guò)計(jì)算資源的處理能力，對(duì)此，算法復(fù)雜性專家史蒂芬 .庫(kù)克評(píng)論： 如果有 100個(gè)城市，需要求出 100！條路線的費(fèi)用，沒(méi)有哪一臺(tái)計(jì)算機(jī)能夠勝任這一任務(wù)。運(yùn)用專門領(lǐng)域的經(jīng)驗(yàn)知識(shí)，經(jīng)常會(huì)取得有關(guān)問(wèn)題的滿意解，而非數(shù)學(xué)上的最優(yōu)解。西蒙 (75,圖靈獎(jiǎng) ) 、麻省理工學(xué)院塞夫里奇（ O. Selfridge）和索羅門夫），以及 IBM公司塞繆爾（ ，跳棋機(jī)， 56）和莫爾（ ）。 ?一方面，電腦能計(jì)算出 10億位的 π值，能快速處理全國(guó)人口普查的海量數(shù)據(jù)，能精確地控制宇宙飛船登上月球的每一步驟，使任何聰明絕頂?shù)娜嗽谒媲岸枷嘈我?jiàn)絀；另一方面，電腦的智力水平可以說(shuō)連普通 3歲孩童都不如。為了生存，它必須表現(xiàn)出某種適當(dāng)?shù)男袨?，如覓食、避免危險(xiǎn)、占領(lǐng)一定的地域、吸引異性以及生育和照料后代。具體地講，可包括： 1）感知與認(rèn)識(shí)事物、客觀世界與自我的能力； 2）通過(guò)學(xué)習(xí)取得經(jīng)驗(yàn)、積累知識(shí)的能力； 3）理解知識(shí)、運(yùn)用知識(shí)和運(yùn)用經(jīng)驗(yàn)分析問(wèn)題和解決問(wèn)題的能力； 4）聯(lián)想、推理、判斷、決策的能力； 5）運(yùn)用語(yǔ)言進(jìn)行抽象、概括的能力； 6）發(fā)現(xiàn)、發(fā)明、創(chuàng)造、創(chuàng)新的能力； 7）實(shí)時(shí)地、迅速地、合理地應(yīng)付復(fù)雜環(huán)境的能力； 8）預(yù)測(cè)、洞察事物發(fā)展變化的能力； 智能定義 智能是人類具有的特征之一，然而，對(duì)于什么是人類智能（或者說(shuō)智力），科學(xué)界至今還沒(méi)有給出令人滿意的定義。 、合理的思維，以及有效地適應(yīng)環(huán)境的綜合能力。 人工智能 人工智能是相對(duì)人的自然智能而言，即用人工的方法和技術(shù)，研制智能機(jī)器或智能系統(tǒng)來(lái)模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)智能行為和“機(jī)器思維”，解決需要人類專家才能處理的問(wèn)題。 “深藍(lán)” (Deep Blue) 。其中，智能行為包括：感知 (perception)、推理(Reasoning)、學(xué)習(xí) (learning)、通信 (municating)和復(fù)雜環(huán)境下的動(dòng)作行為 (acting)。符號(hào)主義采用知識(shí)表達(dá)和邏輯符號(hào)系統(tǒng)來(lái)模擬人類的智能。數(shù)理邏輯從 19世紀(jì)末起就獲迅速發(fā)展；到 20世紀(jì) 30年代開始用于描述智能行為。它的代表性成果是 1943年由生理學(xué)家麥卡洛克(McCulloch)和數(shù)理邏輯學(xué)家皮茨 (Pitts)創(chuàng)立的腦模型，即 MP模型。 異或 (Exclusive –OR)問(wèn)題 g（ x， y） y 0 1 x 0 0 1 1 1 0 X y ?由于當(dāng)時(shí)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。 人工智能的目標(biāo) ?人工智能科學(xué)想要解決的問(wèn)題，是讓電腦也具有人類那種聽(tīng)、說(shuō)、讀、寫、思考、學(xué)習(xí)、適應(yīng)環(huán)境變化、解決各種實(shí)際問(wèn)題等等能力。 ?原理：在卡內(nèi)基 —梅隆大學(xué)的計(jì)算機(jī)實(shí)驗(yàn)室，西蒙從分析人類解答數(shù)學(xué)題的技巧入手，讓一些人對(duì)各種數(shù)學(xué)題作周密的思考，要求他們不僅寫出求解的答案，而且說(shuō)出自己推理的方法和步驟。 ?在實(shí)驗(yàn)結(jié)果的啟發(fā)下，紐厄爾和赫伯特 ?美籍華人學(xué)者、洛克菲勒大學(xué)教授王浩在“自動(dòng)定理證明”上獲得了更大的成就。據(jù)說(shuō)，“四色問(wèn)題”最早是1852年由一位 21歲的大學(xué)生提出來(lái)的數(shù)學(xué)難題：任何地圖都可以用最多四種顏色著色，就能區(qū)分任何兩相鄰的國(guó)家或區(qū)域。 阿佩爾（ K. Apple） 宣布， 他們成功地證明了這一定理，使用的方法就是機(jī)器證明。 人工智能先驅(qū)們認(rèn)真地研究下棋，研究機(jī)器定理證明，但效果仍不盡如人意。 :人工智能的復(fù)興 1977年，曾是赫伯特 一個(gè)人要成為專家，至少必須掌握某一學(xué)科淵博的 知識(shí) ，具有豐富的 實(shí)踐經(jīng)驗(yàn) ，能解決一般人不能夠解決的疑難問(wèn)題。因此， 專家系統(tǒng)又被稱為知識(shí)工程 ，這兩種不同的稱謂在英國(guó)和日本涇渭分明：英國(guó)學(xué)界崇尚科學(xué)，成為專家是人們追逐的境界；而日本學(xué)界推崇技術(shù)，工程師是人們向往的職業(yè)，于是，才有了“專家系統(tǒng)”與“知識(shí)工程”兩種同義的名稱。 知識(shí)表示的目的 ——使用知識(shí)。 產(chǎn)生式規(guī)則表示知識(shí) 產(chǎn)生式規(guī)則的基本形式： If P then Q 或者 P?Q 老虎 Λ 黃褐色 黑色條紋 食肉動(dòng)物 吃肉 Λ 有犬牙 有爪 眼睛向前 哺育動(dòng)物 產(chǎn)奶 有毛發(fā) 產(chǎn)生式規(guī)則表示知識(shí)的網(wǎng)絡(luò) 老虎 黃褐色 黑色條紋 食肉動(dòng)物 吃肉 有犬牙 有爪 眼睛向前 哺育動(dòng)物 產(chǎn)奶 有毛發(fā) 與或圖表示知識(shí) 定義如下謂詞： positive(X)表示該動(dòng)物具有特點(diǎn) X。 根 據(jù) 知 識(shí)表 達(dá) 方 式 的 不 同 ， 知識(shí) 庫(kù) 中 存 儲(chǔ) 知 識(shí) 的 方式 也 是 各 不 相 同 的 。解 釋 器 是 用 來(lái) 解 釋 用戶 疑 問(wèn) 的 。也 稱 為 用 戶 界 面 ，即 用 來(lái) 接 受 用 戶 輸入 的 信 息 ， 輸 出 推理 的 結(jié) 論 和 解 釋 的內(nèi) 容 等 的 專 家 系 統(tǒng)界 面 。 專家系統(tǒng)實(shí)例之一 專家系統(tǒng)最成功的實(shí)例之一， 是 1976年美國(guó)斯坦福大學(xué)肖特列夫（ Shortliff）開發(fā)的醫(yī)學(xué)專家系統(tǒng) MYCIN，這個(gè)系統(tǒng)后來(lái)被知識(shí)工程師視為“專家系統(tǒng)的設(shè)計(jì)規(guī)范”。 專家系統(tǒng)和知識(shí)工程成為符號(hào)主義人工智能發(fā)展的主流。所有的程序指令都必須調(diào)入 CPU，一條接著一條地順序執(zhí)行。 誰(shuí)也沒(méi)有想到，勇敢地站出來(lái)，試圖集人工智能研究成果之大成者，竟然是在這個(gè)領(lǐng)域并沒(méi)有多少影響力的日本科學(xué)家。 淵一博和研究人員甚至不把他們研制的機(jī)器命名為計(jì)算機(jī)，而稱作“知識(shí)信息處理系統(tǒng)” （ KIPS） 。 1992年，因最終沒(méi)能突破關(guān)鍵性的技術(shù)難題，無(wú)法實(shí)現(xiàn)自然語(yǔ)言人機(jī)對(duì)話、程序自動(dòng)生成等目標(biāo)，導(dǎo)致了該計(jì)劃最后階段研究的流產(chǎn)，淵一博也不得不重返大學(xué)講壇。蓋茨第五次訪問(wèn)中國(guó) 。 模式識(shí)別是近 30年來(lái)得到迅速發(fā)展的人工智能分支學(xué)科。另一種可能的方案更符合實(shí)際：大腦感知的不是圖象上所有的點(diǎn)，而是其輪廓中最典型的特征，如線段、角度、弧度、反差、顏色等等，把它們從圖象中抽取出來(lái)，然后結(jié)合頭腦中過(guò)去的記憶和有關(guān)經(jīng)驗(yàn)和知識(shí)分析判斷。 長(zhǎng)期以來(lái)， 一個(gè)誘人的科學(xué)幻想主題經(jīng)常涉及到人腦與電腦的關(guān)系。若采用半導(dǎo)體器件組裝成相應(yīng)的電腦裝置，則必須做成一座高達(dá) 40層的摩天大樓，所需功率要以百萬(wàn)千瓦計(jì)。 ?而形象思維、知覺(jué)、預(yù)感、創(chuàng)意這些人類右腦的功能，迄今計(jì)算機(jī)尚絲毫難以企及。在人的一生中， 腦神經(jīng)元大約每小時(shí)就有 1000個(gè)發(fā)生故障，一年之內(nèi)累計(jì)為 800多萬(wàn)個(gè)。除了運(yùn)算速度比電腦略遜一籌外，人腦在結(jié)構(gòu)、尺寸、性能、能耗等各方面都令最先進(jìn)的電腦望塵莫及。莫拉維克。” 將電腦植入人腦，用微型芯片配合腦神經(jīng)細(xì)胞工作，只要求解決兩者之間的接口問(wèn)題 。這樣，在新的世紀(jì)里，有可能出現(xiàn)一種這樣的產(chǎn)物，它是生物機(jī)體和電子電路結(jié)合的產(chǎn)物，我們可以稱呼它為 “人工智能動(dòng)物” 利用動(dòng)物的感受器來(lái)作為一個(gè)動(dòng)物和機(jī)器的通訊界面，利用巴普洛夫的操作式條件反射理論完全可能達(dá)到控制的目的。比如動(dòng)物只要聽(tīng)懂“朝前走”，“向左轉(zhuǎn)”，“向右轉(zhuǎn)”，這三個(gè)指令，就可控制動(dòng)物走向某一個(gè)目標(biāo)地。 ?1958年紐厄爾和赫伯特 〃 西蒙在預(yù)言“電腦將在 10內(nèi)戰(zhàn)勝國(guó)際象棋世界冠軍”的同時(shí)，還大膽地預(yù)言說(shuō)： ── 不出 10年，電腦便能找到并證明到那時(shí)還未被證明的重要數(shù)學(xué)定理。到了這個(gè)程度后，計(jì)算機(jī)將以驚人的速度進(jìn)行自我教育。 人工智能的未來(lái) 現(xiàn)有的計(jì)算機(jī)技術(shù)已充分實(shí)現(xiàn)了人類左腦的邏輯推理功能，人工智能的下一步是模仿人類右腦的模糊處理能力，以及模擬整個(gè)大腦并行處理大量信息的功能，把人類從那些繁瑣的重復(fù)性的腦力勞動(dòng)中解放出來(lái)，去從事那些具有高創(chuàng)造性的腦力勞動(dòng)，如科學(xué)發(fā)明和藝術(shù)創(chuàng)作等等，生產(chǎn)效率也將得到大幅度提高。 生物神經(jīng)元的結(jié)構(gòu) 神經(jīng)末梢 突觸 (輸出） 樹突（接受外來(lái)信息） 軸突 細(xì)胞核 細(xì)胞體 它由細(xì)胞體 (Soma)、軸突 (Axon)和樹突 (Dendrite)三個(gè)主要部分組成 Cell Body: 細(xì)胞體 Dendrites:樹突 Axon:軸突 Nucleus:細(xì)胞核 Myelin shenth :髓鞘 Axon Terminal:軸突末梢 Nerve impulse: 神經(jīng)沖動(dòng) Synaptic cleft:沖突間隙 Vesicle：突觸小泡 (輸出 ) Dendrite of receiving neuron :受體神經(jīng)元樹突 軸突是由細(xì)胞體向外延伸出的所有纖維中最長(zhǎng)的一條分枝，用來(lái)向外傳遞神經(jīng)元產(chǎn)生的輸出電信號(hào) . 每個(gè)神經(jīng)元都有一條軸突，其最大長(zhǎng)度可達(dá) 1m以上。這種突觸的聯(lián)接是可塑的，也就是說(shuō)突觸特性的變化是受到外界信息的影響或自身生長(zhǎng)過(guò)程的影響。 ? ?突觸接觸間隙的變化。由于新的回路的形成，使得結(jié)合模式發(fā)生變化，也會(huì)引起傳遞效率的變化。相當(dāng)輸出一個(gè) 100mv高 1ms寬的脈沖，并沿軸突以100m/s的速度傳至其它的神經(jīng)元。 常用的人工神經(jīng)元模型 根據(jù)功能函數(shù)的不同，可得到不同的神經(jīng)元模型。但當(dāng)達(dá)到最大值后，輸出就不再增。一個(gè)經(jīng)過(guò)適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力。 ?50年代末期， Rosenblatt提出感知機(jī)模型(Perceptron)，首先從工程角度出發(fā)，研究了用于信息處理的神經(jīng)網(wǎng)絡(luò)模型 .這是一種學(xué)習(xí)和自組織的心理學(xué)模型，它基本符合神經(jīng)生理學(xué)的原理。 ]； T=[ ]； 輸入矢量可以用圖 ///來(lái)描述， 對(duì)應(yīng)于目標(biāo)值 0的輸入矢量用符 號(hào)‘ 0‘表示，對(duì)應(yīng)于目標(biāo)值 1的輸 入矢量符號(hào)‘ +‘表示。 模糊邏輯是一種精確解決不精確、不完全信息的方法 。它以達(dá)爾文進(jìn)化論的“物竟天擇、適者生存”作為算法的進(jìn)化規(guī)則，并結(jié)合孟德?tīng)柕倪z傳變異理論，將生物進(jìn)化過(guò)程中的 繁殖（ Reproduction） 變異（ Mutation） 競(jìng)爭(zhēng)（ Competition） 選擇（ Selection），引入到了算法中