【正文】 人工智能的主要學(xué)派 符號學(xué)派 認(rèn)為人工智能源于數(shù)理邏輯。 Brooks提出了無需知識表示的智能，無需推理的 智能。人類求證數(shù)學(xué)定理也是一種啟發(fā)式搜索，與電腦下棋的原理異曲同工。 機(jī)器證明 ? 人工智能定理證明研究最有說服力的例子， 是機(jī)器證明了困擾數(shù)學(xué)界長達(dá) 100余年之久的難題 ── “四色定理”。這些事情大多數(shù)人都沒有它們完成得那么快、那么好。人工智能重新獲得人們的普遍重視，逐步跨進(jìn)了復(fù)興期。 專家系統(tǒng) 專家本人不一定了解電腦程序， 構(gòu)建 專家系統(tǒng)還必須有所謂 “ 知識工程師 ” 參與，幫助領(lǐng)域?qū)＜覐念^腦中挖掘啟發(fā)式知識，并設(shè)計(jì)知識庫和知識推理程序。 例 如 ，“ 該 結(jié) 論 是 如 何（ H o w ） 得 出 的 ？” 、 “ 專 家 系 統(tǒng) 為 什么 （ W h y ） 要 這 個(gè) 問題 ？ ” 等 。 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(xì)菌感染方面的醫(yī)學(xué)知識。 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(dòng)學(xué)習(xí)和自適應(yīng)能力。 諾依曼瓶頸”。 1992年 6月，就在“五代機(jī)”計(jì)劃實(shí)施整整 10年之際， ICOT展示了它研制的五代機(jī)原型試制機(jī)，由 64臺處理器實(shí)現(xiàn)了并行處理，已初步具備類似人的 左腦 的先進(jìn)功能，可以對蛋白質(zhì)進(jìn)行高精度分析，已經(jīng)在基因研究中發(fā)揮了作用。中國科技大學(xué)人機(jī)語音通信實(shí)驗(yàn)室，在十幾年語音技術(shù)研究和積累的基礎(chǔ)上，毅然拋棄了國際通行的算法，獨(dú)創(chuàng)了以“人聲道模擬技術(shù)”為基礎(chǔ)的 KD— 863系統(tǒng)，一舉突破了語音合成清晰度和自然度的制約瓶頸，將語音合成技術(shù)推進(jìn)到應(yīng)用的水平。比目前全球電話網(wǎng)還要復(fù)雜 1500倍。 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(jì)算機(jī)。由此看來，人機(jī)連“腦”不是夢，人腦與電腦相連能優(yōu)勢互補(bǔ)，可以彌補(bǔ)人類記憶和運(yùn)算能力的不足，大大增強(qiáng)人腦的功能。這樣當(dāng)這個(gè)人死后，我們就可以問這款設(shè)備‘喂，對此亞里士多德會怎么說？’，我們得到的答案或許是錯(cuò)誤的，或許是正確。 根據(jù)有關(guān)資料記載 ， —— “ Siri is a spinout（ 延伸 ） from the SRI（ 斯坦福研究院 ） International Artificial Intelligence Center, and is an offshoot（ 分支機(jī)構(gòu) ） of the DARPA（ 美國國防高級研究計(jì)劃局 ） funded CALO（ Cognitive Assistant that Learns and Organizes） project。 人腦復(fù)制 按照莫拉維克等人的設(shè)想，一旦我們能夠把思維轉(zhuǎn)移到計(jì)算機(jī)或者儲存介質(zhì)中，既使原件（大腦）受到損傷或者衰老，仍然可以把它拷貝到新克隆出的大腦中，先 FORMAT（格式化），再 COPY（拷貝）。但是，人的大腦細(xì)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)”。蓋茨當(dāng)場為聽眾播放了一段電腦識別人體語言的錄像，精彩的情節(jié)引起了與會者濃厚的興趣。 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 倍，同時(shí)增加了語音導(dǎo)航功能 。 第五代計(jì)算機(jī) 五代機(jī)計(jì)劃定為 10年完成，分為三個(gè)階段實(shí)施。 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(shí)，總是需要有人出來作綜合工作，將分散的理論與實(shí)踐成果集成為系統(tǒng)。 我國的研究應(yīng)用 ? 從七十年代開始，在國家的支持下，做了一些專家系統(tǒng)的研究，其中醫(yī)醫(yī)療診斷系統(tǒng)最多。動(dòng)物識別系統(tǒng) 附：規(guī)則（知識） r1： if 該動(dòng)物有毛發(fā) then 該動(dòng)物是哺乳動(dòng)物 r2： if 該動(dòng)物有奶 then 該動(dòng)物是哺乳動(dòng)物 r3： if 該動(dòng)物有羽毛 then 該動(dòng)物是鳥 r4： if 該動(dòng)物會飛 and 會下蛋 then 該動(dòng)物是鳥 r5： if 該動(dòng)物吃肉 then 該動(dòng)物是食肉動(dòng)物 r6： if 該動(dòng)物有犬齒 and 有爪 and 眼盯前方 then 該動(dòng)物是食肉動(dòng)物 r7： if 該動(dòng)物是哺乳動(dòng)物 and 有蹄 then 該動(dòng)物是有蹄類動(dòng)物 r8： if 該動(dòng)物是哺乳動(dòng)物 and 是嚼反芻類動(dòng)物 then 該動(dòng)物是有蹄類動(dòng)物 r9： if 該動(dòng)物是哺乳動(dòng)物 and 是食肉類動(dòng)物 and 是黃褐色 and 身上有暗斑點(diǎn) then 該動(dòng)物是金錢豹 r10： if 該動(dòng)物是哺乳動(dòng)物 and 是食肉類動(dòng)物 and 是黃褐色 and 身上有黑色條紋 then 該動(dòng)物是虎 r11： if 該動(dòng)物是有蹄類動(dòng)物 and 有長脖子 and 有長腿 and 身上有暗斑點(diǎn) then 該動(dòng)物是長頸鹿 r12： if 該動(dòng)物是有蹄類動(dòng)物 and 身上有黑色條紋 then 該動(dòng)物是斑馬 r13： if 該動(dòng)物是鳥 and 有長脖子 and 有長腿 and 不會飛 then 該動(dòng)物是鴕鳥 r14： if 該動(dòng)物是鳥 and 會游泳 and 不會飛 and 有黑白兩色 then 該動(dòng)物是企鵝 r15： if 該動(dòng)物是鳥 and 善飛 then 該動(dòng)物是信天翁 專家系統(tǒng)實(shí)例之一 1965年， 在斯坦福大學(xué)化學(xué)專家的配合下，費(fèi)根鮑姆研制的第一個(gè)專家系統(tǒng) DENDRAL是化學(xué)領(lǐng)域的“專家”。例 如 ， 用 i f t h e n 規(guī) 則的 形 式 來 存 儲 ， 或 以狀 態(tài) 空 間 的 形 式 來 表示 等 等 。 專家系統(tǒng) 費(fèi)根鮑姆構(gòu)建的“專家系統(tǒng)”，就是要在 機(jī)器智能 與人類智慧集大成者 ── 專家的知識經(jīng)驗(yàn) 之間建造橋梁。 ? 用于產(chǎn)生智能行為的基本結(jié)構(gòu)有著一些基本的限制 – 例子 : A twoinput perceptron couldn’t be trained to recognize when its two inputs were different. 1960年代末，由于許多世界一流的人工智能學(xué)者過高地估計(jì)了智能電腦的能力，而現(xiàn)實(shí)卻一再無情地打破了他們樂觀的夢想，以致遭到越來越多的嘲笑和反對。 哈肯（ ）和肯尼斯 1963年，經(jīng)過改進(jìn)的 LT程序在一部更大的電腦上，最終完成了第二章全部 52條數(shù)學(xué)定理的證明。西蒙等人合作編制的 《 邏輯理論機(jī) 》 , 即數(shù)學(xué)定理證明程序，從而使機(jī)器邁出了邏輯推理的第一步。 連接 學(xué)派 ? 認(rèn)為人工智能源于 仿生學(xué) ， 研究非程序的、適應(yīng)性的、大腦風(fēng)格的信息處理的本質(zhì)和能力。 人類智能的計(jì)算機(jī)模擬 人工智能的主要學(xué)派 從 50年代以來。 ? 推論三 既然人是一個(gè)物理符號系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號系統(tǒng)，那么就能夠用計(jì)算機(jī)來模擬人的活動(dòng)。 生物智能 對低級動(dòng)物來講，它的生存、繁衍是一種智能。 1958年 McCarthy建立的行動(dòng)計(jì)劃咨詢系統(tǒng)以及 1960年Minsky的論文“走向人工智能的步驟”，對人工智能的發(fā)展都起了積極的作用。 達(dá)特莫斯會議歷時(shí)長達(dá)兩個(gè)多月，學(xué)者們在充分討論的基礎(chǔ)上，首次提出了“人工智能” （ Artificial Intelligence）這一術(shù)語，標(biāo)志著人工智能（ AI）作為一門新興學(xué)科正式誕生。把“圖靈獎(jiǎng)”獲獎(jiǎng)?wù)咦饕唤y(tǒng)計(jì)后就會發(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)。 布 爾 利用 代數(shù)語 言使 邏輯 推理更 簡潔 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。 人工神經(jīng)網(wǎng)絡(luò) McCulloch和 Pitts建立神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，通過模擬人腦實(shí)現(xiàn)智能，開創(chuàng)人工神經(jīng)網(wǎng)絡(luò)研究。諾依曼由 ENIAC機(jī)研制組的戈?duì)柕滤雇⒅形窘榻B參加 ENIAC機(jī)研制小組后，便帶領(lǐng)這批富有創(chuàng)新精神的年輕科技人員，向著更高的目標(biāo)進(jìn)軍． 1945年，他們在共同討論的基礎(chǔ)上，發(fā)表了一個(gè)全新的“存儲程序通用電子計(jì)算機(jī)方案” —— EDVAC（ Electronic Discrete Variable AutomaticCompUter的縮寫）．在這過程中，馮 諾依曼。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)科的超級全才 。畢業(yè)前夕，馮 諾依曼聰慧過人， 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)會了微積分，其非凡的學(xué)習(xí)能力，使那些曾經(jīng)教過他的教師驚詫不已。諾依曼是本世紀(jì)最偉大的數(shù)學(xué)家之一，他在遍歷理論、拓?fù)淙豪碚摰确矫孀鞒隽碎_創(chuàng)性的工作，算子代數(shù)甚至被命名為“馮 但是，“圖靈試驗(yàn)”大膽地提出“機(jī)器思維”的概念，為人工智能確定了奮斗的目標(biāo)，并指明了前進(jìn)的方向。 ? 問：請?jiān)俅位卮穑銜聡H象棋嗎？ ? 答：是的。 ? 圖靈寫道：你無法制造一臺替你思考的機(jī)器，這是人們一般會毫無疑義接受下來的老生長談。在圖靈理論指導(dǎo)下，這個(gè)“莊園”后來還研制出破譯密碼的專用電子管計(jì)算機(jī)“巨人”（ Colossus），在盟軍諾曼底登陸等戰(zhàn)役中立下了豐功偉績，當(dāng)時(shí)他才 27歲。圖靈還采用了二進(jìn)位制。 麥席森 他認(rèn)為真正的哲學(xué)必須研究自然，研究科學(xué)。 １５６１年培根出生在英國倫敦的一個(gè)貴族家庭，父親是女王的掌璽大臣，母親也是貴族出身。 亞里斯多德與邏輯、推理 ? (A) 所有 S是 P (或 凡 S是 P)，例如「凡人是動(dòng)物」； ? (B) 凡 S不是 P，例如「凡貓不是狗」； ? (C) 有 S是 P，例如「有花是白的」； ? (D) 有 S不是 P，如有花不是白的。 ? AI對主流計(jì)算機(jī)科學(xué)的影響 – 分時(shí)技術(shù) – 交互式翻譯器 –