【正文】 iiiiybpwy例 解 首先定義輸入矢量及相應(yīng)的 目標矢量： P=[ – 。符號主義試圖對智能進行 宏現(xiàn)研究 ，而聯(lián)接主義則是一種 微觀意義上的探索 。 例子 3：在星際探險中的移動機器人，如美國研制的火星探測車。 注 智能是相對的、發(fā)展的。 自然界智能水平最高的生物就是人類自身，不但具有很強的生存能力，而且具有感受復雜環(huán)境、識別物體、表達和獲取知識以及進行復雜的思維推理和判斷的能力。 達特莫斯會議歷時長達兩個多月，學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，標志著人工智能（ AI）作為一門新興學科正式誕生。 Mathematical formulation: njxWxwxgxcxfjnjjjnjjj, . . . ,2,1,1or0)(.)(ma x11?????????????o t h e r w i s es e l e c t e disi t e mif,0,1w h e r e jxj1 … n … (c1 … ) (w1 … wn) where W: weight capacity Knapsack Problem：背包問題 人工智能的誕生 導因 現(xiàn)實世界中相當多的問題求解是復雜的，常無算法可循，即使有計算方法，也是 NP (Nondeterministic Polynomial，即是多項式復雜程度的非確定性問題 )問題。麻省理工學院的一位教授為了證實維納的這個觀點，甚至用石塊和衛(wèi)生紙卷制造過一臺簡單的能運行的計算機。 ?樹突：本體向外伸出的分支，多根，長 1mm左右，本體的輸入端。 MP模型 ?在 1943年沃侖 最后，戈德斯坦毫不隱瞞地告訴他莫爾學院的電子計算機課題和目前的研究進展。 ? 1944年戈德斯坦來到阿貝丁車站，等候去費城的火車，突然看見前面不遠處，有個熟悉的身影向他走過來。在柏林當了幾年無薪講師后，他轉(zhuǎn)而攻向物理學，為量子力學研究數(shù)學模型，又使自己在理論物理學領(lǐng)域占據(jù)了突出的地位。諾依曼一面在學校跟班讀書，一面由布達佩斯大學教授為他“開小灶”。布達佩斯人才濟濟，可一個多月過去，居然沒有一人前往應(yīng)聘。諾依曼是本世紀最偉大的數(shù)學家之一，他在遍歷理論、拓撲群理論等方面作出了開創(chuàng)性的工作，算子代數(shù)甚至被命名為“馮 人工智能的物質(zhì)基礎(chǔ) Mauchly和 Eckert等研制成功 ENIAC電子數(shù)字計算機，為人工智能研究奠定物質(zhì)基礎(chǔ)。但是，“圖靈試驗”大膽地提出“機器思維”的概念，為人工智能確定了奮斗的目標，并指明了前進的方向。 ?問：請再次回答，你會下國際象棋嗎？ ?答：是的。 圖靈測試對計算機的要求 ?自然語言處理 ?知識表示 ?自動推理 ?機器學習 ?完全圖靈測試 ?計算機視覺 ?機器人技術(shù) 圖靈還為這項試驗親自擬定了幾個示范性問： 問： 請給我寫出有關(guān)“第四號橋”主題的十四行詩。這篇文章后來被改名為 《 機器能思維嗎？ 》 Can a machine think？ 圖靈試驗 ?試圖通過讓機器模仿人回答某些問題，判斷它是否具備智能。該計算機僅有的功能是：把紙帶向右移動一格，然后把“ 1”變成“ 0”，或者相反把“ 0”變成“ 1”。圖靈（ Turing， 1912年 6月 23日 1954年 6月 7日），英國數(shù)學家。 亞里斯多德與邏輯、推理 ?關(guān)于推論，亞氏特別討論三段論證，這是由兩個 (主謂命題 )前提推出 (主謂式 )結(jié)論的方法。 ? 所謂「命題」就是真 (true)或假 (false)的句子，例如「蘇格拉底是人」，這是真的命題；至於問句「我的書在那里？」就不是命題了，它并沒有真假的意義可言。人工智能 計算智能 智能信息處理研究所 尚榮華 計算主義 隨著數(shù)學和計算機技術(shù)的進展，計算的觀念越來越顯示其在各個領(lǐng)域的威力，從計算的角度審視世界，也已經(jīng)成為我們在數(shù)字化時代生存的一種特殊的思維方式，主張在還原論哲學基礎(chǔ)上建立計算主義，認為從物理世界、生命過程直到人類智能都是算法可計算的（ Computable），甚至整個宇宙完全是由算法（ Algorithm）支配的。 亞里斯多德與邏輯、推理 ? 邏輯只討論命題，因它有真假可言。 ?例如： (i)凡孔子的后代是人 (ii)凡人皆會死，；因此凡孔子的后代會死。 ?以“紙上下棋機”率先探討了下棋與機器智能的聯(lián)系，他還是舉世公認的“人工智能之父”。 ?第二次世界大戰(zhàn)期間，圖靈應(yīng)征入伍，在戰(zhàn)時英國情報中心“布雷契萊莊園”（ Bletchiy）從事破譯德軍密碼的工作，與戰(zhàn)友們一起制作了第一臺密碼破譯機。圖靈試驗采用“問”與“答”模式，即觀察者通過控制打字機向兩個試驗對象通話，其中一個是人，另一個是機器。 答：不要問我這道題，我從來不會寫詩。 你多半會想到，面前的這位是一部笨機器。 遺憾的是， 1954年 6月 8，圖靈英年早逝！ 圖靈獎 圖林開創(chuàng)了計算機科學的重要分支 ──人工智能，雖然他當時并沒有明確使用這個術(shù)語。 缺點： （ 1）沒有存儲器； （ 2）它用布線接板進行控制，甚至要搭接幾天，計算速度也就被這一工作抵消了． 埃克特（右）和莫克利（左） 數(shù)學奇才、計算機之父 ——馮 諾依曼代數(shù)”。因為這個城市里，誰都聽說過，銀行家的長子馮 然而，這種狀況也沒能維持幾年，勤奮好學的中學生很快又超過了大學教授，他居然把學習的觸角伸進了當時最新數(shù)學分支 ——集合論和泛函分析，同時還閱讀了大量歷史和文學方面的書籍，并且學會了七種外語。風華正茂的馮 來者正是聞名世界的大數(shù)學家馮 ?1945年 6月，馮 麥卡洛克（ Warrenc McCulloch）和沃爾特 ?軸突：本體向外伸出的最長的分支，即神經(jīng)纖維，一根，長 1cm—1m左右，通過軸突上的神經(jīng)末梢將信號傳給其它神經(jīng)元，相當于本體的輸出端。 英國數(shù)學家、邏輯學家 Boole（ 18151864） 實現(xiàn)了萊布尼茨的思維符號化和數(shù)學化的思想，提出了一種嶄新的代數(shù)系統(tǒng) ——布爾代數(shù)。為此，人們可采用啟發(fā)式知識進行問題求解，把復雜的問題大大簡化，可在浩瀚的搜索空間中迅速找到解答。 現(xiàn)代電腦 的智能與人類智能 ?例一回答問題，“樹上有 10只鳥，被獵人用槍打下 1只， 問樹上還剩下幾只鳥？ ” ?實際生活：過馬路。 人類智能 人類個體的智能是一種綜合性能力。離開特定時間說智能是困難的、沒有意義的。 ?人工智能是人工制品 (artifact)中所涉及的智能行為。 符號主義 ?認為人工智能源于數(shù)理邏輯。 ]； T=[ ]； 輸入矢量可以用圖 ///來描述， 對應(yīng)于目標值 0的輸入矢量用符 號‘ 0‘表示，對應(yīng)于目標值 1的輸 入矢量符號‘ +‘表示。西蒙 等人合作編制的 《 邏輯理論機 》 ,即數(shù)學定理證明程序，從而使機器邁出了邏輯推理的第一步。1963年，經(jīng)過改進的 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)學定理的證明。 哈肯（ ）和肯尼斯 AI研究曾一度墮入低谷，出現(xiàn)了所謂“黑暗時期”。他解釋說：專家系統(tǒng)“是一個已被賦予知識和才能的計算機程序，從而使這種程序所起到的作用達到專家的水平” 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)計知識庫和知識推理程序。 自然語言描述知識 ? if 有毛發(fā)或者產(chǎn)奶 then 它是哺育動物； ? if 吃肉 then 它是食肉動物； ? if 有犬齒，且有爪，且眼視前方 then 它是食肉動物； ? if 是哺育動物，且是食肉動物，且是黃褐色，且有黑色條紋 then 它是老虎。 推 理機 控 制 著 整 個 專 家 系統(tǒng) 的 工 作 過 程 和 求 解問 題 的 策 略 ， 就 像 人類 思 考 問 題 一 樣 ， 不斷 地 使 用 知 識 來 解 決問 題 。該專家系統(tǒng)為 AI的發(fā)展樹立了典范，其意義遠遠超出了系統(tǒng)本身在實用上創(chuàng)造的價值。 這種體系必須不折不扣地執(zhí)行人們預先編制、并且已經(jīng)儲存的程序， 不具備主動學習和自適應(yīng)能力。諾依曼瓶頸”。 會看、會聽、會說的機器 ?1997年 12月，美國微軟公司比爾 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。 據(jù)前蘇聯(lián)學者阿諾克欣測算，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、用標準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。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)”?！? 人腦復制 1988年，美國最負盛名的學術(shù)出版機構(gòu)哈佛大學出版社，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 —梅隆大學活動機器人實驗室主任漢斯 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。換上其它傳感器和用其它動物，我們還可開發(fā)其它用途。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，還面臨著相當難以克服的障礙。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。當某些神經(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。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)。 較強的學習能力 ：神經(jīng)網(wǎng)絡(luò)是通過所研究系統(tǒng)過去的數(shù)據(jù)記錄進行訓練的。 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 目標矢量： P=[ – 。 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)。 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雜問題。 異或 (Exclusive –OR)問題 g（ x， y） y 0 1 x