【正文】 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。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。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。 ?突觸數(shù)目的增減。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。 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。 ── 不出 10年，大部分心理學(xué)理論將采取電腦的程序形式。 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。 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。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。 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)。 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 。 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 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，能認識不同的物體，看懂圖形和文字。 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”。 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。 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 問題 ？ ” 等 。 negative(X)表示該動物不具有特點 X。 知識 人類專家的知識通常包括兩大類。西蒙的研究生、斯坦福大學(xué)青年學(xué)者費根鮑姆（ ），在第五屆國際人工智能大會上提出了“知識工程”的概念，標志著 AI研究從傳統(tǒng)的以 推理為中心 ，進入到以 知識為中心 的新階段。 哈肯和阿佩爾攻克這一難題使用的方法是 “窮舉歸納法”。 1959年，王浩用他首創(chuàng)的“王氏算法”，在一臺速度不高的IBM704電腦上再次向 《 數(shù)學(xué)原理 》 發(fā)起挑戰(zhàn)。 ?經(jīng)過反復(fù)的實驗，紐厄爾和赫伯特 (學(xué)術(shù)權(quán)威 M. L. Minsky，明斯基和 S. Papert ) ?1986年魯梅爾哈特 (Rumelhart)等人提出多層網(wǎng)絡(luò)中的反向傳播 (BP)算法。計算機出現(xiàn)后，又在計算機上實現(xiàn)了邏輯演繹系統(tǒng)正是這些符號主義者，后來又發(fā)展了啟發(fā)式算法 → 專家系統(tǒng) → 知識工程理論與技術(shù)，并在 80年代取得很大發(fā)展。 人工智能定義 西蒙 認為： AI是學(xué)會怎樣編制計算機程序完成機智的行為，學(xué)習(xí)人類怎樣做這些機智行為； 明斯基 則認為人工智能一方面幫助人的思考，另一方面使計算機更有用。 人類的許多活動，如解算題、猜謎語、進行討論、編制計劃和編寫計算機程序，甚至駕駛汽車和騎自行車等等，都需要“智能”。 “中樞神經(jīng)系統(tǒng)的功能”。 正如 1980年國外有人給它下的一個通俗的定義：“快速的、按規(guī)矩行事的傻子機器。這就是啟發(fā)式搜索。他為邏輯代數(shù)化作出了決定性的貢獻，他所建立的理論隨著電子計算機的問世而得到迅速發(fā)展。突觸有興奮型和抑制型兩種。因為網(wǎng)絡(luò)的單元有些像大大簡化的神經(jīng)元，它現(xiàn)在常被稱作“神經(jīng)網(wǎng)絡(luò)”。報告明確規(guī)定出計算機的五大部件，并用二進制替代十進制運算。天賜良機，戈德斯坦感到絕不能放過這次偶然的邂逅，他把早已埋藏在心中的幾個數(shù)學(xué)難題，一古腦兒倒出來，向數(shù)學(xué)大師討教。 1928年，美國數(shù)學(xué)泰斗、普林斯頓高級研究院維伯倫教授（ ）廣羅天下之英才，一封燙金的大紅聘書，寄給了柏林大學(xué)這位無薪講師，請他去美國講授“量子力學(xué)理論課”。諾依曼與數(shù)學(xué)教授聯(lián)名發(fā)表了他第一篇數(shù)學(xué)論文，那一年，他還不到 17歲。 ?父親無可奈何，只好把馮 諾依曼在 30年代撰寫的 《 量子力學(xué)的數(shù)學(xué)基礎(chǔ) 》 已經(jīng)被證明對原子物理學(xué)的發(fā)展有極其重要的價值。諾依曼 Von Neumann提出馮 ?諾依曼計算機模型。例如， 1969年“圖林獎”獲得者是哈佛大學(xué)的明斯基（ ）； 1971年“圖林獎”獲得者是達特莫斯大學(xué)的麥卡錫（ ）； 1975年“圖林獎”則由卡內(nèi)基 —梅隆大學(xué)的紐厄爾（ A. Newell）和赫伯特 ?問：你會下國際象棋嗎？ ?答：是的，我不是已經(jīng)說過了嗎？ ?問：請再次回答，你會下國際象棋嗎？ ?答：你煩不煩，干嘛老提同樣的問題。 問：我在我的 K1處有棋子 K；你僅在 K6處有棋子 K，在 R1處有棋子 R。 ?圖靈指出：“如果機器在某些現(xiàn)實的條件下，能夠非常好地模仿人回答問題，以至提問者在相當(dāng)長時間里誤認它不是機器，那么機器就可以被認為是能夠思維的。 ?1945年，脫下軍裝的圖靈，帶著大英帝國授予的最高榮譽勛章，被錄用為泰丁頓國家物理研究所高級研究員。 8歲時，圖靈嘗試著寫了一部科學(xué)著作，題名 《 關(guān)于一種顯微鏡 》 。 (ii)凡 M是 P，；因此凡 S是 P。 ? 亞氏跟著提出四種比較復(fù)雜的主謂命題，它們都具有以下結(jié)構(gòu)：量詞 ─ 主詞 ─ 系詞 ─ 謂詞。 (卡斯帕羅夫 ) ? “深藍”是一臺智能電腦，是人工智能的杰作。 人工智能（ AI）伴隨著電腦誕生，在風(fēng)風(fēng)雨雨中走過了半個多世紀的艱難歷程，已但經(jīng)是枝繁葉茂、郁郁蔥蔥！ 人工智能的發(fā)展 ?人工智能的萌芽（ 56年以前） ?人工智能的誕生（ 5661年） ?人工智能的發(fā)展（ 61年后） 人工智能的萌芽階段 ? 亞里斯多德 (Aristotle 384322 BC)，主要貢獻為 形而上學(xué) (metaphysics)和邏輯學(xué)兩方面的思想。 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。 ?艾倫 ?圖靈想象的機器說起來很簡單：該計算機使用一條無限長度的紙帶，紙帶被劃分成許多方格，有的方格被畫上斜線，代表“ 1”；有的沒有畫任何線條，代表“ 0”。 Turing圖靈與人工智能 ?1950年，圖靈來到曼徹斯特大學(xué)任教，并被指定為該大學(xué)自動計算機項目的負責(zé)人。 ?圖靈預(yù)測， 2022年之前計算機有 30%的概率蒙騙一個普通人達 5分鐘。例如，提問與回答呈現(xiàn)出下列狀況： 圖靈試驗 ?問：你會下國際象棋嗎？ ?答：是的。 圖靈預(yù)言 圖靈曾預(yù)言，隨著電腦科學(xué)和機器智能的發(fā)展，本世紀末將會出現(xiàn)這樣的機器。經(jīng)過三年緊張的工作，第一臺電子計算機終于在 1946年 2月 14日問世了，它由 17468個電子管、 6萬個電阻器、 1萬個電容器和 6千個開關(guān)組成，重達 30噸，占地 160平方米，耗電 174千瓦，耗資 45萬美元。諾依曼被譽為“計算機之父”，他是本世紀最偉大的發(fā)明家之一。 ?1931年匈牙利首都布達佩斯。諾依曼的需要。 22歲時，他獲瑞士蘇黎士聯(lián)邦工業(yè)大學(xué)化學(xué)工程師文憑。 1930年， 27歲的馮 諾依曼不覺流露出吃驚的神色，敏銳地從數(shù)學(xué)問題里，感到眼前這位青年身邊正發(fā)生著什么不尋常的事情。 ?1954年夏，馮。 函數(shù) f表達了神經(jīng)元的輸入輸出特性。維納認為計算機是一個進行信息處理和信息轉(zhuǎn)換的系統(tǒng)，只要這個系統(tǒng)能得到數(shù)據(jù)，機器本身就應(yīng)該能做幾乎任何事情。如果有 4個城市，則有 4!=24種次序 .即使用計算機來計算，這種急劇增長的可能性的數(shù)目也遠遠超過計算資源的處理能力，對此，算法復(fù)雜性專家史蒂芬 .庫克評論： 如果有 100個城市，需要求出 100！條路線的費用，沒有哪一臺計算機能夠勝任這一任務(wù)。西蒙 (75,圖靈獎 ) 、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， 56）和莫爾（ ）。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、占領(lǐng)一定的地域、吸引異性以及生育和照料后代。 、合理的思維，以及有效地適應(yīng)環(huán)境的綜合能力。 “深藍” (Deep Blue) 。符號主義采用知識表達和邏輯符號系統(tǒng)來模擬人類的智能。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。 人工智能的目標 ?人工智能科學(xué)想要解決的問題，是讓電腦也具有人類那種聽、說、讀、寫、思考、學(xué)習(xí)、適應(yīng)環(huán)境變化、解決各種實際問題等等能力。 ?在實驗結(jié)果的啟發(fā)下，紐厄爾和赫伯特 據(jù)說，“四色問題”最早是1852年由一位 21歲的大學(xué)生提出來的數(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)分任何兩相鄰的國家或區(qū)域。 人工智能先驅(qū)們認真地研究下棋，研究機器定理證明，但效果仍不盡如人意。 一個人要成為專家，至少必須掌握某一學(xué)科淵博的 知識 ，具有豐富的 實踐經(jīng)驗 ，能解決一般人不能夠解決的疑難問題。 知識表示的目的 ——使用知識。 根 據(jù) 知 識表 達 方 式 的 不 同 ， 知識 庫 中 存 儲 知 識 的 方式 也 是 各 不 相 同 的 。也 稱 為 用 戶 界 面 ，即 用 來 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)和知識工程成為符號主義人工智能發(fā)展的主流。 誰也沒有想到，勇敢地站出來，試圖集人工智能研究成果之大成者，竟然是在這個領(lǐng)域并沒有多少影響力的日本科學(xué)家。 1992年，因最終沒能突破關(guān)鍵性的技術(shù)難題，無法實現(xiàn)自然語言人機對話、程序自動生成等目標，導(dǎo)致了該計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。 模式識別是近 30年來得到迅速發(fā)展的人工智能分支學(xué)科。 長期以來， 一個誘人的科學(xué)幻想主題經(jīng)常涉及到人腦與電腦的關(guān)系。 ?而形象思維、知覺、預(yù)感、創(chuàng)意這些人類右腦的功能，迄今計算機尚絲毫難以企及。除了運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的電腦望塵莫及?！? 將電腦植入人腦，用微型芯片配合腦神經(jīng)細胞工作，只要求解決兩者之間的接口問題 。比如動物只要聽懂“朝前走”，“向左轉(zhuǎn)”，“向右轉(zhuǎn)”，這三個指令，就可控制動物走向某一個目標地。到了這個程度后，計算機將以驚人的速度進行自我教育。 生物神經(jīng)元的結(jié)構(gòu) 神經(jīng)末梢 突觸 (輸出） 樹突（接受外來信息） 軸突 細胞核 細胞體 它由細胞體 (Soma)、軸突 (Axon)和樹突 (Dendrite)三個主要部分組成 Cell Body: 細胞體 Dendrites:樹突 Axon:軸突 Nucleus:細胞核 Myelin shenth :髓鞘 Axon Terminal:軸突末梢 Nerve impulse: 神經(jīng)沖動 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 軸突是由細胞體向外延伸出的所有纖維中最長的一條分枝，用來向外傳遞神經(jīng)元產(chǎn)生的輸出電信號 . 每個神經(jīng)元都有一條軸突，其最大長度可達 1m以上。 ? ?突觸接觸間隙的變化。相當(dāng)輸出一個 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。但當(dāng)達到最大值后，輸出就不再增。 ?50年代末期， Rosenblatt提出感知機模型(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。 模糊邏輯是一種精確解決不精確、不完全信息的方法