【文章內(nèi)容簡介】 智能行為。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，并在 80年代取得很大發(fā)展。符號主義曾長期一枝獨秀，為人工智能的發(fā)展作出重要貢獻，這個學派的代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson) 。 連接主義 ?認為人工智能源于仿生學，特別是人腦模型的研究。它的代表性成果是 1943年由生理學家麥卡洛克(McCulloch)和數(shù)理邏輯學家皮茨 (Pitts)創(chuàng)立的腦模型，即 MP模型。 6070年代，聯(lián)結主義，尤其是對以感知機 (perceptron)為代表的腦模型的研究曾出現(xiàn)過熱潮 . ?對于某一類簡單的問題 ——―線性可分”的問題 ——感知機通過有限次訓練就能學會正確的行為。 感知器模型 感知器模型如圖 I/O關系為 00101 { ?????? ?yyniiiiybpwy例 解 首先定義輸入矢量及相應的 目標矢量： P=[ – 。 ]； T=[ ]； 輸入矢量可以用圖 ///來描述， 對應于目標值 0的輸入矢量用符 號‘ 0‘表示，對應于目標值 1的輸 入矢量符號‘ +‘表示。 異或 (Exclusive –OR)問題 g（ x， y） y 0 1 x 0 0 1 1 1 0 X y ?由于當時的理論模型、生物原型和技術條件的限制，腦模型研究在 70年代后期至 80年代初期落入低潮。 (學術權威 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)絡中的反向傳播 (BP)算法。此后，聯(lián)結主義勢頭大振，從模型到算法，從理論分析到工程實現(xiàn)，為神經(jīng)網(wǎng)絡計算機走向市場打下基礎。現(xiàn)在，對ANN的研究熱情仍然不減。 人工智能的目標 ?人工智能科學想要解決的問題，是讓電腦也具有人類那種聽、說、讀、寫、思考、學習、適應環(huán)境變化、解決各種實際問題等等能力。換言之，人工智能是電腦科學的一個重要分支，它的 近期目標 是讓電腦更聰明、更有用，它的 遠期目標 是使電腦變成“像人一樣具有智能的機器”。 人工智能的發(fā)展 (61年之后 ) 1. 機器證明 2. 專家系統(tǒng) 3. 第五代計算機 4. 模式識別 5. 人腦與電腦 6. 人工智能預言 ?赫伯特 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。 ?原理：在卡內(nèi)基 —梅隆大學的計算機實驗室，西蒙從分析人類解答數(shù)學題的技巧入手，讓一些人對各種數(shù)學題作周密的思考，要求他們不僅寫出求解的答案，而且說出自己推理的方法和步驟。 ?經(jīng)過反復的實驗，紐厄爾和赫伯特 西蒙進一步認識到，人類證明數(shù)學定理也有類似的思維規(guī)律，通過“分解”（把一個復雜問題分解為幾個簡單的子問題）和“代入”（利用已知常量代入未知的變量）等方法，用已知的定理、公理或解題規(guī)則進行試探性推理，直到所有的子問題最終都變成已知的定理或公理，從而解決整個問題。人類求證數(shù)學定理也是一種啟發(fā)式搜索，與電腦下棋的原理異曲同工。 ?在實驗結果的啟發(fā)下，紐厄爾和赫伯特 西蒙便利用這個 LT程序向數(shù)學定理發(fā)起了激動人心的沖擊。電腦果然不孚眾望，它一舉證明了數(shù)學家羅素的數(shù)學名著 《 數(shù)學原理 》 第二章中的 38個定理。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。 ?美籍華人學者、洛克菲勒大學教授王浩在“自動定理證明”上獲得了更大的成就。 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)學原理 》 發(fā)起挑戰(zhàn)。不到 9 分鐘，王浩的機器把這本數(shù)學史上視為里程碑的著作中全部（ 350條以上） 的定理，統(tǒng)統(tǒng)證明了一遍。 機器證明 ? 人工智能定理證明研究最有說服力的例子， 是機器證明了困擾數(shù)學界長達 100余年之久的難題 ──“四色定理”。據(jù)說，“四色問題”最早是1852年由一位 21歲的大學生提出來的數(shù)學難題：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。這個看似簡單的問題，就象“哥德巴赫猜想”一樣，屬于世界上最著名的數(shù)學難題之一。 機器證明 1976年 6月，美國伊利諾斯大學的兩位數(shù)學家沃爾夫岡 哈肯（ ）和肯尼斯 阿佩爾（ K. Apple） 宣布， 他們成功地證明了這一定理，使用的方法就是機器證明。 哈肯和阿佩爾攻克這一難題使用的方法是 “窮舉歸納法”。哈肯和阿佩爾編制出一種很復雜的程序，讓3臺 IBM360電腦自動高速尋找各種可能的情況， 并逐一判斷它們是否可以被“歸納”。十幾天后， 共耗費1200個機時，做完 200億個邏輯判斷。 人工智能先驅們認真地研究下棋，研究機器定理證明，但效果仍不盡如人意。問題的癥結在于，雖然機器能夠解決一些極其錯綜復雜的難題，但是有更多的工作，對人來說是簡單到不能再簡單的事情，對電腦卻難似上青天 。 60年代末，由于許多世界一流的人工智能學者過高地估計了智能電腦的能力，而現(xiàn)實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。 AI研究曾一度墮入低谷，出現(xiàn)了所謂“黑暗時期”。 :人工智能的復興 1977年，曾是赫伯特 西蒙的研究生、斯坦福大學青年學者費根鮑姆（ ），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。人工智能重新獲得人們的普遍重視，逐步跨進了復興期。 專家系統(tǒng) 費根鮑姆他具體介紹了他們開發(fā)的第一個“專家系統(tǒng)”，并提出“知識庫”、“知識表達”和“知識工程”等一系列全新的概念。 一個人要成為專家，至少必須掌握某一學科淵博的 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。專家的數(shù)量和質(zhì)量標志著一個國家、一個時代的科學水平。 專家系統(tǒng) 費根鮑姆構建的“專家系統(tǒng)”，就是要在 機器智能與人類智慧集大成者 ──專家的知識經(jīng)驗之間建造橋梁 。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， 構建 專家系統(tǒng)還必須有所謂“知識工程師”參與，幫助領域專家從頭腦中挖掘啟發(fā)式知識，并設計知識庫和知識推理程序。因此， 專家系統(tǒng)又被稱為知識工程 ，這兩種不同的稱謂在英國和日本涇渭分明：英國學界崇尚科學，成為專家是人們追逐的境界；而日本學界推崇技術，工程師是人們向往的職業(yè)，于是，才有了“專家系統(tǒng)”與“知識工程”兩種同義的名稱。 知識 人類專家的知識通常包括兩大類。一類是書本知識，它可能是專家在學校讀書求學時所獲，也可能是專家從雜志、書籍里自學而來；然而，僅僅掌握了書本知識的學者還不配稱為專家， 專家最為寶貴的知識是他憑借多年的實踐積累的經(jīng)驗知識，這是他頭腦中最具魅力的知識瑰寶 。在 AI研究里，這類知識稱之為“啟發(fā)式知識”。 知識表示的目的 ——使用知識。它是問題求解和專家系統(tǒng)的基礎。 ? 知識表示遵循的思路 產(chǎn)生式規(guī)則 與或圖 狀態(tài)空間 等 人工智能語言 （如 Prolog語言） 通用程序設計語言 （如 C、 C++） 自然語言表示 ? 格式化表示 ? 計算機語言表示 如果有毛發(fā)或者產(chǎn)奶，那么它是哺育動物； 如果吃肉，那么它是食肉動物； 如果有犬齒、有爪、眼視前方，那么它是食肉動物； 如果是哺育動物、食肉動物、黃褐色、有黑色條紋，那么它是老虎。 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。 產(chǎn)生式規(guī)則表示知識 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 食肉動物 吃肉 Λ 有犬牙 有爪 眼睛向前 哺育動物 產(chǎn)奶 有毛發(fā) 產(chǎn)生式規(guī)則表示知識的網(wǎng)絡 老虎 黃褐色 黑色條紋 食肉動物 吃肉 有犬牙 有爪 眼睛向前 哺育動物 產(chǎn)奶 有毛發(fā) 與或圖表示知識 定義如下謂詞： positive(X)表示該動物具有特點 X。 negative(X)表示該動物不具有特點 X。 It_is(X)表示該動物屬于 X類別 。 Animal_is(X)表示該動物的名字叫 X. 用 Prolog語言表示知識（ 1） It_is(“哺育動物 ” ):positive(“有毛發(fā) ” ) It_is(“哺育動物 ” ):positive(“產(chǎn)奶 ” ) It_is(“食肉動 物 ” ):positive(“吃肉 ” ) It_is(“食肉動物 ” ):positive(“有犬齒 ” ),positive(“有爪 ” ),positive(“眼視前方 ” ) Animal_is(“老虎 ” ):It_is(“哺育動物 ” ),It_is(“食肉動物 ” ),positive(“黃褐色 ” ),positive(“有黑色條紋 ” ) 用 Prolog語言表示知識（ 2） 專 家系統(tǒng)的基本 結構圖 人機接口 推理機 解釋程序 知識獲取程序 數(shù)據(jù)庫及其管理系統(tǒng) 知識庫及其管理系統(tǒng) 專家系統(tǒng)的一般結構 用戶 領域專家 知 識 庫推 理 機解 釋 器綜 合 數(shù)據(jù) 庫人 機 接 口用 戶知 識 庫 是 用 來 存 放 專家 知 識 的 。 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 。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 。推 理 機 就 是 實 現(xiàn) 推 理的 程 序 ， 它 是 利 用 知識 進 行 推 理 的 。 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 。解 釋 器 是 用 來 解 釋 用戶 疑 問 的 。 例 如 ，“ 該 結 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 。也 稱 動 態(tài) 數(shù) 據(jù) 庫 ， 主要 存 儲 著 與 專 家 系 統(tǒng)推 理 相 關 的 數(shù) 據(jù) ， 包括 用 戶 輸 入 的 信 息（ 也 叫 “ 事 實 ” ） 、推 理 過 程 中 產(chǎn) 生 的 新信 息 以 及 推 理 所 得 到的 結 論 等 。 系 統(tǒng) 運 行時 ， 綜 合 數(shù) 據(jù) 庫 建立 ， 在 當 系 統(tǒng) 運 行 完成 之 后 ， 綜 合 數(shù) 據(jù) 庫也 就 會 被 撤 消 。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 論 和 解 釋 的內(nèi) 容 等 的 專 家 系 統(tǒng)界 面 。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