【文章內(nèi)容簡介】 的學(xué)生與同事 ? 1975年與西蒙同獲圖靈獎 查理德 ?卡普 （ Richard M. Karp） 發(fā)明“分枝界限法”的三棲學(xué)者 查理德 ?卡普（ Richard M. Karp） ? 1935年出生于美國波士頓 ? 是加州大學(xué)伯克利分校三個系的教授： – 電氣工程和計算機(jī)系 – 數(shù)學(xué)系 – 工業(yè)工程和運籌學(xué)系 ? 60年代提出“分枝界限法”，成功求解含有 65個城市的旅行商問題，創(chuàng)當(dāng)時的記錄 ? 1985年獲得圖靈獎 愛德華 ?費根鮑姆 （ Edward A. Feigenbaum） 知識工程的提出者 大型人工智能系統(tǒng)的開拓者 愛德華 ?費根鮑姆 （ Edward A. Feigenbaum） ? 1936年出生于美國的新澤西州 ? 通過實驗和研究，證明了實現(xiàn)智能行為的主要手段是知識 ? 1977年提出知識工程，使人工智能從理論轉(zhuǎn)向應(yīng)用 ? 名言：知識蘊(yùn)藏著力量 ? 1994年和勞伊 ?雷迪共同獲得圖靈獎 ? 1963年主編了《計算機(jī)與思想》一書，被認(rèn)為是世界上第一本有關(guān)人工智能的經(jīng)典性專著 ? 1965年開發(fā)出世界上第一個專家系統(tǒng) ? 開發(fā)出著名的專家系統(tǒng) MYCIN ? 80年代合著了四卷本的《人工智能手冊》 ? 開設(shè) Teknowledge和 IntelliGeics兩個公司，是世界上第一家以開發(fā)和將專家系統(tǒng)商品化的公司 勞伊 ?雷迪 （ Raj Reddy） 大型人工智能系統(tǒng)的開拓者 勞伊 ?雷迪（ Raj Reddy） ? 37年出生于印度， 66年在美國獲得博士 ? 1994年與費根鮑姆共同獲得圖靈獎 ? 主持過一系列大型 AI系統(tǒng)的開發(fā) – Navlab 能在道路行駛的自動車輛項目 – LISTEN 用于掃盲的語音識別系統(tǒng) – 以詩人但丁命名的火山探測機(jī)器人項目 – 自動機(jī)工廠項目，提出“白領(lǐng)機(jī)器人學(xué)” 概述 ? 人工智能 (Artificial Intelligence, AI) 有時也被稱為人造智能 (Synthetic Intelligence). ? 定義 :人造物所表現(xiàn)出來的智能 ? 人造物 : 一般指計算機(jī) ? 因此 ,人工智能一般指的是計算機(jī)模擬的人類智能 .因此 ,也就是模擬智能 (常隱含一個觀點 :計算機(jī)本身并無真正的智能 ). ? 另外的觀點 : 強(qiáng)人工智能 (Strong AI) 概述 (續(xù) ) ? 強(qiáng)人工智能的觀點 :某種形式的人工智能能夠真正地推理和解決問題 . ? 機(jī)器有可能變聰明 ,自省 ,且有可能和人類的思考過程不一樣 (也有可能一樣 ). ? John Searle: according to strong AI, the puter is not merely a tool in the study of the mind。 rather, the appropriately programmed puter really is a mind[1] 人工智能的定義 ? 在本書中 ,人工智能定義為 :研究如何制造人造的智能機(jī)器或者系統(tǒng) ,來模擬人類智能活動的能力 ,以延伸人類智能的科學(xué) . ? 研究對象 : 模擬人類智能 ? 研究目標(biāo) :研究看上去具有人類智能的系統(tǒng) ,解決需要人類智能才能解決的問題 ? 問題是 : 什么才是 (人類 )智能 ? 智能的定義 ? 觀點 1:智能是一種在巨大的搜索空間中迅速找到一個滿意解的能力 ? 觀點 2:智能是一個人認(rèn)識客觀事物 ,并運用知識解決實際問題的能力 ? 觀點 3:智能是泛指人類獲取知識 ,存儲知識和運用知識解決問題的能力 智能應(yīng)當(dāng)包含兩個方面 : 知識 ,能力 思考題 :什么是知識 ,什么是能力 ? 人工智能的哲學(xué)思考 ? 智能是否存在 ?（開水瓶具有智能嗎？） ? 智能與非智能之間的差別 ? ? 人工智能是否存在 ? ? 如何判定智能的存在 ? ? 智能如果存在，如何度量？ ? 人工智能和人類智能是否是同質(zhì)的 (一樣的 )? ? … 衡量智能的標(biāo)準(zhǔn) ? Edward A. Feigenbaum:若只告訴計算機(jī)做什么而不告訴它怎么做 ,而機(jī)器能夠完成任務(wù) ,則認(rèn)為機(jī)器有智能 ? Alan M. Turing:若一個計算機(jī)系統(tǒng)能給出有關(guān)問題的正確答案或有用建議 ,解決問題所用的概念和推理與人相當(dāng) ,并能對推理作出解釋 ,就可以說這個系統(tǒng)是具有智能的 ? 渡邊慧 :人類智能主要表現(xiàn)在演繹能力和歸納能力 ,若機(jī)器具有這種能力 ,就可以說是具有智能的 衡量智能的實驗 ? 圖靈實驗 ? 中文屋子實驗 圖靈實驗 ? 實驗方案 ? 提問者 , 被提問者 (一個人 ,一臺機(jī)器 ) ? 聯(lián)系的方式?jīng)]有額外的信息泄漏 ? 如果提問者區(qū)分兩者的正確率小于 50%,則可以認(rèn)為機(jī)器具有智能 中文屋子實驗 Chinese Room Thought Experiment ? 即使一臺機(jī)器已經(jīng)實際通過了簡化的圖靈檢驗的電腦 ,這臺電腦仍然完全不具備和理解有關(guān)的”精神屬性” . ? 實驗要旨 :提問者使用中文講故事并提出問題 ,被提問者 (只懂得英文 )使用規(guī)則 (用英語表示 )產(chǎn)生問題的答案 ,即使被提問者完全不懂中文 ,仍然能夠產(chǎn)生正確的答案 . 領(lǐng)域問題中的智能系統(tǒng) ? 國際象棋 ? 西洋跳棋 能夠擊敗人類 ? 圍棋 暫時還不能擊敗人類選手 人工智能的研究分支 ? 傳統(tǒng)人工智能和計算智能 (Conventional AI and Computational Intelligence (CI) ) ? 傳統(tǒng)人工智能 :符號智能 ? 計算智能 : 1. 人工神經(jīng)網(wǎng)絡(luò) 2. 演化計算 3. 模糊集合 4. 粗糙集 5. 多智能體系統(tǒng) 人工智能的主要研究思想 ? 基于符號處理的符號主義 (Symbolism) ? 以人工神經(jīng)網(wǎng)絡(luò)為代表的連接主義(Connectionism) ? 以演化計算為代表的演化主義(Evolutionism) ? 以多智能體系統(tǒng)為代表的行為主義(Actionism) 符號主義 ? 人類思維的基本單元是符號 ? 思維過程是對符號的處理過程 ? 自然語言也是用符號表示的 ? 理論基礎(chǔ) : 物理符號系統(tǒng)假設(shè)和有限合理性原理 . ? 物理符號系統(tǒng)假設(shè) :物理符號系統(tǒng)是表現(xiàn)智能行為必要和充分的條件 ? 有限合理性原理 :人類行為表現(xiàn)出有限的合理性 連接主義 ? 人工神經(jīng)網(wǎng)絡(luò)是典型代表 ? 其理論基礎(chǔ)是腦模型 . ? 人工神經(jīng)網(wǎng)絡(luò)具有良好的自學(xué)習(xí) ,自適應(yīng)和自組織能力 ,以及大規(guī)模并行 ,分布式信息存儲和處理的特點 .可以處理不確定性問題 . 演化主義 ? 模擬自然界的生物演化過程入手 ,以解決智能系統(tǒng)如何從環(huán)境中進(jìn)行學(xué)習(xí)的問題 . ? 理論基礎(chǔ)為達(dá)爾文的進(jìn)化論 . 行為主義 ? 在沒有對簡單的智能系統(tǒng)有清楚的了解和大量的實踐以前，不可能準(zhǔn)確地理解構(gòu)造更為復(fù)雜的人類智能的方法。 ? 從簡單的系統(tǒng)開始，逐步構(gòu)造出更為復(fù)雜的系統(tǒng) ? 理論基礎(chǔ)為控制論 Cyberics 。 人工智能發(fā)展的 7個時期 ? 按照 Russell的觀點 , AI近五十年的發(fā)展歷史可以分為以下 7個時期 : – AI孕育期 (1943~1955) / AI的誕生 (1956) –早期的熱情 , 巨大的期望 (1952~1969) –現(xiàn)實的困難 (1966~1973) –基于知識的系統(tǒng) : 力量的鑰匙 ? (1969~1979) – AI成為工業(yè) (1980~現(xiàn)在 ) – AI成為科學(xué) (1987~現(xiàn)在 ) / 神經(jīng)網(wǎng)絡(luò)的回歸 (1986~現(xiàn)在 ) / 智能化智能體出現(xiàn) (1995~現(xiàn)在 ) 83 人工智能的主要研究方向 ? 機(jī)器學(xué)習(xí) (Machine Learning) ? 規(guī)劃 (Planning) ? 知識表示 (Knowledge Representation) ? 智能搜索 (Intelligent Search) ? 不確定性和不精確知識的管理(Management of Imprecision and Uncertainty ) 機(jī)器學(xué)習(xí) (Machine Learning) ? 類比學(xué)習(xí) ? 歸納學(xué)習(xí)