【正文】 號計算 。 第 1 章 人工智能概述 ?主要特征 : (1)立足于邏輯運算和符號操作 ,適合于模擬人的邏輯思維過程 ,解決需要邏輯推理的復(fù)雜問題； (2)知識可用顯示的符號表示 ,在已知基本規(guī)則的情況下 ,無需輸入大量的細節(jié)知識； (3)便于模塊化 ,當個別事實發(fā)生變化時 ,易于修改； (4)能與傳統(tǒng)的符號數(shù)據(jù)庫進行連接； (5)可對推理結(jié)論進行解釋 ,便于對各種可能性進行選擇。 ?缺點： 可以解決邏輯思維 ,但對于形象思維難于模擬； 信息表示成符號后 ,并在處理或轉(zhuǎn)換時 ,信息有丟失的情況。 第 1 章 人工智能概述 符號主義途徑發(fā)展概況 1956年之后的 10多年間 ,人工智能的研究取得了許多引人矚目的成就 。 從符號主義的研究途徑來看 ,主要有 : —— 定理證明 1956年 , 美國的紐厄爾 、 肖和西蒙合作編制了一個名為邏輯理論機 (LT)的計算機程序系統(tǒng) 。 該程序模擬了人為數(shù)理邏輯證明定理時的思維規(guī)律 。 利用 LT紐厄爾等人證明了 《 數(shù)學原理 》 第 2 章中的 38 條定理 。 數(shù)理邏輯學家王浩于 1958年在計算機上用 3～ 5 分鐘證明了 《 數(shù)學原理 》 中有關(guān)命題演算的全部定理 (220條 ), 并且還證明了謂詞演算中 150條定理的 85%。 第 1 章 人工智能概述 —— 1956年 , 塞繆爾研制成功了具有自學習 、 自組織 、 自適應(yīng)能力的跳棋程序 。 這個程序能從棋譜中學習 , 也能從下棋實踐中提高棋藝 , 1959 年它擊敗了塞繆爾本人 ,1962年又擊敗了美國一個州的冠軍 。 —— 1959年 , 籍勒洛特發(fā)表了證明平面幾何問題的程序 , 塞爾夫里奇推出了一個模式識別程序 。 1965年羅伯特 (Roberts)編制出了可以分辨積木構(gòu)造的程序 。 第 1 章 人工智能概述 —— 1960年 , 紐厄爾 、 肖和西蒙等人通過心理學試驗總結(jié)出了人們求解問題的思維規(guī)律 ,編制了通用問題求解程序(General Problem Solving, GPS)。 該程序可以求解 11種不同類型的問題 。 —— 1960年 , 麥卡錫研制成功了面向人工智能程序設(shè)計的表處理語言 LISP。 該語言以其獨特的符號處理功能 , 很快在人工智能界風靡起來 。 它武裝了一代人工智能學者 , 至今仍然是人工智能研究的一個有力工具 。 —— 1965年 , 魯賓遜 (Robinson)提出了消解原理(resolution principle), 為定理的機器證明做出了突破性的貢獻。 第 1 章 人工智能概述 20世紀 80年代后 ,專家系統(tǒng)與知識工程在理論 、 技術(shù)和應(yīng)用方面都有了長足的進步和發(fā)展 。 專家系統(tǒng)的建造進入應(yīng)用高級開發(fā)工具時期 。 同時 ,知識表示 、 不精確推理 、 機器學習等方面也都取得了重要進展 。各個應(yīng)用領(lǐng)域的專家系統(tǒng)更如雨后春筍般地在世界各地不斷涌現(xiàn) 。 專家系統(tǒng) 、 知識工程的技術(shù)已應(yīng)用于各種計算機應(yīng)用系統(tǒng) , 出現(xiàn)了智能管理信息系統(tǒng) 、 智能決策支持系統(tǒng) 、 智能控制系統(tǒng) 、 智能 CAD系統(tǒng) 、 智能 CAI系統(tǒng) 、 智能數(shù)據(jù)庫系統(tǒng) 、 智能多媒體系統(tǒng)等等 。 第 1 章 人工智能概述 連接主義是指以網(wǎng)絡(luò)連接為主的連接機制方法 。 又稱為自下而上和連接主義 ,屬于非符號處理范疇 . 在現(xiàn)實中 ， 人們并不僅僅依靠邏輯推理來求解問題 ， 有時非邏輯推理還其著非常重要的作用 連接主義：人工智能可以通過仿生人類的大腦的結(jié)構(gòu)來實現(xiàn) ，它研究的內(nèi)容就是神經(jīng)網(wǎng)絡(luò) 。 早在 20 世紀 40 年代 , 就有一些學者開始了神經(jīng)元及其數(shù)學模型的研究 。 第 1 章 人工智能概述 ?主要特征 : (1)通過神經(jīng)元之間的并行協(xié)作實現(xiàn)信息處理 ,處理過程具有并行性 ,動態(tài)性 ,全局性 (2)可以實現(xiàn)聯(lián)想的功能 ,便于對有噪聲的信息進行處理 (3)可以通過對神經(jīng)元之間連接強度的調(diào)整實現(xiàn)學習和分類等 (4)適合模擬人類的形象思維過程 (5)求解問題時 ,可以較快的得到一個近似解 ?缺點： 不適合于解決邏輯思維 , 體現(xiàn)結(jié)構(gòu)固定和組成方案單一的系統(tǒng)也不適合多種知識的開發(fā) 第 1 章 人工智能概述 明斯基 (Minsky)應(yīng)用數(shù)學理論對以感知器為代表的簡單網(wǎng)絡(luò)作了深入的分析 , 1969年他與白伯脫 (Papert)共同發(fā)表了頗有影響的 《 Perceptrons》 一書 。 書中證明了那時使用的單層人工神經(jīng)網(wǎng)絡(luò) , 無法實現(xiàn)一個簡單的異或門 (XOR) 所完成的功能 。 因而明斯基本人也對神經(jīng)網(wǎng)絡(luò)的前景持悲觀態(tài)度 。 此后因為各種原因 , 神經(jīng)網(wǎng)絡(luò)的研究進入低谷 。 經(jīng)過科學家們的艱苦探索 , 神 經(jīng)網(wǎng)絡(luò)的理論和技術(shù)在經(jīng)過近 20年 的暗淡時期后終于有了新的突破和 驚人的成果 。 第 1 章 人工智能概述 1985年美國霍布金斯大學的賽諾斯 (T. Sejnowsk)開發(fā)了名為 NETtalk英語讀音學習用的神經(jīng)網(wǎng)絡(luò)處理器 , 輸入為最多由 7個字母組成的英語單詞 , 輸出為其發(fā)音 , 該處理器自己可以學習許多發(fā)音規(guī)則 , 從一無所知起步 , 經(jīng)過 3個月的學習所達到的水平已可同經(jīng)過 20年研制成功的語音合成系統(tǒng)相媲美 。 同年 , 美國物理學家霍普菲爾特 (J. Hopfield)用神經(jīng)網(wǎng)絡(luò)迅速求得了巡回推銷員路線問題 (即旅行商問題 )的準優(yōu)解 , 顯示它在求解 “ 難解問題 ” 上的非凡能力 。 第 1 章 人工智能概述 1987年 6月 , 第一屆國際神經(jīng)網(wǎng)絡(luò)會議 (ICNN)在美國圣第亞哥召開 。 會議預(yù)定 800人 ,但實際到會達 2022多人 。 會議決定成立國際神經(jīng)網(wǎng)絡(luò)學會 , 并出版會刊 《 Neural Networks》 。 從此 , 神經(jīng)網(wǎng)絡(luò)便東山再起 , 其研究活動的總量急劇增長 , 理論與技術(shù)繼續(xù)進展 , 應(yīng)用成果不斷涌現(xiàn) 。 第 1 章 人工智能概述 1965年美國學者 . Zadeh推廣了傳統(tǒng)集合的定義提出了模糊集合 (fuzzy set)的概念 。 基于模糊集合人們又發(fā)展了模糊邏輯 、 模糊推理 、 模糊控制等 ,形成了一系列處理不確切性信息和知識的理論和方法 , 構(gòu)成了現(xiàn)在所稱的模糊理論 、 模糊技術(shù)或模糊計算 。 1994年 , 關(guān)于神經(jīng)網(wǎng)絡(luò) 、 進化程序設(shè)計和模糊系統(tǒng)的三個IEEE國際會議聯(lián)合舉行了首屆計算智能大會 “ The First IEEE World Congress on Computational Intelligence” 。這標志著一個有別于符號智能的人工智能新領(lǐng)域 —— 計算智能正式形成 。 第 1 章 人工智能概述 進入 21世紀后 , 計算智能從理論上和應(yīng)用上都取得了長足的發(fā)展 。 特別是進化計算 、 免疫算法 、 蟻群算法 、 粒群算法等又構(gòu)成了一個稱為智能計算或智能算法的新領(lǐng)域 。 其應(yīng)用遍及網(wǎng)絡(luò)安全 、 機器學習 、 數(shù)據(jù)挖掘和知識發(fā)現(xiàn) 、 模式識別 、自動規(guī)劃 、 自動配置 、 自動控制 、 故障診斷 、 加工調(diào)度 、 聚類分類和計量化學等眾多領(lǐng)域 , 大大推進了人工智能技術(shù)的研究和發(fā)展 , 也大大擴展和加快了人工智能技術(shù)的實際應(yīng)用 。 第 1 章 人工智能概述 智能 Agent 20世紀 80年代中期 , 智能主體 Agent的概念被 (明斯基 )引入人工智能領(lǐng)域 , 形成了基于 Agent的人工智能新理念 。 Agent的出現(xiàn) , 標志著人們對智能認識的一個飛躍 , 從而開創(chuàng)了人工智能技術(shù)的新局面 。 從此 , 智能系統(tǒng)的結(jié)構(gòu)形式和運作方式發(fā)生了重大變化 , 傳統(tǒng)的 “ 知識 +推理 ” 的腦智能模式發(fā)展為以 Agent為基本單位的個體智能和社會智能新模式 。 20 世紀 90年代以后 , Agent技術(shù)蓬勃發(fā)展 。 當前 , Agent與 Inter和 WWW相結(jié)合 , 更是相得益彰 —— 人工智能的應(yīng)用范圍大為擴展 , 社會效益日益明顯 。 同時也促進了人工智能技術(shù)的進一步發(fā)展 。 第 1 章 人工智能概述 人工智能的現(xiàn)狀和發(fā)展呈現(xiàn)出如下特點 : —— 多種途徑齊頭并進 , 多種方法協(xié)作互補 。 —— 新思想 、 新技術(shù)不斷涌現(xiàn) ,新領(lǐng)域 、 新方向不斷開拓 。 特別是在人工智能的總體研究方向上 , 我國的涂序彥教授提出的 “ 廣義智能信息系統(tǒng)論 ” 、 潘云鶴院士提出的 “ 人工形象智能 ” 和李德毅院士提出的 “ 不確定性人工智能 ” 值得一提 。 —— 理論研究更加深入 , 應(yīng)用研究愈加廣泛 。 第 1 章 人工智能概述 —— 研究隊伍日益壯大 , 社會影響越來越大 。 主要表現(xiàn)為: 大專院校和科研院所中與智能相關(guān)的學科 、 專業(yè)和研究方向越來越多 (國內(nèi)的許多大學甚至已開設(shè)了智能科學與技術(shù)專業(yè) )。 社會上與人工智能有關(guān)的組織 、 團體 、 刊物 、 網(wǎng)站 、 公司日漸增多 , 相關(guān)活動 、 會議日益頻繁 。人工智能的產(chǎn)品 、 系統(tǒng) 、 工程幾乎應(yīng)有盡有 。人工智能的有關(guān)新聞報道頻頻出現(xiàn) 。 總之 , 以上特點展現(xiàn)了人工智能學科的繁榮景象和光明前景 。 它表明 ,雖然在通向其最終目標的道路上 , 還有不少困難 、 問題和挑戰(zhàn) , 但前進和發(fā)展畢竟是大勢所趨 。