【正文】 它從初始種群出發(fā)，采用優(yōu)勝略汰、適者生存的自然法則選擇個體，并通過雜交、變異產生新一代種群，如此逐代進化，直到滿足目標為止 。特別是它與專家系統(tǒng)、神經網絡以及控制理論的結合，在 AI研究中扮演重要角色。 (學術權威 M. L. Minsky，明斯基和 S. Papert ) 模糊 (Fuzzy) 美國加州大學扎德 (Zadeh)教授于 1965年提出的模糊集合與模糊邏輯理論是模糊計算的數(shù)學基礎。 ?這些神經網絡的特性與當時流行串行的、離散的、符號處理的電子計算機及其相應的人工智能技術有本質上的不同，由此引起許多研究者的興趣，在 60代掀起了神經網絡研究的第一次高潮。 ?1949年心理學家 Hebb提出著名的 Hebb學習規(guī)則，即由神經元之間結合強度的改變來實現(xiàn)神經學習的方法。 運算的全局并行和局部操作 ：神經網絡具有高度的并行結構和并行實現(xiàn)能力，因而能夠有較好的耐故障能力和較快的總體處理能力 處理的非線性 ：神經網絡具有固有的非線性特性，這源于其近似任意非線性映射（變換）能力。 這是一種連續(xù)的神經元模型，其輸入輸出特性常用指數(shù)、對數(shù)或雙曲正切等 S型函數(shù)表示?？梢?，人工神經元是一個具有多輸入，單輸出的非線性器件。由于種種復雜環(huán)境條件的刺激等原因，或者由于動物本身的生長或衰老，神經系統(tǒng)的突觸數(shù)目會發(fā)生變化，并影響神經元之間的傳遞效率。 ?突觸的發(fā)芽。首先是突觸的膨脹以及由此產生的突觸后膜表面積擴大，從而突觸所釋放出的傳遞物質增多，使得突觸的傳遞效率提高。所謂功能性接觸，是指非永久性的接觸，這正是神經元之間傳遞信息的奧秘之處 . 樹突 是指由細胞體向外延伸的除軸突以外的其它所有分支。然而科學并未因此而停滯不前，它總是在可以突破的地方首先契入進去?！? 人工智能的現(xiàn)狀 人工智能先驅這些充滿樂觀的預言，除了 40年后電腦戰(zhàn)勝了卡斯帕洛夫之外，其余的直到現(xiàn)在依然遠沒有被實現(xiàn)，甚至引發(fā)長時期無休無止的爭論和哲學意義上的思辯。 ?1970年，明斯基所作的預言卻有些離譜： “在三年到八年的時間里，我們將研制出具有普通人一般智力的計算機。 我們的“人工智能猴”的示意圖 ?利用這樣的載體和安裝在其上的傳感器，比如攝像機，我們可以接近人類不能親自到達的場所，比如探雷，偵察，到地震廢墟中，到倒塌的礦洞里尋找存活人員，到車子底盤下尋找毒品，爆炸物。 ?如將計算機的指令變成動物可以接受的信息模式，比如聲音信號，顏色，圖形信號。由此看來，人機連“腦”不是夢，人腦與電腦相連能優(yōu)勢互補，可以彌補人類記憶和運算能力的不足，大大增強人腦的功能。 人腦復制 按照莫拉維克等人的設想，一旦我們能夠把思維轉移到計算機或者儲存介質中，既使原件（大腦）受到損傷或者衰老，仍然可以把它拷貝到新克隆出的大腦中，先 FORMAT（格式化），再 COPY（拷貝）。這個本質上的‘你’可以在計算機里保存，變成 IBM電腦里的磁性脈沖收集品。即使在這種嚴重的故障面前，大腦仍然可以正常地運作。 人腦與電腦 對于電腦來說，只要某一個小部件出了毛病，就會導致整個機器癱瘓。它將表情識別系統(tǒng)和教學系統(tǒng)整合在一起，通過表情的探測來了解學生對于教學內容的反應，從而對教程進行改進。比目前全球電話網還要復雜 1500倍。在普通話的基礎上能適應廣東、四川、上海三種口音，識別率提高了 20個百分點以上，平常速度口音讀一般文章的識別率達到了 85%～ 95%，只需訓練 5個詞、 3句話， 5分鐘左右即可建立一個語音模型，使中文語音識別技術取得了實質性突破，語音識別終于走到了用戶面前。 我們只能形象地解釋說，人之所以能識別圖象、聲音、動作，文字字形、面部表情等等，因為它們都存在著反映其特征的 某種模式 。蓋茨當場為聽眾播放了一段電腦識別人體語言的錄像，精彩的情節(jié)引起了與會者濃厚的興趣。 1992年，它重新開始實施“現(xiàn)實世界計算機”計劃，接著研制具有類似于人的 右腦 功能的計算機。人們不再需要為它編寫程序指令，只需要口述命令，它自動推理并完成工作任務。 “新一代計算機”的主要目標之一是突破電腦所謂“馮 達特莫斯會議以來數(shù)十年間，除了在問題求解（包括機器博弈、定理證明等）、專家系統(tǒng)、 模式識別，人工智能在自然語言理解、自動程序設計、機器人學、知識庫的智能檢索等各種不同的領域，都開拓出極其廣闊的應用前景。諾依曼為它們確定的體系結構。它一邊與用戶進行對話，一邊進行推理診斷。在輸入化學分子式和質譜圖等信息后，它能通過分析推理決定有機化合物的分子結構，其分析能力已經接近、甚至超過了有關化學專家的水平。也 稱 動 態(tài) 數(shù) 據 庫 ， 主要 存 儲 著 與 專 家 系 統(tǒng)推 理 相 關 的 數(shù) 據 ， 包括 用 戶 輸 入 的 信 息（ 也 叫 “ 事 實 ” ） 、推 理 過 程 中 產 生 的 新信 息 以 及 推 理 所 得 到的 結 論 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 。 It_is(X)表示該動物屬于 X類別 。 ? 知識表示遵循的思路 產生式規(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。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驗知識，這是他頭腦中最具魅力的知識瑰寶 。 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 ──專家的知識經驗之間建造橋梁 。人工智能重新獲得人們的普遍重視，逐步跨進了復興期。 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。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”。 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 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。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。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 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)，為神經網絡計算機走向市場打下基礎。 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=[ – 。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) 。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 。 鑒于圖靈是用行為來判斷機器是否具有智能，麻省理工學院 溫斯頓 （ P. Winston）在 AI教科書里下定義說：“人工智能就是研究如何使計算機去做過去只有人才能做的智能的工作。 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。如果機器能夠執(zhí)行這種任務，就可以認為機器已具有某種性質的“人工智能”。 注 智能是相對的、發(fā)展的。 “進行抽象思維的能力” 。 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?！薄? 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上，首次提出了“人工智能” （ Artificial Intelligence）這一術語，標志著人工智能（ AI）作為一門新興學科正式誕生。 達特莫斯會議 1956年夏天， 美國達特莫斯大學召開了 一次影響深遠的歷史性會議。 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。 NP 問題 ?在計算機學科中，存在多項式時間的算法的一類問題，稱之為 P類問題；而像梵塔問題、推銷員旅行問題、至今沒有找到多項式時間算法解的一類問題，稱之為 NP類問題。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。 Wiener創(chuàng)立控制論， Shannon創(chuàng)立信息論 維納開始考慮計算機如何能像大腦一樣工作。 ?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 McCulloch和 Pitts建立神經網絡數(shù)學模型，通過模擬人腦實現(xiàn)智能，開創(chuàng)人工神經網絡研究。 MP模型 ?在 1943年沃侖 ?他是美國國家科學院、秘魯國立自然科學院和意大利國立林且學院等院的院土。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。數(shù)學家和藹可親，沒有一點架子，耐心地為戈德斯坦排憂解難。 ? 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。馮 在柏林當了幾年無薪講師后，他轉而攻向物理學，為量子力學研究數(shù)學模型，又使自己在理論物理學領域占據了突出的地位。 考大學前夕，匈牙利政局動蕩，馮 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”。諾依曼送進一所正規(guī)學校就讀。布達佩斯人才濟濟，可一個多月過去，居然沒有一人前往應聘。 ?而經濟學家則反復強調，馮 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 馮 人工智能的物質基礎 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基礎。西蒙（ ）共同獲得。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。 圖靈試驗 上述兩種對話的區(qū)別在于，第一種可明顯地感到回答者是從知識庫里提取簡單的答案，第二種則具有分析綜合的能力，回答者知道觀察者在反復提出同樣的問題。 ?問：請再次回答，你會下國際象棋嗎？ ?答：是的?，F(xiàn)在輪到你走，你應該下那步棋？ 答：（停 15秒鐘后）棋子 R走到 R8處，將軍！ 圖靈測試 ?從表面上看，要使機器回答按一定范圍提出的問題似乎沒有什么困難，可以通過編制特殊的程序來實現(xiàn)。 圖靈測試對計