【正文】 ?這些方法。 r e d 0 . 3 3w h it e 0 . 5 g r e e nsp lit _ xsp lit _ yr o o tr e d 0 . 3 3w h i t e 0 . 5y e l l o w 0 . 5 g r e e nsp l i t _ ysp l i t _ xsp l i t _ yr o o twhite green split_y root 進(jìn)化算法的基礎(chǔ)思想 ?基本思想： (美國(guó)密執(zhí)安大學(xué)霍蘭德教授 1962提出 )是使用模擬生物和人類進(jìn)化的方法來(lái)求解復(fù)雜問(wèn)題。 經(jīng)典集合 vs. 模糊集合 A traditional crisp set A fuzzy set ?進(jìn)化計(jì)算是一種模擬自然界生物進(jìn)化過(guò)程與機(jī)制進(jìn)行問(wèn)題求解的自組織、自適應(yīng)的隨機(jī)搜索技術(shù)。模糊邏輯可以比較自然地處理人的概念，它是一種通過(guò)模仿人的思維方式來(lái)表示和分析不確定、不精確信息的方法和工具 . ?模糊邏輯突破了傳統(tǒng)邏輯的思維模式，對(duì)于深刻研究人類的認(rèn)識(shí)能力具有舉足輕重的作用。它主要用來(lái)處理現(xiàn)實(shí)世界中因模糊而引起的不確定性。 異或 (Exclusive –OR)問(wèn)題 g（ x， y） y 0 1 x 0 0 1 1 1 0 X y ?由于當(dāng)時(shí)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。 感知器模型 (perceptron model) 感知器模型如圖 I/O關(guān)系為 00101 { ?????? ?yyniiiiybpwy例 解 首先定義輸入矢量及相應(yīng)的 目標(biāo)矢量： P=[ – 。感知機(jī)雖然比較簡(jiǎn)單，卻已具有神經(jīng)網(wǎng)絡(luò)的一些基本性質(zhì)，如分布式存貯、并行處理、可學(xué)習(xí)性、連續(xù)計(jì)算等。雖然 Hebb學(xué)習(xí)規(guī)則在人們研究神經(jīng)網(wǎng)絡(luò)的初期就已提出，但是其基本思想至今在神經(jīng)網(wǎng)絡(luò)的研究中仍發(fā)揮著重要作用。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(guò)程問(wèn)題。 較強(qiáng)的學(xué)習(xí)能力 ：神經(jīng)網(wǎng)絡(luò)是通過(guò)所研究系統(tǒng)過(guò)去的數(shù)據(jù)記錄進(jìn)行訓(xùn)練的。 信息的分布表示 記憶在大量元中，每個(gè)元存在許多信息的部分內(nèi)容，信息在神經(jīng)網(wǎng)絡(luò)中的記憶反映在神經(jīng)元間的突觸連接強(qiáng)度上（ weights）。它反映的是神經(jīng)元的飽和特性 . 分段線性強(qiáng)飽和型 (Linear Saturation) S型 (Sibmoid) 這種模型又稱為偽線性，其輸入 /輸出之間在一定范圍內(nèi)滿足線性關(guān)系，一直延續(xù)到輸出為最大值 1為止。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(gè)階躍函數(shù)，他表示激活值 σ和輸出之間的關(guān)系。其輸入為： ??niiiwx1 其輸出為 ???????? ???iniiwxfy1， 其中， f 稱為神經(jīng)元功能函數(shù)或作用函數(shù)。 細(xì) 胞 體突觸軸 突樹突圖 1 2 . 2 生 物 神 經(jīng) 元 功 能 模 型輸入輸出信 息 處 理電 脈 沖形 成傳 輸黑箱 人工神經(jīng)元的結(jié)構(gòu) θ … x1 x2 xn w1 w2 wn y 下圖是一個(gè) MP神經(jīng)元模型 MP 模型將神經(jīng)元看作二進(jìn)制閾值元件的簡(jiǎn)單模型，圖中的nxxx , 21 ?表示某一神經(jīng)元的n個(gè)輸入；iw表示第i個(gè)輸入的連接強(qiáng)度，稱為連接權(quán)值；?為神經(jīng)元的閾值；y為神經(jīng)元的輸出。 神經(jīng)元產(chǎn)生信號(hào) 靜止膜電位： 當(dāng)沒有輸入信號(hào)時(shí)的膜電位成為靜止膜電位，通常為 70mv 當(dāng)外部有輸入信號(hào)時(shí)，將使膜電位發(fā)生變化，倘若使膜電位升高，比靜止膜電位高 15mv以上，即超過(guò) 55mv（閾值），神經(jīng)元被激活，內(nèi)部電位急劇上升至 100mv左右，并維持約 1ms，然后急劇下降。 ?突觸數(shù)目的增減。當(dāng)某些神經(jīng)纖維被破壞后，可能又會(huì)長(zhǎng)出新芽，并重新產(chǎn)生附著于神經(jīng)元上的突觸．形成新的回路。在突觸表面有許多形狀各異的小凸芽，調(diào)節(jié)其形狀變化可以改變接觸間隙，并影響傳遞效率。其次是突觸傳遞物質(zhì)質(zhì)量的變化，包括比例成分的變化所引起傳遞效率的變化。生理學(xué)的研究歸納有以下幾個(gè)方面的變化： ? 突觸傳遞效率的變化。樹突的長(zhǎng)度一般較短，但數(shù)量很多，它是神經(jīng)元的輸入端，用于接受從其它神經(jīng)元的突觸傳來(lái)的信號(hào) . ?人腦大約由 1011 1012個(gè)神經(jīng)元所組成，每個(gè)細(xì)胞體大約有 103— 104個(gè)突觸 (輸出 ). ?小腦中的每個(gè)神經(jīng)元大約有 105個(gè)突觸，并且每個(gè)突觸都可以與別的神經(jīng)元的一個(gè)樹突相連 . ?人腦神經(jīng)系統(tǒng)就是由這些巨量的生物神經(jīng)元經(jīng)廣泛并行互連所形成的一個(gè)高度并行性、非常復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng) . ?神經(jīng)元之間的聯(lián)系主要依賴其突觸的聯(lián)接作用。在軸突的末端形成了許多很細(xì)的分枝，這些分支叫神經(jīng)末梢 . 每一條神經(jīng)末梢可以與其它神經(jīng)元形成 功能性接觸 ，該接觸部位稱為 突觸 。 ?與之形成對(duì)比的是，聯(lián)接主義 (神經(jīng)網(wǎng)絡(luò) )的研究蓬勃發(fā)展，在理論和應(yīng)用上均取得了令人矚目的成就，占據(jù)人工智能的主導(dǎo)地位。 人工智能的新生：計(jì)算智能 ?80年代，符號(hào)主義 AI的研究未能取得應(yīng)有進(jìn)展，再加上日本第五代計(jì)算機(jī)研制的失敗，使符號(hào)主義的研究受到挫折。人工智能雖然作出了許多令人鼓舞的工作，但在前進(jìn)的道路上，還面臨著相當(dāng)難以克服的障礙。幾個(gè)月之后，它將具有天才的智力，再過(guò)幾個(gè)月，它的智力將無(wú)以倫比。這樣的機(jī)器能讀懂莎士比亞的著作，會(huì)給汽車上潤(rùn)滑油，會(huì)玩弄政治權(quán)術(shù)，能講笑話，會(huì)爭(zhēng)吵。 ── 不出 10年，大部分心理學(xué)理論將采取電腦的程序形式。換上其它傳感器和用其它動(dòng)物，我們還可開發(fā)其它用途。一旦動(dòng)物做對(duì)了，可以給一定食物獎(jiǎng)勵(lì)。經(jīng)過(guò)訓(xùn)練的動(dòng)物可以根據(jù)這些信號(hào)執(zhí)行一些簡(jiǎn)單的指令，而一個(gè)復(fù)雜的動(dòng)作可由一系列簡(jiǎn)單的動(dòng)作來(lái)完成。 研究者可通過(guò)腦刺激來(lái)控制動(dòng)物的行為，但仔細(xì)分析表明，在個(gè)體較大的動(dòng)物，其實(shí)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(shí)驗(yàn)室研究。 人工智能動(dòng)物 Nature, 417:3738,2022. 動(dòng)物的腦是可以和電腦結(jié)合在一起，按人類的意志來(lái)控制動(dòng)物的行為的。 電腦與人腦相連接 德國(guó)科學(xué)家已經(jīng)在硅芯片上培植成功一種與人類神經(jīng)細(xì)胞極為相似的老鼠神經(jīng)細(xì)胞，并且可以把神經(jīng)細(xì)胞發(fā)出的電子脈沖信號(hào)傳送到特制傳感器上。人不就可以永生不死！ 電腦與人腦相連接 人工智能的泰斗明斯基教授想用另外的辦法，即把微電腦嵌入人的大腦，以便使“我們能設(shè)計(jì)出我們的‘思維兒童’ ，他們思考問(wèn)題的速度比我們現(xiàn)在快 100萬(wàn)倍。 莫拉維克在書中生動(dòng)地描述了 人怎樣把思維輸入電腦 ，以及這一切怎樣在未來(lái) 50年之內(nèi)變成現(xiàn)實(shí)。” 人腦復(fù)制 1988年，美國(guó)最負(fù)盛名的學(xué)術(shù)出版機(jī)構(gòu)哈佛大學(xué)出版社，出版了一本 《 思維兒童 》 的專著（有人譯作 《 換腦兒童 》 ），作者是卡內(nèi)基 —梅隆大學(xué)活動(dòng)機(jī)器人實(shí)驗(yàn)室主任漢斯 一位作家則說(shuō)：“從本質(zhì)上講，‘你’不是肉體，而是你的記憶。 信息的輸入 ?聽覺（耳）、視覺（眼）、嗅覺（鼻）、觸（皮）覺、味覺（嘴） ?計(jì)算機(jī)（鍵盤、鼠標(biāo)， 0和 1） 人腦與電腦 從以上這些數(shù)字看，人類的大腦不啻于世界上最復(fù)雜、最高級(jí)、最有效、儲(chǔ)存容量最大的超級(jí)計(jì)算機(jī)。如果人活到 100歲，將會(huì)有 10億個(gè)神經(jīng)細(xì)胞功能失效，約占總數(shù)的 1/10。但是，人的大腦細(xì)胞具有自行組合和分裂的活性，構(gòu)成了高度可靠的“自適應(yīng)系統(tǒng)”。右腦的功能不可替代，只能靠人自己培養(yǎng)和發(fā)揮。 人腦與電腦 ?左腦的功能是抽象概括思維，這種思維必須借助于語(yǔ)言和其他符號(hào)系統(tǒng)，主管“說(shuō)話”、“寫字”、“計(jì)算”、“分析”等 . ?右腦的功能是感性直觀思維，這種思維不需要語(yǔ)言的參加，比如掌管“音樂(lè)”、“美術(shù)”、“立體感覺”等。 表情識(shí)別 ?日前美國(guó)加州大學(xué)圣迭哥分校的一位計(jì)算機(jī)博士生就開發(fā)了這樣一套非常有趣的系統(tǒng)。 據(jù)前蘇聯(lián)學(xué)者阿諾克欣測(cè)算，一個(gè)普通的大腦擁有的神經(jīng)突觸連接和沖動(dòng)傳遞途徑的數(shù)目， 是在 1后面加上 1000萬(wàn)公里長(zhǎng)的、用標(biāo)準(zhǔn)打字機(jī)打出的那么多個(gè)零！但是，由如此龐大數(shù)目元件構(gòu)成的大腦，平均重量不足 1400克，平均體積約為 ， 消耗的總功率只有 10瓦。人類大腦有 140多億個(gè)腦神經(jīng)細(xì)胞，每個(gè)細(xì)胞都與另外 5萬(wàn)個(gè)其他細(xì)胞相互連結(jié)。 語(yǔ)音合成技術(shù) ?至于“會(huì)說(shuō)話”的電腦，目前基本上有兩種解決方案，其一是“真人發(fā)聲”，即事先錄制好人說(shuō)的話語(yǔ)，再由電腦來(lái)“鸚鵡學(xué)舌”，這當(dāng)然只能局限為某些特定的話語(yǔ)；其二是語(yǔ)音合成，早期電腦合成的語(yǔ)音聽起來(lái)就像在“念字”、“說(shuō)詞”而不是“說(shuō)話”，無(wú)法做到抑揚(yáng)頓挫、聲情并茂的誦讀。 視覺識(shí)別 語(yǔ)音識(shí)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(kù)量是 ，同時(shí)增加了語(yǔ)音導(dǎo)航功能 。 人類可識(shí)別的模式是什么？ 視覺識(shí)別 一種可能的解決方案是：圖象上的每一點(diǎn)都用一個(gè)神經(jīng)細(xì)胞與之對(duì)應(yīng)并逐一判別，最后綜合為整體；但是，既使只描述圖象局部的大致輪廓，神經(jīng)元的數(shù)目仍不敷使用。但是，對(duì)于什么是“模式”，或者什么是機(jī)器（也包括人）能夠辨認(rèn)的模式，迄今尚無(wú)確切的定義。 人們看到一臺(tái)電腦正在分辨人用點(diǎn)頭或搖頭表示 YES和 NO的動(dòng)作，還有電腦跟蹤人眼的指向，在眼睛的指揮下，下了一盤“三子棋”。 當(dāng)介紹到微軟正在著手開發(fā)手寫輸入和語(yǔ)音識(shí)別軟件時(shí)，比爾 會(huì)看、會(huì)聽、會(huì)說(shuō)的機(jī)器 ?1997年 12月，美國(guó)微軟公司比爾 第五代計(jì)算機(jī) 1992年 6月，就在“五代機(jī)”計(jì)劃實(shí)施整整 10年之際， ICOT展示了它研制的五代機(jī)原型試制機(jī)，由64臺(tái)處理器實(shí)現(xiàn)了并行處理，已初步具備類似人的左腦 的先進(jìn)功能，可以對(duì)蛋白質(zhì)進(jìn)行高精度分析，已經(jīng)在基因研究中發(fā)揮了作用。 只需要告訴作什么而不需要告訴怎么做！ 第五代計(jì)算機(jī) ―五代機(jī)”的命運(yùn)是悲壯的。 第五代計(jì)算機(jī) 日本人宣稱這種機(jī)器將以 Prolog(人工智能語(yǔ)言 )為機(jī)器的語(yǔ)言，其應(yīng)用程序?qū)⑦_(dá)到知識(shí)表達(dá)級(jí)，具有聽覺、視覺甚至味覺功能，能夠聽懂人說(shuō)話，自己也能說(shuō)話，能認(rèn)識(shí)不同的物體，看懂圖形和文字。諾依曼瓶頸”。 第五代計(jì)算機(jī) 1982年夏天，日本“新一代計(jì)算機(jī)技術(shù)研究所”（ ICOT）， 40位年輕人 在 淵一博 帶領(lǐng)開始了新一代計(jì)算機(jī)機(jī)的研究。 縱觀人類科學(xué)技術(shù)發(fā)展歷史，當(dāng)一門科學(xué)技術(shù)的各組成部分，分別發(fā)展到一定階段時(shí)，總是需要有人出來(lái)作綜合工作，將分散的理論與實(shí)踐成果集成為系統(tǒng)。 人們把這種順序執(zhí)行（串行） 已儲(chǔ)存程序的電腦類型統(tǒng)稱為“諾依曼機(jī)”。 這種體系必須不折不扣地執(zhí)行人們預(yù)先編制、并且已經(jīng)儲(chǔ)存的程序， 不具備主動(dòng)學(xué)習(xí)和自適應(yīng)能力。 諾依曼機(jī) 我們知道，從用電子管制作的 ENIAC， 直到用超大規(guī)模集成電路設(shè)計(jì)的微型電腦，都毫無(wú)例外遵循著 40年代馮 它的推理規(guī)則稱為“產(chǎn)生式規(guī)則”，類似于：“ IF（打噴嚏） OR（鼻塞） OR（咳嗽）， THEN（有感冒癥狀）”這種醫(yī)生診斷疾病的經(jīng)驗(yàn)總結(jié)，最后顯示出它“考慮”的可能性最高的病因，并以給出用藥的建議而結(jié)束。 在 MYCIN的知識(shí)庫(kù)里，大約存放著 450條判別規(guī)則和1000條關(guān)于細(xì)菌感染方面的醫(yī)學(xué)知識(shí)。該專家系統(tǒng)為 AI的發(fā)展樹立了典范，其意義遠(yuǎn)遠(yuǎn)超出了系統(tǒng)本身在實(shí)用上創(chuàng)造的價(jià)值。動(dòng)物識(shí)別系統(tǒng) 附：規(guī)則（知識(shí)） r1： if 該動(dòng)物有毛發(fā) then 該動(dòng)物是哺乳動(dòng)物 r2： if 該動(dòng)物有奶 then 該動(dòng)物是哺乳動(dòng)物 r3： if 該動(dòng)物有羽毛 then 該動(dòng)物是鳥 r4： if 該動(dòng)物會(huì)飛 and 會(huì)下蛋 then 該動(dòng)物是鳥 r5： if 該動(dòng)物吃肉 then 該動(dòng)物是食肉動(dòng)物 r6： if 該動(dòng)物有犬齒 and 有爪 and 眼盯前方 th