【正文】 Alan Turing 第 1章 人工智能概述 106 參考書目 ? Stuart Russell / Peter Norvig: AIMA 第 1章 /第 2章 /第 26章 / 第 27章 ? 陸汝鈐 編著 : 人工智能 (上冊 ) 引言 ? Micheal Wooldridge， An introduction to multiagent systems，石純一等譯：多Agent系統(tǒng)引論，電子工業(yè)出版社， 2023 第 1章 人工智能概述 107 附 和人工智能相關的社會倫理問題 ? 人們可能由于自動化而失業(yè) ? 人們可能擁有過多或過少的閑暇時間 ? 人們可能會失去作為人的獨一無二的感覺 ? 人們可能會失去一些個人隱私權 ? 人工智能系統(tǒng)的應用可能會導致責任感的喪失 ? 人工智能的成功可能意味著人類種族的終結 第 1章 人工智能概述 108 為什么在一本技術書中關注社會倫理問題？ ? 一個只有專業(yè)型、科技型的知識分子，而沒有公共性、批判性的知識分子的社會是沒有人文精神的；而沒有人文精神的國度，將是一個什么樣的國度？放眼世界，便一目了然。 1952年起 , 塞繆爾寫了一系列西洋跳棋程序 , 通過學習可達業(yè)余高手的級別 ? MIT: 1958年麥卡錫到了以后作出了三項重要貢獻 /貢獻 1: 定義了 LISP語言 / 貢獻 2: 與MIT其他人發(fā)明了分時技術 / 貢獻 3: 發(fā)表了題為 《 Program with Common Sense》 的論文 , 文中描述了“建議采納者 ”程序 . 該程序?qū)崿F(xiàn)了知識表示和推理的中心原則 : 具備明確的知識表示 , 并能通過演繹過程處理這些表示 第 1章 人工智能概述 64 早期的熱情 , 巨大的期望 (1952~1969)(3) ? Stanford: 1963年麥卡錫啟動了斯坦福的 AI實驗室 , 著重研究邏輯推理的通用方法 (后來如Robinson發(fā)現(xiàn)歸結方法 ) / 以及機器人研究 ? MIT: 1958年明斯基也到了 , 不過他對程序如何實現(xiàn)更感興趣 , 并最終發(fā)展出反邏輯的觀點 / 指導了一系列學生 , 選擇那些顯然需要智能才能解決的受限問題 / 貢獻 : 微世界 模型 ? MIT: 最著名的微世界是積木世界 , 在此基礎上完成了許多研究工作如 : 視覺項目、自然語言理解項目 (Terry Winograd)、規(guī)劃器等 第 1章 人工智能概述 65 現(xiàn)實的困難 (1966~1973)(1) ? 早期 AI研究者過于盲目的樂觀態(tài)度 , 10年預見 , 而實際上至少 40年 ? 早期的 AI系統(tǒng)在試圖解決更寬范圍和更難的問題時 , 都悲慘地失敗了 / 原因何在 ? ? 第一類困難 : 缺少主題知識 (通用而非專門化 ) ? 典型例子 : 機器翻譯 (MT) / 最早對 AI研究的發(fā)難始于機器翻譯 (1966ALPAC報告 ) ? 時至今日 , MT研究仍然不完善但是被廣泛期待，也在作為一種輔助文檔處理工具 第 1章 人工智能概述 66 現(xiàn)實的困難 (1966~1973)(2) ? 第二類困難： AI試圖解決的很多問題是不可操作的 (NP類 ) ? 在計算復雜性理論建立之前 , 對“問題放大” (從玩具到現(xiàn)實 )的認識局限于速度和存儲容量 ? 例子 : 包含超過幾十條事實的定理證明 / 早期遺傳算法實驗 (1958~59) ? 無限計算能力的幻覺 : 程序原則上能夠找到解并不意味著程序?qū)嶋H上包含找到解的機制 ? 1973年英國政府在 Lighthill報告之后終止了除 2所大學以外所有的 AI研究資助 第 1章 人工智能概述 67 現(xiàn)實的困難 (1966~1973)(3) ? 第三類困難：用于產(chǎn)生智能行為的基本結構存在某些限制 ? 例子： 1969年 Minsky和 Papert證明了感知器 —簡單的神經(jīng)網(wǎng)絡所能表示的東西很少(單層感知器對 XOR函數(shù) ) ? 神經(jīng)網(wǎng)絡研究由此沉寂了 20年 , 直到 80年代后期多層網(wǎng)絡的反向傳播算法出現(xiàn)引起了神經(jīng)網(wǎng)絡的復興 ? 這一算法首次發(fā)現(xiàn)恰恰是在 1969年發(fā)現(xiàn)的(Bryson Ho) 第 1章 人工智能概述 68 基于知識的系統(tǒng) : 力量的鑰匙 ? (1969~1979)(1) ? 早期研究中的通用搜索機制稱為 弱方法 , 通用但不能擴展到大規(guī)模問題或困難問題 ? 需要更強有力的、領域相關的知識 ? DENDRAL是第一個成功的知識密集型系統(tǒng) , 1969年在 Stanford開發(fā) , 參與者包括 Ed Feigenbaum等，根據(jù)質(zhì)譜儀信息推斷分子結構 / 該系統(tǒng)改進后 , 把知識和推理部分清楚地劃分開 —80年代專家系統(tǒng)的典型結構 第 1章 人工智能概述 69 基于知識的系統(tǒng) : 力量的鑰匙 ? (1969~1979)(2) ? 由 DENDRAL系統(tǒng)開始的 專家系統(tǒng) 方法論又應用到其他需要人類專家知識的領域 : MYCIN—檢測血液感染的專家系統(tǒng) ? MYCIN知識庫的特點 : 直接來自經(jīng)驗 / 反映出知識的不確定性 ? 自然語言理解領域的專家系統(tǒng) : ? 耶魯大學 Roger Schank和其學生們開發(fā)的一系列程序 (1977~1983) 第 1章 人工智能概述 70 AI成為工業(yè) (1980~現(xiàn)在 )(1) ? 1982年 , 第一個成功的商用專家系統(tǒng) R1在DEC公司開始運轉(zhuǎn) , 到 1986年為止每年為公司節(jié)省 4千萬美元 ? 美國主要公司都曾開發(fā)或使用專家系統(tǒng) ? AI工業(yè)在 1980年只是幾百萬美元 , 1988年漲到數(shù)十億美元 ? 但很快又進入了“ AI的冬天”時期 第 1章 人工智能概述 71 AI成為工業(yè) (1980~現(xiàn)在 )(2) ? 在八十年代的 AI研究熱潮中 , 1981年日本提出五代機計劃 , 目的是建造運行 Prolog程序的智能機 ? 美國則對應成立了 MCC研究集團 ? 其中的 AI部分從未實現(xiàn)其野心勃勃的目標 ? 實際上，“ AI成為工業(yè)”目前在一些家電中可以找到影子 (智能洗衣機等 ) 第 1章 人工智能概述 72 神經(jīng)網(wǎng)絡的回歸 (1986~現(xiàn)在 ) ? 神經(jīng)網(wǎng)絡 : Frank Rosenblatt1962年提出感知器 , 證明了感知器收斂定理 / 但 1969年以后沉寂 ? 反向傳播算法引起了神經(jīng)網(wǎng)絡研究的復興 ? Rumelhart和 McClelland的文集引起反響 ? 連接主義 方法崛起，被認為是 Newell和 Simon提出的符號模型和 McCarthy主張的邏輯方法的直接競爭者 ? 當前的觀點是：連接主義和符號主義方法是互補的 第 1章 人工智能概述 73 AI成為科學 (1987~現(xiàn)在 )(1) ? 近年來， AI研究在內(nèi)容和方法論方面的特點： ? 在已有的理論基礎上進行研究而不是提出嶄新理論 ? 理論建立在嚴格定理或者確鑿實驗證據(jù)基礎上而不是靠直覺 ? 顯示與現(xiàn)實世界應用的相關性而不是與玩具樣例的相關性 第 1章 人工智能概述 74 AI成為科學 (1987~現(xiàn)在 )(2) ? 從對控制論和統(tǒng)計學的某種叛逆到開始接受這些領域的理論和方法 ? 通過互連網(wǎng)進行測試數(shù)據(jù)和程序代碼的共享 ? 典型：語音識別中 HMM模型應用 / 貝葉斯網(wǎng)絡 第 1章 人工智能概述 75 智能化智能體出現(xiàn) (1995~現(xiàn)在 ) ? 重新審視“完整智能體” ： SOAR系統(tǒng)上的工作 (1987~1990) ? 環(huán)境約束 : 目標是理解嵌入真實環(huán)境的智能體的工作 / 目前最重要的智能化智能體環(huán)境是 Inter, AI技術成為重要的 Inter工具 ? 為什么要采納智能體觀點 ? ? AI目前分離的子領域需要重新組織起來 , 至少當它們的結果需要聯(lián)系在一起的時候 ? AI與其他涉及智能體的領域的聯(lián)系被拉近了(如控制論和經(jīng)濟學 ) 第 1章 人工智能概述 76 弱人工智能和強人工智能 ? 弱人工智能 (Weak AI)的斷言 : “機器能夠智能地行動 ” ? 強人工智能 (Strong AI)的斷言 : “能夠如此行事的機器確實是在思考” ? 大多數(shù) AI研究者認為弱人工智能假設是當然的 / 本質(zhì)上 , AI尋求的是在給定的體系結構之上最好的智能體程序 / 對于弱人工智能的假設 , AI的成就可以證明 ? 關于強人工智能，更多的是哲學上的爭論 第 1章 人工智能概述 77 AI成就 vs 異議 (1) ? 圖靈曾考察過對智能機器的質(zhì)疑 ? 質(zhì)疑 1: 能力缺陷 ? 實踐證明 : 計算機能夠和人一樣做很多工作 , 有些做得甚至更好 ? 例子 : 下棋 /裝配線零件檢查 /駕駛汽車 /診斷疾病 ? 質(zhì)疑 2: 數(shù)學異議 —機器是受到不完備性定理限制的形式系統(tǒng) , 而人類則沒有這樣的局限性 第 1章 人工智能概述 78 AI成就 vs 異議 (2) ? 我們同意計算機在其所能證明的事物上具有局限性 , 但也沒有證據(jù)表明人類對于這些局限是免疫的 —因為人類的嚴謹證明本身要包含一個對所宣稱不可形式化的人類天賦的形式化表示 / 我們不可能證明人類不服從哥德爾不完備性定理 , 最終不得不求助于直覺 ? 質(zhì)疑 3: 限制問題 —“無法用一個邏輯規(guī)則集合捕捉每件事物” ? 實踐證明 : AI一直在發(fā)展 , 被質(zhì)疑的“老式 AI”已經(jīng)發(fā)生了改變 , 他們所關注的許多問題已經(jīng)得到解決 第 1章 人工智能概述 79 智能體與環(huán)境 智能體的組成 理性智能體 任務環(huán)境與例子 任務環(huán)境的屬性 第 1章 人工智能概述 80 智能體與環(huán)境 ? 智能體：通過傳感器感知所處環(huán)境并通過執(zhí)行器對該環(huán)境產(chǎn)生作用的計算機程序及其控制的硬件 ? 感知信息：表示任意給定時刻智能體的感知輸入 / 感知序列：該智能體所收