【正文】 ?????? ,cabfd??? 計(jì)算機(jī)視覺(jué)的一個(gè)主要目標(biāo)是使計(jì)算機(jī)具有通過(guò)二維圖像認(rèn)知三維環(huán)境信息的能力。人們視野中的物體在可見(jiàn)光的照射下，先在眼睛的視網(wǎng)膜上形成圖像，然后由感光細(xì)胞轉(zhuǎn)換成神經(jīng)脈沖信號(hào)，再經(jīng)神經(jīng)纖維傳入大腦皮層，最后由大腦皮層對(duì)其進(jìn)行處理與理解。 重要性 在人類(lèi)感知到的外界信息中，有 80%以上是通過(guò)視覺(jué)得到的。 光感受器細(xì)胞 光信號(hào) 神經(jīng)節(jié)細(xì)胞 神經(jīng)信號(hào) 計(jì)算機(jī)視覺(jué) 不僅僅指對(duì)光信號(hào)的感受，它包括了對(duì)視覺(jué)信息的獲取、傳輸、處理、存儲(chǔ)與理解的全過(guò)程。 41 機(jī)器感知 1. 機(jī)器視覺(jué)（ 1/2） 視覺(jué)系統(tǒng) 人類(lèi)視覺(jué)系統(tǒng)的功能是通過(guò)眼睛與大腦共同實(shí)現(xiàn)的。 傳統(tǒng)的數(shù)據(jù)庫(kù)技術(shù)僅限于對(duì)數(shù)據(jù)庫(kù)的查詢(xún)和檢索，不能夠從數(shù)據(jù)庫(kù)中提取知識(shí)，使得數(shù)據(jù)庫(kù)中所蘊(yùn)含的豐富知識(shí)被白白浪費(fèi)。 40 機(jī)器學(xué)習(xí) 3. 知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘 知識(shí)發(fā)現(xiàn) (Knowledge Discover)和數(shù)據(jù)挖掘 (Data Mining)是在數(shù)據(jù)庫(kù)的基礎(chǔ)上實(shí)現(xiàn)的一種知識(shí)發(fā)現(xiàn)系統(tǒng)。 Hopfield網(wǎng)絡(luò)學(xué)習(xí) 實(shí)際上是要尋求系統(tǒng)的穩(wěn)定狀態(tài)，即從網(wǎng)絡(luò)的初始狀態(tài)開(kāi)始，逐漸向其穩(wěn)定狀態(tài)過(guò)渡，直至達(dá)到穩(wěn)定狀態(tài)為止。這種學(xué)習(xí)算法的學(xué)習(xí)過(guò)程由輸出模式的正向傳播過(guò)程和誤差的反向傳播過(guò)程所組成。 神經(jīng)學(xué)習(xí)的類(lèi)型 感知器學(xué)習(xí) 實(shí)際上是一種基于糾錯(cuò)學(xué)習(xí)規(guī)則，采用迭代的思想對(duì)連接權(quán)值和閾值進(jìn)行不斷調(diào)整，直到滿(mǎn)足結(jié)束條件為止的學(xué)習(xí)算法?，F(xiàn)有研究表明，人腦的學(xué)習(xí)和記憶過(guò)程都是通過(guò)神經(jīng)系統(tǒng)來(lái)完成的。 演繹學(xué)習(xí) 是指以演繹推理為基礎(chǔ)的學(xué)習(xí)，解釋學(xué)習(xí)是一種演繹學(xué)習(xí)方法，它是在領(lǐng)域知識(shí)的指導(dǎo)下，通過(guò)對(duì)單個(gè)問(wèn)題求解例子的分析，構(gòu)造出求解過(guò)程的因果解釋結(jié)構(gòu)，并對(duì)該解釋結(jié)構(gòu)進(jìn)行概括化處理，得到一個(gè)可又來(lái)求解類(lèi)似問(wèn)題的一般性知識(shí)。 歸納學(xué)習(xí) 是指以歸納推理為基礎(chǔ)的學(xué)習(xí)，它是機(jī)器學(xué)習(xí)中研究得較多的一種學(xué)習(xí)類(lèi)型，其任務(wù)是要從關(guān)于某個(gè)概念的一系列已知的正例和反例中歸納出一個(gè)一般的概念描述。 符號(hào)學(xué)習(xí)的類(lèi)型 可根據(jù)學(xué)習(xí)策略，即學(xué)習(xí)中所使用的推理方法，將其分為記憶學(xué)習(xí)、歸納學(xué)習(xí)、演繹學(xué)習(xí)等。 機(jī)器學(xué)習(xí)是機(jī)器獲取知識(shí)的根本途徑，同時(shí)也是機(jī)器具有智能的重要標(biāo)志。 狀態(tài)空間包括初始狀態(tài)、中間狀態(tài)和目標(biāo)狀態(tài)； 中間 結(jié)局分析的每一步都選擇能夠縮小當(dāng)前狀態(tài)與目標(biāo)狀態(tài)之間的差距的先決條件可以滿(mǎn)足的 F規(guī)則執(zhí)行，直至到達(dá)目標(biāo)為止。 (2) 操作符（即 F規(guī)則） ：它包括先決條件、刪除表和添加表。 規(guī)劃系統(tǒng)的例子 斯坦福研究所問(wèn)題求解系統(tǒng)（ Stanford Research Institute Problem Solver， STRIPS ），是一種基于狀態(tài)空間和 F規(guī)則的規(guī)劃系統(tǒng)。 規(guī)劃的特點(diǎn) 與一般問(wèn)題求解技術(shù)相比，規(guī)劃更側(cè)重于問(wèn)題求解過(guò)程，并且要解決的問(wèn)題一般是真實(shí)世界的實(shí)際問(wèn)題，而不是抽象的數(shù)學(xué)模型。 研究博弈的目的： 不完全是為了讓計(jì)算機(jī)與人下棋，而主要是為了給人工智能研究提供一個(gè)試驗(yàn)場(chǎng)地，同時(shí)也為了證明計(jì)算機(jī)具備有智能。在國(guó)內(nèi)，有關(guān)學(xué)者也正在積極研究中國(guó)象棋的機(jī)器博弈。 狀態(tài)空間的啟發(fā)式搜索 方法 與 /或樹(shù)的啟發(fā)式搜索 方法 博弈樹(shù)搜索： 博弈是一個(gè)典型的搜索問(wèn)題。 搜索的類(lèi)型： 可根據(jù)問(wèn)題的表示方式將其分為兩大類(lèi)型 狀態(tài)空間搜索 是一種用狀態(tài)空間法求解問(wèn)題時(shí)的搜索方法； 與 /或樹(shù)搜索 是一種用問(wèn)題規(guī)約法求解問(wèn)題時(shí)的搜索方法。 最常用的不確定性推理方法： 基于可信度的確定性理論，基于 Bayes公式的主觀 Bayes方法，基于貝葉斯網(wǎng)絡(luò)的概率推理和基于模糊邏輯的可能性理論等。 非經(jīng)典邏輯和概率 ，可用于不確定性推理。 推理的理論基礎(chǔ) ：邏輯是一門(mén)研究人們思維規(guī)律的學(xué)科，數(shù)理邏輯則是用數(shù)學(xué)的方法去研究邏輯問(wèn)題。 不確定性推理 ，指推理所使用的知識(shí)和推出的結(jié)論可以是不確定的。 相當(dāng)于“由猿到人” 33 第 1章 人工智能概述 AI的基本概念 AI的產(chǎn)生與發(fā)展 AI研究的基本內(nèi)容 AI研究的不同學(xué)派 AI的研究和應(yīng)用領(lǐng)域 機(jī)器思維、機(jī)器學(xué)習(xí)、 機(jī)器感知、機(jī)器行為 計(jì)算智能、 分布智能、智能系統(tǒng)、人工心理與人工情感 人工智能的典型應(yīng)用 AI現(xiàn)狀與思考 34 機(jī)器思維 1. 推理 推理的概念： 推理是指按照某種策略從已知事實(shí)出發(fā)利用知識(shí)推出所需結(jié)論的過(guò)程。 相當(dāng)于“鳥(niǎo)飛” 聯(lián)結(jié)主義 結(jié)構(gòu)模擬 構(gòu)造模擬大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。 聯(lián)結(jié)主義 思維的基元是神經(jīng)元，而不是符號(hào)；思維過(guò)程是神經(jīng)元的聯(lián)結(jié)活動(dòng)過(guò)程，而不是符號(hào)運(yùn)算過(guò)程；反對(duì)符號(hào)主義關(guān)于物理符號(hào)系統(tǒng)的假設(shè)。 智能系統(tǒng)與智能機(jī)器 無(wú)論是人工智能的近期目標(biāo)還是遠(yuǎn)期目標(biāo)，都需要建立智能系統(tǒng)或構(gòu)造智能機(jī)器 需要開(kāi)展對(duì)系統(tǒng)模型、構(gòu)造技術(shù)、構(gòu)造工具及語(yǔ)言環(huán)境等研究 29 第 1章 人工智能概述 AI的基本概念 AI研究的基本內(nèi)容 AI的歷史回顧 AI研究的不同學(xué)派 符號(hào)主義 聯(lián)結(jié)主義 行為主義 AI的研究應(yīng)用領(lǐng)域 AI現(xiàn)狀與思考 30 AI研究中的不同學(xué)派 1. 不同學(xué)派 符號(hào)主義學(xué)派（邏輯主義、心理學(xué)派） 主要觀點(diǎn)： AI起源于數(shù)理邏輯，人類(lèi)認(rèn)知的基元是符號(hào)，認(rèn)知過(guò)程是符號(hào)表示上的一種運(yùn)算 代表性成果： 厄爾和西蒙等人研制的稱(chēng)為邏輯理論機(jī)的數(shù)學(xué)定理證明程序LT 代表人物： 紐厄爾、肖、西蒙和尼爾遜 (Nilsson)等 聯(lián)結(jié)主義學(xué)派（仿生學(xué)派或生理學(xué)派） 主要觀點(diǎn)： AI起源于仿生學(xué)，特別是人腦模型，人類(lèi)認(rèn)知的基元是神經(jīng)元，認(rèn)知過(guò)程是神經(jīng)元的聯(lián)結(jié)活動(dòng)過(guò)程 代表性成果： 由麥克洛奇和皮茲創(chuàng)立的腦模型，即 MP模型 代表人物： 麥克洛奇和皮茲 行為主義學(xué)派（進(jìn)化主義、控制論學(xué)派） 主要觀點(diǎn)： AI起源于控制論，智能取決于感知和行為，取決于對(duì)外界復(fù)雜環(huán)境的適應(yīng)，而不是推理。 機(jī)器學(xué)習(xí)方法： 機(jī)械學(xué)習(xí)、類(lèi)比學(xué)習(xí)、歸納學(xué)習(xí)、發(fā)現(xiàn)學(xué)習(xí)、遺傳學(xué)習(xí)和連接學(xué)習(xí)等 機(jī)器行為 讓計(jì)算機(jī)能夠具有像人那樣地行動(dòng)和表達(dá)能力，如走、跑、拿、說(shuō)、唱、寫(xiě)畫(huà)等。 機(jī)器感知相當(dāng)于智能系統(tǒng)的輸入部分。認(rèn)知科學(xué)涉及的問(wèn)題非常廣泛，除了像浩斯頓提出的相關(guān)聯(lián)活動(dòng)外，還會(huì)受到環(huán)境、社會(huì)、文化背景等方面的影響。 美國(guó)心理學(xué)家浩斯頓 (Houston)等人把認(rèn)知?dú)w納為以下 5種主要類(lèi)型： (1) 認(rèn)知是信息的處理過(guò)程； (2) 認(rèn)知是心理上的符號(hào)運(yùn)算； (3) 認(rèn)知是問(wèn)題求解； (4) 認(rèn)知是思維； (5) 認(rèn)知是一組相關(guān)的活動(dòng)，如知覺(jué)、記憶、思維、判斷、推理、問(wèn)題求解、學(xué)習(xí)、想象、概念形成及語(yǔ)言使用等。 腦科學(xué)是 AI的基礎(chǔ)： 其任何研究進(jìn)展都將對(duì)人工智能的研究起到積極的推動(dòng)作用。 腦的復(fù)雜度： 人腦是由巨量神經(jīng)元經(jīng)其突觸的廣泛并行互聯(lián)所形成的一個(gè)巨復(fù)雜系統(tǒng)，是自然界中最復(fù)雜、最高級(jí)的智能系統(tǒng)。 腦的涵義： 從狹義方面， 腦是指中樞神經(jīng)系統(tǒng)，有時(shí)特指大腦； 從廣義方面， 腦可泛指整個(gè)神經(jīng)系統(tǒng)。 25 與腦科學(xué)和認(rèn)知科學(xué)的交叉研究 1. 腦科學(xué)與神經(jīng)科學(xué) 腦科學(xué)： 是一門(mén)研究腦與心智現(xiàn)象及規(guī)律的科學(xué)，其主要目標(biāo)就是要揭示腦功能的本質(zhì)，認(rèn)識(shí)腦與智能的規(guī)律，保護(hù)腦和創(chuàng)造腦。 歷任中科學(xué)院數(shù)學(xué)所副所長(zhǎng)、研究員。 1940年畢業(yè)于上海交大數(shù)學(xué)系。他提出的幾何定理的機(jī)器證明被國(guó)際數(shù)學(xué)界稱(chēng)為“吳方法”。 智能科學(xué)技術(shù)學(xué)科教育正在興起 作為一個(gè)新興學(xué)科，我國(guó)第一個(gè)智能科學(xué)與技術(shù)本科專(zhuān)業(yè)在北大誕生，目前國(guó)內(nèi)已有該專(zhuān)業(yè) 22個(gè)。 20 智能科學(xué)技術(shù)的興起 （本世紀(jì)初以來(lái)） 目前，一個(gè)以人工智能為核心，以自然智能、人工智能、集成智能為一體的新的智能科學(xué)技術(shù)學(xué)科正在逐步興起，并引起了人們的極大關(guān)注。 行為主義學(xué)派 是指進(jìn)化主義學(xué)派，在行為模擬方面，麻省理工學(xué)院的布魯克教授 1991年研制成功了能在未知的動(dòng)態(tài)環(huán)境中漫游的有 6條腿的機(jī)器蟲(chóng)。 聯(lián)結(jié)主義學(xué)派 是指神經(jīng)網(wǎng)絡(luò)學(xué)派，在神經(jīng)網(wǎng)絡(luò)方面，繼魯梅爾哈特研制出 BP網(wǎng)絡(luò)之后，人工神經(jīng)網(wǎng)絡(luò)研究掀起了第二次高潮。 符號(hào)主義學(xué)派 是指基于符號(hào)運(yùn)算的人工智能學(xué)派，他們認(rèn)為知識(shí)可以用符號(hào)來(lái)表示，認(rèn)知可以通過(guò)符號(hào)運(yùn)算來(lái)實(shí)現(xiàn)。 新的問(wèn)題： 專(zhuān)家系統(tǒng)本身所存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、知識(shí)獲取困難、推理方法單一、沒(méi)有分布式功能、不能訪(fǎng)問(wèn)現(xiàn)存數(shù)據(jù)庫(kù)等問(wèn)題被逐漸暴露出來(lái)。從技術(shù)角度看，他解決了知識(shí)表示、不精確推理、搜索策略、人機(jī)聯(lián)系、知識(shí)獲取及專(zhuān)家系統(tǒng)基本結(jié)構(gòu)等一系列重大技術(shù)問(wèn)題。 1972年，費(fèi)根鮑姆開(kāi)始研究 MYCIN專(zhuān)家系統(tǒng)，并于 1976年研制成功。從此，在全世界范圍內(nèi)人工智能研究陷入困境、落入低谷。例如，把“心有余而力不足”的英語(yǔ)句子翻譯成俄語(yǔ)，再 翻譯回來(lái)時(shí)竟變成了“酒是好的，肉變質(zhì)了” 在神經(jīng)生理學(xué)方面， 研究發(fā)現(xiàn)人腦有 101112以上的神經(jīng)元，在現(xiàn)有技術(shù)條件下用機(jī)器從結(jié)構(gòu)上模擬人腦是根本不可能的。 在問(wèn)題求解方面， 對(duì)于不良結(jié)構(gòu)，會(huì)產(chǎn)生組合爆炸問(wèn)題。 在定理證明方面， 發(fā)現(xiàn)魯賓遜歸結(jié)法的能力有限。 17 知識(shí)應(yīng)用期 1. 挫折和教訓(xùn) 失敗的預(yù)言： 60年代初，西蒙預(yù)言： 10年內(nèi)計(jì)算機(jī)將成為世界冠軍、將證明一個(gè)未發(fā)現(xiàn)的數(shù)學(xué)定理、將能譜寫(xiě)出具有優(yōu)秀作曲家水平的樂(lè)曲、大多數(shù)心理學(xué)理論將在計(jì)算機(jī)上形成。 其他方面： 1965年，魯賓遜 ()提出了歸結(jié)（消解）原理。 1960年，麥卡西又研制了人工智能語(yǔ)言 LISP。通過(guò)不斷學(xué)習(xí)，該程序 1959年擊敗了塞繆爾本人， 1962年又擊敗了一個(gè)州的冠軍。 IBM工程小組： 1956年，塞繆爾在 IBM704計(jì)算機(jī)上研制成功了具有自學(xué)習(xí)、自組織和自適應(yīng)能力的西洋跳棋程序。 1960年研制了通用問(wèn)題求解程序。 這些， 都為人工智能的誕生準(zhǔn)備了必要的思想、理論和物質(zhì)技術(shù)條件。控制論向人工智能的滲透，形成了行為主義學(xué)派。 維納 1874— 1956) ： 美國(guó)著名數(shù)學(xué)家、控制論創(chuàng)始人。 萊布尼茨 (1646—— 17