【正文】 答：（停 30秒后） 105721 問：你會下國際象棋嗎？ 答：是的。現(xiàn)在輪到你走，你應(yīng)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)。例如，提問與回答呈現(xiàn)出下列狀況： 圖靈試驗 ?問：你會下國際象棋嗎？ ?答：是的。 ?問：請再次回答，你會下國際象棋嗎？ ?答：是的。 圖靈試驗 ?問： 你會下國際象棋嗎？ ?答：是的。 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(fù)提出同樣的問題。 圖靈預(yù)言 圖靈曾預(yù)言，隨著電腦科學(xué)和機器智能的發(fā)展，本世紀末將會出現(xiàn)這樣的機器。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。把“圖林獎”獲獎?wù)咦饕唤y(tǒng)計后就會發(fā)現(xiàn)，許多電腦科學(xué)家恰好是在人工智能領(lǐng)域作出的杰出貢獻。西蒙（ ）共同獲得。經(jīng)過三年緊張的工作，第一臺電子計算機終于在 1946年 2月 14日問世了，它由 17468個電子管、 6萬個電阻器、 1萬個電容器和 6千個開關(guān)組成，重達 30噸，占地 160平方米，耗電 174千瓦，耗資 45萬美元。 人工智能的物質(zhì)基礎(chǔ) 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(zhì)基礎(chǔ)。諾依曼馮 馮 諾依曼被譽為“計算機之父”，他是本世紀最偉大的發(fā)明家之一。諾依曼是本世紀最偉大的數(shù)學(xué)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 ?物理學(xué)家說，馮 ?而經(jīng)濟學(xué)家則反復(fù)強調(diào)，馮 ?1931年匈牙利首都布達佩斯。布達佩斯人才濟濟，可一個多月過去，居然沒有一人前往應(yīng)聘。諾依曼聰慧過人， 3歲就能背誦父親帳本上的所有數(shù)字， 6歲能夠心算 8位數(shù)除 8位數(shù)的復(fù)雜算術(shù)題， 8歲學(xué)會了微積分。諾依曼送進一所正規(guī)學(xué)校就讀。諾依曼的需要。諾依曼一面在學(xué)校跟班讀書，一面由布達佩斯大學(xué)教授為他“開小灶”。畢業(yè)前夕，馮 考大學(xué)前夕，匈牙利政局動蕩，馮 22歲時，他獲瑞士蘇黎士聯(lián)邦工業(yè)大學(xué)化學(xué)工程師文憑。在柏林當了幾年無薪講師后，他轉(zhuǎn)而攻向物理學(xué)，為量子力學(xué)研究數(shù)學(xué)模型，又使自己在理論物理學(xué)領(lǐng)域占據(jù)了突出的地位。諾依曼，靠著頑強的學(xué)習(xí)毅力，在科學(xué)殿堂里“橫掃千軍如卷席”，成為橫跨“數(shù)、理、化”各門學(xué)科的超級全才。馮 1930年， 27歲的馮 ? 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。諾依曼。數(shù)學(xué)家和藹可親，沒有一點架子，耐心地為戈德斯坦排憂解難。諾依曼不覺流露出吃驚的神色，敏銳地從數(shù)學(xué)問題里，感到眼前這位青年身邊正發(fā)生著什么不尋常的事情。最后，戈德斯坦毫不隱瞞地告訴他莫爾學(xué)院的電子計算機課題和目前的研究進展。諾依曼與戈德斯坦、勃克斯等人，聯(lián)名發(fā)表了一篇長達 101頁紙的報告，即計算機史上著名的“ 101頁報告”，直到今天，仍然被認為是現(xiàn)代電腦科學(xué)發(fā)展里程碑式的文獻。 ?他是美國國家科學(xué)院、秘魯國立自然科學(xué)院和意大利國立林且學(xué)院等院的院土。 ?1954年夏，馮。 MP模型 ?在 1943年沃侖 皮茲（ Walter Pitts）研究表明，在原則上由非常簡單的單元連接在一起組成的“網(wǎng)絡(luò)”可以對任何邏輯和算術(shù)函數(shù)進行計算。 MP模型 McCulloch和 Pitts建立神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，通過模擬人腦實現(xiàn)智能，開創(chuàng)人工神經(jīng)網(wǎng)絡(luò)研究。 函數(shù) f表達了神經(jīng)元的輸入輸出特性。 ?樹突：本體向外伸出的分支，多根，長 1mm左右，本體的輸入端。 ? 突觸：各神經(jīng)元之間軸突和樹突之間的接口，即神經(jīng)末梢與樹突相接觸的交界面，每個細胞體大約有 103—104個突觸。 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。維納認為計算機是一個進行信息處理和信息轉(zhuǎn)換的系統(tǒng)，只要這個系統(tǒng)能得到數(shù)據(jù)，機器本身就應(yīng)該能做幾乎任何事情。麻省理工學(xué)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。布爾利用代數(shù)語言使邏輯推理更簡潔清晰，從而建立起一種所謂邏輯科學(xué)，其方法不但使數(shù)學(xué)家耳目一新，也使哲學(xué)家大為嘆服。 NP 問題 ?在計算機學(xué)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。如果有 4個城市，則有 4!=24種次序 .即使用計算機來計算，這種急劇增長的可能性的數(shù)目也遠遠超過計算資源的處理能力，對此，算法復(fù)雜性專家史蒂芬 .庫克評論： 如果有 100個城市，需要求出 100！條路線的費用，沒有哪一臺計算機能夠勝任這一任務(wù)。 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(dǎo)因 現(xiàn)實世界中相當多的問題求解是復(fù)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(fù)雜程度的非確定性問題 )問題。運用專門領(lǐng)域的經(jīng)驗知識，經(jīng)常會取得有關(guān)問題的滿意解，而非數(shù)學(xué)上的最優(yōu)解。 達特莫斯會議 1956年夏天， 美國達特莫斯大學(xué)召開了 一次影響深遠的歷史性會議。西蒙 (75,圖靈獎 ) 、麻省理工學(xué)院塞夫里奇（ O. Selfridge）和索羅門夫），以及 IBM公司塞繆爾（ ，跳棋機， 56）和莫爾（ ）。 達特莫斯會議歷時長達兩個多月，學(xué)者們在充分討論的基礎(chǔ)上，首次提出了“人工智能” （ Artificial Intelligence）這一術(shù)語，標志著人工智能（ AI）作為一門新興學(xué)科正式誕生。 ?一方面，電腦能計算出 10億位的 π值，能快速處理全國人口普查的海量數(shù)據(jù)，能精確地控制宇宙飛船登上月球的每一步驟，使任何聰明絕頂?shù)娜嗽谒媲岸枷嘈我娊I；另一方面，電腦的智力水平可以說連普通 3歲孩童都不如?！?。為了生存，它必須表現(xiàn)出某種適當?shù)男袨?，如覓食、避免危險、占領(lǐng)一定的地域、吸引異性以及生育和照料后代。 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(fù)雜環(huán)境、識別物體、表達和獲取知識以及進行復(fù)雜的思維推理和判斷的能力。具體地講，可包括： 1）感知與認識事物、客觀世界與自我的能力； 2）通過學(xué)習(xí)取得經(jīng)驗、積累知識的能力； 3）理解知識、運用知識和運用經(jīng)驗分析問題和解決問題的能力； 4）聯(lián)想、推理、判斷、決策的能力； 5）運用語言進行抽象、概括的能力； 6）發(fā)現(xiàn)、發(fā)明、創(chuàng)造、創(chuàng)新的能力； 7）實時地、迅速地、合理地應(yīng)付復(fù)雜環(huán)境的能力； 8）預(yù)測、洞察事物發(fā)展變化的能力； 智能定義 智能是人類具有的特征之一，然而，對于什么是人類智能（或者說智力），科學(xué)界至今還沒有給出令人滿意的定義。 “進行抽象思維的能力” 。 、合理的思維，以及有效地適應(yīng)環(huán)境的綜合能力。 注 智能是相對的、發(fā)展的。 人工智能 人工智能是相對人的自然智能而言，即用人工的方法和技術(shù)，研制智能機器或智能系統(tǒng)來模仿、延伸和擴展人的智能，實現(xiàn)智能行為和“機器思維”，解決需要人類專家才能處理的問題。如果機器能夠執(zhí)行這種任務(wù)，就可以認為機器已具有某種性質(zhì)的“人工智能”。 “深藍” (Deep Blue) 。 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。其中，智能行為包括：感知 (perception)、推理(Reasoning)、學(xué)習(xí) (learning)、通信 (municating)和復(fù)雜環(huán)境下的動作行為 (acting)。 鑒于圖靈是用行為來判斷機器是否具有智能，麻省理工學(xué)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。符號主義采用知識表達和邏輯符號系統(tǒng)來模擬人類的智能。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 。數(shù)理邏輯從 19世紀末起就獲迅速發(fā)展；到 20世紀 30年代開始用于描述智能行為。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(xué)派的代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson) 。它的代表性成果是 1943年由生理學(xué)家麥卡洛克(McCulloch)和數(shù)理邏輯學(xué)家皮茨 (Pitts)創(chuàng)立的腦模型，即 MP模型。 感知器模型 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 目標矢量： P=[ – 。 異或 (Exclusive –OR)問題 g（ x， y） y 0 1 x 0 0 1 1 1 0 X y ?由于當時的理論模型、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。此后，聯(lián)結(jié)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(jīng)網(wǎng)絡(luò)計算機走向市場打下基礎(chǔ)。 人工智能的目標 ?人工智能科學(xué)想要解決的問題，是讓電腦也具有人類那種聽、說、讀、寫、思考、學(xué)習(xí)、適應(yīng)環(huán)境變化、解決各種實際問題等等能力。 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(yù)言 ?赫伯特 ?原理：在卡內(nèi)基 —梅隆大學(xué)的計算機實驗室，西蒙從分析人類解答數(shù)學(xué)題的技巧入手，讓一些人對各種數(shù)學(xué)題作周密的思考，要求他們不僅寫出求解的答案，而且說出自己推理的方法和步驟。西蒙進一步認識到，人類證明數(shù)學(xué)定理也有類似的思維規(guī)律，通過“分解”（把一個復(fù)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。 ?在實驗結(jié)果的啟發(fā)下，紐厄爾和赫伯特 電腦果然不孚眾望，它一舉證明了數(shù)學(xué)家羅素的數(shù)學(xué)名著 《 數(shù)學(xué)原理 》 第二章中的 38個定理。 ?美籍華人學(xué)者、洛克菲勒大學(xué)教授王浩在“自動定理證明”上獲得了更大的成就。不到 9 分鐘，王浩的機器把這本數(shù)學(xué)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。據(jù)說，“四色問題”最早是1852年由一位 21歲的大學(xué)生提出來的數(shù)學(xué)難題：任何地圖都可以用最多四種顏色著色，就能區(qū)分任何兩相鄰的國家或區(qū)域。 機器證明 1976年 6月，美國伊利諾斯大學(xué)的兩位數(shù)學(xué)家沃爾夫?qū)? 阿佩爾（ K. Apple） 宣布， 他們成功地證明了這一定理，使用的方法就是機器證明。哈肯和阿佩爾編制出一種很復(fù)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”。 人工智能先驅(qū)們認真地研究下棋，研究機器定理證明，但效果仍不盡如人意。 60年代末，由于許多世界一流的人工智能學(xué)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。 :人工智能的復(fù)興 1977年，曾是赫伯特 人工智能重新獲得人們的普遍重視，逐步跨進了復(fù)興期。 一個人要成為專家，至少必須掌握某一學(xué)科淵博的 知識 ，具有豐富的 實踐經(jīng)驗 ，能解決一般人不能夠解決的疑難問題。 專家系統(tǒng)