人工智能原理人工智能概述

1、人工智能原理第1章 人工智能概述,本章內(nèi)容1.1 關(guān)于人工智能的定義1.2 人工智能的基礎(chǔ)1.3 人工智能簡史1.4 智能體與環(huán)境1.5 智能體結(jié)構(gòu)小結(jié)參考書目附錄 和人工智能相關(guān)的社會倫理問題,第1章 人工智能概述,1.1 關(guān)于人工智能的定義智能體對AI的4種不同定義類人行動/類人思考/理性思維/理性行動,第1章 人工智能概述,4,作為智能體的人類,智能體(Agent)人類是一種智能體

2、我們，作為一個智能體，為什么能夠思考? 大腦這么一小堆東西怎么能夠感知、理解、預(yù)測和應(yīng)對一個遠比自身龐大和復(fù)雜的世界？——理解人類，理解智能體人工智能(AI)走得更遠：不僅試圖理解智能體，而且要建造智能體——制造出像人類一樣完成某些智能任務(wù)的系統(tǒng)(軟件),第1章 人工智能概述,5,AI是新興學科，也是激動人心的學科. Russell聲稱：不同于物理學，這里還有出現(xiàn)幾個愛因斯坦的余地為什么？研究主觀世界的成果遠少于研究客觀世界的成果

3、,第1章 人工智能概述,處于探索初期的學科,6,對AI的4種不同定義,第1章 人工智能概述,7,不同定義—類人行為(1),類人行為：圖靈測試(1950)圖靈建議：不是問“機器能否思考”，而是問“機器能否通過關(guān)于行為的智能測試”,第1章 人工智能概述,8,不同定義—類人行為(2),測試過程：讓一個程序與一個人進行5分鐘對話 / 然后人猜測交談對象是程序還是人？如果在30%測試中程序成功地欺騙了詢問人，則通過了測試圖靈期待最遲2000年

4、出現(xiàn)這樣的程序，但是到目前為止，面對訓(xùn)練有素的鑒定人，沒有一個程序接近30%的標準,第1章 人工智能概述,9,不同定義—類人行為(3),要想程序通過圖靈測試，還需要做大量工作，這些技能包括：自然語言處理, 使機器可以用人類語言交流知識表示, 存儲機器獲得的各種信息自動推理, 運用知識來回答問題和提取新結(jié)論機器學習, 適應(yīng)新環(huán)境并檢測和推斷新模式以及(為了完全圖靈測試)計算機視覺, 機器感知物體機器人技術(shù), 操縱和移動物體,

5、第1章 人工智能概述,10,不同定義—類人行為(4),AI研究者并未花費很多精力來嘗試通過測試, 因為研究智能的根本原則遠比復(fù)制樣本重要. 如同空氣動力學與模擬鳥類飛行之對于飛機的產(chǎn)生,第1章 人工智能概述,11,不同定義—類人思考,類人思考: 認知模型方法如何得知人類是如何思考的? 通過自省—捕捉人類思維過程和通過心理測試這種方法不滿足于讓程序正確地解決問題, 更加關(guān)心對程序的推理步驟軌跡與人類個體求解同樣問題的步驟軌跡進行比較

6、認知科學: 把來自AI的計算模型與來自心理學的實驗技術(shù)相結(jié)合, 試圖創(chuàng)立一種精確而且可檢驗的人類思維工作方式的理論通常, 我們只關(guān)心程序?qū)崿F(xiàn)了什么功能, 而不會比較AI技術(shù)和人類認知之間的異同,第1章 人工智能概述,12,不同定義—理性思考,理性地思考: “思維法則”方法19世紀, 邏輯學家就發(fā)展出可以描述世界上一切事物及其彼此關(guān)系的精確的命題符號1965年, 原則上, 已經(jīng)有程序可以求解任何用邏輯符號描述的可解問題(消解法)

7、AI領(lǐng)域傳統(tǒng)的邏輯主義希望通過編制上述程序來創(chuàng)造智能系統(tǒng)難點: 非形式化的知識難以用邏輯符號形式化 / “原則上”可以解決問題和實際解決問題二者之間存在巨大差異,第1章 人工智能概述,13,不同定義—理性行動(1),理性地行動: 理性智能體方法計算機智能體應(yīng)該有別于“簡單的”程序: 具有諸如自主控制操作、感知環(huán)境、適應(yīng)變化等理性智能體：要通過自己的行動獲得最佳結(jié)果，或者在不確定的情況下，獲得最佳期望結(jié)果不僅要正確地推理，還要正確

8、地行動 / 正確推論是理性智能體的部分功能，而不是理性的全部內(nèi)容圖靈測試中需要的技能都是為了作出理性行為,第1章 人工智能概述,14,不同定義—理性行動(2),把AI研究視為理性智能體的設(shè)計過程好處：普遍性：比“思維法則”法則方法(理性地思維)更廣 / 比建立在人類行為或者思維基礎(chǔ)(類人方法)上的方法更形式化, 因為相比具有清楚的定義或標準正確的結(jié)果在不同條件下可以定義清楚完美理性—總能做正確的事情 vs. 有限理性 — 在沒

9、有足夠計算時間的前提下采取正確的行動完美理性在復(fù)雜環(huán)境下是不可行的,第1章 人工智能概述,15,4種方法的比較,第1章 人工智能概述,類人思考或類人行為：直接模擬 / 追隨人 理性思考或理性行為：間接模擬 / 概括人 ––更普遍,16,AI概念理解是一個過程,上述定義見仁見智重要的是學習AI方法、應(yīng)用AI方法，在實踐中逐步深入領(lǐng)會AI這個詞的含義目前，AI就是一種運行在我們自己機器中的程序，它的智能都是我們給的！,第1章 人工智

10、能概述,1.2 人工智能的基礎(chǔ)各學科的貢獻：哲學/數(shù)學經(jīng)濟學/神經(jīng)科學/心理學計算機工程控制論/語言學,第1章 人工智能概述,18,對人工智能有貢獻的學科,哪些學科、哪些思想和哪些人物給予AI以貢獻?哲學(BC428~現(xiàn)在)數(shù)學(800~現(xiàn)在)經(jīng)濟學(1776~現(xiàn)在)神經(jīng)科學(1861~現(xiàn)在)心理學(1879~現(xiàn)在)計算機工程(1940~現(xiàn)在)控制論(1948~現(xiàn)在)語言學(1957~現(xiàn)在),第1章 人工智能

11、概述,19,哲學的貢獻(1),哲學(BC428~現(xiàn)在)貢獻的思想: 問題1：形式化規(guī)則能用來抽取合理的結(jié)論嗎?問題2：精神的意識是如何從物質(zhì)的大腦產(chǎn)生出來的?問題3：知識是從哪里來的?問題4：知識是如何導(dǎo)致行動的?,第1章 人工智能概述,20,哲學的貢獻(2),問題1：形式化規(guī)則能用來抽取合理的結(jié)論嗎?（哲學家及其貢獻）亞里士多德(Aristotle, BC384~BC322), 為形式邏輯奠定了基礎(chǔ) / 第一個把支配意識的理

12、性部分法則形式化為精確的法則集合 / 著名的三段論Ramon Lull / Leonardo da Vinci(達·芬奇) / Blaise Pascal(帕斯卡) / Gottfried Wilhelm Leibnitz(萊布尼茲)等人均設(shè)計或制造了能計算的機器,第1章 人工智能概述,21,哲學的貢獻(3),17世紀, 有人提出推理如同數(shù)字計算 / 帕斯卡寫道: “算術(shù)機器產(chǎn)生的效果顯然更接近于思維而不是動物的其他活動”

13、問題1結(jié)論: 肯定的結(jié)論, 即可以用一個規(guī)則集合描述意識的形式化、理性的部分,第1章 人工智能概述,22,哲學的貢獻(4),問題2：從物理系統(tǒng)的角度來考慮意識: 意識與物質(zhì)的大腦之間的關(guān)系如何？ René Descartes(笛卡爾)給出了第一個關(guān)于意識和物質(zhì)之間的區(qū)別以及由此產(chǎn)生的問題的清晰討論笛卡爾是二元論的支持者：堅持意識(或稱為靈魂/精神)的一部分是超脫于自然之外的, 不受物理定律影響. 而動物不擁有這種二元屬性,

14、 它們可以被作為機器對待,第1章 人工智能概述,23,哲學的貢獻(5),唯物主義認為: 大腦依照物理定律運轉(zhuǎn)而構(gòu)成了意識, 自由意志也就簡化為對出現(xiàn)在選擇過程中可能選擇的感受方式問題2結(jié)論: 存在兩種選擇—二元論和一元論,第1章 人工智能概述,24,哲學的貢獻(6),問題3：知識是從哪里來的?關(guān)于知識的來源: Francis Bacon(培根)《新工具論》開始了經(jīng)驗主義運動John Locke(洛克)指出：“無物非先感而后知”D

15、avid Hume(休謨)提出歸納原理：一般規(guī)則是通過揭示形成規(guī)則的元素之間的重復(fù)關(guān)聯(lián)而獲得的,第1章 人工智能概述,25,哲學的貢獻(7),基于Ludwig Wittgenstein, Bertrand Russell的工作，Rudolf Carnap領(lǐng)導(dǎo)維也納學派發(fā)展了實證邏輯主義，堅持認為所有的知識都可以用最終和傳感器輸入相對應(yīng)的觀察語句相聯(lián)系的邏輯理論來描述問題3結(jié)論: 知識來自于實踐,第1章 人工智能概述,26,哲學的貢獻(

16、8),問題4：知識是如何導(dǎo)致行動的?關(guān)于意識的哲學圖景的最后元素是知識與行動之間的聯(lián)系 / 智能既要求推理也要求行動亞里士多德認為: 行動是通過目標與關(guān)于行動結(jié)果的知識之間的邏輯來判定的,第1章 人工智能概述,27,哲學的貢獻(9),他的進一步闡述指出: 要深思的不是結(jié)局而是手段 / 假設(shè)了結(jié)局并考慮如何以及通過什么手段得到該結(jié)局, 結(jié)局是否容易是否最好 / 手段在分析順序中是最后一個, 在生成順序中是第一個這實際上就是回歸規(guī)劃系

17、統(tǒng), 2300年后由Newell和Simon在其GPS程序中實現(xiàn)了問題4結(jié)論: 知識用于指導(dǎo)行動去達到目標,第1章 人工智能概述,28,數(shù)學的貢獻(1),數(shù)學(800~現(xiàn)在)貢獻的思想:什么是抽取合理結(jié)論的形式化規(guī)則?什么可以被計算?如何用不確定的知識進行推理?AI成為一門規(guī)范科學要求在三個基礎(chǔ)領(lǐng)域完成一定程度的數(shù)學形式化: 邏輯、計算、概率,第1章 人工智能概述,29,數(shù)學的貢獻(2),數(shù)學家及其貢獻問題1：如何抽取形式

18、化規(guī)則？George Boole(布爾, 1815~1864), 1847年完成了形式邏輯的數(shù)學化 / 命題邏輯或稱布爾邏輯Gottlob Frege(弗雷格, 1848~1925), 1879年擴展了布爾邏輯, 使其包含對象和關(guān)系, 創(chuàng)建了一階邏輯Alfred Tarski(塔斯基)引入了一種參考理論, 可以把邏輯對象與現(xiàn)實世界對象聯(lián)系起來,第1章 人工智能概述,30,數(shù)學的貢獻(3),問題1結(jié)論: 形式化規(guī)則=命題邏輯和一階謂

19、詞邏輯問題2：什么可以計算？可以被計算, 就是要找到一個算法算法本身的研究可回溯至9世紀波斯數(shù)學家al-Khowarazmi19世紀晚期, 把一般的數(shù)學推理形式化為邏輯演繹的努力已經(jīng)展開,第1章 人工智能概述,31,數(shù)學的貢獻(4),1900年, David Hilbert(希爾伯特, 1862~1943)提出了包括23個問題的清單, 其中最后一個問題是: 是否存在一個算法可以判定涉及自然數(shù)的邏輯命題的真實性, 即可判定性問題

20、/ 他所要問的是: 有效證明過程的能力是否有基礎(chǔ)的局限性這一問題被Kurt Gödel(哥德爾, 1906~1978)在1931年證實：確實存在真實的局限,第1章 人工智能概述,32,數(shù)學的貢獻(5),1930年, 哥德爾提出: 存在一個有效過程可以證明羅素和弗雷格的一階邏輯中的任何真值語句, 但是一階邏輯不能捕捉到刻畫自然數(shù)所需要的數(shù)學歸納法原則1931年, 哥德爾證明了他的不完備性定理: 在任何表達能力足以描述自然數(shù)的

21、語言(如某種邏輯)中, 在不能通過任何算法建立它們的真值的意義上, 存在不可判定的真值語句 不完備性定理還可以表述為: 整數(shù)的某些函數(shù)無法用算法表示, 即不可計算的,第1章 人工智能概述,33,數(shù)學的貢獻(6),由此激發(fā)了Allen Turing(圖靈, 1912~1954)的熱情, 他試圖精確地刻畫哪些函數(shù)是能夠被計算的 / 實際上計算或者有效過程的概念是無法給出形式化定義的 / 但是Church-Turing論題指出: 圖靈機可以

22、計算任何可計算的函數(shù) / 該結(jié)論作為一個充分的定義而被接受圖靈說明了一些函數(shù)沒有對應(yīng)的圖靈機 / 沒有通用的圖靈機可以判定一個給定的程序?qū)τ诮o定的輸入能否返回答案或者永遠運行下去,第1章 人工智能概述,34,數(shù)學的貢獻(7),在不可計算性以外, 不可操作性具有更重要的影響 / 如果解決一個問題需要的計算時間隨著實例規(guī)模成指數(shù)級增長, 則該問題被稱為不可操作的（計算復(fù)雜性問題）多項式級和指數(shù)級增長的區(qū)別在20世紀60年代得到重視如何

23、認識不可操作問題? 以Steven Cook(1971)和Richard Carp為代表的NP-完全理論的研究提供了一種方法,第1章 人工智能概述,35,數(shù)學的貢獻(8),Cook和Carp證明有大量各種類別的規(guī)范的組合搜索和推理問題屬于NP-完全問題任何NP-完全問題類可歸約成的問題類很可能是不可操作的(目前尚未證明, 但大家猜測是如此)AI研究幫助解釋了為什么NP-完全問題的一些實例很難, 而另外一些較容易問題2結(jié)論: 有了可

24、計算性和算法復(fù)雜性理論的指導(dǎo),第1章 人工智能概述,36,數(shù)學的貢獻(9),數(shù)學對AI的第三個貢獻是概率理論Pierre Fermat, Pascal, James Bernoulli, Pierre Laplace等都推進了概率理論的發(fā)展及引入了新的統(tǒng)計方法論Thomas Bayes(貝葉斯, 1749~1827)提出了根據(jù)證據(jù)更新概率的法則(貝葉斯公式/條件概率公式)由此衍生出的貝葉斯分析形成了AI系統(tǒng)中不確定推理方法的基礎(chǔ)

25、問題3結(jié)論: 使用貝葉斯理論進行不確定推理,第1章 人工智能概述,37,經(jīng)濟學的貢獻(1),經(jīng)濟學(1776~現(xiàn)在)貢獻的思想:如何決策以獲得最大收益?在他人不合作的情況下如何做到這點?在收益遙遙無期的情況下如何做到這點?問題1: 效用理論問題2: 決策理論問題3: 運籌學上述研究工作對于建造理性智能體很有貢獻, 其原因之一是制定理性決策的復(fù)雜性,第1章 人工智能概述,38,經(jīng)濟學的貢獻(2),Herbert Simon(

26、西蒙, 1916~2001)是AI研究的先驅(qū)者 / 他于1978年獲得諾貝爾經(jīng)濟學獎, 是因為他早年的工作: 基于滿意度的模型—制定“足夠好”的決策, 而不是艱苦計算獲得最優(yōu)化決策—能更好地描述真實人類行為關(guān)于在智能體系統(tǒng)中使用決策理論技術(shù)的研究興趣正在復(fù)蘇,第1章 人工智能概述,39,神經(jīng)科學的貢獻(1),神經(jīng)科學(1861~現(xiàn)在)的貢獻:大腦是如何處理信息的?神經(jīng)科學是研究神經(jīng)系統(tǒng)特別是大腦的科學雖然幾千年來人類一直贊同大腦

27、以某種方式與思維相聯(lián)系(因為證據(jù)表明頭部受重擊會導(dǎo)致精神缺陷), 但是直到18世紀中期人類才廣泛地承認大腦是意識的居所,第1章 人工智能概述,40,神經(jīng)科學的貢獻(2),Paul Proca(布魯卡)通過研究大腦損傷病人的失語癥, 闡明了語言產(chǎn)生定位于大腦左半球的一部分, 現(xiàn)在稱為布魯卡區(qū)1873年Camillo Golgi開發(fā)出一項染色體技術(shù), 允許人們觀察大腦的各個神經(jīng)元1929年Hans Berger發(fā)明腦電圖記錄儀1990

28、年核磁共振成像為神經(jīng)科學家提供了關(guān)于大腦活動的細致圖像, 使得以某種方式與正在進行的認知過程相符合的測量成為可能,第1章 人工智能概述,41,神經(jīng)科學的貢獻(3),真正令人震驚的結(jié)論是: 簡單細胞的集合能夠?qū)е滤季S、行動和意識，換句話說，大腦產(chǎn)生意識(西爾勒, 1992)計算機和大腦如何相比? 大腦活動過程對計算機工作過程有所啟發(fā),第1章 人工智能概述,42,計算機與大腦的比較,盡管計算機在原始的轉(zhuǎn)換速度上快100萬倍, 大腦最終在

29、做事上比計算機快10萬倍,第1章 人工智能概述,43,心理學的貢獻(1),心理學(1879~現(xiàn)在)的貢獻:人類和動物如何思考和行動?心理學家的工作科學的心理學源自德國物理學家Herman von Helmholtz(霍爾姆霍茲, 1821~1894)和其學生Wilhelm Wundt的研究工作, 1879年萊比錫大學開設(shè)了第一個實驗心理學的實驗室, 進行仔細控制的實驗,第1章 人工智能概述,44,心理學的貢獻(2),John Wa

30、tson領(lǐng)導(dǎo)的行為主義運動認為: 內(nèi)省不能提供可靠的證據(jù), 拒絕任何涉及精神過程的理論, 只研究動物的感知及其反應(yīng)行為主義在1920~1960年期間一直控制著心理學認知心理學的主要特征是: 把大腦當作信息處理裝置, 可以回溯至William James的研究工作Frederic Bartlett領(lǐng)導(dǎo)的劍橋大學應(yīng)用心理學小組使得認知模型得以繁榮,第1章 人工智能概述,45,心理學的貢獻(3),在美國, 計算機科學的發(fā)展導(dǎo)致了認知科學

31、的創(chuàng)建, 始于1956年9月MIT的一個研討會(就在AI創(chuàng)始的那次學術(shù)會議2個月之后), 會上有三篇著名論文George Miller介紹了魔法數(shù)字7(The Magic Number Seven) / Noam Chomsky(喬姆斯基)介紹了語言的三種模型(Three Models of Language) / Allen Newell(紐厄爾)和Herbert Simon介紹了邏輯理論機(The Logic Theory Mac

32、hine),第1章 人工智能概述,46,心理學的貢獻(4),這三篇論文分別顯示了計算機模型可以用來表達記憶、語言和邏輯思維的心理狀態(tài)心理學家普遍認為：“認知理論就應(yīng)該像計算機程序”(Anderson, 1980), 即認知理論應(yīng)該描述詳細的信息處理機制, 由此可能實現(xiàn)某種認知功能結(jié)論: 人類思考和活動應(yīng)該是一個信息處理過程,第1章 人工智能概述,47,計算機工程的貢獻(1),計算機工程(1940~現(xiàn)在)的貢獻:如何才能制造出能干的

33、計算機?計算機被視為智能和人工制品的結(jié)合最早的可計算的裝置應(yīng)該從17世紀算起19世紀中葉, Charles Babbage(巴貝奇, 1792~1871)設(shè)計了兩臺機器, 名為“差分機”和“分析機”, 前者最終于1991年建造出來并在倫敦展出,第1章 人工智能概述,48,計算機工程的貢獻(2),最早的現(xiàn)代計算機幾乎同時在二戰(zhàn)期間分別在英國、德國和美國發(fā)明出來1945年在賓夕法尼亞大學(UPenn)開發(fā)出來的ENIAC被公認為現(xiàn)代

34、計算機最有影響的先驅(qū), 研制者包括John Mauchly和John Eckert計算機硬件按照摩爾定律每18個月性能翻一番, 這樣的增長速度還可以持續(xù)穩(wěn)定10年至20年, 以后就不得不尋求新技術(shù)了,第1章 人工智能概述,49,計算機工程的貢獻(3),計算機軟件技術(shù)為AI提供了操作系統(tǒng)、程序設(shè)計語言、工具軟件等AI反過來也對主流計算機科學產(chǎn)生了影響：分時技術(shù)、交互式編譯器、窗口和鼠標的個人機、快速開發(fā)環(huán)境、鏈接表數(shù)據(jù)類型、自動存儲管

35、理、面向?qū)ο蟮木幊痰?第1章 人工智能概述,50,控制論的貢獻(1),控制論(1948~現(xiàn)在)的貢獻:人工制品怎樣才能在自己的控制下運轉(zhuǎn)?現(xiàn)代控制論控制論的創(chuàng)始人Norbert Wiener(維納, 1894~ 1964)的暢銷書《Cybernetics》(控制論)喚醒了人們對人工制造智能機器的可能性的熱情現(xiàn)代控制論, 特別是隨機優(yōu)化控制的分支, 把設(shè)計出能隨時間變化使目標函數(shù)最大化的系統(tǒng)作為其目的, 也粗略符合對AI的觀點,第

36、1章 人工智能概述,51,控制論的貢獻(2),AI和控制論為什么是兩個不同領(lǐng)域?控制論的數(shù)學工具是微積分和矩陣代數(shù), 適合于用固定的連續(xù)變量集合描述的系統(tǒng), 精確分析在典型情況下只對線性系統(tǒng)可行AI自20世紀50年代建立以來, 部分起因是尋求擺脫控制論數(shù)學方法的局限性邏輯推理和計算工具使得AI研究者考慮語言/視覺/規(guī)劃等問題, 完全脫離了控制論的范圍,第1章 人工智能概述,52,語言學的貢獻(1),語言學(1957~現(xiàn)在)貢獻的思

37、想:語言和思維是怎樣聯(lián)系起來的?喬姆斯基最先作出了貢獻1957年《句法結(jié)構(gòu)》出版, 顛覆了行為主義, 認為該理論不能解釋兒童怎么能理解和構(gòu)造他們以前沒有聽到的句子, 而喬姆斯基關(guān)于語法模型的理論則能夠解釋這個現(xiàn)象, 并且足夠形式化 / 喬姆斯基理論的影響一直持續(xù)到20世紀80年代末,第1章 人工智能概述,53,語言學的貢獻(2),計算語言學或者自然語言處理與AI差不多同時誕生, 一直在發(fā)展, 但是距離徹底理解語言和思維的關(guān)系尚很遠

38、研究語言的理解過程是人類智能研究的核心之一,第1章 人工智能概述,54,各學科的貢獻,哲學—邏輯/推理方法/智能作為一種物理系統(tǒng)/理性的基礎(chǔ)數(shù)學—形式表示與證明/算法/可計算性/可操作性/概率性心理學—自適應(yīng)性/感知和控制的現(xiàn)象語言學—知識表示/語法神經(jīng)科學—智能活動的物理基礎(chǔ)(substrate)控制理論—自我平衡系統(tǒng)/穩(wěn)定性/優(yōu)化設(shè)計計算機工程—計算機硬件和軟件系統(tǒng)經(jīng)濟學—復(fù)雜系統(tǒng)中的決策/驗證環(huán)境,第1章 人工智能

39、概述,55,推動AI發(fā)展的動力,上述學科對于各種問題的探索, 由此激發(fā)的認識、思想、成就都成為推動AI發(fā)展的動力由此而發(fā)展出來的技術(shù)就構(gòu)成了AI的學科研究內(nèi)容人工智能=人造物(計算機)+智能(特殊化程序)從智能體角度, 有2類智能體: 人類/計算機作為人造智能體, 人們期待計算機智能體在解決某些問題方面要達到專家水平, 盡管從整體上它遠遠不及一個普通人,第1章 人工智能概述,1.3 人工智能簡史7個歷史時期：孕育期/誕生/

40、早期的成功與期望困難期/基于知識系統(tǒng)的崛起AI成為工業(yè)/AI成為科學,第1章 人工智能概述,57,人工智能發(fā)展的7個時期,按照Russell的觀點, AI近五十年的發(fā)展歷史可以分為以下7個時期:AI孕育期(1943~1955)AI的誕生(1956)早期的熱情, 巨大的期望(1952~1969)現(xiàn)實的困難(1966~1973)基于知識的系統(tǒng): 力量的鑰匙? (1969~1979)AI成為工業(yè)(1980~現(xiàn)在)AI成為科學

41、(1987~現(xiàn)在) / 神經(jīng)網(wǎng)絡(luò)的回歸 (1986~現(xiàn)在) / 智能化智能體出現(xiàn)(1995~現(xiàn)在),第1章 人工智能概述,58,人工智能孕育期(1943~1955),神經(jīng)網(wǎng)絡(luò)最早的AI工作是1943年Warren McCulloch和Walter Pitts人工神經(jīng)元模型的研究, 他們證明任何可計算的函數(shù)都可以通過某種由神經(jīng)元連接成的網(wǎng)絡(luò)進行計算, 還提出適當?shù)木W(wǎng)絡(luò)能夠?qū)W習1951年, 普林斯頓大學數(shù)學系研究生Marvin Min

42、sky(明斯基)和Dean Edmonds建造了第一臺神經(jīng)元網(wǎng)絡(luò)計算機,第1章 人工智能概述,59,圖靈的論文,圖靈1950年的論文第一個清晰地描繪出AI的完整圖像(Computing Machinery and Intelligence)提出了圖靈測試、機器學習、遺傳算法、增量學習,第1章 人工智能概述,60,人工智能的誕生(1956)(1),1956年夏天, AI正式誕生于達特茅斯大學John McCarthy(麥卡錫)自普林斯

43、頓大學畢業(yè)以后去了達特茅斯大學, 他說服了另外2個人幫助召開了為期2個月的研討會會議組織者4人: 麥卡錫、Minsky(明斯基)、Claude Shannon(香儂)、IBM的Nathaniel Rochester(羅切斯特), 參加者共10人其他6位是：普林斯頓大學Trenchard More、IBM的Arthur Samuel(塞繆爾)、MIT的Ray Solomonoff和Oliver Selfridge、CMU的紐厄爾和西蒙

44、,第1章 人工智能概述,61,人工智能的誕生(1956)(2),會上, 紐厄爾和西蒙最為活躍, 介紹了他們的推理程序: 邏輯理論家盡管這次會議沒有新突破, 但聚集了AI的主要人物特別是AI領(lǐng)域的4位著名專家, 他們后來所在的大學也成為了美國AI研究的3大基地: MIT—明斯基Stanford—麥卡錫(先在MIT后去了Stanford)CMU—紐厄爾和西蒙此外, 還有IBM,第1章 人工智能概述,62,人工智能的誕生(1956)

45、[3],這次會議最為長久的貢獻就是麥卡錫為該領(lǐng)域起的名字: 人工智能為什么AI有必要成為一個新領(lǐng)域?目標不同：AI從一開始就承載著復(fù)制人的才能如創(chuàng)造性、自我修養(yǎng)、語言功能等思想，沒有任何一個其他領(lǐng)域涉及這些問題方法論不同：是唯一一個明確屬于計算機科學的分支，因而不是數(shù)學或者控制論或其他學科的分支AI是唯一這樣的領(lǐng)域：它試圖建造在復(fù)雜和變化的環(huán)境中自動發(fā)揮功能的機器,第1章 人工智能概述,63,早期的熱情, 巨大的期望(1952

46、~1969)(1),當時，主流的思想是“一臺機器永遠不能做X”(而不是考慮“看看計算機能不能做X？”)AI研究者們就演示一個接一個的XCMU: 紐厄爾和西蒙完成通用問題求解器(GPS), 該系統(tǒng)及其后續(xù)程序的成功導(dǎo)致了他們提出著名的物理符號系統(tǒng)假設(shè),第1章 人工智能概述,64,早期的熱情, 巨大的期望(1952~1969)(2),IBM: 1959—Herbert Gelernter建造了幾何定理證明機; 1952年起, 塞繆爾寫

47、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(shù) / 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,65,早期的熱情, 巨大

48、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(jié)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(dǎo)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(chǔ)上完成了許多研究工作如:

49、 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,66,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(yù)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

50、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,67,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(fù)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

51、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,68,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(jié)構(gòu)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(luò)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(luò)研究由此沉寂了20年, 直到80年代后期多層網(wǎng)絡(luò)的反向傳播算法出現(xiàn)引起了神經(jīng)網(wǎng)絡(luò)的復(fù)興這一算法首次發(fā)現(xiàn)恰恰是

52、在1969年發(fā)現(xiàn)的(Bryson & Ho),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)(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(lǐng)域相關(guān)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(jié)構(gòu) / 該系統(tǒng)改進后, 把知識和推理部分

53、清楚地劃分開—80年代專家系統(tǒng)的典型結(jié)構(gòu),第1章 人工智能概述,70,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(yīng)用到其他需要人類專家知識的領(lǐng)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(lǐng)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

54、能概述,71,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,72,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Pr

55、olog程序的智能機美國則對應(yīng)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,73,神經(jīng)網(wǎng)絡(luò)的回歸(1986~現(xiàn)在),神經(jīng)網(wǎng)絡(luò): 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(luò)研究的復(fù)興Rumelhart和McClelland的文集引起反響連接

56、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,74,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(chǔ)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(chǔ)上而不是靠直覺顯示與現(xiàn)實世界應(yīng)用的相關(guān)性而不是與玩具樣例的相關(guān)性,第1章 人工智能概述,75

57、,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(lǐng)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(yīng)用 / 貝葉斯網(wǎng)絡(luò),第1章 人工智能概述,76,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Internet, AI技術(shù)成為重

58、要的Internet工具為什么要采納智能體觀點?AI目前分離的子領(lǐng)域需要重新組織起來, 至少當它們的結(jié)果需要聯(lián)系在一起的時候AI與其他涉及智能體的領(lǐng)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,77,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(shè)是當然的 / 本質(zhì)上,

59、 AI尋求的是在給定的體系結(jié)構(gòu)之上最好的智能體程序 / 對于弱人工智能的假設(shè), AI的成就可以證明關(guān)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,78,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

60、,第1章 人工智能概述,79,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(guān)注的許多問

61、題已經(jīng)得到解決,第1章 人工智能概述,1.4 智能體與環(huán)境智能體的組成理性智能體任務(wù)環(huán)境與例子任務(wù)環(huán)境的屬性,第1章 人工智能概述,81,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：該智能體所收到的所有輸入數(shù)據(jù)的完整歷史智能體函數(shù)：把任意給定感知序列映射到智能體行動的描述 / 智能體程序：抽象的智能體函數(shù)的一個具

62、體實現(xiàn)，該程序在智能體自身結(jié)構(gòu)上運行,第1章 人工智能概述,82,理性智能體(1),理性智能體(Rational Agent): 做事正確的智能體性能度量: 智能體成功程度標準的具體化作為一般規(guī)則, 最好根據(jù)在這個環(huán)境中希望得到的實際結(jié)果來設(shè)計性能度量, 而不是根據(jù)智能體應(yīng)該表現(xiàn)的行為判斷什么是理性: 性能度量關(guān)于環(huán)境的先驗知識可以執(zhí)行的行動到那時為止的感知序列,第1章 人工智能概述,83,理性智能體(2),理性智能體:

63、對于每個可能的感知序列, 根據(jù)已知感知序列提供的證據(jù)和智能體內(nèi)建的先驗知識, 理性智能體應(yīng)該選擇期望能使其性能度量最大化的行動理性是使期望性能最大化完美是實際性能最大化理性智能體也可以稱作智能化智能體(Intelligent Agent),第1章 人工智能概述,84,任務(wù)環(huán)境(1),建造理性智能體的綜合考慮: 任務(wù)環(huán)境PEAS (Performance, Environment, Actuators, Sensors) 性能/環(huán)

64、境/執(zhí)行器/傳感器例子,第1章 人工智能概述,85,任務(wù)環(huán)境(2),第1章 人工智能概述,86,任務(wù)環(huán)境的屬性(1),任務(wù)環(huán)境的屬性:完全可觀察的 vs 部分可觀察的: 獲取環(huán)境的完整狀態(tài), 一般難以做到確定性的 vs 隨機的: 出租車駕駛環(huán)境是隨機的片段式的 vs 延續(xù)式的: 挑揀零件機器人的決策只需建立在當前零件基礎(chǔ)上, 而下棋, 駕駛, 句法分析都是延續(xù)式的,第1章 人工智能概述,87,任務(wù)環(huán)境的屬性(2),靜態(tài)的 vs

65、動態(tài)的: 出租車駕駛是動態(tài)的, 填字謎游戲則是靜態(tài)的離散的 vs 連續(xù)的: 下棋是離散的, 駕駛汽車是連續(xù)的單智能體 vs 多智能體: 駕駛汽車和下棋都是多智能體環(huán)境根據(jù)傳感器的感知，對環(huán)境的綜合考慮，通過執(zhí)行器的工作，實現(xiàn)好的性能量度,第1章 人工智能概述,88,任務(wù)環(huán)境的屬性(3),第1章 人工智能概述,1.5 智能體結(jié)構(gòu) 4種類型的智能體程序簡單反射型智能體基于模型的反射智能體基于目標的智能體/基于效用的智能體學

66、習智能體,第1章 人工智能概述,90,智能體結(jié)構(gòu),AI的任務(wù)是設(shè)計智能體程序智能體程序要在某個具備實際傳感器和執(zhí)行器的計算裝置上運行, 該裝置稱為體系結(jié)構(gòu)智能體 = 體系結(jié)構(gòu) + 程序通常, 智能體程序具有這樣的框架: 從傳感器得到當前感知信息作為輸入, 返回一個行動交給執(zhí)行器,第1章 人工智能概述,91,智能體類型,有4種類型的智能體程序(或部分程序)簡單反射型智能體基于模型的反射型智能體基于目標的智能體基于效用的智能體

67、此外，學習程序也是一種智能體,第1章 人工智能概述,92,簡單反射型智能體,第1章 人工智能概述,f : P→A f : IF-THEN,93,基于模型的反射型智能體,第1章 人工智能概述,,,,,f : P+M→A f : IF+-THEN,94,基于目標的智能體,第1章 人工智能概述,,,,,f : P+M+Try→A f : Target-Try,95,基于效用的智能體,第1章 人工智能概述,,,,,f : P+M+Tr

68、y+Utility→Af : Utility,96,什么是效用？(1),最簡單的方式就是把效用想象成金錢，越多越好并不是其全部100萬 送給1個身價5億的富翁 vs. 還是1個沒有分文存款的窮光蛋，其效用是不一樣的 / 反過來欠債也是類似的效用—《MultiAgent引論》第6章可以考慮效用和行動對世界作用前后的差(?)之間存在正比關(guān)系，和原來的基數(shù)成反比關(guān)系 / 依據(jù)不同評判標準定義函數(shù),第1章 人工智能概述,97,什么是效用