人工智能及其应用——第一章学习笔记

人工智能及其应用

第一章 绪论

1.1 人工智能的定义与发展

1.1.1 人工智能的定义

• 智能：智能是一种应用知识处理环境的能力或由目标准则衡量的抽象思考能力
• 智能机器：智能机器是一种能够在不确定环境中执行各种拟人任务达到预期目标的机器
• 人工智能（学科）：是计算机科学中设计研究、设计和应用智能机器的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术
• 人工智能（能力）：是智能机器所执行的通常与人类智能有关的智能行为

1.1.2 人工智能的起源与发展

$$孕育时期(1956年前)\to 形成时期(1956-1970年)\to 暗淡时期(1966-1974年)\to 知识应用时期(1970-1988年)\to 集成发展时期(1986年至今)$$

1.2 人工智能的各种认知观

1.2.1 人工智能各学派的认知观

目前人工智的主要学派有下列三家：

• 符号主义，又称为逻辑主义，其原理主要为物理符号系统假设和有限合理性原理
• 认为人工智能源于数理逻辑，代表人物有西蒙和尼尔逊($Nilsson$)
• 连接主义，又称为仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法
• 认为人工智能源于仿生学，特别是人脑模型的研究
• 行为主义，又称进化主义或控制论学派，其原理为控制论及感知——动作型控制系统
• 认为人工智能源于控制论，代表人物布鲁克斯($Brooks$)

1.2.2 人工智能的争论

对人工智能理论的争论

1. 符号主义：认为人的认知基元是符号，而且认知过程即符号操作过程；知识是信息的一种形式，是构成智能的基础
2. 连接主义：认为人的思维基元是神经元，而不是符号处理过程
3. 行为主义：认为智能取决于感知和行动，提出智能行为的“感知——动作”模式

对人工智能方法的争论

1. 符号主义：认为人工智能的研究方法应为功能模拟方法，力图用数学逻辑方法来建立人工智能的统一理论体系
2. 连接主义：认为人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的
3. 行为主义：认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分的

1.3 人类智能与人工智能（见PDF）

1.3.1 智能信息处理系统的假设

一个完善的符号系统应具有下列六种基本功能：

• 输入符号
• 输出符号
• 存储符号
• 复制符号
• 建立符号结构：通过找出各符号之间的关系，在符号系统中形成符号结构
• 条件性迁移：根据已有的符号，继续完成活动过程

人认知本质研究的几个方面：

• 认知生理学：主要研究人的神经系统的活动，是认知科学研究的底层
• 认知心理学：研究认知行为的心理活动，主要研究人的思维策略，是认知科学研究的顶层
• 认知信息学：研究人的认知行为在人体内的初级信息处理，主要研究人的认知行为如何通过初级信息自然处理
• 认知工程学：研究认知行为的信息加工处理，主要研究如何通过以计算机为中心的人工信息处理系统，对人的各种认知行为进行信息处理

1.3.2 人类智能的计算机模拟

人脑能够复制大量的交互作用，快速处理及其大量的信息，同时执行多项任务。

迄今为止的所有计算机，基本上都未能摆脱冯诺依曼机的结构，只能依次对单个问题进行“求解”。即使是现有的并行处理计算机，其运行性能仍十分有限。

1.4 人工智能系统的分类

• 专家系统：是人工智能和智能系统应用研究最活跃和最广泛的领域之一==（第一个专家系统 $DENDRAL$ 在美国斯坦福大学问世）==，是把专家系统技术和方法，尤其是工程控制论和反馈机制有机结合而建立的。一般由知识库、推理机、控制规则集合集和算法等组成。专家系统所研究的问题一般具有不确定性，是以模仿人类智能为基础的
• 模糊系统：扎德$(L.Zadeh)$于1965年提出，是一类应用模糊集合理论的智能系统。模糊系统的价值可以从两个方面来考虑。一方面提出了一种新的机制用于实现基于知识甚至语义描述的表示、推理和操作规律。另一方面为非线性系统提出一个比较容易的设计方法，尤其是当系统含有不确定性而且很难用常非线性理论处理时，更有效
• 神经网络系统
• 学习系统
• 仿生系统：是应用数学和科学模仿与模拟人类和生物行为的智能系统
• 群智能系统
• 多真体系统：把真体看作能够通过传感器感知其环境，并借助执行器作用于该环境的任何事物，其具有分布式系统的许多特性
• 混合智能系统

1.5 人工智能的研究目标和内容

1.5.1 人工智能的研究目标

人工智能的一般研究目标为：

• 更好的理解人类智能：通过编写程序来模仿和检验有关人类智能的理论
• 创造有用的灵巧程序：该程序能够执行一般需要人类专家才能实现的任务

人工智能的研究目标又可分为近期研究目标和远期研究目标：

近期研究目标：建造智能计算机以代替人类的某些智力活动

远期研究目标：用自动机模仿人类的思维活动和治理功能，建造能够实现人类思维活动和智力功能的智能系统

1.5.2 人工智能研究的基本内容

1. 认知建模（浩斯顿把认知归纳为如下五种类型）：

   1. 信息处理过程

   2. 心理上的符号运算

   3. 问题求解

   4. 思维

   5. 诸如知觉、记忆、思考、判断等关联活动

      认知科学是人工智能的重要理论基础，设计非常广泛的研究课题

2. 知识表示：是传统人工智能的基础，把人类知识概念化、形式化或模型化。主要包括：符号表示法和神经网络表示法两种

3. 知识推理：从一些已知判断或前提推导出一个新的判断或结论的思维过程。形式逻辑中分为演绎推理、归纳推理和类比推理等。包括不确定性推理和非经典推理。

4. 知识应用

5. 机器感知：是使机器具有类似于人的感觉，其中最重要的和应用最广的要算计算机视觉和机器听觉。机器感知是机器获取外部信息的基本途径

6. 机器思维：是对传感信息和机器内部的工作信息进行有目的的处理

7. 机器学习：是使机器具有学习新知识和新技术，并在实践中不断改进和完善的能力

8. 机器行为：指智能系统具有的表达能力和行动能力

9. 智能系统构建

1.6 人工智能的研究于计算方法

1.6.1 人工智能的研究方法

• 功能模拟法（符号主义）：是人工智能最早和应用最广泛的研究方法，以符号处理为核心对人脑功能进行模拟。在用符号表示知识的概念时，其有效性很大程度上取决于符号表示的正确性和准确性，且难以对含有噪声的信息、不确定性信息和不完全信息进行处理
• 结构模拟法（连接主义）：通过人脑神经网络、神经元之间的连接以及在神经元之间的并行处理，实现对人脑智能的模拟
• 行为模拟法（行为主义）：模拟自动控制过程的有效方法
• 集成模拟法

1.6.2 人工智能的计算方法

1. 概率计算：传统数学计算方法

2. 符号规则逻辑运算：适用于描述过程的因果关系和非解析的映射关系

3. 模糊计算：利用模糊集合及其隶属度函数等理论，对不确定性信息进行模糊化、模糊决策和模糊判决等，实现模糊推理于问题求解

4. 神经计算：认为知识在人脑中以神经网络形式存储，神经网络由可在不同水平上被激活的结点组成，节点间有连接作用，并通过学习对神经网络进行训练，形成了人工神经网络学习模型

5. 进化计算与免疫计算：以模拟计算模型为基础，具有分布并行计算特征，强调自组织、自学习与自适应

6. 此外还有群优化计算、蚁群算法等

1.7 人工智能的研究与应用领域

• 问题求解与博弈
• 逻辑推理与定理证明
• 计算智能
• 分布式人工智能与$Agent$
• 自动程序设计
• 专家系统
• 机器学习
• 自然语言处理
• 机器人学
• 模式识别
• 计算机视觉
• 神经网络
• 智能控制
• 智能调度与指挥
• 智能检索
• 系统与语言工具