专家系统:DENDRAL/MYCIN/EMYCIN/振动故障诊断/自动牙科识别
机器学习
深度学习
启发式搜索算法
自然语言处理
自动规划
盲目搜索
知情搜索
博弈中的搜索
人工智能中的逻辑
知识表示
产生式系统
自动规划
遗传算法
模糊控制/模糊逻辑
安全
思维和智能的内涵
图灵测试
启发式方法
机器人
高级计算机博弈
本书观点:
人工智能:
人工智能编程语言:python、matlab、prolog
联系邮箱:contact@epubit.com.can
异步社区:www.epubit.com
R . 斯 腾 伯 格 R.斯腾伯格 R.斯腾伯格在有关人类意识的文章对智能的定义
智能定义:个体从经验中学习、正确推理、记忆重要信息,以及应对日常生活需求的认知能力。
思维定义:推理、分析、评估、形成思想和概念的工具
~并不是所有能够思维的物体都有智能。智能也许就是高效以及有效的思维。许多人对机器能否思考怀有偏见。真相很可能介于上述两个极端之间~
一些动物也会比另一些动物聪明,机器智能存在同样的问题
标准化测试问题:
数列找规律,这个问题设计目的在于衡量模式识别中对显著性特征的熟练程度
如何评估动物的智能?
人工智能的目标:可以与人类思维媲美的计算机软件/硬件系统
图灵寻求可操作的方式回答智能的问题,他想把【功能】与【实现】分离开来
抽象定义:忽略对象/概念的实现的策略(内部运行情况),获得更清晰的对象及其与外部世界关系的描述。
对象可以当作一个黑盒,只关注对象的输入输出
-两个模拟游戏的提出-
https://app.humanornot.ai/
~布洛克对图灵测试的批评~:
图灵测试的二进制数应该非常长
presume:数据库很大,图灵测试包含50个或更少的已有的合理回答的问题
计算机可以通过查表方法而不是智能通过图灵测试
赛尔的批评:中文房间问题
批评summary: 图灵测试仅仅从外部观察,不能洞察某个实体的内部状态(黑盒测试的缺点)
弱人工智能(MIT):唯一标准为程序能够正确执行,任何表现出智能行为的系统视为人工智能的范例。仅仅关注系统的表现,不管出解决问题的方式
强人工智能(CMU、好莱坞阵营):主要关注生物可行性,表现应该基于与人类相同的方法,关注所构建系统的结构,【观点认为:完全依靠人工智能程序的启发式方法、算法和知识,计算机就嫩干活的意识和智能】(听觉模拟人类听觉系统,使用相当于人类耳蜗,耳道,鼓膜和耳朵其他部分的部件)
一组常用与解决问题的指导法则,启发式方法和算法做比较
算法:预先设定用于解决问题的一组规则,输出时完全可预测的
启发式方法:解决问题的经验法则
G e o r g e P o l y a George Polya GeorgePolyaHow to Solve It定义:当面对一个困难问题首先尝试解决一个相对更简单与原始问题相关的问题,为原始问题的求解提供有用的思路【里程碑项目:通用问题求解器】
人工智能问题特征
exp:
~专家系统不仅仅是构建该系统的专家的知识的总和~
超市机器根据用户信息推荐购买
国际象棋:零和博弈,具有完美信息完美信息二人博弈游戏
交互:
下棋中表现出的实力->智力的标志
下棋的专家知识取决于一些搜索算法,可以遇见某个落子对于后续棋局产生的长期后果
细胞自动机(CA):系统的在几条简单规则的控制下,从一些“种子”中“涌现”或“成长”。
人工智能研究领域的应用:
拼图及其相关搜索拼图问题作为搜索算法
状态空间图:问题的论域,包含了该问题所有可能的状态。
节点:状态
弧:状态之间所有合法转换
空间树:状态空间图的真子集
根节点:初始状态
一个/多个叶子节点:目标状态
启发式搜索算法会向前观察状态空间图。出现两条/更多条备选路径时。选择最接近目标的一条/多条路径。可以估计到达目标的【剩余距离】
~向前看的搜索方法~
~向后看的搜索方法~【分支定界】
~迭代的囚徒困境~
产生式规则(知识表示方式)
可以视为n维空间中细胞的集合。每个细胞可以处于少量几种状态中的任何一种状态
通过几个简单规则创建出非常复杂的模式
神经网络试图捕捉人类神经系统的并行分布式结构
神经计算系统基本构建:人工神经元【通过阈值逻辑单元进行建模】
权重的获得:迭代学习算法【感知器学习规则,输入每通过系统一次,输出结果朝着所需权重方向收敛,系统只产生正确的输出结果,学习的过程得以完成。】
例子:
具备实用价值的模式识别任务需要多个阈值单元,这种TLU组成的神经网络可用于执行有实用价值的数据处理任务
计算机进化速度快:(进化:迭代过程,通过应用小增量变化改进为题的拟解决方案)
动植物世界进化过程:自然选择、繁殖、突变、重组等遗传操作来适应环境。
GA来自于进化计算的一般领域的具体方法:【进化计算:人工智能的分支,问题的拟解决方案可以适应环境。
】
GA中问题被编码成【串】
并使用【遗传算子】【适应度函数】收集更优的串
获取/存储/识别/表示 知识
选择一种好的表示方法为特定问题设计算法/解决方案一样重要 ——波利亚
传教士与野人问题
目标:一条船将三个传教士和三个野人从一条河的西岸晕倒这条河的东岸。
从西岸到东岸运送任何时刻,通过选择合适的表示,可以很快地发现和理解解决方案的路径。约束条件也可以被高效地表示出来。
初始:W:3M3CB(三个传教士和三个叶二娘与小船在河的西岸)
目标:E:3M3CB
正在离开:W:2M2C~~~~~~~E:1M1CB
使用逻辑进行知识表示和语言理解exp:积木世界(Blocks World 1972)
产生式规则和专家系统
清晰、简明表示启发式方法的可行性
基于图的方法
基于图的方法在感官上有吸引力:视觉感、空间感和运动感
exp:
《心智社会》认为整个世界可以通过智能体来运行,智能体本身没有智能,但可以通过精妙的方式组合形成一个可以展示出智能行为的社会
【多层次结构】【尺度】【学习】【记忆】【感知相似性】【情绪】【框架】
模糊集:随着条件的变化而变化
模糊逻辑控制器
亚里士多德
《伟大的艺术》卢尔用几何图和原始逻辑装置实现基于逻辑的系统这个目标
《思维的规律》布尔差分方程论、有限差分运算论
《人月神话》:给项目增加更多的软件工程师并不能保证最终结果的连贯性,在开始实际实现之前,最好把更多的时间用于规划
托雷斯克韦多 建立了第一个专家系统KRK残局游戏,第一个基于规则的系统
alphago 卷积神经网络,deep mind 使用游戏作为真实世界的微观模拟战略的一部分,慢思考模式由蒙特卡洛树搜索执行
观点:主张世界作为我们的表示,智能体正是通过与环境交互才出现智能
【语法分析树】
NLP进步的最大障碍是常识问题
被批评只是微观世界,程序并没有一般现实世界的知识/常识
Charniak介绍增强上下文无关语法,赋予每条规则相关概率
【宾州树库 Penn Treebank】每条规则相关的概率
ALVINN基于神经网络的系统 车辆
财务决策:买卖股票,神经网络、遗传算法和专家系统
基于互联网的智能体:搜索万维网,寻找用户感兴趣的新闻文章