当前位置：文档之家 › 智能科学史忠植

智能科学史忠植

  • 格式：ppt
  • 大小：2.41 MB
  • 文档页数：59

下载文档原格式

  / 59

合集下载

《高级人工智能》第九章知识发现和数据挖掘(2)PPT课件

《高级人工智能》第九章知识发现和数据挖掘(2)PPT课件

➢ 聚类：
根据数据的不同特征，将其划分为不同的类。无导师学习
2020/11/5
高级人工智能 史忠植
7
知识发现的任务(2)
➢ 相关性分析：
发现特征之间或数据之间的相互依赖关系 关联规则
➢ 偏差分析：
基本思想是寻找观察结果与参照量之间的有意义的差别。通 过发现异常, 可以引起人们对特殊情况的加倍注意。
2020/11/级人工智能 史忠植
6
知识发现的任务(1)
➢ 数据总结：
对数据进行总结与概括。传统的最简单的数据总结方法是计 算出数据库的各个字段上的求和值、平均值、方差值等统计 值,或者用直方图、饼状图等图形方式表示。
➢ 分类：
根据分类模型对数据集合分类。分类属于有导师学习，一般 需要有一个训练样本数据集作为输入。
➢ 神经计算：
神经网络是指一类新的计算模型，它是模仿人脑神经网络的 结构和某些工作机制而建立的一种计算模型。常用的模型： ✓ Hopfield网 ✓ 多层感知机 ✓ 自组织特征映射 ✓ 反传网络
➢ 可视化：
2020/11/5
高级人工智能 史忠植
11
KDD的技术难点
➢ 动态变化的数据 ➢ 噪声 ➢ 数据不完整 ➢ 冗余信息 ➢ 数据稀疏 ➢ 超大数据量
2020/11/5
高级人工智能 史忠植
15
关联规则的相关概念(2)
➢支持度
物品集A的支持度：称物品集A具有大小为s的支持度, 如果D中有s%的事务支持物品集X P(A)
1000个顾客购物，其中200个顾客购买了面包，
支持度就是20％（200/1000）。
关联规则A→B的支持度：关联规则A→B在事务数据 库W中具有大小为s的支持度,如果物品集A∪B的支持 度为s
AAI06归纳学习 高级人工智能 史忠植

AAI06归纳学习 高级人工智能 史忠植

2013-8-4 史忠植 高级人工智能 16
选择型泛化规则
(5) 爬山泛化树规则 CTX & [L = a] ::> K CTX & [L = b] ::> K … CTX & [L = i] ::> K |< CTX & [L = S] ::> K 其中L是结构描述符，在L的泛化树域中，S表示后继为 a,b,…, i的最低的父节点。
史忠植 高级人工智能
29
变型空间
变型空间方法的初始 G 集是最上面的一个点 （最一般的概念），初 始 S集是最下面的直线 上的点（训练正例）， 初始 H集是整 个规则空间。在搜索过 程中，G 集逐步下移 （进行特化），S 集逐 步上移（进行泛化）， H 逐步缩小。最后 H收 敛为只含一个要求的概 念。
(sm
y)
(l y) g
(x squ)
(x ci r)
(x t ) ri
(sm
squ)
2013-8-4
(l squ) g
(sm
ci r)
(l ci g r)
(sm
t ) ri
(l t ) g ri
33
史忠植 高级人工智能
第三个训练实例(lg cir)
(x y)
(sm
y)
(l y) g
(x squ)
概述
给定关于某个概念的一系列已知的正例和反例，其任 务是从中归纳出一个一般的概念描述。归纳学习能够获得 新的概念，创立新的规则，发现新的理论。
泛化(generalization)用来扩展一假设的语义信息， 以使其能够包含更多的正例，应用于更多的情况。 特化(specialization)是泛化的相反的操作，用于限 制概念描述的应用范围。
智能科学

智能科学

2010/6/18 史忠植 智能科学 14
Series on Intelligence Science
Would Scientific Publishing will publish Series on Intelligence Science. Prof. Zhongzhi Shi is the Editor-inChief. Special Advisors： Marvin Minsky (USA) Shun-ichi Amari (Japan) Wenjun Wu (China) Lotfi A. Zadeh (USA)
11
智能科学研究
国内外现状
美国
纳米技术、生物 纳米技术、生物 技术、信息技术、 技术、信息技术、 认知科学四大汇 认知科学四大汇 聚（NBIC）。 聚（NBIC）。
日本
“脑科学时代” “脑科学时代” 计划，总预算 计划，总预算 200亿美元。 200亿美元。
中国 国际组织
“国际人类前沿科学 “国际人类前沿科学 计划” ，100亿美元。 计划” ，100亿美元。
人工智能的发展
分布智能和机器学习
•1992: 日本政府宣布五代机计划失败。随后启动RWC计划（Real World Computing Project） •1993: Shoham提出AOP,Agent-Oriented Programming •1995: Vapnik提出SVM •1996:中科院计算所多主体系统MAPE •1996: DARPA启动HPKB计划 –军事上的“Grand Challenge”问题分析和求解 •1997: IBM 深蓝II (Deep Blue)击败Garry Kasparov •2000:中科院计算所多主体环境MAGE,知识发现系统MSMiner
aai07类比学习 高级人工智能 史忠植综述

aai07类比学习 高级人工智能 史忠植综述


42

相似度测量：
属性相似度的测量：
| E1 (Valuej ) q1 j E2 (Valuek ) q2k |
对象相似度的测量：
Sim
( E , E ) |
1 2
P i 1 1i1
m1 i 1 1i
m
P

m
j 1 2 j1 m2 j 1 2 j
P
P
|
缺少灵活性，没有匹配的原范例时无法工作。
2018/11/15
高级人工智能---史忠植
6
类比学习模型中的主要问题
• 知识表示和检索：
快速检索选择源范例。 有利于整个类比过程的实现。 易于修改。
• 灵活性，不应孤立存在：
把理论和类比策略结合起来。 多个类比的结合。
• 有效性验证。
2018/11/15
高级人工智能---史忠植
39
获取：
1) 2) 3) 4)
5) 6)
对问题求解器求得的解和T-空间中各次尝试转换进 行比较。 找出某个最接近实际解的中间状态（Dr值最小）。 假设某个新的T-操作符是从这个状态到实际解的转 换，并使其可用。 若加入新操作符后，有许多类比求解不成功，导致 产生了更多的新的T-操作符，则应用观察学习技术， 若例子形成很相似的例子集，则可以根据例子集的 特征来重新构造T-操作符。 将新的T-操作符加入可用T-操作符集。 在差别表中编序新T-操作符的入口。
2018/11/15
高级人工智能---史忠植
18
• 直接抽象方法的主要缺点：
1) 难以处理存储和检索所有可能解的组合问题， 搜索宏操作的开销可能变得比直接用MEA方法 还要大。 2) 忽略路径限制条件，造成新问题的新条件中 使当前宏操作失效，使求解过程浪费。 3) 没有考虑如何修改解序列。
aai09知识发现和数据挖掘1高级人工智能史忠植

aai09知识发现和数据挖掘1高级人工智能史忠植


2019/11/13
高级人工智能 史忠植
25
2019/11/13
高级人工智能 史忠植
26
2019/11/13
高级人工智能 史忠植
27
2019/11/13
高级人工智能 史忠植
28
2019/11/13
高级人工智能 史忠植
29
关联规则发现注意的问题
充分理解数据 目标明确 数据准备工作要做好 选取适当的最小的支持度和可信度 很好地理解关联规则
第九章 知识发现和数据挖掘
数据库中知识发现
史忠植 中科院计算所
2019/11/13
高级人工智能 史忠植
1
知识发现 关联规则 数据仓库 知识发现工具
2019/11/13
高级人工智能 史忠植
2
知识发现
知识发现是指从数据集中抽取和精炼新的模式。 范围非常广泛：经济、工业、农业、军事、社会 数据的形态多样化：数字、符号、图形、图像、声音 数据组织各不相同：结构化、半结构化和非结构 发现的知识可以表示成各种形式
2019/11/13
高级人工智能 史忠植
30
关联规则发现使用步骤
连接数据，做数据准备 给定最小支持度和最小可信度，利用知识发 现工具提供的算法发现关联规则 可视化显示、理解、评估关联规则
2019/11/13
高级人工智能 史忠植
31
关联规则在保险业务中的应用
最小支持度1%，最小可信度为50%
成的，内容相对稳定的、不同时间的数据集合，用以 支持经营管理中的决策制定过程。
2019/11/13
高级人工智能 史忠植
37
数据仓库的特征(1)
数据仓库中的数据是面向主题的
史忠植 高级人工智能(中科院)第八章

史忠植 高级人工智能(中科院)第八章


Remp(w)将在概率意义上趋近于R(w)，却没有保证使
Remp(w)最小的点也能够使R(w) 最小(同步最小)。
2012/4/18 史忠植 统计学习 12
经验风险
根据统计学习理论中关于函数集的推广性的界 的结论，对于两类分类问题中的指示函数集f(x, w) 的所有函数(当然也包括使经验风险员小的函数)， 经验风险Remp(w)和实际风险R(w)之间至少以不下 于1-η(0≤η≤1)的概率存在这样的关系:

Q sup
k
p
z ,dF z R
1 p
k, p 2
2012/4/18
史忠植 统计学习
19
结构风险最小化归纳原则 (SRM)
S1 S2 Sn h1 h* hn h

The SRM Principle continued


For given z1,…,zl and an admissible structure S1S2…Sn… S, SRM chooses function Q(z,lk) minimising Remp in Sk for which the guaranteed risk (risk upper-bound) is minimal Thus manages the unavoidable trade-off of
史忠植 统计学习 9
2012/4/18
函数估计模型

学习样本的函数:
产生器 (G) generates observations x (typically in Rn), independently drawn from some fixed distribution F(x) 训练器Supervisor (S) labels each input x with an output value y according to some fixed distribution F(y|x) 学习机Learning Machine (LM) “learns” from an i.i.d. l-sample of (x,y)-pairs output from G and S, by choosing a function that best approximates S from a parameterised function class f(x,), where is in the parameter set 关键概念: F(x,y), an i.i.d. l-sample on F, functions f(x,) and the equivalent representation of each f using its index
aai10-1_分布式人工智能 高级人工智能 史忠植

aai10-1_分布式人工智能 高级人工智能 史忠植

2013-8-4 史忠植 高级人工智能 18
10.4.3 RAO逻辑框架
目标：以一种自然的方式描述多主体系 统中关于别的主体的状态的推理过程。 系统的分类：由于多主体系统太复杂， 建立一种通用的推理模式的想法是不 现实的，有必要对系统分类以便区别 对待。 常识的获得：和单个主体情形一样，常 识问题是阻碍推理的大难题。
2013-8-4 史忠植 高级人工智能 4
分布式人工智能系统的主要优点
1) 2) 3) 4) 提高问题求解能力。 提高问题求解效率。 扩大应用范围。 降低软件的复杂性。
2013-8-4
史忠植 高级人工智能
5
10.2 分布式问题求解
特点： 数据、知识、控制均分布在系统的各节 点上，既无全局控制，也无全局数据和 知识存储。
2013-8-4 史忠植 高级人工智能 17
BDI解释器
BDI-Interpreter initialize-state(); do options := option-generator(event-queue, B, G, I); selected-options := deliberate(options, B, G, I); update-intentions(selected-options, I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I); until quit
2013-8-4 史忠植 高级人工智能 38
主体间的消息传递
目标G
Agent i
消息M
意图I 言语行为 消息M
Agent i
AAI06归纳学习 高级人工智能 史忠植PPT课件

AAI06归纳学习 高级人工智能 史忠植PPT课件


12.11.2020
史忠植 高级人工智能
18
选择型泛化规则
(7) 将合取转换为析取规则 F1 & F2 ::> K |< F1 F2 ::> K 其中F1,F2为任意描述。
12.11.2020
史忠植 高级人工智能
19
选择型泛化规则
(8) 扩充量词范围规则 x,F[x] ::> k |< x, F[x] ::> k (I1)x,F[x] ::> K |< (I2)x, F[x]::> K 其中I1,I2是量词的域（整数集合）， 且I1 I2
15
选择型泛化规则
(3) 扩大引用范围规则
CTX & [L = R1] ::> K |< CTX \& [L = R_2] ::> K 其中R1 R2 DOM(L), DOM(L) 为L的域，L是一个项， Ri是L取值的一个集合。
(4) 闭区间规则
CTX & [L = a] ::> K
CTX & [L = b] ::> K
12.11.2020
史忠植 高级人工智能
17
选择型泛化规则
(6) 将常量转换为变量规则
F[F[x]
其中F[x]是依赖于变量x的描述符，a,b, …, i是常量。
对于描述F[x], 若x的某些值(a,b, … , i)使F[x]成立，
则可得到假设：对于x的所有值，F[x]成立。
第六章 归纳学习
中科院计算所
12.11.2020
史忠植 高级人工智能
1
内容提要
6.1 归纳学习的逻辑基础 6.2 偏置变换 6.3 变型空间方法 6.4 AQ归纳学习算法 6.5 产生与测试方法 6.6 决策树学习 6.7 归纳学习的计算理论 6.8 支持下向量机
aai02人工智能逻辑 高级人工智能 史忠植

aai02人工智能逻辑 高级人工智能 史忠植

史忠植 高级人工智能 2
逻辑的历史
• Aristotle——逻辑学 • Leibnitz——数理逻辑 • Gottlob Frege (1848-1925)——一阶谓词演 算系统,《符号论》 • 20世纪30年代，数理逻辑广泛发展
2013-8-4
史忠植 高级人工智能
3
重要的形式工具──逻辑
在本世纪30年代以后，数学方法广泛渗透与运 用于数理逻辑，使得数理逻辑成为数学领域中与代 数、几何等并列的学科之一。现代数理逻辑可以分 为逻辑运算、证明论、公理集合论、递归论和模型 论。
逻辑系统
一个逻辑系统是定义语言和它的含义的方法。 逻辑系统中的一个逻辑理论是该逻辑的语言的一 个语句集合，它包括： • 逻辑符号集合：在所有该逻辑的逻辑理论中均出现的符号； • 非逻辑符号集合：不同的逻辑理论中出现的不同的符号； • 语句规则：定义什么样的符号串是有意义的； • 证明：什么样的符号串是一个合理的证明； • 语义规则：定义符号串的语义。
逻辑简介逻辑程序设计非单调逻辑缺省逻辑限定逻辑真值维护系统情景演算逻辑的历史逻辑系统命题逻辑谓词逻辑11逻辑的历史aristotle逻辑学leibnitz数理逻辑gottlobfrege18481925一阶谓词演算系统符号论20世纪30年代数理逻辑广泛发展12逻辑系统一个逻辑系统是定义语言和它的含义的方法
史忠植 高级人工智能
2013-8-4
4
关于知识的表示与推理
智能行为的基础是知识，尤其是所谓的常识性知识。 人类的智能行为对于知识的依赖主要表现在对于知识的 利用，即利用已经具有的知识进行分析、猜测、判断、 预测等等。人类利用知识可以预测未来，由已知的情况 推测未知的情况、由发生的事件预测还未发生的事件等 等。但是，当人们希望计算机具有智能行为时，除了告 诉计算机如何像人一样地利用知识以外（对于知识进行 推理），一个更为基础和先行的工作是如何使计算机具 有知识（对于知识进行表示），即在计算机上如何表达 人类的知识。
人工智能史忠植

人工智能史忠植


INSTITUTE OF COMPUTING TECHNOLOGY
2013-7-8
2
神经网络

INSTITUTE OF COMPUTING TECHNOLOGY

一个神经网络是由简单处理元构成的规模宏大的 并行分布处理器。天然具有存储经验知识和使之 可用的特性。 神经网络从两个方面上模拟大脑： 神经网络获取的知识是从外界环境中学习得来 的。 内部神经元的连接强度，即突触权值，用于储 存获取的知识。
INSTITUTE OF COMPUTING TECHNOLOGY
o1
x2
o2
… xn
2013-7-8
…
…
…
…
…
… om
输入层
隐藏层
输出层
27
多层感知器
用两计算层感知器解决“异或”问题。
―异或”的真值表
x1 x2 y1 y2 0 0 1 o
INSTITUTE OF COMPUTING TECHNOLOGY
j{1, 2 ,..., m}
2013-7-8 19
竞争学习原理
3.网络输出与权值调整
INSTITUTE OF COMPUTING TECHNOLOGY
1 o j (t 1) 0
j j* j j*
ˆ ˆ ˆ ˆ W j * (t 1) W j * (t ) W j * W j * (t ) (t )( X W j * )
0
1 1
1
0 1
0
1 1
双层感知器
o
―异或”问题分类
x1
T3 -1 w11 T1 -1 T2
y1
y2
S1
人工智能第四章不确定性推理

人工智能第四章不确定性推理


– 如制导回溯、启发式搜索等等
2016-1-22
史忠植 人工智能：不确定性推理
5
内容提要
4.1 概述 4.2 可信度方法 4.3 主观贝叶斯方法 4.4 证据理论 4.5 模糊逻辑和模糊推理 4.6 小结
2016-1-22
史忠植 人工智能：不确定性推理
6
知识的不确定性表示
• 产生式规则：
If E Then H (CF(H, E))
MB(H,E)= m-a--x-{-P--(-H--1-|-E-P-)-(,-H-P-)-(-H--)-}--–---P--(-H--)--- 否则
• MD的定义：
1
若P（H）=0
MD(H,E)= m-i-n---{-P--(-H---P|-E-(-)H-,-)P--(-H--)-}--–---P--(-H--)--- 否则
信度CF(H)
2016-1-22
史忠植 人工智能：不确定性推理
15
结论不确定性合成算法
• r1: if E1 then H (CF(H,E1))
r2: if E2 then H (CF(H,E2)) 求合成的CF(H)
(ห้องสมุดไป่ตู้)首先对每条知识求出CF(H)，即：
CF1(H)=CF(H,E1) max{0, CF(E1)} CF2(H)=CF(H,E2) max{0, CF(E2)}
• 已知C(A), AB f(B,A),如何计算C(B)
• 已知C1(A),又得到C2(A),如何确定C(A)
• 如何由C(A1),C(A2)计算C(A1A2), C(A1A2)
–语义问题: 指的是上述表示和计算的含义是
什么,如何进行解释.
2016-1-22

[计算机软件及应用]aai08解释学习 高级人工智能 史忠植


2021/8/26
24
三角表
INROOM (ROBOT , R1) CONNECTS (D1, R1, R2 )
GOTHRU (d, r1, r2 )
INROOM (BOX 1, R2 )
CONNECTS (D1, R1, R2 ) CONNECTS(x, y, z) CONNECTS(x, z, y)
▪ 初始世界模型：
INROOM (ROBOT , R1)
INROOM (BOX 1, R2 )
CONNECTS (D1, R1, R2 )
CONNECTS (D1, R2, R3)
BOX ...
(
BOX
1
)
(x, y, z)[CONNECTS(x, y, z) CONNECTS(x, z, y)]
第八章 解释学习
史忠植 中科院计算所
2021/8/26
1
内容
8.1 概述 8.2 解释学习模型 8.3 解释泛化学习方法 8.4 全局取代解释泛化方法 8.5 解释特化学习方法 8.6 解释泛化的逻辑程序 8.7 基于知识块的SOAR系统 8.8 可操作性标准 8.9 不完全领域知识下的解释学习
2021/8/26
作为前件，以定点的目标概念为后件，
略去解释结构的中间部件，生成泛化的
产生式规则。
2021/8/26
21
8.4 全局取代解释泛化方法
1986年DeJong和Mooney提出全局取代解释泛化 方法。在EBG方法中，通过实例解释结构的目 标概念回归，忽略析取实现泛化。
2021/8/26
22
STRIPS的例子
▪ 可操作标准：概念定义必须要用描述实例中的谓词，或 者选自领域知识易于评测的谓词。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2014-12-18
史忠植 智能科学
26
心理学
格式塔（ Gastalt ）心理学是 20 世纪初叶德国一群实验 心 理 学 家 开 始 的 运 动 ， 开 创 先 锋 是 韦 特 海 姆 (Max Wertheimer) 、 考 夫 卡 (Kurt Koffka) 和 柯 勒 (Wolfgang Kohler) 。他们强调研究复杂的心理现象，而这些现象有时 是很难用客观的术语和客观的方法加以描述的。格式塔心理 学认为经验或行为的本身是不可分解的，每一经验或行为活 动，都自成为一个特殊的形态，且有其一定的特征或属性。 一个经验或行为一旦被分解成若干部分，则该经验或行为原 有形态和属性就消失了。换言之，全体形态和属性并不等于 各部分之和。他们认为在问题解决的复杂过程中，不只靠简 单的尝试错误，而且还要通过顿悟。在研究方法上，格式塔 心理学主张内省法和客观法并用。主张主要研究知觉、思维 和解决问题。 2014-12-18 27 史忠植 智能科学
2014-12-18 史忠植 智能科学 4
对信息技术发展态势的看法



信息技术仍处在蓬勃发展期，20 年内仍 然是第一技术。在信息理论方面特别是 借鉴脑科学成果的智能技术还处于起步 阶段。 以编程方式工作的数字电子计算机技术 已相当成熟，今后20年主要是应用与集 成方面的创新。 计算机技术的创新主要体现在系统级， 系统级的创新包括大量的原始性创新。
(4) 学习能力能否与认知分开来研究？
(5) 所有的认知是否有一种统一的结构？
2014-12-18
史忠植 智能科学
21
知识科学
知识科学是研究以知识为对象的基本问题，包括 知识的数学理论 逻辑基础
知识模型
知识挖掘 知识共享等
2014-12-18
史忠植 智能科学
22
脑科学
脑科学从分子水平、细胞水平、行 为水平研究脑结构 , 建立脑模型，揭示 自然智能机理和脑本质。
心理学
认知心理学是用信息加工过程来解释人的复杂行为， 它吸收了行为主义和格式塔心理学的有益成果。认 知心理学也认为复杂 的现象总要分解成最基本的部 分才能进行研究。当给被试刺激 时，他要依靠头脑 中的经验才能决定做出什么反应。所谓经验，包括 机体的状态和记忆存储的内容。因此，刺激和被试 当前的心 理状态这二者共同决定着被试作出什么反 应。下面我们将要详细 介绍认知心理学产生的背景， 为认知科学的形成奠定了基础。
2014-12-18 史忠植 智能科学 9
人工智能的困惑
人工智能(artificial intelligence，或简称AI)，有时也称作机器智 能。 1956 年 John McCarthy 在他的 Proposal for the Dartmouth Summer Research Project On Artificial Intelligence中首先引入了 这个术语，他将人工智能定义为: “使一部机器的反应方式就像是 一个人在行动时所依据的智能”。 到目前为止，该领域中在基 于预先定义好的系列规则之上的计算机模拟智能的方面, 人们已 经作了大量的工作。
史忠植 智能科学 5
Hale Waihona Puke 2014-12-18技术浪潮

天文学（天问）推动农业、航海业 物理化学（物问）推动能源、材料、信息 技术 生物学（命问）推动基因农业和基因药物 脑科学（脑问）推动下一轮智能技术浪潮

2014-12-18
史忠植 智能科学
6
技术创新浪潮的经济长波规律 （康德拉捷夫）
水力 纺织 铁 蒸汽 铁路 钢 机械化 电 化学品 内燃机
2014-12-18 史忠植 智能科学 17
人工智能的发展
知识工程时期
•1981: 日本政府宣布日本五代机（first-generation computer） 计划（即智能计算机） •1982: John Hopfield 掀起神经网络的研究 •1983: MCC （Microelectronics and Computer Technology Corporation）成立（Bobby Inman 任主任） •1984: Doug Lenat在Bobby Ray Inman的劝说下在MCC开始Cyc的研 究 •1986: Thinking Machines Inc 研制联结机器 (Connection Machine) •1987: LISP机器市场开始暗淡 •1988: 386芯片使得PC机速度可以与LISP机器媲美
2014-12-18
史忠植 智能科学
10
智能机器
5thc B.C. Aristotelian logic invented 1642 Pascal built an adding machine
1694
Leibnitz reckoning machine
2014-12-18
史忠植 智能科学
11
智能机器
2014-12-18 史忠植 智能科学 18
人工智能的发展
分布智能和机器学习
•1992: 日本政府宣布五代机计划失败。随后启动RWC计划（Real World Computing Project） •1993: Shoham提出AOP,Agent-Oriented Programming •1995: Vapnik提出SVM •1996:中科院计算所多主体系统MAPE •1996: DARPA启动HPKB计划 –军事上的“Grand Challenge”问题分析和求解 •1997: IBM 深蓝II (Deep Blue)击败Garry Kasparov •2000:中科院计算所多主体环境MAGE,知识发现系统MSMiner
数字网络 软件 新媒体 生物基因 （蛋白质） 纳米材料 ？？？ ？？？
脑科学 智能技术
创 新 步 伐
第一次浪潮
1990 2020
第二次浪潮
2050
第三次浪潮
第四次浪潮 2080 2100
2014-12-18
史忠植 智能科学
8
智能科学
21世纪, 智能科学
智能科学是一门交叉学科，主要由 F 脑科学 F 认知科学 F 人工智能 等学科共同研究智能行为的基本理论和实 现技术。
石油化学 数字网络 电子 软件 航空 新媒体
创 新 步 伐
1785
铁路化
电气化 电子化 数字化
第一次浪潮
1845
第二次浪潮
1900
第三次浪潮
第四次浪潮
第五次浪潮
1950
1990 1999 2020
60年
55年
50年
40年
30 年
2014-12-18
史忠植 智能科学
7
对21世纪技术创新浪潮长波的猜想
2014-12-18 史忠植 智能科学 19
人工智能的困惑
人工智能困难： 知识的复杂性 表达不完整知识 推理的时空爆炸性 没有可靠的理论
2014-12-18 20
史忠植 智能科学
人工智能的五个基本问题
(1) 知识与概念化是否是人工智能的核心？
(2) 认知能力能否与载体分开来研究？
(3) 认知的轨迹是否可用类自然语言来描述？
硬件系统
2014-12-18 史忠植 智能科学 23
心理学
心理学是研究心理现象的科学。
普通心理学研究心理现象的一般规律。 专门研究心理活动的不同过程和心理特征的不同方面的有感 觉知觉心理学、记忆心理学、思维心理学、言语心理学、个 性心理学、发展心理学、创造心理学。研究不同主体的心理 现象有儿童心理学、动物心理学、生理心理学、神经心理学、 病理心理学等。 研究社会不同领域内心理活动的规律，以提高有关方面 的工作效率为主要任务的有社会心理学、政治心理学、教育 心理学、军事心理学、管理心理学、商业心理学、医学心理 学、艺术心理学、运动心理学等。
1936 Alan Turing’s paper, On Computable Numbers with an application to the Entscheidungs problem
2014-12-18
史忠植 智能科学
13
布尔逻辑
1848 George Boole The Calculus of Logic
chocolate nuts
mint
2014-12-18
chocolate and 史忠植 nuts and mint 智能科学
14
ENIAC出现
1945 ENIAC The first electronic digital computer
2014-12-18
史忠植 智能科学
15
人工智能的发展
•1950: Alan Turing的文章 “Computing Machinery and Intelligence.”提出图灵测试 Mind, Vol. 59, No. 236, pp. 433-460 •1955: Newell, Shaw 和Simon 开发了IPL-11 –Information Processing Language –第一个AI语言，能够处理概念 •1956: CIA 资助GAT项目（Georgetown Automatic Translation ） •1956: Newell, Shaw和Simon的 “The Logic Theorist” –用IPL开发 ，证明命题逻辑的命题
2014-12-18
史忠植 智能科学
16
人工智能的发展
•1958: Newell和Simon的四个预测 –十年内，计算机将成为世界象棋冠军 –十年内，计算机将发现或证明有意义的数学定理 –十年内，计算机将能谱写优美的乐曲 –十年内，计算机将能实现大多数的心理学理论 •1959: Frank Rosenblatt提出感知器模型（Perceptron Model) •1959: MIT AI Lab正式成立（Minsky和McCarthy）