当前位置：文档之家 › 浙江大学计算机学院研究生《人工智能引论》课件89

浙江大学计算机学院研究生《人工智能引论》课件89

  • 格式：ppt
  • 大小：581.00 KB
  • 文档页数：89

下载文档原格式

  / 89

合集下载

浙江大学人工智能PPT1

浙江大学人工智能PPT1

1．2 人工智能研究的发展
• 1956年夏季，麦卡锡(McCarthy)等美国年轻学者 发起首次人工智能研讨会 •发展历程大致可划分为四个阶段：
• • • • 形成、 成长、 快速发展、 稳步增长
1 形成期（1956-1961）
这一时期，基于前人数学逻辑和形式推理方面取得的成果，建立在卡内基-梅 隆大学、麻省理工学院和IBM公司的研究组开始了AI的早期研究工作。这个时 期的成果主要是定理证明程序、GPS（General Problem Solving）、下棋程序、 LISP语言和模式识别系统等。这些早期成果充分表明，AI作为一门新兴的学科 正在茁壮成长。
课程安排
三、教学要求
• 重点掌握： 问题求解的基本方法、 知识表示方法、 KB系统设计、 智能规划的实现方法、 机器学习的实现方法。 • 课程难点 搜索算法、 演绎推理的实现方法、 结构化知识表示、 KB系统的设计、 自动规划技术、 机器学习技术。
课程安排
四、教材
• 人工智能基础，高济等，02年，高教出版社，新世纪计算机学科系列教材之一。 校门口科海书店 • 参考资料：人工智能原理和方法，王永庆，98年，西安交通大学。
• 80年代中期——AI热特别是专家系统热大大降温。
• 人工智能技术的不成熟性，对AI经济效益的期望值太高，结果不免令人失 望； • 更糟糕的是大部分草率上马的专家系统项目均未达实用化程度； • 对AI前景持悲观态度，甚至有人提出AI的冬天已经来临。
发展历程
4 稳步增长期（80年代后期以来）
• • • • 大部份AI研究者都还保持着清醒的头脑，扎实的研究工作； AI技术和方法论的发展始终保持了较高的速度； AI研究进入稳健的线性增长时期； 而人工智能技术的实用化进程也步入成熟时期。

人工智能 ppt课件

人工智能 ppt课件

（2）自然数都是大于等于零的整数。 定义谓词如下： N(x):x是自然数。 I(x):x是整数。 GZ(x):x大于等于零。 （x)(N(x)→(GZ(x）∧I(x))）
(3) 西安市的夏天既干燥又炎热。 定义谓词： SUMMER(x):x处于夏天。 DRY(x):x很干燥。 HOT(x):x很炎热。
f4：从B瓶往C瓶倒油， 把C瓶倒满。
f5：从B瓶往A瓶倒油， 把B瓶倒空。
f6：从B瓶往C瓶倒油， 把B瓶倒空。
f1 f5 f7 0,0
f7
f1 f5
f7：从C瓶往A瓶倒油，
5,2
f4 f2
f3
4,3 f1 5,3
f7 f3
f8
4,0
f4
f5
0,1
f6 f8
f1
1,0
f7 f3
1,3
把C瓶倒空。
f8：从C瓶往B瓶倒油， 把C瓶倒空。
0,1,0 L(0,1)
L(1,0) L(0,1)
2,2,0
3,1,0
L(1,1)
R(1,1)L(0,2) R(0,2)
3,3,1
R(1,0) R(0,1)
1,1,1
0,2,1
L(1,1)R(0,2)
R(1,1)
L(0,2)
0,0,0
L(0,1) R(0,1)
R(0,1) L(0,1)
3,2,0
0,1,1
➢例1：设有下列事实性知识： 张晓辉是一名计算机系的学生，但他不喜欢 编程序。李晓鹏比他父亲长得高。
请用谓词公式表示这些知识。
（1）定义谓词及个体。 Computer(x):x是计算机系的学生。 Like(x,y):x喜欢y。 Higher(x,y):x比y长得高。

浙江大学研究生《人工智能引论》课件

浙江大学研究生《人工智能引论》课件

因此，P(B|j, m) = α <0.00059224, 0.0014919> ≈ <0.284, 0.716> 即在John和Mary都打电话的条件下，出现盗贼的 概率约为28%。
【课后习题1】
国家政策 （C） ）
P(C) 0.50
C
P(U) 0.95 0.01 U P(B) 0.30 0.01
D. 独立和条件独立
Cavity Weather
Toothache
Catch
Weather和其它3个变量相互独立 给定Cavity后，Toothache和Catch条件独立
E. 贝叶斯网络示例
Burglary
P(B) 0.001 P(E)
Earthquake
B E t f t f P(A) 0.95 0.94 0.29 0.001
P(~b) 0.999 P(e) 0.002 P(a|~b,e) 0.29
P(~e)
+
0.998 P(a|~b,~e) 0.001 P(j|a) 0.90 P(m|a) 0.70 P(j|~a) 0.05 P(m|~a) 0.01
+
+
P(~a|~b,e) 0.71 P(j|~a) 0.05 P(m|~a) 0.01
B. 贝叶斯网络的定义
是一个有向无环图(DAG) 随机变量集组成网络节点，变量可离散或连续 一个连接节点对的有向边或箭头集合 每 节 点 Xi 都 有 一 个 条 件 概 率 分 布 表 ： P(Xi|Parents(Xi))，量化其父节点对该节点的影响
C. 贝叶斯网络的别名
信念网(Belief Network) 概率网络(Probability Network) 因果网络(Causal Network) 知识图(Knowledge Map) 图模型(Graphical Model)或概率图模型(PGM) 决策网络(Decision Network) 影响图(Influence Diagram)

人工智能ArtificialIntelligence--精品PPT课件

人工智能ArtificialIntelligence--精品PPT课件

Artificial Intelligence
NLP: 8
© Graduate University , Chinese academy of)
• 语言学的研究－理解的层次
– 句法分析：对句子和短语的结构进行分析，找出词、短 语等的相互关系以及各自在句子中的作用等。在语言自 动处理的研究中，句法分析的研究是最为集中的，这与 乔姆斯基（Chomsky）的贡献是分不开的。主要方法 有：短语结构语法、格语法、扩充转移网络、功能语法 等。
– 是一种近似匹配技术，输入句子可以不准循语法，但是也容易导致 错误
Artificial Intelligence
NLP: 16
© Graduate University , Chinese academy of Sciences.
自然语言理解的一般问题(15)
70年代句法语义分析为主流
• 采用句法-语义分析技术
• 语言学的研究－理解的层次
– 语音分析：找出最小可独立的声音单元----音素 – 词法分析：找出词汇的各个词素（词根），从中获得语
言学信息 例：我们研究所有东西;把手放在桌上 我们--研究所--有--东西 （交叉歧义） 我们--研究--所有--东西 把--手--放在--桌上 （组合歧义） 把手--放在--桌上
Artificial Intelligence
NLP: 10
© Graduate University , Chinese academy of Sciences.
自然语言理解的一般问题(9)
• 研究目标
– 建立一个足够精确的语言数学模型使计算机通过编程来 完成自然语言的相关任务。如：听、读、写、说，释义 ，翻译，回答问题等。通过语言索取信息，由此能力则 说明该系统对语言已理解了 。

人工智能引论AI-CH1

人工智能引论AI-CH1

智能是个体有目的的行为、合理 的思维、以及有效的适应环境的综合 性能力。
通俗地说，智能是个体认识客观事物和 运用知识解决问题的能力。
2013年9月6日星期五
5
智能内容
★ 感知和认识客观事物、客观世界与自我的能力； ★ 通过学习取得经验、积累知识的能力； ★ 理解知识、运用知识和经验分析问题和解决问题的
尊称为“计算机之父”
2013年9月6日星期五
15
★ 1946年美国的数学家莫克利（J W Mauchly, 1907-1980）和研究生埃克特（J P Eckert）合作，研制成功第一台通用电子数字 计算机ENIAC。
★ 1948年美国数学家维纳（N Wiener）创立 控制论；美国数学家香农（C E Shannon）创 立信息论；美籍奥地利生物学家贝塔朗菲创立 系统论。
★ 1961年明斯基发表了题为“走向人工智能的步骤” 的论文，对当时人工智能研究起了推动作用。
2013年9月6日星期五
19
麦卡锡（ J McCarthy, 1927）
AI(人工智能)一词通常认为是McCarthy 1955 年在DartMouth期间的一个会议上提出来的 (/wiki/Dartmouth_Confere nce )，被尊称为“人工智能之父”。
◆ 乔姆斯基（N Chomsky）提出了一种文法的数学模 型，开创了形式语言的研究。形式语言与自动机是 等价的，它们都可以用来研究思维过程。
2013年9月6日星期五
18
◆ 勒洛特发表了证明平面几何问题的程序； ◆ 赛尔夫利奇等人发表了模式识别程序；
◆ 麦卡锡研制出表处理语言LISP，它不仅能处理数 值，而且可以更方便地处理符号，为人工智能研究提 供了重要工具。

人工智能课件ppt

人工智能课件ppt
逻辑思维特点： 以抽象的概念、判断和推理作为思维的基本形式，以分析、综
合、比较、抽象、概括和具体化作为思维的基本过程，从而揭露事 物的本质特征和规律性联系。
11
2.1.2 智能的特征
（2）形象思维（直感思维）（是用直观形象和表象解决问题的思
维）
o 依据直觉。 o 思维过程是并行协同式的。（“并排行走”或“同时实行或实
计师、软体研发等。
3.空间智能 (Visual/Spatial) :建筑师、摄影师、画家、
飞行员等。
4.身体运动智能 (Bodily/Kinesthetic)：运动员、演
员、舞蹈家等。
14
2.1.2 智能的特征
5.音乐智能 (Musical/Rhythmic) ：歌唱家、作 曲家、指挥家等。
6.人际智能(Inter-personal/Social) ：外交 家、领导者、推销等。
和“智能”。
● “人工”是人力所能制造的。也是“人工”制造 的模拟人的“智能”。
●
人工智能的研究往往涉及对人的智能本身的研
究。
●
人自身的智能程度有没有高到可以创造人工智
能的地步。“人工系统”就是通常意义下的用人制
造的系统 。
16
2.1.3 人工智能的概念
● 人唯一了解的智能是人本身的智能，这是普遍认同的 观点。但是我们对我们自身智能的理解都非常有限。对 构成人的智能的必要元素也了解有限，所以就很难定义 什么是“人工”制造的“智能”了。
22
2.1.3 人工智能的概念 人工智能研究的目标
●
人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智
能才能完成的复杂工作。
●
目的就是让计算机这台机器能够像人一样什么是思考。

浙江大学研究生人工智能课件-PowerPointPre

浙江大学研究生人工智能课件-PowerPointPre

•[8] Voorbraak, F. On the justification of Dempster’s rule of combination. Artificial Intelligence, 1991, 48:171-197.
•[9] Smets, P. The combination of evidence in the transferable model. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990, 12(5): 447-458.
•
• 3、证据理论的核心、优点及适用领域
• 核心：Dempster合成规则，这是Dempster在研究
统计问题时首先提出的，随后Shafer把它推广到更为一 般的情形。
• 优点：由于在证据理论中需要的先验数据比概率 推理理论中的更为直观、更容易获得，再加上Dempster 合成公式可以综合不同专家或数据源的知识或数据，这 使得证据理论在专家系统、信息融合等领域中得到了广 泛应用。
•
• 2、证据理论的诞生和形成
• 诞生：源于20世纪60年代美国哈佛大学数学家A. P.
Dempster在利用上、下限概率来解决多值映射问题方面的 研究工作。自1967年起连续发表了一系列论文，标志着证 据理论的正式诞生。
• 形成：Dempster的学生G. Shafer对证据理论做了进一 步的发展，引入信任函数概念，形成了一套基于“证据”和“ 组合”来处理不确定性推理问题的数学方法，并于1976年 出版了《证据的数学理论》(A Mathematical Theory of Evidence)，这标志着证据理论正式成为一种处理不确定性 问题的完整理论。

浙江大学计算机学院研究生《人工智能引论》课件.ppt

浙江大学计算机学院研究生《人工智能引论》课件.ppt
动作 效应器
2019-9-15
感谢你的欣赏
环 境
35
反应Agent程序
function Reactive-Agent(percept) returns action static: rules, /* 一组条件-动作规则 */
state ← Interpret-Input(percept) rule ← Rule-Match(state,rules) action ← Rule-Action[rule] return action
1
内容
1. 概述 2. 分布式问题求解
3. Agent 4. Agent理论 5. Agent结构 6. Agent通信 7. Agent的协调与协作 8. 多Agent环境MAGE 9. 面向Agent的软件技术
10. Mobile Agent 11. 若干前沿问题讨论
2019-9-15
感谢你的欣赏
2019-9-15
感谢你的欣赏
18
可能世界模型(Possible Worlds Model)
地位：Agent理论基础的开创性工作之一。 思想：将Agent的知识、信念等特征化为一 系列“可能世界”，在可能世界模型中包 括对象、属性及其关系。
优点：理论基础（特别是模态逻辑）比较 完善。
缺点：存在“逻辑万能”(Logical Omniscience)问题。
2019-9-15
感谢你的欣赏
26
13.4.5 动作理论
情景演算是描述动作的主要的形式框 架。 在情景演算中引入了状态和动作 的概念，并利用两条逻辑公理来描述 动作与状态的关系。一条公理描述一 个动作在满足什么条件的状态之下可 能发生，另外一条描述在一个状态之 下某个动作发生以后当前状态如何改 变。

浙江大学研究生《人工智能引论》课件

浙江大学研究生《人工智能引论》课件
属性子集 ： VpAVP， 是属性的域 ： × → 是总函数，使得 对每个 , , 有(, )
一个关系数据库可看作一个信息系统，其“列” 为“属性”，“行”为“对象”。
基本概念（续）
基本集合（ ） 原子() 关系的等价类( ) 表示近似空间上所有的基本集合（原子）
U7 No
H ig h
Yes
U8 No
Very-high N o
{, .} : {}, {}, {}, {}, {, }, {, }.
{ () } {, , , }
{ () } {, , , }
{, } {, , , , , }
RX1
{, }
RX2
{, , , , , }
上、下近似集的图示：
{, .} { {}, {}, {}, {}, {, }, {, { () } {} { () } {}
集合的上近似 下近似
在信息系统 {, , , }中，设 是个体全域 上的子集， 则的下和上近似集及边界区 域分别为P ：X { Y U /P :Y X }
P X { Y U /P :Y X }
Bn P (X d )P XP X
• 是 上必然被分类的那些元素的集合，即包含在内的最大可定义集； • P 是上可能被分类的那些元素的集合，即包含的最小可定义集。 • ()是既不能在 上被分类，又不能在上被分类的那些元素的集合。
参考史忠植编著的《高级人工智能》、《知识发现》 等教材中讨论粗糙集的有关章节。【注】：国内王国 胤、刘清、张文修、曾黄麟等人先后出版了关于 的教 材，也可适当参考。
快速入门方法（续）
认真研读如下篇典., .
.
,:,
粗糙集理论的基本原理

人工智能课件

人工智能课件
机器学习的分类
机器学习可以分为监督学习、无监督学习、半监督学习和强化学 习等类别。其中，监督学习是指根据已知输入和输出数据进行训 练，无监督学习是指在没有已知输出数据的情况下进行训练，半 监督学习是介于监督学习和无监督学习之间的方法，强化学习是 指通过与环境的交互进行学习。
常见的机器学习算法
K最近邻算法
人工智能课件
目
CONTENCT
录
• 人工智能概述 • 机器学习基础 • 深度学习入门 • 自然语言处理 • 计算机视觉基础 • 人工智能的伦理和社会影响
01
人工智能概述
人工智能的定义
人工智能是一种模拟人类智能的技术和系统，旨在使计算机具有 类似于人类的思考、学习、推理和决策等能力。
人工智能包括机器学习、自然语言处理、图像识别等多个领域， 是当前计算机科学和信息技术领域的重要发展方向。
经济结构变化
人工智能的发展将改变劳 动力需求，促进产业结构 升级，但也可能引发失业 问题。
社会关系影响
人工智能在社交、娱乐等 领域的应用可能导致人们 过度依赖技术，影响人际 交往能力。
法律与道德规范
随着人工智能技术的进步 ，需要制定相应的法律和 道德规范来规范其应用。
人工智能的未来发展趋势和挑战
技术创新
03
深度学习入门
深度学习的定义和特点
深度学习的定义
深度学习是机器学习的一个分支 ，它使用人工神经网络模拟人脑 神经网络的工作方式，从而实现 对数据的分析和处理。
深度学习的特点
深度学习具有强大的特征学习和 抽象能力，能够自动提取输入数 据的特征，并能够处理复杂的非 线性问题。
常见的深度学习模型
01
随着算法、算力、数据等技术 的不断进步，人工智能将在更

现代科技概论-人工智能ppt课件

现代科技概论-人工智能ppt课件
行为能力 含义：是人们对感知到的外界信息作出动作反应的能力 信息来源：由感知直接获得的外界信息 经过思维加工后的信息 实现过程：通过脊髓来控制 由语言、表情、体姿等来实现
一、何谓人工智能：智能
What is Artificial Intelligence：intelligence
综合各种不同观点，可从能力和学科两个方面讨论 能力方面 人工智能就是用人工的方法在机器（计算机）上实现的 智能，或称机器智能 学科方面 是一门研究如何构造智能机器或智能系统，以模拟、延 伸和扩展人类智能的学科 Turing测试 如下图所示。能分辨出人和机器的概率小于50% Turing测试存在的问题 仅反映了结果的比较，没涉及思维过程 没指出是什么人
goals进期目标揭示人类智能的根本机理用智能机器去模拟延伸和扩展人类的智能涉及到脑科学认知科学计算机科学系统科学控制论等多种学科幵依赖于它们的共同发展近期目标研究如何使现有的计算机更聪明即使它能够运用知识去处理问题能够模拟人类的智能行为
现代科学技术概论：人工智能
An Introduction to Modern Science and Technology：Artificial Intelligence
识都是思维的产物。可望通过对思维规律和思维方法的研 究，来揭示智能的本质。 知识阈值理论
智能取决于知识的数量及其可运用程度。一个系统所具 有的可运用知识越多，其智能就会越高。 进化理论
是美国MIT的Brooks在对人造机器虫研究的基础上提出 来的。智能取决于感知和行为，取决于对外界复杂环境的 适应，智能不需要知识、不需要表示、不需要推理，智能 可由逐步进化来实现。 不一致，从层次结构再认识
技术发展
• 1834，巴贝奇，分析机（差分机）

浙江大学研究生《人工智能引论》课件-文档资料

浙江大学研究生《人工智能引论》课件-文档资料

t t f f
t f t f
0.95 0.94 0.29 0.001JohnCalls NhomakorabeaA
P(J)
t f
0.90 0.05
MaryCalls
A
P(M)
t f
0.70 0.01
7.2 贝叶斯网络的语义
贝叶斯网络的两种含义
对联合概率分布的表示
— 构造网络 对条件依赖性语句集合的编码 — 设计推理过程
贝叶斯网络的语义
P(x1,..., xn) = P(x1|parent(x1)) ... P(xn|parent(xn))
贝叶斯网络的语义公式计算示例：
试计算：报警器响了，但既没有盗贼闯入，也 没有发生地震，同时John和Mary都给你打电话 的概率。 解：

P(j,m,a,~b,~e) = P(j|a)P(m|a)P(a|~b,~e) P(~b) P(~e)
已知：P(~fever | cold, ~flu, ~malaria) = 0.6 P(~fever | ~cold, flu, ~malaria) = 0.2 P(~fever | ~cold, ~flu, malaria) = 0.1， 可利用“噪声或”（Noisy-OR）关系得到下表：
Cold F F F F T T T T Flu F F T T F F T T Malaria F T F T F T F T P(Fever) 0.0 0.9 0.8 0.98 0.4 0.94 0.88 0.988 P(~Fever) 1.0 0.1 0.2 0.02 = 0.2 X 0.1 0.6 0.06 = 0.6 X 0.1 0.12 = 0.6 X 0.2 0.012 = 0.6 X 0.2 X 0.1

人工智能ppt优选文档

人工智能ppt优选文档
• 控制性知识：也称元知识或超知识，是关于如何运用已有知 识进行问题求解的知识，因此，也称为关于知识的知识。
（4）按知识的层次
•表层知识是指客观事物的现象以及这些现象与结论之间关 系的知识。
•深层知识是指事物本质、因果关系内涵、基本原理之类的 知识。例如，理论知识、理性知识等。
（5）按知识的确定性
（4）可实现性
所谓可实现性是指知识表示要便于在计算机上实现，便 于直接由计算机对其进行处理。
（5）自然性与可理解性
自然性是指知识表示形式要符合人们的日常习惯和思维 方式。可理解性是指所表示的知识应易读、易懂、易获取、 易维护。
2）.知识表示观点：
（1）陈述性观点
陈述性知识表示（Declarative knowledge representation）是指以陈述的方式把知识用一定的数据结 构表示出来，即把知识看作一种特殊的数据，知识表示说明 描述的对象是什么，不涉及如何运用知识的问题。
•确定性知识：是可以给出其真值为“真”或“假”的知识。 这些知识是可以精确表示的知识。
•不确定性知识：是指具有“不确定”特性的知识。不确定 性的概念包含不精确、不完备和模糊。
（6）按知识的结构及表现形式
• 逻辑性知识：是反映人类逻辑思维过程的知识，例如人 类的经验性知识。它对应着逻辑思维。
• 形象性知识：是通过事物的形象建立起来的知识，它对 应着形象思维。例如，一个人的相貌，要用文字来描述非 常困难，但要亲眼见到这个人，就很容易在头脑中形成这 个人的概念。
（4）可表示性与可利用性
• 可表示性是指知识可以用适当的形式表示出来。例如语言 、文字、图形、神经元网络等。 • 可利用性是指知识可以被用来解决各种各样的问题。
2）.知识的类型：

教学课件：第八章-人工智能

教学课件：第八章-人工智能

智能医疗
人工智能技术应用于医疗影像 诊断、辅助手术等方面，提高
医疗效率和准确性。
02
机器学习与深度学习
机器学习的基本概念
机器学习定义
机器学习是人工智能的一个子领 域，它利用算法使计算机系统从 数据中学习并改进，而无需进行
明确的编程。
机器学习的应用
机器学习在许多领域都有应用，包 括但不限于语音识别、图像识别、 自然语言处理、推荐系统和预测分 析。
机器学习的类型
根据学习方式的不同，机器学习可 以分为监督学习、无监督学习、半 监督学习和强化学习等类型。
深度学习的基本概念
深度学习的定义
深度学习是机器学习的一个分支，它 利用神经网络模型来模拟人脑的深度 学习过程。
深度学习的应用
深度学习的优势
与传统的机器学习方法相比，深度学 习能够处理大规模高维度的数据，并 能够自动提取和抽象特征，提高了模 型的准确性和泛化能力。
自然语言处理的技术
词法分析
将文本分解成单个的词 语或符号，识别词性、 词义等基本语言单位。
句法分析
语义分析
文本生成
研究句子中词语之间的 结构关系，建立词语之
间的依存关系。
理解句子所表达的含义， 包括实体识别、关系抽
取、情感分析等。
根据特定要求或主题， 自动生成符合语法和语
义要求的文本。
自然语言处理的应用
基于深度学习的方法
利用深度神经网络对大量语音数据进行训练，自动学习语音特征和生成模型，生 成自然语音。
06
人工智能的未来发展
人工智能的挑战与问题
1 2 3
数据隐私和安全
随着人工智能技术的广泛应用，数据隐私和安全 问题日益突出，需要加强数据保护和加密技术的 研究和应用。

人工智能AI培训 人工智能讲解课件(完整内容直接使用)

人工智能AI培训 人工智能讲解课件(完整内容直接使用)
1 2 3
壹
I n t r o d u c t i o n To A r t i f i c i a l I n t e l l i g e n c e F o u n d a t i o n
人工智能（计算机科学的一个分支）
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、 开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应 用系统的一门新的技术科学
智能
人工智能的研究往往涉及对人智能本身的研 究。普遍被认为是人工智能相关的研究课题
1
空间技术
空间技术，是探索、开发和利用太空以及地球以外天体的综合性工程技术，亦称航天技术。1957年 10月4日，苏联成功发射了世界上第一颗人造地球卫星，标志着人类跨入了航天时代
2
能源技术
新能源技术是高技术的支柱，包括核能技术、太阳能技术、燃煤、磁流体发电技术、地 热能技术、海洋能技术等。其中核能技术与太阳能技术是新能源技术的主要标志，通
入选理由：经过多年的演进，人工智能发展进入了新阶段。为抢抓人工智能发展的重大战略机遇，构筑我国人 工智能发展的先发优势，加快建设创新型国家和世界科技强国，2017年7月20日，国务院印发了《新一代人工 智能发展规划》。《规划》提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保 障措施，为我国人工智能的进一步加速发展奠定了重要基础。
70年代另一个进展是专家系统.专家系统可以预测在一定 条件下某种解的概率.由于当时计算机已 有巨大容量
70年代许多新方法被用于AI开发，如MINSKY的构造理论. 另外DAVID MARR提出了机器视觉方 面的新理论
强人工智能(BOTTOM-UP AI)
强人工智能观点认为有可能制造出真 正能推理（REASONING）和解决问 题（PROBLEM_SOLVING）的智能 机器，并且，这样的机器能将被认为
  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)。
浙江大学计算机学院研究生《人工智 能引论》课件89
13.3 智能Agent及多Agent系统
多Agent系统主要研究在逻辑上或 物理上分离的多个Agent协调其智能行 为，即知识、目标、意图及规划等，实 现问题求解。可以看作是一种由底向上 设计的系统。
浙江大学计算机学院研究生《人工智 能引论》课件89
Agent的思想
智能Agent的几个典型的实例： ▪ Microsoft的Office助手 ▪ 计算机病毒（破坏Agent） ▪ 计算机游戏或模拟中的智能角色 ▪ 贸易和谈判Agent（如Ebay的拍卖Agent） ▪ 网络蜘蛛Web Spider（搜索引擎中的数据
搜集和索引Agent，如Google）
意义：启发AI学者将信念(Belief)、愿望 (Desire) 、 承 诺 (Commitment) 等 人 类 特 有 的思想和概念应用于Agent。
浙江大学计算机学院研究生《人工智 能引论》课件89
13.1 概述
分布式人工智能（DAI）主要研 究在逻辑上或物理上分散的智能系统 如何并行的、相互协作地实现问题求 解。
两种解决问题的方法： ▪ 自顶向下：分布式问题求解 ▪ 自底向上：基于Agent的方法
浙江大学计算机学院研究生《人工智 能引论》课件89
浙江大学计算机学院研 究生《人工智能引论》
课件89
2020/11/25
浙江大学计算机学院研究生《人工智 能引论》课件89
内容
1. 概述 2. 分布式问题求解 3. Agent 4. Agent理论 5. Agent结构 6. Agent通信 7. Agent的协调与协作 8. 多Agent环境MAGE 9. 面向Agent的软件技术 10. Mobile Agent 11. 若干前沿问题讨论
Agent的特性
Agent弱概念： 自治性、社会能力（可通信性）、反 应能力、自发行为
Agent强概念： 知识、信念、意图、承诺等心智状态
其它属性： 长寿性、移动性、推理能力、规划能 力、学习和适应能力、诚实、善意、 理性
浙江大学计算机学院研究生《人工智 能引论》课件89
13.4 Agent理论
浙江大学计算机学院研究生《人工智 能引论》课件89
Agent概念的出现
面向过程的方法
面向实体的方法
面向对象的方法
面向Agent的方法 软件开发方法的进化
浙江大学计算机学院研究生《人工智 能引论》课件89
Agent的定义
在计算机和人工智能领域中， Agent可以看作是一个实体，它通过传 感器感知环境，通过效应器作用于环境。
浙江大学计算机学院研究生《人工智 能引论》课件89
DAI系统的主要优点
1) 提高问题求解能力 2) 提高问题求解效率 3) 扩大应用范围 4) 降低软件的复杂性
浙江大学计算机学院研究生《人工智 能引论》课件据、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。
分布式问题求解过程可以分为四步： ▪ 任务分解 ▪ 任务分配 ▪ 子问题求解 ▪ 结果综合
浙江大学计算机学院研究生《人工智 能引论》课件89
分布式问题求解系统中协作的分类
按节点间协作量的多少，协作分为三类： ▪ 全协作系统 ▪ 无协作系统 ▪ 半协作系统
常用的通信方式有： ▪ 共享全局存储器 ▪ 信息传递 ▪ 黑板模型
智能Agent的理论模型研究主要从 逻辑、行为、心理、社会等角度出发， 对智能Agent的本质进行描述，为智能 Agent系统创建奠定基础。
浙江大学计算机学院研究生《人工智 能引论》课件89
可能世界模型(Possible Worlds Model)
地位：Agent理论基础的开创性工作之一。 思想：将Agent的知识、信念等特征化为一 系列“可能世界”，在可能世界模型中包 括对象、属性及其关系。 优点：理论基础（特别是模态逻辑）比较 完善。 缺点：存在“逻辑万能”(Logical Omniscience)问题。
DAI系统的特色
1) 系统中的数据、知识, 以及控制不但在 逻辑上, 而且在物理上是分布的, 既没 有全局控制, 也没有全局的数据存储。
2) 各个求解机构由计算机网络互连, 在问 题求解过程中, 通信代价要比求解问题 的代价低得多。
3) 系统中诸机构能够相互协作, 来求解单 个机构难以解决, 甚至不能解决的任务。
浙江大学计算机学院研究生《人工智 能引论》课件89
“意图系统”(Intentional System)
作用：用于描述其行为可用信念、愿望等 理性智慧来预测的实体。分为：一阶和二 阶两种形式。对象、属性及其关系。
浙江大学计算机学院研究生《人工智 能引论》课件89
“意图姿态”(Intentional Stance)
浙江大学计算机学院研究生《人工智 能引论》课件89
•移动性(Mobility) •理性(Rationality) 此外，许多学者还提出一些其它特性： •诚实性(Veracity) •友好性(Benevolence) •长寿性（或时间连贯性）
•自适应性(Adaptability)
浙江大学计算机学院研究生《人工智 能引论》课件89
浙江大学计算机学院研究生《人工智 能引论》课件89
Agent的强定义
基于某种场景，并具有灵活、自主 的行为能力，以满足设计目标的计算机 系统。
浙江大学计算机学院研究生《人工智 能引论》课件89
Agent的弱定义
满足如下特征的基于硬件或（更经 常是）软件的计算机系统： •自主性(Autonomy) •社会性(Social ability) •反应性(Reactivity) • 主 动 性 (Pro-activeness) （ 或 称 “ 前 瞻性”） •基于场景性(Situatedness) •灵活性(Flexibility)
两种协作方式： ▪ 任务分担 ▪ 结果共享
浙江大学计算机学院研究生《人工智 能引论》课件89
13.2.1 分布式问题求解系统分类
根据组织结构，分布式问题求解系统可 以分为三类：
▪ 层次结构类 ▪ 平行结构类 ▪ 混合结构类
浙江大学计算机学院研究生《人工智 能引论》课件89
13.2.2 分布式问题求解过程