AI第五章经典逻辑推理精品PPT课件

11
AI的定义
何谓人工智能（2/2） Turing测试
小于50%？
被测机器
测试主持人
被测人
12
人工智能概述
• AI的定义及其研究目标 • AI的产生与发展 • 孕育期（1956年以前） • 形成期（1956----1970年） • 知识应用期（1970---- 20世纪80年代末） • 从学派分离走向综合（20世纪80年代末到本世纪初） • 智能科学技术学科的兴起（本世纪初以来） • AI研究的基本内容 • AI研究的不同学派
5
AI的定义
智能（自然智能）
• 自然智能 • 指人类和一些动物所具有的智力和行为能力 • 人类的自然智能（简称智能） • 指人类在认识客观世界中，由思维过程和脑力活动所 表现出的综合能力。 • 人类大脑是如何实现智能的 • 两大难题之一：宇宙起源、人脑奥秘 • 对人脑奥秘知之甚少 • 对人脑奥秘知道什么 • 结构：1011-12 量级的神经元，分布并行 • 功能：记忆、思维、观察、分析 等 • 对智能的严格定义 • 有待于人脑奥秘的揭示，进一步认识 6
16
知识应用期（1971—1980）
挫折和教训 • 失败的预言： • 60年代初，西蒙预言：10年内计算机将成为世界冠军、将证明一个未 发现的数学定理、将能谱写出具有优秀作曲家水平的乐曲、大多数心理 学理论将在计算机上形成。 • 挫折和教训 • 在博弈方面，塞缪尔的下棋程序在与世界冠军对弈时，5局败了4局。 • 在定理证明方面，发现鲁宾逊归结法的能力有限。当用归结原理证明 两个连续函数之和还是连续函数时，推了10万步也没证出结果。 • 在问题求解方面，对于不良结构，会产生组合爆炸问题。 • 在机器翻译方面，发现并不那么简单，甚至会闹出笑话。例如，把 “心有余而力不足”的英语句子翻译成俄语，再 翻译回来时竟变成了 “酒是好的，肉变质了” • 在神经生理学方面，研究发现人脑有1011-12以上的神经元，在现有技术 条件下用机器从结构上模拟人脑是根本不可能的。 • 在其它方面，人工智能也遇到了不少问题。在英国，剑桥大学的詹姆 教授指责“人工智能研究不是骗局，也是庸人自扰” 。从此，形势急转 17 直下，在全世界范围内人工智能研究陷入困境、落入低谷。

机器学习传统的算法包括关联规则、决策树、聚类、贝叶斯分类、支持向量机等等。机器学习已广泛应用于 数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场 分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
规则：牛肉—>鸡肉，购买牛肉的顾客当中也购买了鸡肉可信度是3/4。
现阶段人工智能本质
深度学习：一种实现机器学习的技术。
机器学习的分支，它是试图使用包含复杂结构的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的方法。
观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列特定 形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。
计算机系统的理论和发展能够执行 通常需要人类智能参与的任务。
AI的核心问题包括推理、知识、规划、学习、交流、 感知、移动和操作物体的能力等。
2024/6/5
4
2 人工智能历史与现状
2024/6/5
5
发展历程
深度学习算法在语音和视觉识别上取得成功，进入感知智能时代。
2006年杰弗里辛顿提出学习生成模型的观点，“深度学习”神经网络使得人工 智能性能获得突破性进展。
手写和字符识别是认知自动化应用的范例，支持高强度、复杂繁琐的办公业务，以帮助企业降低风险和成本。如，如机 器翻译是对文本数据的处理；使用自然语言处理和OCR（光学字符识别）技术从文档中提取关键信息。
2024/6/5
16
应用领域
认知参与
系统通过认知技术与人类建立密切交互关系。
语音识别接口，它可以执行语音指令，降低温控器或打开电视频道，如Siri。再如，接收病人入院，或推荐产品和服务， 需要人工智能接触到更复杂的信息并执行数字化任务，通过学习到的认知参与人类互动。

是机器具有智能的重要标志，同时也是获取知识的根 本途径。
它主要研究如何使得计算机能够模拟或实现人类的学习功能。 为此，需要重点开展人类学习机理、机器学习方法和学习系统 构造技术三方面的研究工作。
6
人工智能的定义及研究目标(2)
什么是人工智能？
从能力方面定义
人工智能是指相对于人的自然能力而言的，用人 工的方法在机器（计算机）上实现的智能；
从学科的角度定义
人工智能是一门研究如何构造智能机器或智能系 统，使它能模拟、延伸和扩展人类智能的学科。
7
人工智能的定义及研究目标(3)
人工智能的研究目标
第一章 概述
1
课程说明（一）
课程简介：
人工智能（AI）是在计算机科学、控制论、信息论、神经生理学 、心理学、哲学、语言学等多种学科互相渗透的基础上发展起来的一 门新兴边缘学科。主要研究如何使用机器（计算机）来模仿和实现人 的智能行为。即使得机器具有智能：能听、能说、能看、能写、长 于计算、善于规划、优化设计、严格推理、会思考、会学习、会决策、 会像人类专家那样解决疑难问题，这就是人工智能这门新兴学科的研 究任务。人工智能、原子能和空间技术被誉为是20世纪三大尖端科 技成就之一。预言家们说：说掌握了人工智能，谁就能征服世界。
在众多的挫折面前，人工智能的研究陷于了困境，处于低谷。
13
人工智能的产生与发展—知识应用期（1971-80年 代末）（2）
以知识为中心的研究
在处于困境的情况下，人们从费根鲍姆以知识为中心 开展人工智能研究的观点中找到了新的出路。
专家系统的发展和应用。专家系统是人工智能发展是上的一 次重大转折。
计算机视觉和机器人，自然语言理解与机器翻译的发展。 在知识的表示，不精确推理，人工智能语言等方面也有重大

智能模拟
机器视、听、触、感觉及思维方式的模拟：指纹识别，人脸识别，视网膜识别， 虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，逻辑推理，博弈，信 息感应与辨证处理。
谢谢
主条目：GOFAI
基于逻辑不像艾伦 纽厄尔和赫伯特 西蒙，JOHN MCCARTHY认为机器不需要模拟 人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的 算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表 示，智能规划和机器学习。致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他 地方开发编程语言PROLOG和逻辑编程科学。“反逻辑”斯坦福大学的研究者 (如 马文 闵斯基和西摩尔 派普特)发现要解决计算机视觉和自然语言处理的困难问题， 需要专门的方案-他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行 为。ROGER SCHANK 描述他们的“反逻辑”方法为 "SCRUFFY" 。常识知识库 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因为他们必须人工一次编写一 个复杂的概念。
大脑模拟
主条目：控制论和计算神经科学 20世纪40年代到50年代，许多研究者探索神经病学，信息理论及控 制论之间的联系。其中还造出一些使用电子网络构造的初步智能， 如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。这 些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协 会会议。直到1960，大部分人已经放弃这个方法，尽管在80年代再 次提出这些原理。 符号处理
集成方法
智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是 那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织（如公司）。这些范式可以让研究 者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可 以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。 范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出 一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。一个系统中包含符号和子符号部分的系 统称为混合智能系统，而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号 AI和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEY BROOKS的 SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。