计算机辅助设计技术基础7.ppt

第六讲 人工智能与专家系统,2/60,2019/9/18,主要内容,6.1 人工智能的产生与发展 6.2 知识的表示方法 6.3 专家系统的结构、特点及分类,3/60,2019/9/18,6.6.1 人工智能的定义,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。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。,4/60,2019/9/18,6.1.2 人工智能的起源与发展,孕育期（1956年前） 30-40年代：产生了数学逻辑和关于计算的新思想。 推理的某些方面可以用比较简单的结构加以形式化。 弗雷治（Frege）、怀特赫德（Whitehead）、罗素（Russell）和塔斯基（Tarski）等。 关于计算和符号处理的理论，预言了形式推理与后来发明的计算机之间的联系。 丘奇（Church）、图灵（Turing）等。 被称为人工智能之父的图灵（Turing），不仅创造了一个简单而通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。,5/60,2019/9/18,图灵简介,1912年6月23日，出生于英国伦敦。 1931年-1934年，在英国剑桥大学国王学院（Kings College）学习。 1932年-1935年，主要研究量子力学、概率论和逻辑学。 1935年，被选为剑桥大学国王学院院士。 1936年，研究可计算理论，并提出“图灵机”的构想。 1936年-1938年，普林斯顿大学做博士研究，涉及逻辑学、代数和数论等。 1938-1939年，加入英国政府破译二战德军密码的工作。 1940年-1942年，成功破译了德军U-潜艇密码。 1943年-1945年，担任英美密码破译部门的总顾问。 1945年，在英国国家物理实验室从事计算机理论研究。 1946年，被英国皇室授予OBE爵士勋衔。 1947年-1948年，从事计算机程序理论、神经网络和人工智能的理论研究。 1948年，担任曼彻斯特大学计算实验室副主任。 1949年，成为世界上第一位把计算机实际用于数学研究的科学家。 1950年，发表论文“计算机器与智能”；提出著名的“图灵测试”理论。 1951年，从事生物的非线性理论研究；被选为英国皇家学会会员。 1953年-1954年，继续在生物和物理学等方面的研究； 1954年6月7日，氰化物中毒死于家中，年仅42岁。,1966年，美国计算机协会设立“图灵奖”作为对计算机科学家的最高奖项,6/60,2019/9/18,6.1.2 人工智能的起源与发展,形成期（19561970年） 1956年，在美国的达特茅斯（Dartmouth）大学举办第一次人工智能的研讨会，首次提出了“人工智能”的术语；对人工智能学科的建立和发展具有十分重要的历史意义。 1969年，第一届国际人工智能联合会议（International Joint Conference on AI）召开； 1970年，人工智能（International Journal of AI）国际杂志创刊。,7/60,2019/9/18,6.1.2 人工智能的起源与发展,发展期（1970年） 80年代，随着第五代计算机的研制，人工智能得到了很大发展。日本1982年开始了”第五代计算机研制计划”，即”知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。 80年代末，神经网络飞速发展 1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 90年代，人工智能出现新的研究高潮 由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。,8/60,2019/9/18,人工智能的各种认知观,人类的认知行为具有不同层次 认知生理学 认知心理学 认知信息学 认知工程学 符号主义（Symbolicism） 基于物理符号系统假设和有限合理性原理 连接主义（Connectionism） 基于神经网络及其间的连接机制与学习算法 行为主义（Actionism） 基于控制论及感知动作型控制系统,9/60,2019/9/18,6.1.3 人工智能的研究及应用领域,人工智能的基本技术 知识表示（Knowledge Representation） 状态空间法、问题归约法、谓词逻辑法 推理搜索（Searching & Reasoning） 启发式搜索、消解原理、不确定性推理 计算智能（Computational Intelligence） 模糊计算、神经计算、进化计算 构成技术（系统与语言） 产生式系统、LISP语言、Prolog语言,10/60,2019/9/18,1 问题求解,问题的表示、分解、搜索、归约等； 进行复杂的数学公式符号运算求解； 如下棋程序中，把复杂困难的问题分成一些较容易的子问题等技术，已经发展成为搜索和问题归约等人工智能基本技术，得到广泛的应用。 未解决的问题： 人类具有的但尚不能明确表达的能力（如人的洞察能力） 问题的原概念，在人工智能中称为问题表示的选择。,11/60,2019/9/18,2 逻辑推理与定理证明,通过对事实数据库的操作来证明定理 多种证明方法 几何定理证明的“吴氏方法” 逻辑推理是人工智能研究中最持久的子领域之一。 探索一些新的方法，把注意力集中在一个大型数据库中的相关事实上，重视可信的证明，在出现新信息时能适时修正这些证明。 定理证明在人工智能方法的研究中是一个极其重要的论题。,12/60,2019/9/18,3 自动程序设计,根据不同目的描述来编写的计算机程序 促进人工智能系统的发展 自动程序设计： 自动程序设计是人工智能的一个重要的研究领域。 在某种意义上讲，编译程序就是在做“自动程序设计”的工作。 自动程序设计研究的重大贡献之一是作为问题求解策略的调整概念。 对程序设计或机器人控制问题，先产生一个容易的有错误的解，然后再修改完善的做法，一般要比要求第一个解就完全没有错误的做法有效得多。,13/60,2019/9/18,4 专家系统, 专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域的人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决该领域内的复杂问题。如：用户与专家系统的“咨询对话” 如何表达和运用专家知识是发展专家系统的关键 专家系统与传统的计算机程序最本质的区别： 要解决的问题一般没有算法解 经常是在不完全、不精确或不确定的信息基础上进行决策。 专家系统可以解决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导、控制等。,14/60,2019/9/18,5 机器学习, 机器学习： 学习是人类智能的主要标志和获取知识的基本手段，是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改，而外部表现为性能的改善。 机器的学习能力是人工智能研究中最突出和最重要的一个方面。 自动获取新的事实及新的推理算法是使计算机具有智能的根本途径。,15/60,2019/9/18,6 人工神经网络, 人工神经网络： 传统计算机不能解决基于逻辑思维的知识处理，无法求解信息不完整、不确定性的模糊问题。 研究结果证明：用神经网络可以更有效地处理直觉和形象思维信息。 目前，神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域得到了广泛的应用。 在某种意义上讲，编译程序就是在做“自动程序设计”的工作。,16/60,2019/9/18,7 机器人学, 机器人手臂的最佳移动和实现 机器人目标动作序列的规划方法 操作机器人程序的研究 机器人视觉、触觉、听觉、力觉和控制,17/60,2019/9/18,8 模式识别, 模式识别是研究计算机对外部世界的感知能力的学科。 迄今，模式识别中的神经网络方法的有效应用：手写字符识别、汽车牌照识别、指纹识别、语音识别。,18/60,2019/9/18,9 智能控制, 智能控制是驱动智能机器自主实现其目标的过程，是自动控制发展的最新方向，也是用计算机模拟人类智能的一个重要研究领域。 目前，智能控制研究的六大领域：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制、智能仪器。,19/60,2019/9/18,10 智能CAD, 智能CAD（ICAD）系统把专家系统等人工智能技术与优化设计、有限元分析、计算机三维造型技术等结合起来，各取所长，尽可能使计算机参与设计方案决策、结构设计、性能分析、图形处理等设计全过程。 ICAD的特征：拥有解决设计问题的知识库；具有选择知识、协调工程数据库和图形库等资源共同完成设计任务的推理决策机制。,20/60,2019/9/18,常用的问题表示方法有：状态空间法、谓词逻辑法、产生式规则、语义网络、框架。 6.2.1 状态空间法State Space Representation 问题求解技术主要是两个方面： 问题的表示 求解的方法 状态空间法 状态（state） 算符（operator） 状态空间方法,6.2 知识的表示方法,21/60,2019/9/18,问题状态描述,定义 状态：描述某类不同事物间的差别而引入的一组最少变量q0，q1，qn的有序集合。 算符：使问题从一种状态变化为另一种状态的手段称为操作符或算符。 问题的状态空间：是一个表示该问题全部可能状态及其关系的图，它包含三种说明的集合，即三元状态（S，F，G）。,22/60,2019/9/18,2. 状态空间表示概念详释,例如下棋、迷宫及各种游戏。,Middle State,Goal State,23/60,2019/9/18,初始棋局,目标棋局,例:三数码难题（3 puzzle problem）,24/60,2019/9/18,状态空间表示举例,产生式系统（production system） 一个总数据库：它含有与具体任务有关的信息随着应用情况的不同，这些数据库可能简单，或许复杂。 一套规则：它对数据库进行操作运算。每条规则由左部鉴别规则的适用性或先决条件以及右部描述规则应用时所完成的动作。 一个控制策略：它确定应该采用哪一条适用规则，而且当数据库的终止条件满足时，就停止计算。,25/60,2019/9/18,状态空间表示举例,例：猴子和香蕉问题,26/60,2019/9/18,用一个四元表列（W，x，Y，z）来表示这个问题状态.,这个问题的操作（算符）如下： goto（U）表示猴子走到水平位置U 或者用产生式规则表示为 （W，0，Y，z） goto（U） （U，0，Y，z）,解题过程,27/60,2019/9/18,pushbox（V）猴子把箱子推到水平位置V，即有 （W，0，W，z） pushbox（V） （V，0，V，z）,climbbox猴子爬上箱顶，即有 （W，0，W，z） climbbox （W，1，W，z）,grasp猴子摘到香蕉，即有 （c，1，c，0） grasp （c，1，c，1）,该初始状态变换为目标状态的操作序列为 goto(b),pushbox(c),climbbox,grasp,28/60,2019/9/18,29/60,2019/9/18,猴子和香蕉问题自动演示：,30/60,2019/9/18,6.2.2 谓词逻辑法,逻辑语句；形式语言,1 谓词演算 1. 语法和语义 基本符号 谓词符号、变量符号、函数符号、 常量符号、括号和逗号 原子公式 连词和量词(Connective &Quantifiers) 连词 与及合取（conjunction) 或及析取（disjunction） 蕴涵（Implication） 非（Not） 量词 全称量词（Universal Quantifiers) 存在量词 (Existential Quantifiers),31/60,2019/9/18,原子公式的的定义： 用P(x1，x2，xn)表示一个n元谓词公式，其中P为n元谓词，x1,x2,，xn为客体变量或变元。通常把P(x1,x2,xn)叫做谓词演算的原子公式，或原子谓词公式。 分子谓词公式 可以用连词把原子谓词公式组成复合谓词公式，并把它叫做分子谓词公式。 合适公式（WFF，well-formed formulas） 合适公式的递归定义 合适公式的性质 合适公式的真值 等价（Equivalence),谓词公式,32/60,2019/9/18,置换与合一,置换 概念 假元推理 全称化推理 综合推理 定义 就是在该表达式中用置换项置换变量 性质 可结合的 不可交换的 合一（Unification) 合一：寻找项对变量的置换，以使两表达式一致。 可合一：如果一个置换s作用于表达式集Ei的每个元素，则可以用Ei s来表示置换例的集。我们称表达式集Ei是可合一的。,33/60,2019/9/18,6.2.3 产生式规则（Production Rule）,产生式规则（Production Rule）是根据客观世界中各客体之间都存在依赖关系的实质而形成的，是当前智能系统中最常用的知识表示方法之一。 用产生式规则表示的知识是一种过程型知识，它主要描述如何应用其他知识进行推理的过程，即专家在推理过程中所使用的原理和规则。由它表示知识所构成的知识库称为产生式规则库，由产生式规则库构成的系统称为产生式系统。,34/60,2019/9/18,产生式系统的组成：规则库、综合数据库、控制策略。,35/60,2019/9/18,确定性知识的表示： IF （前提条件） THEN （结论）；其中，结论也称为操作，当前提条件满足时，则执行某一操作。 产生式规则还可以用来表示不确定或不完备的知识。给前提条件和规则本身赋予一定的信度值，在推理的同时，信度值以某种预定的方式进行传播，最后得到的结论也带有一个信度值，它表示该结论成立的可信程度。 不确定（或不完备）知识的表示： IF 前提条件（信度） THEN 结论（信度）,36/60,2019/9/18,规则的三要素：前提、结论和信度 信度是不精确推理的依据，在推理过程中按某种计算方式传播。,37/60,2019/9/18,6.2.4 语义网络,语义网络从数学意义上讲，就是对知识的图解表示方法，是一种带有标记的有向图，由节点和连接节点之间的弧线组成。节点用于表示物理实体、概念和状态。弧线表示它们之间的关系。 基本观点： 认为记忆是由概念的联系实现的，如果用图来描述，就形成了表示“事”和“物”相互关系的网状结构，即语义网络。 一个语义网络由若干以有向图表示的三元组（节点1，弧，节点2）连接而成。 用这些节点和弧可以把一些独立的知识组织成巨大的网络形式，并能从网络知识结构中组合出新的知识。,38/60,2019/9/18,语义网络的推理是通过继承和匹配完成的。 语义网络能较好地表示对象之间的继承和变异的概念。 语义网络适合于表示推理、联想、归纳等逻辑概念。,39/60,2019/9/18,6.2.5 框架,1975年，Minsky在语义网络的基础上，针对人们在理解情景、故事时提出的心理学模型，论证的是思想而不是具体实施。 框架是一种通用的数据结构，适于表达多种类型的知识，是广泛用于人工智能系统中的知识表示形式。 基本观点：人脑已经存储有大量的典型情景（框架），当人们面临新的情景时，就从记忆中选择一个称作框架的基本知识结构与之相匹配，然后依照新的情景进行加工、修改和补充，形成新的知识,40/60,2019/9/18,6.2.5 框架,一个框架（Frame）由框架名和一组槽（Slots）构成（若干节点和关系统称为槽）。因此框架是一个多叉树结构。 一个框架可以通过其槽中所含下一级框架的名称与下一级框架相连，构成树状结构的框架系统。 对一个待求解的问题而言，它可以分解为若干个子问题，而子问题又可再分为若干子问题。因此，框架系统可用于表达任何复杂的问题。 知识从大的框架依次到小的框架（槽）分层进行描述，它在表示知识的过程中自然形成一个层次，使得对知识的描述既可以很概括、抽象，又可以很具体、详细。,41/60,2019/9/18,6.2.6 其他方法,剧本（Script）表示 剧本是框架的一种特殊形式，它用一组槽来描述某些事件的发生序列。 过程（Procedure）表示 过程式表示就是将有关某一问题领域的知识，连同如何使用这些知识的方法，均隐式地表达为一个求解问题的过程。,42/60,2019/9/18,知识的利用,符号性知识利用的最主要形式是推理，推理机是智能系统必不可少的一个构件。 推理机的基本任务是在一定的控制策略指导下，搜索知识库中可用的知识，与数据库匹配，产生或论证新的事实。 一、推理机的基本性能 高效率的搜索和匹配机制 可控制性 内部动态控制：限制搜索的宽度和深度，使其既完备又收敛。 外部动态控制：允许外部中断，并接受外部控制，能进行现场保护和设置返回点。 可观测性：控制系统应具有灵活的接口与用户交流信息。 启发性：能在不确定、不完全的知识环境下工作，能够在信息不充分的条件下进行试探性求解。,43/60,2019/9/18,二、控制策略,什么是控制策略？ 推理方法研究的是前提与结论之间的种种逻辑关系及其信度传递的规律；而控制策略就是指导从初始状态到目标状态进行的搜索。 为什么要采用控制策略？ 为了使系统更有效、更灵活地利用对象级知识；从问题求解的角度讲，是为了限制和缩小搜索空间。 控制策略是人工智能的核心问题。,44/60,2019/9/18,三、推理方法的分类,在知识集合上进行各种推理是知识利用的最重要形式之一，其主要特征表现为前提与结论之间的逻辑关系。 按标准的不同，推理方法可作以下划分： 从方式上分：演绎推理、归纳推理。 演绎推理：从已知的判断出发，通过演绎推出结论的一种推理方式。结论蕴涵在已知的判断中，是一种由一般到个别的推理。 归纳推理：是由一类事物的大量事例推出该类事物普遍规律的一种推理方法。先从已知事实中猜测一个结论，而后对该结论的正确性加以证明确认。如：枚举法、类比法、统计法等。 从确定性上分：精确推理、不精确推理。 从单调性上分：单调推理、非单调推理。,45/60,2019/9/18,几个人工智能网址：,(1) 中国人工智能网 (2) /bitfarmer 人工智能研究者俱乐部 (3) MIT AI Lab. (4) AAAI (5) IEEE CI Society,46/60,2019/9/18,专家系统(expert system)是人工智能应用研究最活跃和最广泛的课题之一 定义：是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统，能够利用人类专家的知识和解决问题的方法来处理该领域问题。,6.3 专家系统,47/60,2019/9/18,推理机根据知识库的知识和用户提供的事实，不断由已知前提推出未知结论，并把这些结论纳入工作存储空间，作为已知的新的事实继续进行推理，从而把被求解的问题由未知状态转换为已知状态的过程。 知识库和推理机是专家系统的核心部分。 一种专家系统的好与差，主要取决于如何建立强大的知识库和采用什么样的推理算法。,专家系统的工作过程,48/60,2019/9/18, 具有启发性 用启发方法帮助人们找出关于解决问题的一种提示或经验估计。 具有透明性 能解释本身的推理过程和作出的决定，能回答用户提出的问题。 具有灵活性 具有总结规则、发现问题的自学习功能。 具有处理不确定知识的能力 能利用客观世界中不确定的因果关系和不精确推理来得出近乎合理的结论。,专家系统的特点,49/60,2019/9/18,一般应用程序 专家系统,把问题求解的知识隐含地编入程序 把知识组织为两级：数据级和程序级。,把其应用领域的问题求解知识单独组成一个实体。即为知识库。 将知识组织成三级；数据、知识库和控制。,一般应用程序与专家系统的区别：,50/60,2019/9/18,任务 通过对过去和现在已知状况的分析，推断未来可能发生的情况 特点 数据量很大，常不准确、有错误、不完全 能从不完全的信息中得出解释，并能对数据做出某些假设 推理过程可能很复杂和很长 例子 语音理解、图象分析、系统监视、化学结构分析和信号解释等,1.解释专家系统expert system for interpretation,51/60,2019/9/18,任务 通过对已知信息和数据的分析与解释，确定它们的涵义。 特点 系统处理的数据随时间变化，且可能是不准确和不完全 系统需要有适应时间变化的动态模型 例子 有气象预报、军事预测等,2. 预测专家系统(expert system for prediction),52/60,2019/9/18,任务 根据观察到的情况(数据)来推断出某个对象机能失常(即故障)的原因 特点 能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系 能够区分一种现象及其所掩盖的另一种现象 能够向用户提出测量的数据，并从不确切信息中得出尽可能正确的诊断 例子 有医疗诊断等,3. 诊断专家系统(expert system for diagnosis),53/60,2019/9/18,任务 寻找出某个能够达到给定目标的动作序列或步骤 特点 从多种约束中得到符合要求的设计 系统需要检索较大的可能解空间 能试