03_人工智能的概念与范畴

文本分析挖掘实训平台,教学互动,按照下图点击人工智能的概念与范畴,什么是自然语言处理（NLP）NaturalLanguageProcessing自然语言处理是研究在人与人交际中以及在人与计算机交际中的语言问题的一门学科。为了建设和完善语言模型，自然语言处理建立计算框架，提出相应的方法来不断的完善设计各种实用系统，并探讨这些实用系统的评测方法。,交叉学科自然语言理解（NaturalLanguageUnderstanding）计算语言学（CL,ComputationalLinguistics）语言信息处理（如：中文信息处理）机器学习（MachineLearning）-深度学习（DeepLearning）-神经网络,NLP与人工智能（AI）的关系自然语言处理是人工智能的一个分支,自然语言处理,机器学习,机器学习是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习最成功的应用领域是计算机视觉，虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器，以便让程序能识别物体从哪里开始，到哪里结束；写形状检测程序来判断检测对象是不是有八条边；写分类器来识别字母“ST-O-P”。使用以上这些手工编写的分类器，人们总算可以开发算法来感知图像，判断图像是不是一个停止标志牌。,深度学习,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边、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）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。,人工智能的概念,人工智能的概念人工智能(ArtificialIntelligence,AI)探讨人类思维、行动中那些尚未算法化的功能行为;使机器Thinking、Actinglikehuman。狭义概念：人工智能是计算机科学中涉及研究，设计和应用智能机器的一个分支，是对智能计算机系统的研究。智能机器:能够在各类环境中自主地或交互的执行各种拟人任务的，与人智力相当或相近的机器。具体地说是能够对人类语言理解、知识学习、思维推理和自主行为模拟的机器。,人工智能的概念,广义概念：AI是指人类智能行为规律、智能理论方面的研究。作为学科，AI研究如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再现的科学和技术。因此，从学科角度讲，当前的人工智能是计算机科学的一个分支。人工智能的研究却不仅涉及到计算机科学，而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知(思维)科学、行为科学、生命科学和数学，以及信息论、控制论和系统论等许多学科领域。,人工智能研究,为什么要研究人工智能从对数据世界的需求发展到对知识世界的需求为寻求试探性搜索，启发式的、不精确的、模糊的、甚至容许出现错误的推理方法，使之符合人类的思维过程。计算机是迄今为止最有效的信息处理工具，但现在的普通计算机系统的智能还相当低下，缺乏自适应、自学习、自优化等能力，也缺乏社会常识或专业知识等，只能是被动地按照人们为它事先安排好的工作步骤进行工作。因此经典计算机的功能难以满足越来越复杂和越来越广泛的社会需求。既然计算机和人脑一样都可进行信息处理，那么是否也能让计算机同人脑一样也具有智能呢？这正是人们研究人工智能的初衷。,人工智能研究,AI研究也是当前信息化社会的迫切要求。人类社会现在已经进入了信息化时代，信息化的进一步发展，必须有智能技术的支持例如：Internet强烈地需要智能搜索技术基于本体论的非结构化搜索。智能化也是自动化发展的必然趋势。自动化发展到一定水平，再向前发展就是智能化，即智能化是继机械化、自动化之后，人类生产和生活中的又一个技术特征。智能技术应用是后信息化社会的主要特征之一,人工智能的目标,人工智能的目标远期目标：制造智能机器。要使计算机具有看、听、说、写等感知和交互功能，具有联想、推理、理解、学习等高级思维能力，还要有分析问题、解决问题和发明创造的能力。简言之，也就是使计算机像人一样具有自动发现规律和利用规律的能力，或者说具有自动获取知识和利用知识的能力，从而扩展和延伸人的智能。近期目标：实现机器智能，即先部分地或某种程度地实现机器的智能，从而使现有的计算机更灵活、更好用和更有用，成为人类的智能化信息处理工具。,人工智能的范畴,基于脑功能模拟的领域划分机器感知机器感知就是计算机直接“感觉”周围世界。具体来讲，就是计算机像人一样通过“感觉器官”直接从外界获取信息。如通过视觉器官获取图形、图像信息，通过听觉器官获取声音信息。所以，要使机器具有感知能力，就首先必须给机器配置各种感觉器官，如视觉器官、听觉器官、嗅觉器官等等。于是，机器感知还可以再分为机器视觉、机器听觉等分支课题。,人工智能的范畴,要研究机器感知，首先要涉及图像、声音等信息的识别问题。为此，现在已发展了一门称为“模式识别”的专门学科。模式识别的主要目标就是用计算机来模拟人的各种识别能力，当前主要是对视觉能力和听觉能力的模拟，并且主要集中于图形识别和语音识别。图形识别主要是研究各种图形（如文字、符号、图形、图像和照片等）的分类。例如识别各种印刷体和某些手写体文字，识别指纹、白血球和癌细胞等等。语音识别主要是研究各种语音信号的分类。语音识别技术近年来发展很快，多种商品化产品已上市。,人工智能的范畴,模式识别的过程：信号采集=数字化(离散化）=特征提取=模式识别=分类结果输出.例：将摄像机、Micphone或其它传感器接受的外界信息转变成电信号序列，计算机再进一步对这个电信号序列进行各种预处理，从中抽出有意义的特征，得到输入信号的模式，然后与机器中原有的各个标准模式进行比较，完成对输入信息的分类识别工作。,人工智能的范畴,机器联想联想是人脑思维过程中最基本、使用最频繁的功能。例如，当听到一段乐曲，我们头脑中可能会立即浮现出几十年前的某一个场景，甚至一段往事，这就是联想。特点：按内容组织记忆机器联想功能的研究中就是利用这种按内容记忆原理，采用“联想存储”技术实现联想功能。其特点是：(1)可以存储许多相关（激励，响应）模式对;(2)通过自组织过程可以完成这种存储;(3)以分布、稳健的方式（可能出现高冗余）存储信息;(4)可以根据接收到的相关激励模式产生并输出适当的响应模式;(5)即使输入激励模式失真或不完全时，仍然可以产生正确的响应模式;(6)可在原存储中加入新的存储模式。,人工智能的范畴,机器推理机器推理就是计算机推理，也称自动推理。它是人工智能的核心课题之一。因为，推理是人脑的一个基本功能和重要功能。事实上，几乎所有的人工智能领域都与推理有关。因此，要实现人工智能，就必须将推理的功能赋予机器，实现机器推理。,人工智能的范畴,机器学习机器学习就是机器自己获取知识。具体来讲，机器学习主要有以下几方面：(1)对人类已有知识的获取（这类似于人类的书本知识学习）；(2)对客观规律的发现（这类似于人类的科学发现）；(3)对自身行为的修正（这类似于人类的技能训练和对环境的适应）。,人工智能的范畴,机器理解机器理解主要包括自然语言理解和图形理解等。自然语言理解就是计算机理解人类的自然语言，如汉语、英语等，并包括口头语言和文字语言两种形式。使机器翻译真正成为现实。美国认知心理学家G.M.Ulson曾为理解提出了四条判别标准:(1)能够成功地回答与输入材料有关的问题；(2)能够具有对所给材料进行摘要的功能；(3)能用不同的词语叙述所给材料；(4)具有从一种语言转译成另一种语言的能力。,人工智能的范畴,机器行为机器行为主要指机器人行动规划。它是智能机器人的核心技术，规划功能的强弱反映了智能机器人的智能水平。因为，虽然感知能力可使机器人认识对象和环境，但解决问题，还要依靠规划功能拟定行动步骤和动作序列。例如：迷宫/机器人足球/机器人灭火：路径规划,人工智能的范畴,基于应用系统的领域划分专家系统所谓专家系统，就是基于人类专家知识的程序系统。专家系统的特点是拥有大量的专家知识（包括领域知识和经验知识），能模拟专家的思维方式，面对领域中复杂的实际问题，能作出专家水平级的决策，像专家一样解决实际问题。,人工智能的范畴,知识库系统所谓知识库系统，从概念来讲，它可以泛指所有包含知识库的计算机系统（这是广义理解）；也可以仅指拥有某一领域广泛知识以及常识的知识咨询系统（这是一种狭义理解）。按广义理解，专家系统、智能数据库系统等也都是知识库系统。这里我们对知识库系统