人工智能简介2

1、人工智能Artificial Intelligence 夏琳琳1课程目的了解人工智能发展概况掌握人工智能基本原理能用人工智能求解问题课程讲述分为原理篇和应用篇2教材 teaching materialsUsed in over 1000 universities in 91 countries3教材 teaching materials4教材 teaching materials51 原理篇Introduction6原理篇人工智能的相关理论；知识表示；Agent；不确定推理方法；7solution什么是智能?什么是人工智能 (AI)?AI研究的方法和途径.AI的历史.8什么是 intellig

2、ence?Intelligence:人们知觉、学习、理解和认知的能力. 9什么是 artificial intelligence?Artificial Intelligence:所谓人工智能，就是人工的方法在机器（计算机）上实现的智能，或者说是人们使用机器模拟人类的智能。由于人工智能是在机器上实现的，所以又称为机器智能。 从另一个角度来看，人工智能是研究怎样使计算机来模仿人脑从事的推理、证明、识别、理解、设计、学习、思考、规划及问题求解等思维活动，来解决人类专家才能处理的复杂问题。10不同声音Feigenbaum（EdwardAlbert爱德华费根鲍姆）告诉机器做什么而不告诉它怎么做,如果机器

3、能够完成任务,我们就说这个机器是有智能的。美国Stanford大学知识工程学派11? Several believesSearles belief（塞尔）Thinking can occur only in very special machines living ones made of proteins向强人工智能挑战：塞尔标准的意义在于：它说明机器智能是有限度的，机器智能永远不可能超过人类智能。因此，它为人工智能提供了一个动态的、恒久适用的标准。 12? Several believesNewell & Simon: physical symbol system hypothesis （

4、物理符号系统假说）纽厄尔，西蒙，卡内基梅隆大学“a physical system is a machine that is capable of manipulating symbolic data.”13Approaches to AITwo main approaches:Symbolic vs. Subsymbolic 符号 vs 亚符号14Symbolic processing approachesClassical AINewell and Simon physical symbolic system hypothesis# 物理符号系统假说# Knowledge-based ap

5、proachenough knowledge required基于知识的方法15(2) Subsymbolic processing approachesBottom-up style在最底阶段我们认为把符号叫做信号更为确切。Symbol - SignalWell-known examplesNeural networks （神经网络）Evolution systems（进化系统）16符号智能与计算智能 符号智能就是符号人工智能，它是模拟脑智能的人工智能，也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。符号智能的主要内容包括

6、知识获取（knowledge acquisition）、知识表示（knowledge representation）、知识组织与管理和知识运用等技术（这些构成了所谓的知识工程（Knowledge Engineering, KE）以及基于知识的智能系统等。 17符号智能与计算智能 计算智能就是计算人工智能，它是模拟群智能的人工智能。计算智能以数值数据为基础，主要通过数值计算，运用算法进行问题求解。计算智能的主要内容包括：神经计算（Neural Computation， NC）、进化计算（亦称演化计算，(Evolutionary Computation，EC),包括遗传算法（Genetic Alg

7、orithm，GA）、进化规划（Evolutionary Planning，EP）、进化策略（Evolutionary Strategies，ES）等）、免疫计算（immune computation）、粒群计算（Particle Swarm Algorithm，PSA）、蚁群算法（Ant Colony Algorithm，ACA）、自然计算（Natural Computation，NC）以及人工生命（Artificial Life，AL）等。18Exercise：path planning （路径规划）obstaclestart pointtarget point19以移动机器人路径规划为例

8、，探讨可使用的人工智能方法：ANN与路径规划 该方法研究了障碍物形状是矩形并且利用能量函数来描述其边界和位置已知情况下的机器人路径规划算法。通过计算地图中的某个点是否落在障碍物矩形范围中来确定这个点是否为障碍物点，其能量函数的定义利用了ANN结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程，规划出的路径达到了折线形的最短无碰路径，计算简单，收敛速度快。Exercise：path planning20以移动机器人路径规划为例，探讨可使用的人工智能方法：模糊逻辑（FL）与路径规划 该方法把障碍物信息分成3个方向，分别为正前方、左前方和右前方。行为和推理规则的输入变量设为4个，分别为智

9、能机器人预定的目的地方向，智能机器人前进的左、中、右3面的障碍物状态，而从这些条件推出模糊推理的两个输出分别为智能机器人的速度和方向控制。Exercise：path planning21以移动机器人路径规划为例，探讨可使用的人工智能方法：遗传算法（GA）与路径规划 该方法采用栅格法对智能机器人工作空间进行划分，用序号标示栅格，并且以此序号作为智能机器人路径规划的参数编码。这种方法的缺陷是：若栅格划分过粗，则划分精度较低；若划分栅格太细，则数据量又太大。Exercise：path planning22孕育（1956年以前）Aristotle(前384-322): 形式逻辑，演绎推理，三段论亚里士

10、多德工具论23孕育（1956年以前）Bacon(1561-1626): 归纳法，知识就是力量英国哲学家培根24孕育（1956年以前）Leibniz(1646-1716): 万能符号，推理计算德国数学家和哲学家莱布尼茨25孕育（1956年以前）Boole（1815-1864）: 思维规律形式化，布尔代数英国逻辑学家思维法则26Godel（1906-1978）: 哥德尔 证明了一阶谓词的完备性27孕育（1956年以前）Turing（1912-1954）: 图灵机（1936）理想计算机的数学模型图灵实验（1950）英国数学家图灵28孕育（1956年以前）McCulloch & Pitts: MP神经

11、元模型（1943）美国神经心理 学家麦克洛奇，匹兹29孕育（1956年以前）Mauchly & Echert: 第一台电子计算机ENIAC,（1946）美国数学家莫克利和埃柯特30诞生（1956年夏Dartmouth会议）Dartmouth College美国达特莫斯，为期2个月31诞生McCarthy麦卡锡-1971Minsky明斯基-1969Shannon香农Lochester32The History of AISimon-1975More, Samuel, Selfridge, Solomonff莫尔（Princeton ），塞缪尔（IBM），塞尔夫里奇，索罗莫夫（MIT）Newell

12、-197533The History of AI最初10年的成就在机器学习方面，1957年Rosenblatt研制成功了感知机；在定理证明方面，1958年王浩在IBM-704机器上用3-5分钟证明了数学原理中有关命题演算的全部220条定理，并且还证明了谓词演算中150条定理的85%；1965年，Robinson提出了归结原理；在模式识别方面，1959年Selfridge（塞尔弗里奇）推出了一个模式识别程序；1965年Roberts编制出了可分辨积木构造的程序；34The History of AI最初10年的成就在问题求解方面：1960年Newell编制了通用问题求解程序（GPS），可以求解1

13、1种不同类型的问题；在专家系统方面：1968年Feigenbaum研制成果DENDRAL专家系统并投入使用；在人工智能语言方面：1960年McCarthy（麦卡锡）研制出了人工智能语言LISP语言。35The History of AISimon的狂言（1957）It is not my aim to surprise or shock you but the simplest way I can summarize is to say that there are now in the world machines that think, that learn and that create

14、. Moreover, their ability to do these things is going to increase rapidly until in a visible future the range of problems they can handle will be coextensive with the range to which the human mind has been applied.36The History of AINewell和Simon的四个预测（1958）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

15、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37The History of AI人工智能山重水复（60年代后期）二次翻译问题机器翻译the spirit is willing but the flesh is weakthe vodka is good but the meat is rotten组合爆炸问题The fact that a program can find a solution in principle does not means that the program contains any of the mechanisms needed to find it

16、 in practice.感知机局限性A two-input perceptron cannot be trained to recognize when its two inputs are different.38知识工程柳暗花明（1977）Feigenbaum presented Knowledge Engineering at the 5th IJCAI（International Joint Conference On Artificial Intelligence，国际人工智能联合会议）39神经网络东山再起（1986）Hopfield神经网络（Hopfield, 霍普菲尔德，198

17、2）反向传播（BP）算法（Rumelhart & McClelland, 1986） 鲁梅尔哈特，麦克莱伦德 实现了Minsky多层N构想。40计算智能欣欣向荣（90年代至今）计算智能欣欣向荣（90年代至今）人工神经网络（Artificial Neural Network）遗传算法（Genetic Algorithm）模糊推理（Fuzzy Reasoning）蚁群算法（Ant Colony Algorithm）粒子群优化（Particle Swarm Optimization）人工免疫系统（Artificial Immune System）41The History of AIGestatio

18、n（酝酿）1956BirthEnthusiasm（狂热）1966DifficultiesNeural Networks Reborn1986Computational Intelligence1969IJCAI was held1970AI was launchedKnowledge Engineering1977Present国际人工智能联合会议42人工智能的伟大成就战胜象棋冠军Kasparov1991年8月，Deep Thought 2 vs. Johansen，1:1平1996年2月，Deep Blue vs. Kasparov，1胜3负2平1997年5月，Deep Blue vs. K

19、asparov，2胜1负3平2003年1月，Deep Junior vs. Kasparov，1胜1负4平这场比赛中有许多新的发现，其中之一就是计算机有时也可以走出人性化的棋步。在一定程度上，我不能不赞扬这台机器，因为它对盘势因素有着深刻的理解，我认为这是一项杰出的科学成就。43IBM的“深蓝”deep thought“深蓝”的技术指标：32个CPU每个CPU有16个协处理器每个CPU有256M内存每个CPU的处理速度为200万步/秒44IBM的“深蓝”vs 卡斯帕罗夫45模仿人手的动作46开啤酒盖VS.机器人足球赛47 深海作业VS.蜘蛛机器人48机器人治疗VS.拿鸡蛋49日本研制出人脑控制

20、机器人-Asimo 有望应用于做家务。从人脑想象到机器人实际做出动作所需时间为79秒；50美国“大狗”机器人Big dog大狗”机器人由波士顿动力学工程公司研制；美军决定派遣“大狗”机器人增兵阿富汗； 512 知识表示52a.知识表示的概念 人类的智能活动主要是获得并运用知识。知识是智能的基础。为了使计算机具有智能，使它能模拟人类的智能行为，就必须使它具有知识。但知识需要用适当的模式表示出来才能存储到计算机中去。因此，知识的表示成为人工智能中一个十分重要的研究课题。53b.知识的特性 I.相对正确性牛顿力学在一定条件下成立；1+1=2只有在十进制的前提下才正确； II.不确定性随机性、模糊性、

21、经验性、不完全性； III.可表示性与可利用性；54c.知识的分类 I.作用范围常识性和领域性知识； II.作用及表示事实性知识（如谓词公式）、过程性知识（有关系统过程变化）、控制性知识（深层知识或元知识，是关于知识的知识）； 如：从北京到上海是乘飞机还是火车的问题事实性：北京、上海、飞机、火车、时间、费用；过程性：乘飞机、坐火车；控制性：乘飞机较快、较贵；座火车较慢、较便宜55c.知识的分类 III.结构及表现形式逻辑性知识、形象性知识； IV.确定性确定性知识（真值是“真“或”假”）、不确定性知识（具有不精确、不完全及模糊性）；56d.知识表示的方法 知识表示（Knowledge Repr

22、esentation）就是将人类知识形式化或者模型化。实际上就是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。57d.知识表示的方法 一阶谓词逻辑表示法；产生式表示法；框架表示法；语义网络表示法；58一、一阶谓词逻辑表示法 人工智能中用到的逻辑可划分为两大类。一类是经典命题逻辑和一阶谓词逻辑，其特点是任何一个命题的真值或者为“真“或者为”假“；因为它只有两个真值，又称为二值逻辑。 另一类泛指经典逻辑外的那些逻辑，主要包括三值逻辑、多值逻辑、模糊逻辑等，泛指为非经典逻辑。 命题逻辑和谓词逻辑最先应用于人工智能。591、命题 命题（Proposition）是一个非

23、真即假的陈述句。若命题的真值为”真“，记为T（True）；真值为假，记为F（False）； 命题逻辑表示法有较大的局限性。它无法把它所描述的事物的结构及逻辑特性反映出来，也不能把不同事物间的共同特性表述出来。 “老李是小李的父亲” 用英文字母P表示； “李白是诗人”、“杜甫是诗人”，无法把两者的共同特征表现出来。于是，有了谓词逻辑。602、谓词 谓词（Predicate）是基于命题中谓词分析的一种逻辑。一个谓词分为谓词名和个体两个部分。前者用于刻划个体的性质、状态和个体间的关系。 谓词的一般形式是： P（x1，x2，,xn） P是谓词名， x1，x2，,xn是个体，个体数目称为谓词的元数。P（

24、x,y）为二元谓词， P（x1，x2，,xn）为n元 “老张是一个教师” 可表示为Teacher（Zhang）； “53”可表示为Greater（5，3）； “Smith作为一个工程师为IBM工作” ，可表示为Works（Smith，IBM，Engineering）612、谓词 “老张是一个教师” 也可表示为Is a (Zhang, Teacher)一个命题的谓词表示不是唯一的。 个体是函数，表示一个个体到另一个个体的映射。 “小李的父亲是教师”表示为Teacher（father（LI）； “小李的母亲与他的父亲结婚” 可表示为Married（father（Li）,mother（Li） 函数与

25、谓词表面上很相似，其实是两个完全不同的概念。谓词的真值是“真”、“假”，而函数的值是个体域中的某个个体，无真值可言，只是个体域从一个个体到另一个个体的映射。 623、谓词公式 （a）连接词 可用连接词将一些简单的命题连接起来构成复合命题。 I.”“，称为“否定”或者“非“如”机器人不在二号房间“ 表示为： INROOM（Robot，R2） II.” ”，称为”析取（Disjunction）“ 表示”或“的概念。 如”李明打篮球或踢足球“表示为： Plays（LiMing，Basketball） Plays（LiMing， Football）633、谓词公式 （a）连接词 III.” ”，称为”

26、合取（Conjunction）“ ，表示”与“的概念。 如”我喜欢音乐和绘画“表示为： Like（I，Music） Like（I，Painting） 某些较简单的句子可以用构成复合形式， 如”李住在一幢黄色的房子里”表示为 LIVES（LI,HOUSE-1） COLOR （HOUSE- 1,YELLOW）643、谓词公式 （a）连接词 IV.” ”，称为”蕴涵（Implication）“或者“条件（Condition）” ，P Q表示”P蕴涵Q”。 即，”如果P，则Q “。P称为条件的前件，Q称为条件的后件。 如”如果刘华跑得快，那么他取得冠军”表示为 RUNS（LIUHUA,FASTER）

27、WINS （LIUHUA，CHAMPION）653、谓词公式 例”如果该书是李明的，那么它是蓝色封面的”表示为 OWNS（LIMING,BOOK-1） COLOR（BOOK-1，BLUE） 如果Jones制造了一个传感器，且这个传感器不能用，那么他或者在晚上进行修理，或者第二天把它交给工程师表示为 ”Producers（ Jones ，Sensor） Works（ Sensor ） Fix（ Jones ， Sensor，Evening ） Give （ Sensor， Engineering，Next-day）663、谓词公式 注意：蕴含与汉语中的“如果,则”有区别，汉语中前后要有关系，而命

28、题中毫无关系。例：如果“太阳从西边出来”，则“雪是白的”，是一个真值为T的命题。 V. 称为“等价（Equivalence）或双条件（Bicondition）” 表示“P当且仅当”。如果后项取T（不管前项取值如何），或者前向取F（不管后项取值如何），则蕴含取值为T，否则为F。注意：只有前项为真，后项为假时，蕴含才为假，其余为真673、谓词公式 表1. 谓词逻辑真值表如果后项取T（不管前项取值如何），或者前向取F（不管后项取值如何），则蕴含取值为T，否则为F。注意：只有前项为真，后项为假时，蕴含才为假，其余为真。683、谓词公式 （b）量词（quantifier） I.” “，称为“全称量词（U

29、niversal quantifier）表示“对个体域中的所有（任意一个）个体x” 如“所有的机器人都是灰色的”表示为 如”所有的车工都操作车床“表示为 693、谓词公式 （b）量词（quantifier） II.” “，称为“存在量词（Existential quantifier）表示“对个体域中的存在个体x” 如“1号房间有个物体”表示为 如”某个工程师操作车床“表示为 703、谓词公式 全称量词和存在量词可以出现在同一个命题中。设谓词P（x）表示x是正数，F（x，y）表示x与y是朋友。 表示个体域中的所有个体x都是正数。 表示对于个体域中任何个体x，都存在个体y，x与y是朋友。 表示个体

30、域中存在个体x，与个体域中的任何个体y都是朋友。 表示个体域中存在个体x与个体y，x与y是朋友。 表示个体域中任何两个个体x和y，x和y都是朋友。 713、谓词公式 当全称量词和存在量词出现在同一个命题中，两者出现的次序将影响命题的意思。 表示”每个雇员都有一个经理。“ 表示“有一个人是所有雇员的经理。” 723、谓词公式 （c）谓词公式 概念：谓词演算（Predicate Calculus）由谓词符号、常量符号、变量符号、函数符号以及括号、逗号等一串按一定语法规则组成的字符串的表达式。 在谓词公式中，优先级别为： ， ， ， 合取 734、谓词公式的性质 等价性： 设P和Q是两个谓词公式，D

31、是它们共同的个体域，若对D上的任何一个解释，P和Q都有相同的真值，则称公式P和Q在D上是等价的。如果D是任意个体域，则称P和Q是等价的。记为 。下面是一些主要等价式： (1) 交换率 (2) 结合率 744、谓词公式的性质 (3) 分配率 (4) 德.摩根律（） (5) 双重否定率 (6) 吸收率 754、谓词公式的性质 (7) 补余率 (8) 连接词化规律 (9) 逆否率 764、谓词公式的性质 (10) 量词转换率 (11) 量词分配 775、谓词表示法举例 用谓词表示知识的一般步骤为：（1）定义谓词及个体，确定每个谓词及个体的确切定义；（2）根据要表达的事物或概念，为谓词中的变元赋以特定

32、 的值；（3）根据语义用适当的连接符号将各个谓词连接起来，形 成谓词公式。 785、谓词表示法举例-1用一阶谓词逻辑表示下列关系数据库; 住户 房间 号码 房间 Zhang 201 491 201 Li 201 492 201 Wang 202 451 202 Zhao 203 451 203 表中有两个关系： OCCUPANT （给定用户和房间的居住关系） TELEPHONE（给定 号码和房间的 关系） 用一阶谓词表示为：OCCUPANT（Zhang，201），OCCUPANT（Wang，202），TELEPHONE（491，201）， TELEPHONE（492，201），795、谓词表示

33、法举例-2机器人搬弄积木块问题表示 设在一个房间里面，有一个机器人ROBOT，一个壁橱ALCOVE，一个积木块BOX，两个桌子A和B。开始时，机器人ROBOT在壁橱ALCOVE的旁边，且双手是空的，桌子A上放着积木块BOX，桌子B上是空的。机器人ROBOT将把积木块从桌子A转移到桌子B上。如何用一阶谓词逻辑来表示这一问题？ （1）本课题涉及到的常量定义为： 机器人：ROBOT；积木块：BOX；壁橱：ALCOVE； 桌子：A；桌子：B；805、谓词表示法举例-2机器人搬弄积木块问题表示 （2）定义谓词如下： TABLE（x）： x是桌子； EMPTYHANDED（x）：x双手是空的； AT（x，

34、y）： x在Y旁边； HOLDS（y，w）：y拿着w； ON（w，x）：w在x的上面； EMPTYTABLE（x）：桌子x上是空的； （3）根据问题的描述将问题的初始状态和目标状态分别用谓词公式表示出来；815、谓词表示法举例-2机器人搬弄积木块问题表示 问题的初始状态：AT(ROBOT,ALCOVE)EMPTYHANDED(ROBOT) ON(BOX,A) TABLE(A) TABLE(B) EMPTYTABLE(B); 问题的目标状态：AT(ROBOT,ALCOVE)EMPTYHANDED(ROBOT) ON(BOX,B) TABLE(A) TABLE(B) EMPTYTABLE(A);8

35、25、谓词表示法举例-2机器人搬弄积木块问题表示 将问题表示出来之后，如何求解问题： 本例中，机器人ROBOT将积木块BOX从桌子A移到桌子B所要执行的操作有3个：GOTO（x，y）：从x处走到y处。PICK-UP（x）：从x处拿起盒子。SET-DOWN（x）： 在x处放下盒子。835、谓词表示法举例-2机器人搬弄积木块问题表示 这3个操作可分别用条件和动作表示如下：GOTO（x，y）： 条件：AT（ROBOT，x） 动作： 删除 AT（ROBOT，x） 增加 AT（ROBOT，y）845、谓词表示法举例-2机器人搬弄积木块问题表示 PICK-UP（x）：条件： ON(BOX,x) TABLE

36、(x) AT（ROBOT，x） EMPTYHANDED(ROBOT) 动作： 删除 ON(BOX,x) EMPTYHANDED(ROBOT) 增加 HOLDS（ROBOT，Box） SET-DOWN（x）：条件： TABLE(x) AT（ROBOT，x） HOLDS（ROBOT，Box）动作： 删除 HOLDS（ROBOT，Box） 增加 ON(BOX,x) EMPTYHANDED(ROBOT) 856、谓词逻辑表示法的特点 一阶谓词逻辑是一种形式语言系统，即条件和结论之间的蕴涵关系。特点： I. 自然性。接近自然语言的形式，表示问题易于被人理解和接受。 II. 适宜于精确性知识的表示，而不适

37、宜于不确定性知识的表示。其逻辑值只有“真”和”假“两种结果。 III. 易实现。所表示的知识可以比较容易地转换为计算机的内部形式，易于模块化，便于知识的删除、添加和修改。IV. 与谓词逻辑表示法相对应的推理称为归结推理方法。 86二、产生式表示法 产生式表示法又称为产生式规则（Production rule）表示法。 “产生式”这一术语是美国数学家（波斯特）首先提出的。它是人工智能中用的最多的一种知识表示方法。许多成功专家系统都采用它来表示知识。如费根鲍姆等人研制的化学分子结构专家系统DENDRAL，Stanford大学肖里特菲（Shortliffe）等人研制的诊断感染性疾病的专家系统MYCI

38、N（目前，学术界公认，将人工智能应用于医学方面，Stanford大学是处于世界领先的地位，这和费根鲍姆是分不开的）。87二、产生式表示法 （1）基本形式 产生式通常用于表示具有因果关系的知识，基本形式为： P Q或者 IF P THEN Q注意： 这一形式和谓词逻辑中的蕴含式具有相同的形式。两者的区别呢？ 其实蕴含式只是产生式的特殊情况。蕴含式的真值要么为真，要么为假，而产生式不仅可以表示精确性知识，还可以表示不精确的知识。蕴含式要求前提条件与已知知识精确比配，而产生式不要求精确匹配，只要相似度达到某一个制定的范围。88二、产生式表示法 （2）表示方法 I.确定性规则知识的产生式表示为： P

39、Q 或者 IF P THEN Q如： IF 动物会飞 AND 会下蛋 THEN 该动物是鸟 II.不确定性规则知识的产生式表示为： P Q （置信度） 或者 IF P THEN Q （置信度） 如：IF 本微生物的染色斑是革兰氏阴性， 本微生物的形状呈杆状， 病人是中间宿主 THEN 该微生物是绿脓杆菌，置信度为表示该微生物是绿脓杆菌，可以相信的程度是0.6.89二、产生式表示法 III.确定性事实性知识的产生式表示为： （对象 属性值） 或者 （关系 对象1 对象2）如： 老李40岁 表示为： （Li，Age，40）如： 老李、老张是朋友 表示为：（Friends，Li，Zhang） IV.

40、不确定性事实性知识的产生式表示为（对象 属性值 置信度） 或（关系 对象1 对象2 置信度） 如：老李年龄很可能是40岁表示为： （Li，Age，40，） 老李、老张是朋友的可能性不大表示为： （Friends，Li，Zhang ，）90二、产生式表示法 （3）系统组成 I.规则库描述某领域知识的产生式集合，是某领域知识的存贮器。 II.综合数据库 又称事实库，用于存放输入的事实，外部数据库输入的事实及中间结果。 III.推理机是一个或一组程序，包括了推理方式和控制策略。产生式系统的基本结构91二、产生式表示法 （4）推理方式 I. 正向推理 正向推理从已知事实出发，通过规则库求得结论。 II

41、.反向推理 反向推理是从目标（作为假设）出发，反向使用规则，求得已知事实。 III.双向推理 推理从两个方向同时进行，直至某个中间界面上双方向结果相符便成功结束。这种方式推理网络小，从而效率高。92二、产生式表示法 （5）特点 I. 清晰性 有固定的格式，形式简单，知识库的建立较容易。 II.模块性 知识库（包括规则库和综合数据库）和推理机分离，这种结构给知识库的修改带来方便。 III.自然性 如果则的形式符合人类的思维习惯，直观自然，便于推理。93三、框架表示法 1975年，美国著名的人工智能学者明斯基提出了框架理论，论文A framework for representing knowle

42、dge。该理论认为人们对现实世界中各种事物的认识都是以一种类似于框架的结构存储在记忆中的。 当面临一个新事物时，就从记忆中找出一个合适的框架，并根据实际情况对其细节加以修改、补充，从而形成对事物的认识。 94三、框架表示法 （1）一般结构 框架（Frame）是一种描述所论对象（一个事物、事件或概念）属性的数据结构。 一个框架由框架名、槽（Slot）、侧面（Faced）和值4部分组成。一个框架由若干个“槽”组成，每个“槽”又可划分为若干个“侧面”。槽和侧面所具有的属性值分别称为槽值和侧面值。 槽值可以是逻辑型或数字型的，具体的数值可以是程序、条件、默认值或是一个子框架。95三、框架表示法 （2）

43、知识表示举例 例如：要描述“计算机主机”这一概念，首先要分析所具有的属性，一台计算机可能具有的属性有：品牌、生产厂商、CPU（品牌、型号）、主板（品牌、型号）、内存（品牌、型号、容量）、硬盘（品牌、型号、容量）。 这些称为“计算机主机”的槽。而CPU有两个侧面，主板有两个侧面，内存和硬盘都有三个侧面。如果给各个槽和侧面赋以具体的值，就得到“计算机主机”这个概念的一个实例框架。96三、框架表示法 框架名： 主机品牌：联想1+1 生产厂商：北京联想集团公司 CPU： 品牌：Intel 型号：奔腾III/933 主板： 品牌：QDI 型号：ATX VA5 内存： 品牌：现代 型号：SDRAM 容量：

44、128MB 硬盘： 品牌：Seagate 型号：ST320423A 容量：20Gbytes 97三、框架表示法 （3）特点： I.结构性突出的特点就是便于表达结构性知识。是一种结构化的知识表达方法。这是产生式不具备的。后者不能将知识间的结构关系表示出来，而只能表达因果关系。 II.继承性框架表示法可以使槽值设置为另一个框架的名字，实现框架间的联系，建立起表示复杂知识的框架网络。 III.自然性当遇到新事物时，通过从记忆中调用类似事物的框架，并将其中某些细节进行修改、补充，就形成对新事物的认识，这与人们的认识活动是一致的。 不足之处在于不善于表达过程性知识。98四、语义网络表示法 1968年，（

45、奎联）在研究人类联想记忆时提出的心理学模型。1972年，西蒙正式提出语义网络的概念。 语义网络是一种采用网络形式表示人类知识的方法； （1）概念、结构 客观世界中的事物时错综复杂的，相互之间除了有因果关系、类属关系等表面的一些关系外，各事物、概念等之间还存在含义上的联系或语义上的联系。99四、语义网络表示法 一个简单的语义网络可由如下的一个三元组表示： （节点1，弧，节点2） 把多个基本网元用相应的语义联系关联在一起时，就得到一个语义网络。 基本网元语义网络结构100四、语义网络表示法 一个三元组（节点1，弧，节点2）可写成P（个体1，个体2），其中个体1、个体2对应节点1，节点2，而弧及其上

46、标注的节点1和节点2的关系由谓词P来体现： 例如，对“张三与李四是同学”可以表示为三元组（张三，同学，李四）。对应的语义网络如下： 如果用一阶谓词表示法，可写作P（张三，李四），P表示张三和李四为同学关系。Student（张三，李四）101四、语义网络表示法 产生式表示法是以一条产生式规则作为知识的单位。各条产生式规则之间没有直接的联系。而语义网络则不同，各个网元之间是相互关联的。 每一条产生式规则可以用语义网络的形式表示： 例如， “如果A，那么B”是一条表示A和B之间因果关系的产生式规则，相应的语义网络表示如下 这里，RAB表示A和B之间的语义关系，即“如果,那么”1023 Agent（艾

47、真体）103学习要求理解Agent基本概念及特性了解Agent结构了解多Agent系统智能机器人简介104Review-AINewell，Simon，McCarthy，ShortliffeMcCulloch和PitsHopfieldRumelhart105AgentIntelligent computer agents are both the original goal and the ultimate goal of artificial intelligence research. -Hayes-Roth106The Derivation of AgentAgent一词源自拉丁语ager

48、e，意为“去做”Agent作为AI术语首次出现在Minsky于1986年出版的 Society of Mind一书中1994年万维网的出现推动了Agent技术迅速发展107What is an Agent? Agent一词的主要意思是“代理（人）”，但我们这里的Agent还具有更多的含义。简单来说，Agent是一种实体，而且是一种具有智能的实体。这种实体可以是智能软件、智能设备、智能机器人或智能计算机系统等等，甚至也可以是人。国内人工智能文献中对Agent的翻译或称呼有智能体、主体、智能Agent等，现在则逐渐趋向于不翻译而直接使用Agent。108Agent in Chinese Liter

49、aturesAgent智能体主体智能主体代理智能代理艾真体109Agent及其要素（Agent and Its Elements） Agent与环境的交互作用 环 境执行器作 用感 知传感器？percepts（sensors）（effectors）environmentactions110The Derivation of Agent事实上，Turing Test已蕴含了Agent思想Agent质问者自愿者电脑111Agent的类型 从Agent理论模型角度来看，可分为反应型、思考型（或认知型）和两者复合型。从特性来看，Agent可分为以下几种类型：反应式Agent 这种Agent能够对环境主

50、动进行监视，并能做出必要的反应。反应式Agent最典型的应用是机器人，特别是Brookes类型的机器昆虫。112BDI型Agent即有信念（Belief，即知识）、愿望（Desire，即任务）和意图（Intention，即为实现愿望而想做的事情）的Agent。它也被称为理性Agent。这是目前关于Agent的研究中最典型的智能型Agent，或自治Agent。BDI Agent的典型应用是在Internet网上为主人收集信息的软件Agent。比较高级的智能机器人也是BDI Agent。Agent的类型 BDI关系图 信念愿望意图行为113社会Agent处在由多个Agent构成的一个Agent社会

51、中的Agent。各Agent有时有共同的利益（共同完成一项任务），有时利益互相矛盾（争夺一项任务）。因此，这类Agent的功能包括协作和竞争。办公自动化Agent是协作的典型例子，多个运输（或电信）公司Agent争夺任务承包权是竞争的典型例子。Agent的类型114演化Agent是具有学习和提高自己能力的Agent。单个Agent可以在同环境的交互中总结经验教训，提高自己的能力。但更多的学习是在多Agent系统，即社会Agent之间进行的。模拟生物社会（如蜜蜂和蚂蚁）的多Agent系统是演化Agent的典型例子。Agent的类型115人格化Agent 是不但有思想，而且有情感的Agent。这类

52、Agent研究得比较少，但是有发展前景。在故事理解研究中的故事人物Agent是典型的人格化Agent。Agent的类型学生通过虚拟实境和仿真代理人Steve对谈116人格化Agent Agent的类型电影记忆裂痕中跳脱萤幕的虚拟代理人 正在介绍新型萤幕的科技界面代理人117人格化Agent Agent的类型为Microsoft中的小帮手角色 助教代理人118Agent vs. ObjectAgents are autonomousAgents are smartAgents are multi-threaded（多协作的）ObjectAgent119Questions如果Agent失去理性，世

53、界会怎么样？120The Properties of AgentsAutonomy（自主性）Agents operate without the direct intervention of humans or others, and have some kind of control over their actions and internal state. 自治性，即能够在没有人或别的Agent的干预下，主动地自发地控制自身的行为和内部状态，并且还有自己的目标或意图。121The Properties of AgentsSocial ability（社会性）Agents interact

54、 with other agents (and possibly humans) via some kind of agent-communication language.一个Agent一般不能在环境中单独存在，而要与其它Agent在同一环境中协同工作。而协作就要协商，要协商就要进行信息交流，信息交流的方式是相互通信。122The Properties of AgentsReactivity（反应性）Agents perceive their environment, (which may be the physical world, a user via a graphical user

55、interface, a collection of other agents, the Internet, or perhaps all of these combined), and respond in a timely fashion to changes that occur in it. 即能够感知环境，并通过行为改变环境。123The Properties of AgentsPro-activeness（主动性）Agents do not simply act in response to their environment, they are able to exhibit g

56、oal-directed behaviour by taking the initiative. 能根据目标、环境等的要求和制约作出行动计划，并根据环境的变化，修改自己的目标和计划。或者称为适应性。124The Architectures of AgentsMaes defines an agent architecture as a particular methodology for building agents. It specifies:how the agent can be decomposed into the construction of a set of componen

57、t moduleshow these modules should be made to interact125The Architectures of AgentsAgent = Architecture + ProgramTraditional AI=+艾 真 体体系结构程 序126The Architectures of AgentsSimple Reflex Agent127The Architectures of AgentsReflex Agent with State应式Agent的结构128The Architectures of AgentsGoal-based Agent慎

58、思式艾真体129The Architectures of AgentsUtility-based Agent基于效果的艾真体130The Architectures of AgentsLearning Agent复合式艾真体131Multi-Agent System（多Agent系统）A multi-agent system (MAS) is one that consists of a number of agents, which interact with one-another.The characteristics of MASs are that each agent has in

59、complete information or capabilities for solving the problem and, thus, has a limited viewpoint; there is no system global control（全局控制）; data are decentralized; computation is asynchronous（异步的）.132Multi-Agent SystemThe Main Topics about MASCommunication（学习机制）Organizational Architecture（组织形式）Coopera

60、tion/Coordination（协商/协调机制）133MAS的研究和应用领域多机器人协调足球机器人过程智能控制柔性制造系统（FMS）计算机集成制造系统（CIMS）网络通信与管理 网络网络负荷平衡交通控制134智能机器人简介智能机器人的概念一般将机器人的发展分为3个阶段。第一阶段的机器人只有“手”，以固定程序工作，不具有外界信息的反馈能力；第二阶段的机器人具有对外界信息的反馈能力，即有了感觉，如力觉、触觉、视觉等；第三阶段，即所谓“智能机器人”阶段，这一阶段的机器人已经具有了自主性，有自行学习、推理、决策、规划等能力。这也正符合Agent的条件，所以，现在把智能机器人也作为一种Agent。1