人工智能简介

人工智能简介

一、什么是人工智能？

1、什么是智能？

智能是个体认识客观事物和运用知识解决问题的能力——感知、学习、思维、情感…一、什么是人工智能？从功能角度看,智能是综合能力,包括：感知与认识事物、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能力；联想、推理、判断、决策的能力；运用语言进行抽象、概括的能力；发现、发明、创造、创新的能力；实时、迅速、合理地应付复杂环境的能力；预测、洞察事物发展变化的能力等。

一、什么是人工智能？ 3、对图灵测试的反对——西尔勒中文屋子2、验证机器是否有智能的方法——图灵测试

一、什么是人工智能？ 5、人工智能的目标——强目标与弱目标4、计算机能够实现智能吗？——智能是否是可计算的

“深蓝”有智能吗？理发师悖论与哥德尔不完全定理

一、什么是人工智能？ 强目标：可以让机器像人类一样思考和行动，具有心智和自我意识

5、人工智能的目标

弱目标：

是计算机模拟人类思维和行为的有效工具，帮助计算机更有效的完成用户提出的任务

人工智能的实现方法——符号主义、联结主义、行为主义人工智能的分类——符号智能和计算智能

二、人工智能的实现方法

二、人工智能的实现方法 人工智能在发展过程中形成许多学派。不同学派的研究方法、学术观点、研究重点有所不同。从思想基础上可分为符号主义学派(包括认知学派、逻辑学派)、行为主义学派和连接主义学派。一、认知学派(以Simon,Minskey和Newell等为代表)1、基本思想从人的思维活动出发，利用计算机进行宏观功能模拟。基于物理符号系统假设，将任何信息加工系统看成是一个具体的物理系统。二、人工智能的实现方法2、基本观点物理系统表现智能行为的充要条件是该系统是一个物理符号系统。3、主要工作1）Newell的LogicTheorist，模拟人证明数学定理的思维过程2）GPS，模拟人的解题过程(拟定初步解题计划利用公理、定理和规则，按规则实施解题过程不断进行“目的—手段“分析，修订解题计划。3）物理符号系统假设符号是模式。物理符号系统的基本任务和功能是辨认相同的符号和区别不同的符号。二、人工智能的实现方法二、逻辑学派（以McCarthy和Nilsson等为代表)1、基本思想用逻辑来研究人工智能，用形式化的方法（统一的逻辑框架）描述客观世界。2、基本观点1）智能机器必须有关于自身环境的知识2）通用智能机器要能陈述性地表达关于自身环境的大部分知识3）通用智能机器表示陈述性知识的语言至少要有一阶逻辑的能力二、人工智能的实现方法3、主要工作1）概念化知识表示2）模型论语义3）演绎推理4）非单调逻辑用于常识推理二、人工智能的实现方法三、行为主义学派(以Brooks为代表)1、基本思想以复杂的现实世界为背景，让人工智能理论先经受解决实际问题的考验，并在这种考验中成长。智能只是在与环境的交互作用中表现出来。2、基本观点1）到现场去2）物理实现3）初级智能4）行为产生智能二、人工智能的实现方法3、主要工作1）无需知识表示的智能2）无需推理的智能3）机器虫二、人工智能的实现方法四连接主义学派1、基本思想从脑的神经系统结构出发来研究脑的功能，研究大量简单的神经元的集团信息处理能力及其动态行为，模拟和实现人的认识过程中的感知觉过程、形象思维、分布式记忆和自学习自组织过程。2、基本观点1）神经网络以分布式方式存储信息2）神经网络以并行方式处理信息3）神经网络具有自组织、自学习能力3、主要工作人工神经网络(此外，遗传算法、人工免疫算法等均可划入这一学派）

1、早期的基础Aristotle—形式逻辑Bacon—归纳法Leibnitz—形式逻辑符号化2、萌芽阶段

Boole:布尔代数

Turing:图灵机

Wiener:控制论

Shannon:信息论Russell:数理逻辑

三、人工智能的发展历

3、人工智能的诞生——1956年Dartmouth大学夏季讨论会

McCarthy,Minsky,etl4、1950年代—活跃的十年以游戏、博弈为对象Samuel

有学习能力的跳棋程序Newwell,Simon

的机器定理证明McCarthy的LISPChomsky的形式语言

三、人工智能的发展历

5、1960年代—沉寂的十年

机器翻译通用问题求解Robinson归结原理

Feigenbaum

的专家系统：DENDRAL

三、人工智能的发展历程

6、1970年代—知识工程知识工程的提出（Feigenbaum）

知识表示

专家系统

Prolog语言

自然语言理解

三、人工智能的发展历程

7、1980年代—联结主义的兴起

神经网络遗传算法进化计算

专家系统的广泛应用

Newell的SOAR

五代机计划

三、人工智能的发展历程

三、人工智能的发展历程

8、1990年代至今—网络时代分布式人工智能智能Agent

多Agent系统（MAS）KDD

智能化网络网格人工生命

1.形式逻辑命题逻辑谓词逻辑(一阶谓词和二阶谓词)模态逻辑模糊逻辑时序逻辑偏爱逻辑（管理科学与决策）默认逻辑限定逻辑自认知逻辑真值维护系统

四、人工智能理论基础－符号主义

2.推理技术产生式推理非单调推理不确定推理约束推理定性推理基于案例推理（CBR）

四、人工智能理论基础－符号主义

3.通用问题求解技术通用问题求解（GPS）状态空间搜索问题求解规划技术

四、人工智能理论基础－符号主义

4.机器学习归纳学习类比学习解释学习基于案例学习强化学习

四、人工智能理论基础－符号主义

5.知识表示产生式规则谓词语义网络框架剧本

四、人工智能理论基础－符号主义

四、人工智能理论基础－联结主义

1.神经网络模拟人类脑神经元的工作原理遗传算法模拟生物进化过程人工生命人工免疫算法蚁群算法

五、AI在现代管理中的应用 1.智能代理（Agent)------个性化服务拍卖、查询、定购…信息采集------语义网智能化搜索、收集信息

五、AI在现代管理中的应用 智能化信息、知识的提取------数据挖掘决策支持------IDSS、DDSS、IDDSS智能化的信息管理------CRM、KM……

五、AI在现代管理中的应用 新概念的提出：商业智能——BI(BusinessIntelligence)

商业智能是指通过对数据的收集、管理、分析以及转化，使数据成为可用的信息，从而获得必要的洞察力和理解力，更好地辅助决策和指导行动。

五、AI在现代管理中的应用 商业智能——BI(BusinessIntelligence)其基本体系结构包括：数据仓库系统数据挖掘工具决策支持系统

IBM解决方案

五、AI在现代管理中的应用 MIS现状_信息孤岛:

财务系统市场促销数据客户数据营业数据呼叫中心数据

五、AI在现代管理中的应用BI系统:

数据仓库OLAP智能挖掘

五、AI在现代管理中的应用 数据仓库:－数据仓库是指从业务数据中创建信息数据库，并针对决策和分析进行优化。－数据仓库中的信息是面向主题的、集成化的、稳定的、随时间变化的数据集合，用以支持管理决策的过程。－数据来自多个数据源，并整合到一个数据库中。－在数据整合的过程中数据要经过聚合、摘要和清洗。

五、AI在现代管理中的应用 数据仓库(DataWarehouse)系统示意图：