计算与人工智能通识 第6章 人工智能概述

第6章人工智能概述人工智能的概念01人工智能发展历程02人工智能的研究方法03人工智能的典型应用04本讲提纲人工智能发展面临的挑战与AI伦理05

人工智能（ArtificialIntelligence,AI）通常是指由人创造出来的机器所表现出来的智能。

在信息技术特别是物联网、大数据和云计算等新一代信息技术的支撑和相互促进下，人工智能成为了当代经济与社会发展新的增长引擎。6.1什么是人工智能6.1什么是人工智能智能：

智能是指个体或系统通过感知、记忆、思维、学习等多个认知过程，获得和运用知识解决实际问题的能力。

智能是一个复杂而多维的概念，其基本组成要素包括：知识经验、认知能力、问题解决能力和适应能力等。6.1什么是人工智能人类智能：

现有的认知科学和神经科学研究基本表明，人类大脑的不同区域和神经网络通过复杂的交互作用，共同实现各种认知功能和智能行为。

低层智能主要由小脑和脊髓负责，主要完成动作反应活动；

中层智能主要指各种感知活动，由丘脑和中脑构成的感觉中枢系统完成；

高层智能则以大脑和大脑皮层为主，主要完成记忆、思维和学习等活动。6.1什么是人工智能

人类凭借自身的智能在不断加深对所处世界乃至外太空的认知和改造的同时，也在积极探索人脑奥秘、其他生命体智能以及建造“类人类智能”设备的可能性，这催生了人工智能（ArtificialIntelligence,AI）学科领域的研究与发展。6.1什么是人工智能

图灵机与图灵测试：

1937年，图灵机（Turingmachine）用形象的方式描述了使用机械运算实现自动计算的全过程。

1950年，图灵发表令人广泛关注的论文《计算机器与智能》，提出图灵测试（TuringTest），试图验证机器是否具有智能。6.1什么是人工智能

人工智能的概念：

1956年8月，达特茅斯会议，约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗彻斯特、克劳德·香农、艾伦·纽厄尔以及赫伯特·西蒙等。

人工智能就是要让机器的行为看起来就像人表现出的智能行为一样。也就是说，人工智能的核心目标是开发出行为像人一样的智能机器。6.1什么是人工智能

希尔勒的中文房间：

1980年，约翰·希尔勒认为麦卡锡的观点和图灵测试都过分强调了行为表现，而忽略了思维过程。

在希尔勒看来，机器只能在功能上模仿人类，而无法真正拥有智能。6.1什么是人工智能

弱人工智能（weakAI）：

弱人工智能主要是指仅擅长某个应用领域的人工智能，不具备特定领域外的问题解决能力。

这类人工智能只关注限定领域解决特定的问题，如现在我们经常接触到的图像和人脸识别、语音处理与机器翻译、专家系统、机器视觉、智能工厂里的机器人等等。6.1什么是人工智能

强人工智能（striongAI）：

强人工智能是指达到人类水平的人工智能，在各方面可与人类相提并论，在通用领域可胜任人类的所有工作，因此又被称为通用人工智能或者完全人工智能。

此时，机器将具有“思维”能力，它能通过观察、分析、归纳和总结，然后做到像人脑一样进行独立思考、推理、判断和决策。6.1什么是人工智能

超人工智能（superAI）：

超人工智能的定义比较模糊，通常是指它可以比世界上最聪明的人类还要聪明，其智慧程度远超人类智慧，就像科幻片中的智能机器人一样，此类机器具备较强的学习和主动思考能力，并能不断进化，甚至最终人类将无法理解机器的思维内容和思维方式。目前我们所提及的人工智能主要都是指弱人工智能6.2人工智能的发展6.2人工智能的发展

1.萌芽期——人工智能的诞生和初步发展（20世纪50年代-20世纪80年代）

（1）图灵机和图灵测试（2）1943年，“神经元”网络对信息处理的数学模型，MP模型

（3）1956年，达特茅斯会议，“人工智能”术语，人工智能元年

（4）1957年，弗兰克·罗森布拉特，感知机（thePerceptron）

（5）1958年，麦卡锡创造了人工智能的编程语言LISP（ListProcessing）

（6）1970年初，日本早稻田大学发明了世界上第一个人形机器人

可见，这一阶段主要围绕机器自动定理证明、代数问题求解以及英语学习和使用等方面，模型泛化能力不足。6.2人工智能的发展

2.探索期——人工智能的应用发展和产业化（20世纪80年代-21世纪初）

（1）

专家系统与知识工程：XCON，MYCIN（2）1982年，Hopfield网络

（3）1986年，鲁梅哈特和麦克莱兰提出基于BP（BackPropagation）神经网络

（4）1995年，瓦普尼克，统计学习理论与SVM

（5）1997年，IBM，深蓝（DeepBlue）

6.2人工智能的发展

3.高速发展期——人工智能的蓬勃发展（2006年至今）

2006年，杰弗里·辛顿(GeoffreyHinton)和他的学生在《科学》杂志上发表文章，对多层神经网络模型的“梯度消失”问题给出解决方案，并正式提出“深度学习（DeepLearning）”技术，由此开启了深度学习为主流的人工智能研究新时代。（1）2012年，AlexNet模型在ImageNet图像识别大赛中获得冠军

（2）2015年，ResNet网络的错误识别率第一次超越了人类

（3）2016年，谷歌公司的AlphaGo战胜人类围棋手李世石

（5）2018年，百度公司，语音识别的准确率接近98%

AI时代已来。作为一个新时代的技术核心，AI已成为各行业必备的基本技能和典型技术应用平台，必将以“AI+传统行业”的方式对各行各业产生深远的影响。6.3人工智能的研究方法6.3人工智能的研究方法1．符号主义（Symbolicism）

逻辑主义、心理学派或计算机学派，其基本思想认为人类的认知过程就是各种知识符号的运算过程，知识可用符号进行表示，符号可通过推理进行运算，人类的认知过程就是通过符号逻辑推理进行问题求解的过程。可见，符号主义认为智能是一种基于符号的逻辑和计算过程，通过知识和规则进行决策，即用逻辑表示知识和求解问题。

定理证明，专家系统，知识工程，知识图谱

知识难以完备表达6.3人工智能的研究方法

2．连接主义（Connectionism）

仿生学派或生理学派，其主要思想是通过模拟人脑结构和功能来实现人工智能。这一学派认为思维的基元是神经元，神经元连接组成的神经网络实现各种智能和功能，不同结构的网络将表现出不同的功能和行为。连接主义通过模拟人类大脑的神经网络结构，构建人工神经网络（ArtificialNeuralNetwork,ANN）计算模型来研究智能问题。

浅层神经网络，深度网络，大模型

模型难以解释6.3人工智能的研究方法

2．连接主义（Connectionism）6.3人工智能的研究方法

3．行为主义（Actionism）

进化主义或控制论学派，其理论基础源于控制论。该学派认为智能是通过不同的行为模块与环境进行交互并产生不同的行为。因此，行为主义学派致力于构建感知-动作型控制系统，并认为人工智能可以和人类智能一样是可以逐步进化的。

walkman机器昆虫，机器人控制系统

难以实现复杂的仿生系统6.4人工智能的典型应用智能推荐图像处理（图像分类，目标检测，目标跟踪）语音识别智能交通智慧医疗智慧农业、AI辅助教育、智能制造、智能家居、智慧物流、智能安防6.5人工智能面临的挑战算力基建数据饥荒数据偏见数据安全模型可计算型模型可解释性6.6AI伦理问题