人工智能导论-面向自动化类本科专业 课件 第1章 绪论

第一章绪论《人工智能导论》配套课件《人工智能导论》教研组本章目录1.1人工智能概述11.2人工智能的起源和图灵测试1.6人工智能伦理1.5人工智能的研究目标和研究内容1.4人工智能基础框架：要素、体系与系统类型1.3人工智能的发展历史本章目录1.1人工智能概述11.2人工智能的起源和图灵测试1.6人工智能伦理1.5人工智能的研究目标和研究内容1.4人工智能基础框架：要素、体系与系统类型1.3人工智能的发展历史1.1人工智能概述智能是人类大脑思维活动的产物，是知识与智力的综合体现。它涵盖感知、记忆、思维、学习和行为能力，支持个体适应环境、解决问题。智能不仅存在于人类，也展现在动物和机器中，体现为复杂系统中多种因素交互作用的结果，是自然界的重要奥秘之一。1.1.1智能的本质与动物智能1.1人工智能概述人类之所以能够主宰地球，关键在于祖先早已具备了较为高级的智能。智能的起源至今未被揭晓，智能本质因此成为古今中外哲学家与脑科学家持续探索的重要课题。智能的产生连同物质本质、宇宙起源与生命本质一道，被视为自然界四大奥秘。随着脑科学与神经心理学进展，人们初步了解脑结构与功能，但神经系统内部结构与脑功能原理尚未完全清楚，需深入探索；因此对人类智能的认知远未完整，给出准确统一定义仍非常困难。基于当前对人脑的认知，结合智能的外在表现，学者们从不同角度、不同层面、采用多种方法对智能展开研究，提出了多种智能定义，主要包括思维理论、知识阈值理论和进化理论等观点。1.智能的定义1.1人工智能概述（1）思维理论：认为智能以思维活动为核心，所有智能源于大脑思维过程，通过研究思维规律与方法可望揭示智能本质。（2）知识阈值理论：认为智能依赖知识量及其泛化能力，智能是能在庞大搜索空间中快速找到满意解的能力，推动了知识工程与专家系统发展。（3）进化理论：强调智能为适应动态环境、感知刺激与维持生命等能力的涌现，是多要素交互的系统性质，主张“控制”优于“表示”，由Brook提出并引发AI界关注。综合以上观点，较为直观的定义：智能是知识与智力的总和。其中，知识是所有智能行为的基础，智力则是获取知识并运用知识解决问题的能力。1.1人工智能概述感知通过多种感官获取外部信息，记忆与思维存储并加工知识，学习能力使人不断适应环境，行为能力表现为信息的表达与反馈，共同构成人类智能的核心要素。智能的特征如下。（1）具有感知能力：通过视、听、触、嗅、味等感官感知外界，感知为获取知识的基础，视觉与听觉占主导，机器视觉与听觉为AI感知研究重点。（2）具有记忆与思维能力：记忆存储感知与知识，思维加工记忆信息并进行分析、比较、推理与决策；思维是获取与运用知识解决问题的关键过程。（3）具有学习能力：通过与环境互动积累知识、适应变化；学习可为有意识或无意识、在指导下或自主实践中进行，是智慧的重要体现与发展途径。（4）具有行为能力：通过语言、表情、眼神与肢体动作回应外界并传递信息；行为为信息输出，感知为输入，二者均由神经系统调控。（65字2.智能的特征1.1人工智能概述我们对标准化测试（standardizedtest，也称标准化考试或标准化测验）的问题并不陌生。比如，给定数列：1、3、6、10、15、21，要求找出下一个数字。这些数字相邻之间的差值依次增加1——从1~3差2，从3~6差3，依此类推，因此下一个数字应为28。此类题目旨在评估你识别模式中关键特征的能力。通过积累经验，我们能够不断发现和学习这些模式。既然上面已经给出了智能的一个定义，那么接下来大家可能会有以下疑问：（1）如何判定某个人或物是否有智能？（2）动物是否有智能？（3）如果动物有智能，那么如何评估它们的智能？3.动物智能1.1人工智能概述大多数人能轻松回答第一个问题。我们通过与他人交流（表达观点或提问）观察反应并反复评估其智能。虽然无法直接窥探大脑，但问答可较准确反映脑活动。若仅凭问答评估动物智能该如何判定？养过宠物者或许有感受：狗能记住数月未见的人，迷路后能回家；猫闻开罐声兴奋。这是巴甫洛夫式条件反射，还是猫有意识地将声音与晚餐愉悦关联？由此引发对动物智能本质的深入思考。关于动物智能，还有一则有趣的轶事：在1900年前后，德国柏林有一匹人称“聪明的汉斯”（CleverHans）的马，据说这匹马精通数学，如图1-1所示。1.1人工智能概述图1-1聪明的汉斯（CleverHans）1.1人工智能概述当汉斯表演加法或计算平方根时，观众无不惊叹。然而，人们后来发现，没有观众在场时，汉斯的表现远不如预期。事实上，汉斯的“天赋”在于其对人类情绪的敏锐感知，而非真正的数学能力。作为马类，汉斯具有敏锐的听觉，当它接近正确答案时，观众的兴奋和心跳加速都会被它察觉。由此，汉斯似乎具备一种特殊能力，通过感知观众的情绪变化来获得正确答案。1.1人工智能概述对人工智能的理解各异：有人把人工智能等同于任何非生命系统的智能，另有人要求其能模仿人类智能。但共同前提是：首先要理解人类如何获得智能行为，这有助于AI研究。因此需从智力、科学、心理和技术等多角度全面把握被视为智能的活动。要使机器人像人类行走，需从这些方面了解行走过程，而人类并非通过预设形式规则来运动。人工智能中的“人工”一词是英文单词“artificial”的中文翻译结果。人工智能（ArtificialIntelligence，AI）是一种利用计算机和相关技术来模拟、延伸和扩展人的智能的计算机科学的分支，目标是使用算法和数据构建能够表现出人类智能的系统，试图以人类的智慧为模型，开发出能以与人类智能相似的方式思考、学习、解决问题的计算机程序和技术。人工智能的研究目标是通过制造智能代理来实现人类智慧的各种能力，如语言理解、问题解决、学习、认知和决策等。人工智能的应用广泛，如自动驾驶汽车、语音识别、智能家居等。1.1.2人工智能的定义1.1人工智能概述人工智能分为三类：弱人工智能（ANI）是常见形式，专注特定领域，如AlphaGo、数字助手、推荐系统等，智能专一。强人工智能（AGI）具通用智能，能类人理解、推理、决策，应对多领域挑战。超人工智能（ASI）则在各领域超越人类智能，可实现科学、艺术等突破。人工智能分类如图1-2所示。1.1.3人工智能的分类图1-2人工智能分类1.1人工智能概述1.弱人工智能（ArtificialNarrowIntelligence，ANI）弱人工智能是目前最为常见的人工智能形式，专注于特定领域的任务。弱人工智能在多个实际应用中都得到了广泛应用，包括：（1）数字助手：如Apple的Siri、Amazon的Alexa和Google助手，能够执行语音命令、回答问题，并提供个性化推荐。（2）智能推荐系统：如Netflix和Spotify根据用户的历史观看和听歌记录，提供个性化的内容推荐。（3）人脸识别技术：在安全和监控系统中应用，通过机器学习算法输入大量的脸部图像，识别和验证个人身份。这类技术也被用于社交媒体平台以标记或识别用户。1.1人工智能概述2.强人工智能（ArtificialGeneralIntelligence，AGI）3.超人工智能（ArtificialSuperIntelligence，ASI）强人工智能是一种具有通用智能的系统，能够像人类一样理解语言、解决问题、进行推理和做出决策。这类AI能够处理多种复杂的任务，并在各种情境中表现出逻辑思维及自我学习的能力。强人工智能的目标是创造出能够进行全面认知的机器，能够跨越多个领域并跟人类一样灵活地应对各种挑战。超人工智能是指一种超越人类智能的人工智能形式。在所有领域，包括科学创新、通识知识和社交技能上，超人工智能都显示出超出人类的能力。1.1人工智能概述2.强人工智能（ArtificialGeneralIntelligence，AGI）3.超人工智能（ArtificialSuperIntelligence，ASI）强人工智能是一种具有通用智能的系统，能够像人类一样理解语言、解决问题、进行推理和做出决策。这类AI能够处理多种复杂的任务，并在各种情境中表现出逻辑思维及自我学习的能力。强人工智能的目标是创造出能够进行全面认知的机器，能够跨越多个领域并跟人类一样灵活地应对各种挑战。超人工智能是指一种超越人类智能的人工智能形式。在所有领域，包括科学创新、通识知识和社交技能上，超人工智能都显示出超出人类的能力。本章目录1.1人工智能概述11.2人工智能的起源和图灵测试1.6人工智能伦理1.5人工智能的研究目标和研究内容1.4人工智能基础框架：要素、体系与系统类型1.3人工智能的发展历史1.2人工智能的起源和图灵测试人工智能经历六阶段。1.2.1人工智能的起源1．孕育时期（1956年前）人类对智能机器的追求有三千多年历史。古代中国已有自动机械，如木鸟与指南车。20世纪初，数理逻辑和计算理论奠基人工智能发展。图灵机模型和神经网络模型成为研究起点，控制论理论融合神经系统、信息与计算，奠定人工智能理论基础，预示智能机器时代来临。2．形成时期（1956-1970年）1956年达特茅斯会议正式提出“人工智能”术语，标志学科诞生。计算机发展推动AI进步，首批AI程序解决复杂问题。专家系统DENDRAL问世，知识工程奠基；智能控制逐步展开。国际会议促进交流，人工智能从萌芽走向成型，面对挑战和机遇。1.2人工智能的起源和图灵测试3．暗淡时期（1966-1974年）早期AI过于乐观，预言未达成，影响声誉。面临知识、解法与结构局限，难处理复杂任务和自然语言。脑神经复杂性超AI模拟，哲学心理学的怀疑增加阻力。英美政府削减经费，AI研究陷入困境。总结经验、深化合作，为AI未来发展打基础。4．知识应用时期（1970-1988年）专家系统研发兴起，DENDRAL、MYCIN等应运而生，广泛用于医疗、地质等领域。费根鲍姆提出“知识工程”，专家系统迎来爆发期。1980年代专家系统经济效益显著，美国日本积极投入。知识表示和获取问题得到重视，促进知识驱动智能系统发展。1.2人工智能的起源和图灵测试5．协同发展时期（1986-2010年）80年代后期AI遭遇瓶颈，专家系统暴露多种问题，认知科学挑战加剧。研究转向知识处理和实际计算环境。机器学习、计算智能和神经网络兴起，模糊逻辑等技术丰富符号主义。90年代智能体成为热点，三大学派开始协同发展，推动AI进入多元融合阶段。6．融合发展时期（2011年至今）21世纪AI迎来产业升级和技术融合，深度学习推动感知与认知智能发展。云计算、大数据和算法深度结合，AI渗透多学科与实体经济。OpenAI的ChatGPT展现自然语言处理实力。中国将AI纳入国家战略，重视基础设施和人才，推动技术和产业并进，AI应用日益广泛。1.2人工智能的起源和图灵测试艾伦·图灵（AlanTuring，1912—1954）是一位享誉世界的英国数学家、逻辑学家和密码学家，被广泛认为是现代计算机科学和人工智能领域的奠基人之一（如图1-3）。他的开创性贡献不仅奠定了计算理论的基础，更为计算机技术的发展指明了方向。图灵在1936年提出了著名的“图灵机”概念，这一理论模型成为可计算性与算法的基础，对后来的电子计算机设计产生了深远影响。图灵的学说和理论依然活跃于当代科技发展脉络中，尤其是在人工智能、机器学习和计算复杂性领域依旧具有深远的影响力，是每一位学习人工智能、计算机科学及密码学的学生必须深入了解和敬仰的伟大先驱。1.2.2图灵测试图1-3图灵1.2人工智能的起源和图灵测试图灵在人工智能领域的核心贡献是他所提出的著名“图灵测试”，该测试旨在解决一个颇具争议的问题：“计算机是否具备智能？”通过这一测试，他探讨了计算机是否能够模拟人类的思维过程。关于图灵测试简介如下。人工智能的目标是用机器实现人类的部分智能。显然，人工智能和人类智能的产生机理是大相径庭的。那么，人工智能是智能吗？早在“人工智能”这个术语被正式提出之前，这方面的争论就非常激烈。为了回答这个问题，英国数学家图灵在1950年发表了题为《计算机与智能》（ComputingMachineryandIntelligence）的论文。该论文以“机器能思维吗？”开始论述，并提出了著名的图灵测试（TuringTest），形象地描绘了什么是人工智能以及机器应该达到的智能标准。1.2人工智能的起源和图灵测试图灵指出，不问机器能否思维，而看其能否通过测试：人与机器分别在两房间对话，互不见面。如果通过对话人方无法判断对方是人还是机器，则可视为机器达到了人类智能。为此图灵设计了名为“图灵的梦想”的精彩对话内容。如今图灵测试仍被许多人视为衡量机器智能的准则。图灵寻求一种操作性强的方法来回答智能问题，他尝试将智能的“功能”（即智能能够执行的任务）与“实现方式”（即智能如何实现）区分开来。这一思路为理解智能的本质奠定了基础，推动了后续围绕智能定义和标志的研究。图灵提出了两个“模拟游戏”（imitationgames）。第一个游戏设想：中央房间用帘子隔开，房间两侧各有一人。询问者通过计算机提问（不能凭声音辨别），判断对侧是男是女；询问者性别无关。规则是假定男性可能说谎、女性总是诚实。若帘后为男性且成功欺骗询问者，则该男性获胜。第一个模拟游戏如图1-4所示。1.2人工智能的起源和图灵测试图1-4第一个模拟游戏1.2人工智能的起源和图灵测试图灵测试的原始形式即是这样：一名男性和一名女性各坐在帘子后，询问者需要准确识别两者的性别。图灵设计这一模拟测试的灵感可能来源于当时流行的游戏，而这一测试也成为他关于机器智能检测的核心推动力。图灵测试旨在探讨机器是否能通过语言交流展现出与人类相似的智能。埃里希·弗罗姆（ErichFromm）写道：男女平等，但不一定表现都一样。例如，不同性别的人对于颜色和花朵的了解可能不同，花在购物上的时间也不同。那么，区分男女与智能问题又有什么关系呢？图灵认为，可能存在不同类型的思考方式，了解并容忍这些差异是非常重要的。图1-5给出了图灵测试（Turingtest）的第二个版本，即第二个模拟游戏。1.2人工智能的起源和图灵测试第二个模拟游戏更贴合人工智能的研究场景。游戏中询问者在有帘的房间内，帘后可能是计算机或人。机器扮演男性且偶尔撒谎，人始终诚实。询问者通过提问评估回答以判断对方身份；若计算机成功欺骗询问者，则通过图灵测试，被认为具备智能。图1-5第二个模拟游戏本章目录1.1人工智能概述11.2人工智能的起源和图灵测试1.6人工智能伦理1.5人工智能的研究目标和研究内容1.4人工智能基础框架：要素、体系与系统类型1.3人工智能的发展历史1.3人工智能的应用领域人工智能正深度赋能交通、制造、安防、医疗、教育、金融、零售与家居等众多领域。它以大数据为基石、物联网为纽带，实现全流程的智能优化，不仅显著提升各行业的运行效率与安全水平，还能强化服务的个性化与用户体验。1.智慧交通与自动驾驶融合大数据、传感与AI，实时优化信号与路径规划，车路协同降低拥堵事故，异常快速响应并增强韧性，支持绿色出行与物流降本增效，助力城市可持续发展。2.智能制造AI与物联网驱动智能工厂，贯通设计、生产、仓储与运维，基于实时数据优化排产与质量，提升设备利用率并降低能耗，应用数字孪生与预测维护推动工业4.0智能化转型。3.智能安防AI实现人脸识别、物体检测与行为分析，多摄像头实时识别人员与可疑物，建模人群轨迹预警安全风险，辅助快速处置异常，同时强调隐私保护与算法合规治理。（65字）1.3人工智能的应用领域4.智能医疗和健康管理AI处理医学影像与临床数据辅助早诊，穿戴设备实时监测生理指标并预警风险，结合病史制定个性化方案，推动远程医疗与临床决策支持提升诊疗与资源配置效率。5.智慧教育AI通过画像与能力评估提供个性化学习资源，智能辅导动态调整教学进度与难度，教育机器人增强课堂互动，辅助教师批改与学情分析，促进教育公平与终身学习支持。6.智能金融AI驱动智能投顾、信用评估与信贷审批，反欺诈与自动化规则加速流程，智能客服提升服务效率，同时强化模型可解释性、数据隐私与合规监管以保障金融安全。7.智能零售多模态感知与视觉识别支撑无人店与无感结算，预测模型优化库存与补货，客流与行为洞察助力陈列与营销决策，增强会员运营，兼顾隐私保护实现长期效率提升。8.智能家居物联网与边缘计算实现设备联动与远程控制，自动调节温控照明与安防提升舒适与能效，智能门锁与摄像头增强安全，依托本地语音识别与隐私计算提升易用性与安全性。本章目录1.1人工智能概述11.2人工智能的起源和图灵测试1.6人工智能伦理1.5人工智能的研究目标和研究内容1.4人工智能基础框架：要素、体系与系统类型1.3人工智能的发展历史1.4人工智能基础框架：要素、体系与系统类型人工智能核心要素包括知识、数据、算法、算力。知识是根基，涵盖事实、规则等，支撑智能推理与决策。数据是基础，从经典数据到海量活数据，为智能提供素材。算法是灵魂，如深度学习等主导问题求解，认知层算法待突破。算力是动力，依托新芯片与计算架构驱动技术实现。四者深度融合促发展，而人才是关键，当前缺口大，培养高素质人才是发展的根本保障，能推动核心要素发挥最大效用。1.4人工智能基础框架：要素、体系与系统类型人工智能的核心要素是什么？在人工智能学界对此有不尽相同的观点。经过学习与研究后我们认为，从人工智能学科发展的角度看，人工智能应当包含四个核心要素，即知识、数据、算法和算力（计算能力），如图1-5所示。1.4.1人工智能的核心要素图1-5人工智能核心要素示意图1.4人工智能基础框架：要素、体系与系统类型1．知识知识是对客观事物及规律的系统认识，含事实、经验、概念、规则与方法，通过体验与学习积累深化。在AI中，知识是推理、决策与学习的核心；其获取、表示与应用决定系统的智能能力，早期专家系统依赖规则库，模糊计算处理不确定性以更贴近人类思维。人工智能中的知识研究主要包含以下三个关键方面：（1）知识表示：研究将知识转为计算机可处理的形式，从符号、逻辑、规则等表层表示发展到语义网、框架与语义图等深层语义表示。表示形式正由显式规则向包含隐式知识与混合数据结构的复杂模型演进，支持更灵活的表达。（2）知识推理：研究基于已有知识进行推断与决策的方法，已从确定性逻辑扩展到处理不确定性的贝叶斯、模糊与非单调推理，提升对复杂现实的适应性。推理机制逐步与机器学习融合，实现动态更新与自适应。1.4人工智能基础框架：要素、体系与系统类型2．数据（3）知识应用：关注知识在智能系统中的实际作用，传统知识工程向知识与数据深度融合转变，催生知识库、知识图谱与知识发现等领域。这些技术提升信息组织与查询效率，并支撑大数据环境下的智能分析与决策。数据是人工智能之基。数据是事实或观察的结果，指所有能输入计算机并被程序处理的数字、字母、符号、影像信号和模拟量等各种介质的总称。计算智能取决于数据而不是知识；神经计算、进化计算等计算智能都是以数据为基础而发展起来的。数据已从神经网络的计算智能数据迅速发展到互联网带来的海量数据。1.4人工智能基础框架：要素、体系与系统类型3．算法数据的发展途径：从经典数据到大数据、从大数据到活数据、从互联网到物联网及两网发展带来的海量数据、从监督学习和半监督学习到无监督学习和增强学习及通过新的计算架构（GPU及其并行计算、可编程门阵列、云计算、量子计算、专业人工智能芯片等）获取的数据等。算法是人工智能之魂。算法是解题方案准确而完整的描述，是一系列求解问题的清晰指令，代表着用系统方法描述问题求解的策略机制。简而言之，算法是问题求解的指令描述；深度学习算法、遗传算法等智能算法是算法的代表。现有算法，如深度学习算法等已经解决了很多实际问题，但认知层的算法研究进展甚微，有待突破。1.4人工智能基础框架：要素、体系与系统类型4．算力算法的发展途径：数据＋知识，深度学习与知识图谱、逻辑推理、符号学习相结合，从非结构化或未标记的数据进行无监督学习，开发认知计算、认知决策层算法和类脑计算，发展普适计算（ubiquitouscomputing）与普适算法，以及进化计算与基于群体迭代进化思想的进化算法等。算力是人工智能之力。算力即计算能力，机器在数学上的归纳和转化能力，即把抽象复杂的数学表达式或数字通过数学方法转换为可以理解的数学式的能力。算力的发展途径：创建新的计算架构，包括研发新芯片，如GPU、FPGA专业人工智能芯片和神经网络芯片等；开拓新计算，如云计算系统、量子计算机等。此外，并行计算、5G和6G网络加速数据计算速度，提高数据处理能力。1.4人工智能基础框架：要素、体系与系统类型5．人才计算能力的不断增强和计算速度的不断提高，极大地促进了人工智能的发展，特别是人工智能产业化的蓬勃发展。知识、数据、算法和算力是人工智能的核心要素，但不是发展人工智能的关键；人工智能的核心要素和技术要通过人发挥作用，发展人工智能的关键是人才。1.4人工智能基础框架：要素、体系与系统类型国际学术界有一种怪现象。世界上存在众多的国际学术组织，例如，电气与电子工程师学会、电气与电子工程师学会、计算机学会、国际自动控制联合会、国际模式识别协会、国际智能计算学会等。但是，至今还没有统一的国际人工智能联合会或学会，只有国际人工智能联合会议。为什么至今尚未形成统一的国际人工智能科技学术组织？什么样的人工智能学科体系才称得上“统一”？基于“人工智能核心要素”的思想框架，提出了一种面向统一化与系统化的人工智能学科体系构想（如图1-6所示）。该体系旨在以要素为纽带，贯通基础理论、关键技术与应用场景，促进跨学科协同与标准化建设，为AI的长期健康发展提供清晰的结构与路径。1.4.2人工智能的学科体系1.4人工智能基础框架：要素、体系与系统类型图1-6人工智能的学科结构示意图1.4人工智能基础框架：要素、体系与系统类型1.基于知识的人工智能以知识为核心，涵盖表示、推理、学习与应用。包括状态空间与搜索、本体/语义网/框架、知识库/图谱、规则演绎与不确定性推理、归纳/解释/类比等学习范式及专家系统与智能体。知识连接符号推理与数据驱动，提供可解释可控的解法。2.基于数据的人工智能以数据为驱动，包括神经网络与各类机器学习、数据挖掘与数据库系统。常与知识驱动方法结合形成混合AI，用于模式识别、语音与语言理解、自主系统等，兼具符号可解释性与数据泛化能力，支撑复杂场景下的可靠决策。1.4人工智能基础框架：要素、体系与系统类型3.人工智能的算法与编程算法为核心，决定效率与可扩展性。常用语言有Python、Java、Lisp、Prolog、C++；典型算法包括A*、强化学习、遗传算法与回归等。深度学习、类脑与进化计算等推动感知与决策进展；配套数据库、开发工具链与专用硬件支撑工程化落地。4.人工智能的算力与架构算力是AI执行力基础，依赖高性能处理器、内存与存储。云计算、并行/分布式与异构加速提升训练与推理效率，量子计算具潜在加速作用；5G/6G等网络增强协同能力。算力增长推动更大规模数据与更复杂模型的应用。1.4人工智能基础框架：要素、体系与系统类型5.人工智能的研究与应用领域领域众多，涵盖自动定理证明、程序设计、自然语言处理、检索、调度、机器学习、机器人、专家系统、控制、模式识别、机器视觉、神经网络、博弈、分布式智能、计算智能与人工生命等，并延伸到智能制造、智慧医疗、智慧农业、金融与城市等行业应用，构成理论与工程的完整生态。1.4人工智能基础框架：要素、体系与系统类型专家系统融合专家知识与工程控制论反馈机制，自1965年DENDRAL起广泛发展。由知识库、推理机与控制规则组成，常用于故障诊断、工业设计与过程控制，应对不确定性并模仿人类智能。1.4.3人工智能系统分类1．专家系统2．模糊逻辑系统扎德于1965年提出模糊集合理论，推动模糊控制与相关数学结构发展。模糊系统提供基于规则的语义表示与推理方法，便于处理含不确定性的非线性系统，已广泛应用。1.4人工智能基础框架：要素、体系与系统类型自1943年类脑模型提出，经过反向传播与递归网络发展，神经网络尤其是分层网络在模式识别、图像处理、控制、机器人与医疗等领域广泛应用，成为重要的学习与感知工具。3．神经网络系统4．机器学习系统学习是智能核心，人与机器均可学习。近年新方法（如深度学习）显著推进机器学习研究，为学习系统提供强大建模与泛化能力，推动相关应用发展。1.4人工智能基础框架：要素、体系与系统类型仿生智能模仿生物进化机制，将遗传、交叉与变异等用于优化。进化计算与遗传算法用于人工系统产生自适应与优化能力，构成仿生智能系统的核心。5．仿生进化系统6．群体智能系统群体由简单个体经局部交互产生复杂全局行为，形成高效分工与组织能力（如蚁群筑巢、觅食）。群体计算模型取得多项应用，利用个体间通信与协作实现群体智能。7．分布式智能系统并行与分布式计算、网络与多智能体技术打破集中式局限。分布式智能具交互、协作与适应性，应用于机器人协调、远程控制、交通管理、网络服务与远程医疗等领域。1.4人工智能基础框架：要素、体系与系统类型单一智能机制难以应对复杂问题，混合多种技术（模糊、神经、进化等）形成集成智能以取长补短。集成方案众多，其有效性需在实际应用中检验。8．集成智能系统9．自主智能系统具自我管理能力的复杂系统，结合图像识别、人机交互、决策与学习实现无需人工干预的运行。无人车、无人机与智能工厂等为典型应用，推动AI技术发展。10．人机协同智能系统通过人机交互融合人类智慧与AI，实现信号采集、信息融合与协同决策。基于脑机接口与互适应学习的混合系统可弥补AI不足，持续迭代改进，广泛应用于机器人、制造与决策等领域。本章目录1.1人工智能概述11.2人工智能的起源和图灵测试1.6人工智能伦理1.5人工智能的研究目标和研究内容1.4人工智能基础框架：要素、体系与系统类型1.3人工智能的发展历史1.5人工智能的研究目标和研究内容人工智能的一般研究目标为：（1）更好地理解人类智能，通过编写程序来模仿和检验有关人类智能的理论。（2）创造有用的灵巧程序，该程序能够执行一般需要人类专家才能实现的任务。一般地，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。人工智能近期目标是让计算机替代部分人类智力活动，使其更聪明有用，能处理数值与非数值信息，运用知识与计算智能模拟人类部分智力，解决传统方法难题，并研发相应理论、技术与系统。人工智能远期目标是用自动机模拟完整人类思维与智力功能。但技术和对人类思维机制的理解尚不充分，实现该目标仍任重道远。人工智能研究的近期目标和远期目标具有不可分割的关系。一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下必要的基础，并增强人们实现远期目标的信心。另一方面，远期目标则为近期目标指明了方向，强化了近期研究目标的战略地位。1.5.1人工智能的研究目标1.5人工智能的研究目标和研究内容人工智能学科有着十分广泛和极其丰富的研究内容。1.5.2人工智能的研究内容1.5人工智能的研究目标和研究内容1．认知建模浩斯顿（Houston）等把认知归纳为如下5种类型：（1）信息处理过程。（2）心理上的符号运算。（3）问题求解（4）思维。（5）诸如知觉、记忆、思考、判断、推理、学习、想象、问题求解、概念形成和语言使用等关联活动。认知科学研究人类感知与思维的信息加工过程，是AI的重要理论基础，涵盖知觉、记忆、思考、学习、语言、想象、创造、注意与问题求解等，受环境、社会与文化影响。AI需同时研究逻辑、形象与灵感思维，为智能系统提供理论支撑与新方法。1.5人工智能的研究目标和研究内容知识表示、推理与应用为传统AI三大核心，表示为基础，推理解题，应用为目的。知识表示即将人类知识概念化与形式化，常用符号、算法与状态图描述问题。主流方法包括符号表示与神经网络表示。第2章将讨论状态空间、问题归约、谓词演算法、语义网络、本体与神经网络表示等。2．知识表示3．知识推理推理为人脑基本功能，几乎贯穿所有AI领域。使机器具备推理能力是AI的必要条件。推理是由已知前提导出新结论的过程，形式逻辑包含演绎、归纳与类比推理。第3章将探讨逻辑演绎推理方法，后续章节研究归纳与类比推理。含不确定性与非经典推理的知识推理仍是长期研究课题，存在许多待解问题。1.5人工智能的研究目标和研究内容计算智能体现信息与生命科学的交叉融合，涵盖神经计算、模糊计算、进化计算、粒群与蚁群算法、自然计算、免疫计算与人工生命等。人类发明多受自然启发；通过数学与科学模仿自然，形成计算智能的理论与方法。第5、6章将讨论其主要分支，反映当代多学科交叉与集成趋势。4．计算智能5．知识应用AI的广泛应用检验其生命力。20世纪70年代专家系统的普及推动AI复兴，随后机器学习与自然语言理解的进步继续促进发展。应用进展依赖知识表示与推理等基础理论与关键技术的提升。1.5人工智能的研究目标和研究内容机器感知使机器具有人类感官类能力，涵盖视觉、听觉、力觉、触觉、嗅觉等，尤以机器视觉与听觉最为重要。视觉需识别文字、图像、场景与身份，听觉需识别声音与语言。感知是获取外部信息的基本途径，催生模式识别与自然语言处理两大研究领域并逐步成为独立学科。6．机器感知7．机器思维机器思维是对