计算基础概论 9

v计算机学科概论（第3版）第8章

新技术专题下列事情计算机比人做得更好:对大整数进行快速计算，实现复杂的方程求解；在词典中进行快速查找，长期记忆大量数据；

……下列事情人比计算机做得更好:

模式识别。例如，人可以识别出各种各样的桌子，可以识别不同字体和形状的字母；逻辑推理，图像识别，……BAB

A

B

A

B

A

B

ABA

A

B【情景问题】人与计算机的能力对比下棋、打牌等是非常能够体现人类智能的竞技性活动，但是，现在计算机能够像人类一样下棋、打桥牌、打麻将，甚至手机上一般都有诸如此类的游戏，如果一般的游戏者和计算机对弈，获胜的一方常常是计算机。什么是（人类）智能？什么是人工智能？如何实现人工智能？如何判定机器是否具有智能？【情景问题】人与计算机的能力对比现代汉语词典对智能的定义是：智慧和能力。

智慧：是指辨析判断、发明创造的能力。

智力：是指人认识、理解客观事物并运用知识、经验等解决问题的能力，包括记忆、观察、想像、思考、判断等。智能的定义智能是一个难以准确定义的概念，其根本原因在于人类智能的奥秘还没有完全被揭开，没有人确切地知道人脑是如何存储和处理知识，如何将事物之间的联系合成信息。8.1人工智能什么是人工智能关于人工智能的严格定义，学术界还没有统一的认识。总体来说，人工智能（简称AI）是研究如何使计算机具有智能或如何利用计算机实现智能的理论、方法和技术。

1981年，费根鲍姆（Feigenbaum）：人工智能是计算机科学的一个分支，涉及到智能计算机系统的设计，该系统显示人类行为中与智能有关的某些特征。

1984年，绍特里夫（Shortliffe）：人工智能是计算机科学的一个分支，它研究问题求解的符号方法和非算法方法。

1992年，温斯顿（Winston）：人工智能是计算机科学的一个领域，它主要解决如何使计算机感觉、推理和行为等问题。人工智能的定义8.1人工智能什么是人工智能弱人工智能——人类和计算机在结果（即输出）上是等价的，但实现结果的方式可以不同；强人工智能——人类和计算机使用相同的内部过程来生成结果，也就是计算机能够以人类的思维方式（理解、推理、判断、感知等）来处理信息。弱人工智能认为：形式化的计算机仅有语法没有语义，因此，机器永远也不可能代替人脑，只能从功能的角度来判定机器是否具有思维，也就是从行为角度对机器思维进行定义。8.1人工智能什么是人工智能如何判定机器是否具有智能？弱人工智能的两个最著名实验：图灵测试和中文屋子。提问者回答者A回答者B如果机器在一场会话中成功地扮演人的角色，就可以认为它具有智能。8.1人工智能什么是人工智能图灵测试还有意义吗？各家评论……假设西尔勒被关在一个屋子里，屋子里有序地堆放着足够的汉字字符，屋外的人递进一串汉语字符，同时还附了一本用英文写的处理汉字规则，西尔勒按照规则对这些字符进行处理后，将一串新的字符送出屋外。事实上，他根本不知道送进来的字符串就是屋外人提出的“问题”，也不知道送出去的就是“问题的答案”。弱人工智能的两个最著名实验：图灵测试和中文屋子。8.1人工智能什么是人工智能

自动化发展的必然趋势。机械化

自动化

智能化。人和计算机之间的交互应该更加友好、便捷和多样化，计算机能够代替人类或者作为人类的代理做更为复杂的工作。如果计算机具有智能，就能自动实现问题求解，向人们提供功能和服务，甚至可以自发地工作。研究人工智能有助于探索人类自身智能的奥秘，而且会在更高层面上扩大和延伸人类的智能。8.1人工智能什么是人工智能人工智能的两个难题难题之一——计算机视觉。目前只在特定领域获得成功，如交通监控、面部识别、医学图像分析、机器人视觉等。

难题之二——自然语言理解。有两个难点：8.1人工智能人工智能的研究领域

（1）一个语句通常不是孤立存在的，往往是与该语句所在的上下文环境联系在一起才构成它的语义；

（2）究竟什么是理解几乎和什么是智能一样，至今还没有一个完全明确的定义，因而从不同的角度有不同解释。计算机视觉与自然语言处理的共同难点——常识！8.1人工智能人工智能的研究领域机器博弈博弈为人工智能提供了一个很好的实验领域，机器博弈是对机器智能水平的测试和检验，人工智能中的许多概念和方法都是从博弈中提取出来的。8.1人工智能人工智能的研究领域专家系统专家系统：应用于某一专门领域的智能计算机系统，运用知识和推理来解决只有专家才能解决的复杂问题。专家系统的第一个里程碑是费根鲍姆（E.A.Feigenbaum）等人于1968年研制成功的世界上第一个专家系统DENDRAL，20世纪70年代中期，专家系统进入了技术成熟期，出现了一批成功的专家系统。20世纪80年代以来，专家系统的研制和开发明显趋于商品化，直接服务于生产企业，产生了可观的经济效益。8.1人工智能人工智能的研究领域数据挖掘

数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含的、未知的、非平凡的、有潜在应用价值的信息或模式的处理过程。

数据挖掘是一个利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程，这些模型和关系可以用来做出决策和预测。8.1人工智能人工智能的研究领域自然语言理解

自然语言理解：采用人工智能的理论和技术将自然语言机理用计算机程序表达出来，构造能够理解自然语言的系统。

自然语言理解包括语音理解（口语的理解）和文字理解（书面语的理解）。

文字理解需要用到语言学中的词汇、句法和语义等知识。

语音理解除了需要上述知识外，还需要音韵学以及口语中的二义性知识。8.1人工智能人工智能的研究领域模式之别

模式识别：就是识别出给定事物和哪一个模式相同或相似，这里的事物一般指文字、图形、图像、声音及传感器信息等实体对象。

模式识别的研究主要集中在以下两个方面：

（1）图形和图像识别，主要研究各种图形和图像的识别，如文字、符号、照片、工程图纸或其他视觉信息中的物体和形状等。

（2）语音识别，主要研究各种语音信号的分类识别，将语音信号转变为相应的文本或命令。8.1人工智能人工智能的研究领域机器人

机器人：一种可再编程、多功能的操作装置。

智能机器人至少应该具备以下四种机能：

（1）感知机能，获取外部环境信息以便进行自我行动的感知机能；

（2）运动机能，施加于外部环境的相当于人的手、脚的运动机能；

（3）思维机能，求解问题的认识、推理、判断等思维机能；

（4）通信机能，理解指示命令、输出内部状态，与人流畅地交换信息的通信机能。8.1人工智能机器学习

机器学习（MachineLearning）：是人工智能发展的核心之一，研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

机器学习分为：

（1）有监督学习

（2）无监督学习

（3）强化学习8.1人工智能机器学习有监督学习的典型例子：医生看病。有监督学习通常包括训练阶段和预测阶段。训练阶段：已知的样本数据带有标签，算法根据已知样本数据（称为训练集）来构建或训练某种模型的相关参数，使得模型的训练结果与训练集的标签尽量一致；预测阶段：将数据送入训练好的模型得到相应的结果标签，从而实现对未知数据进行预测。

（1）分类：模型的结果是离散的。

（2）回归：模型的结果是连续的。8.1人工智能机器学习

真实世界中，常常是已知的样本数据没有标签。

无监督学习：对没有标签的样本数据进行训练，解决分类预测等各种问题。

根据学习目标的不同，常见的无监督学习问题有聚类和降维。

（1）聚类：把相似的东西聚在一起，形成类别；

（2）降维：将多维的数据在低维空间中表示，同时保证信息丢失尽可能少。有监督学习和无监督学习都是通过事先给定的样本数据进行学习，区别在于样本是否带有标签。8.1人工智能机器学习

强化学习把学习看作试探评价过程，由智能体（Agent）、环境（Environment）、状态（State）、动作（Action）、奖励（Reward）组成，强化学习过程采用智能体和环境通过状态、动作、奖励进行交互的方式，

强化学习无需样本数据，而是让模型在一定的环境中进行交互式学习，外界环境对学习结果进行反馈、奖励或惩罚，使得算法在学习过程中能不断优化模型，以获得更多更好的奖励。人类成长或自然界中强化学习的例子？8.1人工智能深度学习

人工神经网络（artificialneuralnetworks，ANN）：是一个以有向图为拓扑结构的动态系统，由许多人工神经元按一定规则连接构成。

深度学习：利用多层神经网络从大量数据中进行学习。8.1人工智能深度学习

卷积神经网络（ConvolutionalNeuralNetworks，CNN）：是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习的代表算法之一，可以进行有监督学习和无监督学习。

深度学习：利用多层神经网络从大量数据中进行学习。什么是卷积计算？8.2大数据什么是大数据

大数据：指无法在有限时间内用常规软件工具对其进行获取、存储、管理和处理的数据集合。大数据具有以下四个特点。1.规模大（Volume）。大数据的最大特点就是数据规模大。2.

多样性（Varirty）。大数据的来源广泛，而且数据类型呈现多样化特征。3.高速性（Velocity）。大数据主要通过互联网和云计算等方式实现，其生成和传播的速度非常快。另外，大数据处理要求更严格的响应速度。4.价值性（Value）。大数据不仅拥有本身的信息价值，更重要的是拥有商业价值，大数据产业链几乎都是围绕大数据价值来打造的。数据的规模达到什么量级属于大数据呢？8.2大数据大数据的处理流程

大数据的处理主要分为：

（1）数据抽取与集成：采用合适的工具对广泛异构的数据源进行抽取和集成，按照一定的标准统一存储结果。

（2）数据分析：运用数据分析技术对存储的数据进行分析。

（3）数据解释：采用恰当的方式将结果呈现给用户。8.2大数据大数据的关键技术1.大数据采集技术。通过RFID数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得各种类型的结构化、半结构化及非结构化的海量数据。2.大数据预处理技术。完成对已接收数据的辨析、抽取、清洗、填补、平滑、合并、规格化及检查一致性等操作。3.大数据存储及管理技术。把采集到的数据存储起来，并进行管理和调用。4.大数据处理技术。分为流处理模式和批处理模式两种。批处理是先存储后处理，而流处理则是直接处理。5.大数据分析及挖掘技术。改进、开发新型数据挖掘技术，大数据融合技术，面向领域的大数据挖掘技术。6.大数据展现与应用技术。数据可视化，大数据检索、大数据可视化、大数据应用、大数据安全等。8.3云计算计算资源的演进：从集中到分散再到集中8.3云计算什么是云计算

云计算（CloudComputing）：指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。

是分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份和虚拟化等计算机技术混合演进的结果。

云服务：是在云计算的技术架构支撑下的对外提供的按需分配、可计量的一种信息技术服务模式。8.3云计算云计算的特点（1）超大规模。只有这个“云”足够大，才能承担云计算服务，同时云服务的规模可快速伸缩，以自动适应业务负载的动态变化。（2）资源池化。资源以共享的方式统一管理，利用虚拟化技术，将资源分享给不同用户，资源的放置、管理与分配策略对是用户透明的。（3）按需服务。云计算中心根据用户的需要动态分配应用程序、数据存储、基础设施等资源，并根据资源的使用情况对服务进行计费。（4）泛在接入。用户可以利用各种终端设备（如PC电脑、笔记本电脑、智能手机等）随时随地通过互联网访问云计算服务。8.3云计算云计算的服务类型1.基础设施即服务（IaaS)。把信息基础设施作为一种服务通过网络对外提供。用户通过租用的方式来使用服务器、存储和网络等。2.平台即服务（PaaS）。提供软件部署平台，为开发、测试和管理软件应用程序提供按需开发环境。3.软件即服务（SaaS）。通过互联网提供按需付费应用程序，允许用户连接到应用程序并通过互联网访问应用程序。8.3云计算云计算的关键技术1.虚拟化技术。简化计算资源管理和优化资源利用的技术解决方案。2.数据存储技术。必须具有分布式、高吞吐率和高传输率等特点。3.数据管理技术。如何提高数据的更新速率以及进一步提高随机存取速率。4.编程模型。云计算的编程模型必须简单，并且保证后台复杂的并行执行和任务调度向用户和编程人员透明。5.虚拟资源的管理与调度。负责资源管理、任务管理、用户管理和安全管理等工作，实现节点故障的屏蔽、资源状况监视、用户任务调度、用户身份管理等多重功能。6.云计算的业务接口。为了方便用户业务迁移到云计算环境，以及用户业务在云与云之间的迁移，云计算应对用户提供统一的业务接口。7.信息安全技术。在云计算的平台上，安全问题变得更加突出。8.4物联网什么是物联网

物联网：是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种信息，通过各类网络接入，实现物与物、人与物的泛在连接，实现对物体和过程的智能化感知、识别和管理。

对于物联网的概念，可以从以下两个方面来理解：

（1）从技术方面，物联网是指物体通过智能感应装置，经过传输网络到达指定的信息处理中心，最终实现物与物、人与物之间的自动化信息交互与处理的智能网络；

（2）从应用方面，物联网把所有能够被独立寻址的物体都连接到一个网络中，以更加精细和动态的方式管理生产和生活。8.4物联网物联网的基本特征

从通信对象和过程来看，物联网的核心是物与物、人与物之间的信息交互。物联网的基本特征可概括为：

（1）整体感知，利用射频识别、二维码、智能传感器等感知设备获取物体的各类信息；

（2）可靠传输，通过对互联网、无线网络的融合，将物体的信息实时、准确地传送，实现信息交流；

（3）智能处理，使用各种智能技术，对感知和传送到的数据、信息进行分析处理，实现智能化监测与控制。8.4物联网物