什么是人工智能.ppt

1、人工智能原理,(符号计算科学),Principles of Artificial Intelligence,第一章：概述,Chapter 01 Introduction,01 什么是人工智能？,Section 01 What is AI?,01 什么是人工智能？,人工智能： Artificial Intelligence (AI),Artificial Intelligence,Artificial (adj.) 人造的, 假的, 非原产地的。,1.1 关于智能的概念：,1.1 关于智能的概念： 智能涉及什么？,James Albus： “我相信，对智能的理解涉及理解知识怎样获取、表达和存储，

2、智能行为怎样生成，灵感、情感和直觉怎样发展并产生作用，来自感官的信号怎样转换成符号，而符号又怎样操作以表现逻辑并推理过去策划未来，智能的机制怎样产生幻想、信念、愿望、恐惧和梦，甚至善良和爱。”,01 什么是人工智能？,01 什么是人工智能？,1.1 关于智能的概念： 理解智能意味着什么？,James Albus： “我相信，在一个基本的水平上理解这些功能将是与原子核物理、相对论和分子遗传学相提并论的科学成就。”,01 什么是人工智能？,1.2 人工智能的派别 符号计算与神经计算,无论是符号计算学派，还是神经计算学派，其研究的出发点都是使机器表现出类似生物智能行为的行为。,01 什么是人工智能？

3、,1.2 人工智能的派别 关于符号计算科学,符号主义最直接的证据是：人的逻辑思维过程是基于语言符号的。因此，符号计算科学为模拟人的大脑的逻辑思维过程提供了良好的途径。,实现符号计算的机器是符号计算机。,01 什么是人工智能？,1.2 人工智能的派别 关于神经计算科学,神经计算反映了科学界对生物智能微观特征的认识和理解，这种认识和理解对基于神经信息的生物智能（包括知觉、记忆、灵感、情感、想象、概念形成、判断、推理、学习等）的模拟有普遍的意义。,实现神经计算的机器是神经计算机。,本课程中所讲述的 “人工智能” 仅限于 “符号计算科学”。这也是传统意义上 Artificial Intelligenc

4、e 所具有的内涵。,01 什么是人工智能？,1.3 课程对 AI 概念的限定 仅仅意味着符号计算,01 什么是人工智能？,1.3 科学界的人工智能观 Winston 的 AI 观,Winston 说： “实际上，下一个一般性的定义似乎是不可能的，因为智能似乎是一个包含着许多的信息处理和信息表达技能的混合体。”,01 什么是人工智能？,1.3 科学界的人工智能观 Graham 的 AI 观,Graham 说： “人工智能是计算机科学的一个分支，他用计算机程序来做某些事情，这些事情如果让人来做的话，就需要智能。”,“至于说，能不能把做这些事情的计算机叫做有智能的，那就由你了。”,01 什么是人工智

5、能？,1.3 科学界的人工智能观 傅京孙的 AI 观,傅京孙在上世纪 70 年代初期曾说： “人工智能是一门新兴的边缘学科，其核心是符号模型和符号运算。 ”,01 什么是人工智能？,1.3 科学界的人工智能观 Nilsson 的 AI 观,Nilsson 说：“概括地讲，人工智能是关于以人工制品的形式存在的智能行为的科学。”,“智能行为依次涉及感知、推理、学习、交流、以及在复杂环境中进行决策。” “人工智能的长远目标之一就是开发具有能与人一样出色，甚至比人更为出色地做这些事情的机器。人工智能的另一个目标是理解这种行为，无论这种行为是表现在机器内，还是表现在人或其它生物内。” “人工智能既有工程

6、的目标，又有科学的目标。”,01 什么是人工智能？,1.3 注解人工智能 AI 是边缘科学,注：传统上，人工智能归属计算机科学的范畴。,01 什么是人工智能？,1.3 注解人工智能 AI 的基本目标,人工智能的基本目标在于： 使机器具有类似生物的智能 使机器表现出类似生物的智能行为 使机器思维,按照 Nilsson 的观点，人工智能包含两类不同性质的目标，即科学目标和工程目标。 (1) 科学目标：理解智能 (2) 工程目标：实现智能,01 什么是人工智能？,1.3 思考与练习,1-1 什么是人工智能？,1-2符号计算学派和神经计算学派关于人工智能的基本观点是什么？,1-3以你的观点，人工智能研

7、究中，符号计算学和神经计算学各具有哪些合理性或不合理性？,1-4作为一门科学，人工智能属于什么学科？,1-5按照 Nilsson 的观点，人工智能的科学目标是什么？工程目标又是什么？,1-6人工智能的基本目标是什么？研究的基本内容是什么？,1-7符号运算意义下，人工智能的基本目标和研究的基本内容是什么？,02 为什么研究 AI？,Section 02 Why AI?,02 为什么研究 AI？,2.1 算法与计算机程序 算法与运行时间,计算机是通过执行计算机程序来进行工作的，计算机程序是算法的计算机语言形式，算法是问题求解方法的形式化描述或问题求解的步骤。,问题的求解需要算法，执行一个算法或计算

8、机程序需要一定的时间。显然，算法运行所需的时间与问题的大小有关。,02 为什么研究 AI？,2.2 经典算法 定义,算法定义：一个有穷规则集合称为一个算法，如果该集合中的规则规定了一个解决某一特定类型问题的运算序列，并具有如下特征：,(1) 有穷性：算法必定在执行有穷步之后结束,(2) 确定性：算法的每一个步骤必须是确切定义的,(3) 输入：算法有 0 个以上的输入,(4) 输出：算法有 1 个以上的输出,(5) 能行性：算法中所有有待实现的运算都是相当基本的，即，它们原则上都是能够精确地执行的，人用笔和纸进行有限次运算可完成的。,1. 已经证明，有相当多的同类问题，不存在任何算法可以解答其中

9、任何一个问题。,2. 即使有一种算法能解决某一类别中的所有问题，可是这个算法只对其中一些很小的问题才有实际意义；而对于其中一些较大的实际问题却仍然无能为力。,02 为什么研究 AI？,2.2 经典算法 存在的困难,所谓多项式时间运行算法，即运行时间 t 与问题大小 n 的多项式 nc (c=1,2,) 成正比的算法。,02 为什么研究 AI？,2.2 经典算法 多项式时间运行算法,多项式时间运行算法被认为是： 可以实际运行的算法,所谓指数时间运行算法，即运行时间 t 与问题大小 n 的指数 2n, n!, nn 成正比的算法。,02 为什么研究 AI？,2.2 经典算法 指数时间运行算法,指数

10、时间运行算法被认为是： 不可以实际运行的算法,02 为什么研究 AI？,2.2 经典算法 TSP 问题,旅行推销员问题 (Traveling Salesman Problem, TSP)：设有 n 个城市 Ci ( i = 1,2,n )，一推销员由城市 C1 出发，必须经过且只许经过每个城市一次，最后返回城市 C1。求路径最短的旅行路线。,可能的路径数？,例：n 5 Ci 为第 i 个城市 dij 为 Ci 和 Cj 间的距离,(n1)!,02 为什么研究 AI？,2.2 经典算法 梵塔问题,梵塔问题 (Tower-of-Hanoi Puzzle)： 设有 3 根柱子和 n 个不同直径的圆盘

11、 Di ( i = 1,2,n )，圆盘由大到小穿在柱子 1 上。要求将圆盘移至柱子 2，并由大到小地叠放。移动圆盘时，每次只能移动 1 个，且大圆盘不能叠放在小圆盘上。,例：n 3 可能的操作次数： 2317,2n1,02 为什么研究 AI？,2.2 经典算法 梵塔问题,梵塔问题操作次数：2n1 (n1),证明：(数学归纳法),Basis Step: n=1时，需操作1次，即：,2n1= 211=1,Inductive Step: 设 n=k 时结论成立，则 n=k+1 时，操作次数为：,(证毕),一个标准的梵塔问题是一个有 n=64 个圆盘的梵塔问题，需要对圆盘进行操作的次数为：,由人来移

12、动圆盘，假设每次操作需要 1 秒的时间，那么，此问题的求解需要多少时间呢？,02 为什么研究 AI？,2.2 经典算法 梵塔问题,由计算机来移动圆盘，假设每次操作对应计算机的 1 次计算，那么，对于一个速度为每秒 1 千亿次的计算机，求解 64 个圆盘的梵塔问题解需要多少时间呢？,02 为什么研究 AI？,2.2 经典算法 梵塔问题,02 为什么研究 AI？,2.2 经典算法 运行时间对照表,人类每天都会遇到许多复杂问题。对经典算法而言，这些问题大多极其复杂，特别是一些控制、管理与决策问题。然而，人类能很好地，有效地处理和解决这些问题。,数学家认为，在人类处理的复杂问题中，某些类的问题甚至不存

13、在任何一种经典算法能求解此类问题；而另一些类的问题，即使存在某种经典算法能求解此类问题，这种算法也是以指数时间运行的算法，是无法实际运行的。,02 为什么研究 AI？,2.3 智能算法 人类球解复杂问题的能力,1. 经典算法需保证对某一类问题的有效性；而人类的方法只需面向合理的或实际的问题，并且，特殊问题，特殊对待。,2. 经典算法需保证对某一类问题的正确性；而人类容许某一方法对某一特殊问题的失败，尝试各种方法是人类问题求解方法的一部分。,3. 经典算法需保证对某一类问题的最优性；而人类并不追求最佳解答，只求可行解答。,02 为什么研究 AI？,2.3 智能算法 与经典算法的区别,与经典算法相

14、比，人类在求解实际问题方面，远远胜过采用经典算法的计算机。 因此，将人类解决问题的方法移植到计算机，研究用于计算机的人工智能算法，是一个很好的想法。,02 为什么研究 AI？,2.3 智能算法 模拟人类问题球解策略,1. 搜索：象人类那样尝试错误,2. 启发式搜索：盲目搜索会造成“组合爆炸”，从而导致算法以指数时间运行。象人类那样利用经验一类的启发性知识进行搜索，能有效避免“组合爆炸”。,3. 问题规约：象人类那样将复杂问题化解为一些简单的子问题，然后分别予以解决，可谓“集中优势兵力，各个击破”。,4. 规划：象人类那样将制定一个解决复杂问题的计划和步骤，并依计划确定各步骤的方案。,02 为什

15、么研究 AI？,2.3 智能算法 特征,1-9人工智能的算法与经典算法的根本差异是什么？,1-8为什么说指数时间运行算法是无法实际运行的的算法？,1-10依你的观点，机器需要智能吗？,02 为什么研究 AI？,2.4 思考与练习,03 机器能表现智能吗？,Section 03 Can Machines be Intelligent?,03 机器能表现智能吗？,3.1 Simon 和 Newell 杜撰的概念 物理符号系统,物理符号系统 (Physical Symbol Systems, PSS),Simon 和 Newell 试图通过对物理符号系统 (Physical Symbol Syste

16、ms, PSS)与智能行为关系的研究，阐明计算机表现智慧的可能性或计算机思维的可能性。,03 机器能表现智能吗？,3.2 物理符号系统 相关概念,03 机器能表现智能吗？,3.2 物理符号系统 定义,如果一个物理系统具有如下功能，它就是一个物理符号系统：,(1) 输入符号；,(2) 输出符号；,(3) 存储符号；,(4) 复制符号；,(5) 条件转移；,(6) 建立符号结构：发现符号关系，形成符号结构。,03 机器能表现智能吗？,3.2 物理符号系统 体系结构,03 机器能表现智能吗？,3.2 物理符号系统 注释,物理符号系统是一种信息处理系统，计算机是物理符号系统，人的神经系统也是物理符号系

17、统。,物理符号系统意味着所研究的系统是物质的,物理符号系统的基本任务或基本功能就是辨认相同的符号，区别不同的符号。,符号可以是形象的，也可以是抽象的；即可以是文字、图象，又可以是计算机中的电子运动模式， 或生物神经系统中的生物信号模式。,03 机器能表现智能吗？,3.3 物理符号系统假设 AI 的公理,物理符号系统假设 (PSS 假设，Simon 和 Newell)： 物理系统表现智能行为的充分必要条件是，它是一个物理符号系统。,说明：,(1)必要性意味着：只有物理符号系统能表现智能行为；,(2)充分性意味着：物理符号系统一定能表现智能行为。,03 机器能表现智能吗？,3.3 物理符号系统假设

18、 推理,推论一：因为人是有智能的，所以，人是一个物理符号系统。,推论二：因为计算机是一个物理符号系统，所以，计算机能表现智能。,推论三：因为人是一个物理符号系统，计算机也是一个物理符号系统，所以，我们能用计算机来模拟人的智能行为。,03 机器能表现智能吗？,3.3 物理符号系统假设 意义,PSS 假设 (试图) 使人们相信： 计算机模拟智能是可行的,PSS 假设 (试图) 建立： 人工智能科学的理论基础,03 机器能表现智能吗？,3.3 练习与思考,1-12人是物理符号系统吗？为什么？,1-13计算机是物理符号系统吗？为什么？,1-11描述概念：模式、符号、符号系统、物理系统、物理符号系统。指

19、出物理符号系统的基本任务。,1-14依你的观点，计算机能思维吗？,1-15物理符号系统假设的内容是什么？Simon 和 Newell 提出 PSS 假设的目的是什么？,04 怎样测试机器智能？,Section 04 How to Test Machine Intelligence,04 怎样测试机器智能？,4.1 AI 的三个相关问题之一 可操作性问题,人工智能 (Artificial Intelligence) 需要回答的三个相关问题是：,(1) 必要性问题：为什么研究 AI？,(2) 可能性问题：机器能表现智能吗？,(3) 可操作性问题：怎么知道机器是有智能的？,PSS 假设仅仅意味着机器

20、能模拟智能，并不意味着我们能判定一个具体的机器是否具有智能。 评测机器智能是一个关于可操作性的问题。,04 怎样测试机器智能？,4.2 Turing 测试 关于 AI 可操作性的理念,1950 年，计算机科学的创始人之一，图灵 (Turing) 提出了著名的图灵测试 (Turing test)。,图灵并不打算证明计算机能模拟智能，但他提供了一种方法，一种测试或评价计算机是否具有智能的方法。,如果说图灵测试是一种方法，不如说是一种思想，一种关于 AI 可操作性的理念。,04 怎样测试机器智能？,4.2 Turing 测试 比较机器与人的智能,询问者 (a human),被询问者1 (a huma

21、n),被询问者2 (a computer),通讯界面,04 怎样测试机器智能？,4.2 Turing 测试 基本思想及意义,图灵测试的基本思想： 对于一项需要智能才能完成的任务，如果机器的表现与人的表现一样出色，则机器具有智能。,图灵测试的重要意义： 图灵测试意味着，AI 是具有可操作性的，机器或计算机的智能是可以测试和评价的。,04 怎样测试机器智能？,4.3 练习与思考,1-16给出“机器”的定义，并回答问题：“人是机器吗？”,1-17设想你是图灵测试中的询问者，你会向被测试的人和机器提出什么样的问题？ (至少列出三个问题),05 AI 能做什么？,Section 05 What AI C

22、an be Used for?,05 AI 能做什么？,5.1 Winston 的预测 幻想与现实,1977 年，Winston 在其所著的人工智能一书中说：“不难想象计算机在未来世界中的应用，以今天的标准来看，很象科学幻想。 这里举出一些例子：,在农业中：计算机将控制病虫害，进行剪枝，并有选择地收割套种的庄稼。,在采矿业中：计算机将在对人来说过于危险的条件下作业，在海底发掘锰。,05 AI 能做什么？,5.1 Winston 的预测 幻想与现实,在学校中：计算机把学生的问题视为要找的错误，它将向学生提供计算机化的超级书籍，在微处理机上显示出轨道上运行的行星的轨迹和演奏乐谱。,在制造业中：计算

23、机将进行装配，并检查工作。,在医院中：计算机将帮助诊断，监护病人，处理治疗和管理床位。,05 AI 能做什么？,5.1 Winston 的预测 幻想与现实,在办公室中：计算机将编制有关人员和团体的各种表格，把问题交给适当的人，做新闻摘要，推敲文件草案，改正拼写和文法错误。”,在家庭中：计算机将考虑烹调和采购，清理地板和草地，担负洗衣和处理生活费用等。”,给出上述例子之后，Winston 说：“当然，现在这些事情都是不可能的，但人工智能有助于使它们成为可能。”,05 AI 能做什么？,5.1 Winston 的预测 幻想与现实,Winston 七十年代谈论的“科学幻想”，今天几乎都已成为现实。

24、当然，这里有的事情不需要人工智能，而有的事情的确是借助于人工智能才得以实现或更好地实现，如：制造业中的 CIMS 系统，办公自动化中的写作自动化，计算机辅助教学 (CAI) 系统，医疗专家系统和智能信息系统等。,Winston 描述的七十年代的情形与今天的情形对照，从一个侧面反映了人工智能的发展和进步，同时，也反映了计算机在表现人类智慧方面所具有的潜在能力。,05 AI 能做什么？,5.1 Winston 的预测 幻想与现实,05 AI 能做什么？,5.2 AI 能做的远比 Winston 想象的要多 AI 的应用或相关领域,1. 定理机器证明与自动推理,2. 自然语言处理,3. 模式识别,4

25、. 自动程序设计,5. 计算机辅助教学,6. 机器视觉,7. 机器学习,8. 机器人学与机器人技术,05 AI 能做什么？,5.3 练习和思考,06 AI 历史与现状,Section 06 The Development History of AI,06 AI 的历史与现状,6.1 AI 的诞生 Dartmouth 会议,Artificial Intelligence一词第一次出现，是在 1956 年达特茅斯夏季会议上。,关于 1956 年达特茅斯夏季会议：,会议发起人：McCarthy, Minsky, Lochester, Shannon 会议应邀者：More, Samuel, Newel

26、l, Simon, 等 会议地点：美国 Dartmouth 大学 会议性质：学术研讨会 研讨内容：关于用机器模拟人类智能的问题 会期：两个月,06 AI 的历史与现状,6.1 AI 的诞生 Dartmouth 会议,人类有关“用机器模拟人类智能”的思想可以追溯到很远，甚至可以追溯到公元前四世纪的亚里士多德时代。然而，作为一门学科，可以说，人工智能诞生于 1956 Dartmouth 夏季会议。,从达特茅斯会议算起，人工智能已走过了半个世纪的历程。,06 AI 的历史与现状,6.1 AI 的诞生 Dartmouth 会议,在 1956 Dartmouth 会议上，Artificial Intel

27、ligence 战胜了诸多可选名称后成为“用机器模拟人类智能”这一主题的第一主题词。,06 AI 的历史与现状,6.2 科学界对 AI 的热情 Simon 的预测,科学界对于人工智能寄予了极高的热情和希望。 早在人工智能诞生之时，人工智能的创始人之一 Simon 就对人工智能作了极为乐观的估计，他预言：十年之内，人工智能系统将战胜世界象棋冠军。,人工智能的诞生，犹如新大陆被发现，无数的科技工作者象淘金者涌入新大陆一般，加入到人工智能的研究领域，希望能在人工智能这片科学的处女地上找到“黄金”。,06 AI 的历史与现状,6.2 科学界对 AI 的热情 Simon 的预测,1957 年，Simon

28、 预计在十年之内将有 4 件事情在人工智能领域内发生：,(1) 计算机将创造出具有美学价值的音乐作品；,(2) 大多数心理学定理将具有计算机程序形式；,(3) 计算机将证明具有重大意义的数学定理；,(4) 计算机将成为国际象棋世界冠军。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 19562000,(1) 五十年代：神经网络时代,(2) 六十年代：弱方法时代,(3) 七十年代：知识工程时代,(4) 八十和九十年代：知识工业时代,1948 年，Nober Wiener 发表了控制论 (动物与机器中的控制和通讯),Wiener 将机器与生物的控制和通讯机制进行类比，抽象出共同特征，形成

29、控制论这么独立的新学科。,Wiener 指出：“就其控制行为而言，所有的人工系统都模仿生物系统，但没有任何一种生物系统模仿人工系统。”,06 AI 的历史与现状,6.3 AI 的四个发展阶段 神经网络时代,Nober Wiener 的控制论的概念跨越了许多领域，因而也影响了许多领域。,控制论把生物神经系统的工作原理与信息处理、控制理论、逻辑学和计算联系在一起。,控制论的思想极大地影响了许多早期人工智能学者，并成为人工智能强劲的引潮力和人工智能诞生的原动力。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 神经网络时代,06 AI 的历史与现状,6.3 AI 的四个发展阶段 神经网络时代

30、,Wiener 的思想及其控制论引发了科学界对生物控制机能、生物通讯机能、生物信息处理机能和生物智能进行模拟的科学研究热情。,特别是 Wiener 关于生物神经系统及其信息处理机制的观点，引起了人们对生物神经系统进行仿真研究的兴趣。,Wiener 在其控制论中指出： “能够做计算系统所做工作的人和动物的神经系统，它们的工作单元动作起来就象继电器。这个事实值得我们注意，这些工作单元就是所谓的神经元或神经细胞。”,06 AI 的历史与现状,6.3 AI 的四个发展阶段 神经网络时代,在这一思想的影响下，五十年代兴起了基于开关网的神经系统模拟研究，其中较为成功和较有影响的是对青蛙视神经的模拟。 Ro

31、senblatt 的感知器 (Perceptron) 等人工神经网络的研究也是这一时期基于 Wiener 思想的产物。”,一方面，常规计算方法所处理的问题为结构化问题 (Structured Problem)，而且是充分结构化问题 (Well-Structured Problem)。对于弱结构化问题 (Ill-Structured Problem) 和非结构化问题 (Non-Structured Problem)，常规算法常常是无能为力的。,另一方面，人每天都会面临许多的弱结构化甚至非结构化问题，并且，人，特别是一个训练有素的人，能很好的求解这些问题。,06 AI 的历史与现状,6.3 AI

32、的四个发展阶段 弱方法时代,对于弱结构化问题，由于知识的不完备性，人只能运用试验、试探和搜索的方法，在巨大的问题空间中，运用非完备的知识、经验和启发性的知识，寻求可行的问题求解途径，做计划、设计和决策，获取问题的可行解，而非最优解。,Simon 和 Newell 视人工智能的任务为弱结构化问题求解。基于 PSS 假设，Simon 和 Newell 用计算机程序模拟人对弱结构化问题的求解搜索方法。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 弱方法时代,06 AI 的历史与现状,6.3 AI 的四个发展阶段 弱方法时代,用计算机程序模拟人对弱结构化问题的求解方法，是 Simon 和

33、Newell 的基本思想。,六十年代，在这一思想的指导下，科学家们对各种求解智力难题的计算机程序进行了研究。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 弱方法时代,六十年代，科学家基于弱方法对计算机人工智能程序进行了诸多研究，其中，最有影响的是 Newell, Shaw 和 Simon 1958，Newell 和 Simon 1963 研究的通用问题求解器 (General Problem Solver, GPS)。这种 GPS 曾被用于如下一些简单的智力求解问题：,Symbolic integration slagle 1963 Analogy puzzles Evans 19

34、68 Algebra word problems Bobrow 1968,06 AI 的历史与现状,6.3 AI 的四个发展阶段 弱方法时代,Simon 和 Newell 的“弱方法”强调问题求解方法的重要性，注重对人脑思维过程的模拟和仿真，却忽视了对知识的研究。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,人求解问题的过程，是一个基于知识，应用知识的过程。,一个知识贫乏的大脑，不可能有多少智能，这就是“弱方法”为什么只能用于一些简单和游戏性质的的智力求解问题的原因。,七十年代，鉴于“弱方法”存在的问题，人工智能研究领域出现了知识工程 (Knowledge Engin

35、eering) 学派。,知识工程学派认为：没有知识，就没有智能；要使计算机表现出智能，必须给予 它知识。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,使人工智能由弱方法的研究转向知识工程研究的是 DENDRAL 项目。这项研究工作是 Feigenbaum 1965 年到斯坦福大学后不久开始的。,DENDRAL 研究项目：,项目负责人：Feigenbaum,项目合作者：利德伯格，杰拉西,(基于弱方法) 编写计算机推理程序，一个可以从化学数据推断分子假说的智能系统。,项目研究目标：,项目起始时间：1965 年,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工

36、程时代,DENDRAL 面临的困难：,物理化学知识贫乏的 DENDRAL难以实现其从化学数据推断分子假说的目标。,很难想象，不具有丰富的医学知识，无论是人还是机器，能治病救人。同样的道理，DENDRAL 需要丰富的物理化学知识。,DENDRAL 面临的困难引起了 Feigenbaum 等人对人工智能研究的思考，并由此产生了知识工程的思想和知识工程学派。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,在“知识就是力量”这一思想的指导下，以美国科学家 Feigenbaum 为首，开展了对基于知识的计算机系

37、统的研究，建造了若干在一定专业领域内具有专家水平和实用价值的专家系统。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,知识工程的目标是建造基于知识的系统，或称知识基系统 (Knowledge-Based Systems)，其最具有代表性的产物是：,专家系统 (Expert Systems, ES),从某种意义上说，知识工程就是建造专家系统的工程。,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工程时代,知识工程使人工智

38、能有了成就感。,七十年代，知识工程使人工智能的研究达到了一个高潮。正如我国人工智能专家张钹所说：“专家系统的问世，使智能在实验室中摆弄游戏程序的 AI，一夜之间成为解决实际问题的能手。”,作为知识工程的代表，专家系统已成为人工智能的研究热点之一。七十年代的专家系统研究热潮至今仍在延续。,专家系统的成就使人们看到了知识工程的前景。专家系统解决实际问题的能力展现了智能系统的商用价值，由此，智能产业在八十年代初期开始形成。,仅管全球的智能产业在 1981 年只有 1 亿美元，但人们对信息领域发展的预测仍然乐观地认为，二十一世纪初，全球的智能产业将超过 2500 亿美元。,06 AI 的历史与现状,6

39、.3 AI 的四个发展阶段 知识工业时代,面对人工智能大好的发展形式，Machlup 等人在知识工程概念的基础上，提出了一个更具感召力的概念： “知识工业” (Knowledge Industry),06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,八十年代初，智能产业光明的前景，以及智能科学作为尖端科学所具有的战略意义，促使各国政府纷纷将知识工程纳入其经济计划。如：,美国的 SDI 计划 英国的 ALVEY 计划 法国的 UNIKA 计划 欧共体的 ESPRIT 计划,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,中国九十年代中期开展的计算机辅助制

40、造系统 (Computer Industry Manufacture Systems, CIMS) 研究计划，即 CIMS 研究计划就是“知识工业”的产物。,知识工业在中国的产物,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,1981 年 10 月，日本政府向全世界宣布了它的第五代机计算机计划：十年内研制出第五代计算机，即人工智能计算机，具有与人类同样的，甚至超过人类的思维能力的超级计算机。,日本的第五代计算机计划,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,(40-50s) 电子管的,第一代电子计算机：,(60-70s) 晶体管的,第二代电子

41、计算机：,(70-80s) 集成电路的,第三代电子计算机：,(80-90s) 超大规模集成电路的,第四代电子计算机：,第一代至第四代电子计算机都是冯 诺依曼 (Von Neumman) 型计算机。,回顾计算机的发展,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,关于 Von Neumann 型计算机,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,冯诺依曼型计算机的体系结构,冯 诺依曼型计算机以串性方式运行。,Feigenbaum 笔下的第五代计算机,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,Feigenbaum 笔下的

42、第五代计算机,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,Feigenbaum 笔下的第五代计算机,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,Feigenbaum 笔下的第五代计算机,06 AI 的历史与现状,6.3 AI 的四个发展阶段 知识工业时代,人工智能的研究并不象人们一开始所期望的那样一帆风顺，成果辉煌。,七十年代：专家系统受到了怀疑和批评,人工智能学者对科学界的许诺，大多未能实现。,六十年代：游戏性质的弱方法没有大的作为,八十年代：日本人雄心勃勃的第五代计算机计划以彻底地失败而告终,五十年代：神经网络随 Perceptron 被

43、否定,06 AI 的历史与现状,6.4 AI 面临的困难 AI 前面的路还很长,06 AI 的历史与现状,6.5 练习与思考,1-12为什么说 Wiener 的控制论思想是人工智能诞生的原动力？,1-11 Simon 和 Newell 的“弱方法”是什么？其“弱”的含义是什么？,1-13从第一部电子计算机诞生至今，电子计算机经历了多少代？它们的特征是什么？第五代计算机与前四代有什么本质上的不同？,1-14Von Neumann 机具有什么样的基本结构？,07 AI 与计算机的成就,Section 07 The Achievements of AI & the Computer,07 AI 与计

44、算机的成就,7.1 AI 与计算机成就之一 计算机证明四色定理,1852年，毕业于伦敦大学的弗南西斯在一家科研单位负责地图着色的工作。,弗南西斯发现了一种有趣的现象：,“似乎，每一幅地图都可以用四种颜色进行着色，使得有共同边界的国家都被着上不同的颜色。”,07 AI 与计算机的成就,7.1 AI 与计算机成就之一 计算机证明四色定理,这个现象能不能从数学上加以证明呢？弗南西斯和他在大学读书的弟弟决心试一试。,兄弟二人为证明这一问题而使用的稿纸已经堆成了山，可是研究工作没有进展。,于是，弗南西斯的弟弟就这一问题请教自己的老师，著名数学家摩尔根。,07 AI 与计算机的成就,7.1 AI 与计算机

45、成就之一 计算机证明四色定理,摩尔根找不到解决这一问题的途径，于是又写信，向自己的好友，著名数学家密尔顿请教。,密尔顿也未能找到解决这一问题的途径。,1872年，著名数学家凯利正式向伦敦数学学会提出了这个问题，于是四色猜想便成了世界数学界关注的问题。,07 AI 与计算机的成就,7.1 AI 与计算机成就之一 计算机证明四色定理,一开始，四色问题并为引起人们足够的重视。数学家们低估了它的难度。,德国数论专家闵可夫斯基上拓扑课时说，四色问题之所以一直没有获得解决，那仅仅是由于没有第一流的数学家来解决它。,他拿起粉笔，竟要当场给学生进行推导，结果没有成功。,07 AI 与计算机的成就,7.1 AI

46、 与计算机成就之一 计算机证明四色定理,下一节课闵可夫斯基继续尝试，还是没有成功。几个星期过去了，闵可夫斯基仍无进展。,有一天，闵可夫斯基刚跨进教室，雷声大作。他马上对学生说：“上天责我自大，我也无法解决四色问题。”,一百多年来，四色猜想困扰着数学家们，没有人能证明它，也没有人推翻它。,07 AI 与计算机的成就,7.1 AI 与计算机成就之一 计算机证明四色定理,无数的数学家投身于四色猜想的证明。,许多人声称自己证明了四色猜想。然而，最后都被证明是错误的。,1890年，赫伍德证明了五色定理。然而，四色猜想仍然只能是四色猜想。,07 AI 与计算机的成就,7.1 AI 与计算机成就之一 计算机

47、证明四色定理,四色猜想问题刺激了大量的数学研究，促进了图论和拓扑学等相关学科的发展，并获得了许多的应用。,1976 年 9 月，美国数学会通报(v.82 n.3) 宣布四色定理被证明。,四色问题是怎么解决的呢？,07 AI 与计算机的成就,7.1 AI 与计算机成就之一 计算机证明四色定理,1976 年 7 月，美国的 Appel 等人用三台大型计算机，耗时 1200 CPU 时间，进行了 100 亿次逻辑判断，证明了四色定理。,四色猜想成为四色定理。,美国当地的邮局在当天发出的所有邮件上都加盖了“四色足够”的特制邮戳，以庆祝这一难题获得解决。,07 AI 与计算机的成就,7.2 AI 与计算

48、机成就之二 “深蓝”战胜 Kaspanov,让机器学会下国际象棋并战胜人类国际象棋冠军，是人工智能学者从人工智能诞生的那一天起就产生了的梦想。,八十年代，我国女子国际象棋大师刘适兰在国际比赛中曾被一计算机系统击败。,1994年8月，以前保持了四届的国际象棋冠军 Kasparov 被一带有 Genius-2 计算机击败。,尽管这些人机大战是非正式的，但机器潜在的智能已初露端倪。,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,1996 年，就在 Kasparov 与 Deep Blue 对阵之前，代表人类国际象棋最高水平的 Kasparov 表示：“绝

49、不能让计算机获胜。为了捍卫人类的尊严，我一定要战胜深蓝。”,“这话过于傲慢。他是向科学挑战，最终是要失败的。” 宋健控制论和系统科学与中国的缘分(1997.4),07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,向科学挑战是要失败的,在 Simon 的预测做出整整 40 年之后，人工智能学者最富盛名的梦想，即让机器战胜国际象棋世界冠军的梦想终于成为现实。,1997 年 5 月 3 日11 日，计算机与人类第二次正式比赛在美国举行。美国 IBM 公司制造的超级计算机“更深蓝 (Deeper Blue)”国际象棋世界冠军俄罗斯的卡斯帕罗夫 (Kasparo

50、v) 对阵，结果，Deeper Blue 以 6 战 2 胜 3 和 1 负的战绩战胜 Kasparov。,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,Deep Blue 是 IBM 耗资上千万美元，耗时 8 年建造起来的世界上最强大的会下国际下棋的计算机。本质上，Deep Blue 是一个大规模并行的基于 RS/6000 超级处理器的计算机系统。,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,深蓝的核心：IB

51、M RS/6000 SP 超级处理器, 高度并行的结构使 SP 三分钟内可计算上千亿步棋,Chess Processor,每一个 CP 每秒可分析和评估两三千个棋谱位置图。,节点：由 8个 CP 构成,32 个节点(共256 个CP)形成 RS/6000 SP，三分钟内可计算上千亿步棋。,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,项目负责人：谭崇仁 (Chung-Jen Tan),始作蛹者：许封雄 (Feng-Hsiung Hsu ),07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,“深蓝”的始作蛹者

52、许封雄,1985年，美国 Carnegie Mellon 大学一个名叫许封雄华裔博士研究生开始研究和开发一种可进行国际象棋博弈的机器，取名为“Chiptest”。,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,“深蓝”的始作蛹者许封雄,1988年，Chiptest成为第一个国际象棋大师级计算机，为此，许封雄赢得了 Fredkin Intermediate Prize。,1989年，许封雄以他的“Chiptest”工作，获得计算机科学博士学位，其博士学位论文主要包含两部份内容：(1) 国际象棋机器结构设计，(2) 并行 alpha-beta 搜索算法研究。,1989 年，许封雄进入 IBM 公司，继续他的国际象棋博弈计算机的研究工作，并将 Chiptest 更名为 Deep Blue。经过 12 年的努力，经历几百次的失败之后，Chiptest 最终成长为最强大的国际象棋博弈计算机 Deep Blue。,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Kaspanov,“深蓝”的始作蛹者许封雄,07 AI 与计算机的成就,7.2 AI 与计算机成就之二 “深蓝”战胜 Ka