《人工智能》课程教学课件 ch1 序论.pptVIP

* 语言学：语言和思维是怎样联系起来的？ 现代语言学的诞生：Chomsky理论 形式化，可以编程实现。 知识表示的许多早期工作和语言紧密联系 * 总结 哲学：标出了AI的大部分重要思想 数学：使AI成为一门规范科学 经济学：决策理论 神经科学：网络，并行处理… 心理学：认知理论 计算机工程：AI的“载体” 控制论：反馈的思想 语言学：知识表示、语法 * 为什么AI有必要成为一个单独的领域？ 和控制论、运筹学、决策理论的目标类似 为什么不是数学的一个分支？ AI从一开始就承载着复制人的才能的思想 方法论的不同 AI属于计算机科学的分支 AI试图建造在复杂和变化的环境中自动发挥功能的机器 * 第一章、序论 什么是人工智能（AI） 人工智能的基础 人工智能的历史 回顾和展望 * 孕育期（1943－1955） McCullochPitts提出人工神经元模型 基础生理学知识和脑神经元的功能 对命题逻辑的形式化分析 Turing的计算理论 Turing第一个清晰地描绘出AI的完整图景 在“Computing Machinery and Intelligence”中提出了图灵测试、机器学习、遗传算法和增量学习。 * 诞生：Dartmouth College，1956 Dartmouth workshop，1956夏天 与会者的背景：自动机、神经网络和智能研究 Impact：在随后的20年中，AI被与会者和他们在MIT、CMU、Stanford及IBM的学生和同事所统治。 * Look, Ma, no hand! (1952-69) GPS可能是第一个实现了“像人一样思考”方法的程序 Samuel‘s checkers program，通过学习达到了业余高手的级别，反驳了认为计算机只能做人让它做的事的观念。（通过“强化学习”） McCarthy“Programs with Common Sense”描述了一个假设程序，Advice Taker。它可被看作是第一个完整的AI系统，不同于其它的系统，它包含了世界的一般知识。 SRI的Shakey机器人项目，第一次演示了逻辑推理和物理行为的完整集成。 * 现实的困难：1966－1973 早期的程序很少包含或不包含关于它们的主题信息 AI试图解决的许多问题不可操作 在计算复杂性理论发展起来之前，广泛认为由“微问题”到“大问题”只是需要更快的硬件和更大容量的内存。 但，程序原则上能找到解并不意味着它包含在实践中找到它的机制。 用于产生智能行为的基本结构有着一些基本的限制 例子: A two-input perceptron couldn’t be trained to recognize when its two inputs were different. * 基于知识的系统：力量的钥匙？ AI研究的第一个十年中解决问题的方法可以称为弱方法，即一种试图通过串接基本的推理步骤来寻找完全的解的通用有哪些信誉好的足球投注网站机制。 替代方法是使用更强有力、领域相关的知识。 第一个成功的知识密集系统—DENDRAL 主要应用领域：医学诊断、自然语言理解。 表示和推理的语言：Prolog、PLANNER、Frame * AI的历史（续） 成为工业（1980至今） 神经网络的回归（1986至今） 连接主义的智能系统模型vs.符号模型、逻辑方法 成为科学（1987至今） 建立在严格的定理或确凿的实验基础上 显示与现实世界的应用的相关性 例子：规范专家系统的思想—根据决策理论的法则理性地行动，不试图模仿人类专家的思考步骤。 智能化智能体的出现（1995至今） 研究者重新开始审视“完整智能体”问题 * 第一章、序论 什么是人工智能（AI） 人工智能的基础 人工智能的历史 回顾和展望 * AI发展的两条线索 复制人的功能vs.理性 关于世界的一般知识vs.某领域的专门知识 * What is Next? Computer Network as a Global Brain and Knowledge Base A new paradigm in AI research? Example of “Ask MSR”: “When was Marilyn Monroe born? Intead of traditional AI approach, “Ask MSR” starts by identifying the verb, and then changing its tense, and moving it to different position in the sentence, resulting in Marilyn was Monroe born, Marilyn Monroe was born, etc. * Mileston