人工智能.ppt
《人工智能.ppt》由会员分享，可在线阅读，更多相关《人工智能.ppt（366页珍藏版）》请在冰点文库上搜索。
人工智能,周建中教授,华中科技大学,水电与数字化工程学院,数字化工程与仿真中心,第1章人工智能综述,第2章数理逻辑基础,第3章归结推理方法,第4章知识表示,第5章产生式系统的搜索策略,第6章专家系统,第7章知识获取与机器学习,第1章人工智能综述,本章主要内容：
智能与人工智能,人工智能发展的历史回顾,人工智能的研究目标与研究途径,人工智能的研究领域,1.1智能与人工智能,关于智能的几种解释：
智能是人们处理事物、解决问题时表现出来的智慧和能力。
智能是知识和智力的总和。
目前尚不能给智能一个确切的定义。
智能所具有的一些基本特征：
记忆与思维能力,感知能力,自适应能力,表达能力,自学习能力,有关人工智能的几种说明：
智能机器：
能够在各类环境中自主地或交互地执行各种拟人的机器,人工智能（学科）：
是计算机科学中涉及研究、设计和应用智能机器的一个分支。
人工智能（能力）：
是智能机器所执行的与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
简单地讲，人工智能是关于：
机器智能和智能机器的研究，即研究机器如何解决人脑所及的问题。
人工智能是工程技术学科，同时也是理论研究学科。
作为工程技术学科，人工智能的目的是：
提出建造人工智能系统的新技术、新方法和新理论，并在此基础上研制出具有智能行为的计算机系统。
作为理论研究学科，人工智能的目的是：
提出能够描述和解释智能行为的概念与理论，为建造人工智能系统提供理论依据。
长期以来，围绕人工智能有很多争议。
“机器是否能思考？
”这一问题吸引了许多哲学家、科学家和工程师。
计算机科学的创始人之一，艾仑图灵（AlanTuring）谈到这一问题：
AlanTuring,AlanTuring指出：
“机器是否能思考”这一问题的答案取决与人们如何定义“机器”和“思考”。
也许还可以指出，这一问题还取决于如何定义“能”。
先考虑“机器”这一词。
再看看“思考”这个词。
著名的英国科学家图灵也被称为人工智能之父，图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。
1950年，图灵发表了题为计算机能思考吗？
的论文，给人工智能下了一个定义，而且论证了人工智能的可能性。
定义智慧时，如果一台机器能够通过称之为图灵实验的实验，那它就是智慧的。
图灵实验的本质就是让人在不看外型的情况下不能区别是机器的行为还是人的行为时，这个机器就是智慧的。
1.1.1人类智能与人工智能,研究认知过程的任务人的心理活动具有不同的层次，它可以与计算机的层次相比较。
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
1.1.2智能信息处理系统的假设,控制论之父维纳1940年主张计算机五原则。
维纳在1940年写给朋友的一封信中，对现代计算机的设计曾提出了几条原则：
（1）不是模拟式，而是数字式；
（2）由电子元件构成，尽量减少机械部件；（3）采用二进制，而不是十进制；（4）内部存放计算表；（5）在计算机内部存贮数据。
这些原则是十分正确的。
1.1.3人类智能的计算机模拟,帕梅拉麦考达克（PamelaMcCorduck）在她的著名的人工智能历史研究机器思维（MachineWhoThink,1979）中曾经指出：
在复杂的机械装置与智能之间存在着长期的联系。
从几世纪前出现的神话般的复杂巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的智能活动进行直接联系。
1.1.4人工智能研究的学派及其争论,目前人工智能的主要学派包括：
（1）符号主义（Symbolicism），又称为逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（Computerism），其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。
（2）联结主义（Connectionism），又称为仿生学派（Bionicsism）或生理学派（Physiologism），其原理主要为神经网络及神经网络间的连接机制与学习算法。
（3）行为主义（Actionism），又称进化主义（Evolutionism）或控制论学派（Cyberneticsism），其原理为控制论及感知-动作型控制系统。
他们对人工智能发展历史具有不同的看法。
1.符号主义认为人工智能源于数理逻辑。
数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。
计算机出现后，又在计算机上实现了逻辑演绎系统。
正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。
后来又发展了启发式算法专家系统知识工程理论与技术，并在80年代取得很大发展。
符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要意义。
在人工智能的其它学派出现之后，符号主义仍然是人工智能的主流派。
这个学派的代表有纽厄尔、肖、西蒙和尼尔逊（Nilsson）等。
2.联结主义认为人工智能源于仿生学，特别是人脑模型的研究。
它的代表性成果是1943年由生理学家麦卡洛克（McCulloch）和数理逻辑学家皮茨（Pitts）创立的脑模型，即MP模型。
60-70年代，联结主义，尤其是对以感知机（perceptron）为代表的脑模型的研究曾出现过热潮，由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在70年代后期至80年代初期落入低潮。
直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络时，联结主义又重新抬头。
1986年鲁梅尔哈特（Rumelhart）等人提出多层网络中的反向传播（BP）算法。
此后，联结主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。
现在，对ANN的研究热情仍然不减。
3.行为主义认为人工智能源于控制论。
控制论思想早在40-50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。
到6070年代，控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在80年代诞生了智能控制和智能机器人系统。
行为主义是近年来才以人工智能新学派的面孔出现的，引起许多人的兴趣与研究。
1.2人工智能发展的历史回顾,20世纪30年代和40年代：
20世纪50年代：
JohnMcCarthy,数学逻辑和关于计算的新思想,第一次人工智能讨论会,20世纪60年代：
第一届国际人工智能联合会议,20世纪70年代：
人工智能国际杂志创刊,20世纪80年代：
专家系统和知识工程在全世界迅速发展,国外的发展情况,国内的发展情况,1978年,国家“智能模拟”研究计划,1984年,召开智能计算机及系统全国学术讨论会,把智能计算机系统、智能机器人和智能信息处理列入国家高技术研究计划。
1986年,1989年,首次召开中国人工智能联合会议,1987年,模式识别与人工智能杂志创刊,1993年,智能控制和智能自动化被列入国家科技攀登计划,1.3人工智能的研究目标与研究途径,研究目标分为近期目标和远期目标：
近期目标是，使现有的计算机更聪明、更有用；,远期目标是，构造智能机器。
关于人工智能的研究途径有两种不同观点：
主张用生物学的方法进行研究产生出一大学派叫做连接主义（Connectionism）,主张用计算机科学的方法进行研究产生出一大学派叫做符号主义（Symbolism）,Agent一词的两种解释：
一是，对环境的认识以及对环境产生作用的行为者；二是，代理人。
倾向于第一种解释的主要是AI领域的研究者M.Minsky指出：
“当你试图说明完成一些任务的机器并试图了解它是如何工作时,即将其处理为黑箱时,就称其为Agent。
软件界的研究人员倾向于第二种解释：
代理人。
Agent是计算机软件，代表用户，以主动服务方式完成一定操作的计算实体。
Agent是具有信息处理能力的主动实体，其结构包含下述模块：
感知器、效应器、信息处理器、目标模块、通信机制。
仅代理用户某种任务的软件不能称为智能Agent。
智能性，如理解用户用自然语言表达的对信息资源和计算资源的需求，帮助用户在一定程度上克服信息内容的语言障碍，捕捉用户的偏好和兴趣，推测用户的意图并为其代劳等。
只有代理性、智能性、自主性均达到相当水准的系统才有条件称为智能Agent。
比尔盖茨把智能Agent称为“软的软件”，他说：
“一旦程序写好了，它就一成不变。
软的软件随着你的使用好象会变得越来越聪明”，“你可以把Agent当作直接内置在软件中的合作者，它会记住你擅长什么，你过去做过些什么，并试着预测难题，并提出解决办法”。
1.4人工智能的研究领域,专家系统与知识工程,自动定理证明与逻辑推理,机器学习,自然语言理解,智能管理系统,自动程序设计,感知系统,智能机器人,问题求解,组合调度,博弈,问题求解人工智能的第一个大成就是发展了能够求解难题的下棋（如国际象棋）程序。
在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。
今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。
另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。
有些程序甚至还能够用经验来改善其性能。
专家系统是一个智能计算机程序系统。
其内部具有大量专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。
也就是说，专家系统是一个具有大量知识与经验的程序系统。
它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。
自动定理证明是人工智能最早得到应用的领域。
对于一个数学定理，给出严格的数学证明，是一项高智能的工作。
不仅需要很强的推理能力，而且需要人们有着深刻的洞察力，能预见出在证明主要定理之前，应先证明哪些引理，作好必要的准备，最后证明主要定理。
机器学习领域的研究工作主要从三个方面进行：
一是面向任务的研究，研究和分析改进一组预定任务的执行性能的学习系统；二是认识模拟，研究人类学习过程并进行计算机模拟；三是理论性分析，从理论上探索各种可能的学习方法和独立于应用领域的算法。
自然语言理解就是研究如何让机器理解人类的自然语言。
机器翻译也属于自然语言理解的范畴，它是研究把一种语言自动的翻译成另一种语言。
自然语言理解这一课题虽然困难，但对人工智能的发展却起着重要的作用。
人工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。
智能管理系统智能管理是人工智能在管理领域中的应用，发展了“智能管理”新技术和新一代的计算机管理系统“智能管理系统”，如：
智能管理信息系统（IMISIntelligentManagementInformationSystem）、智能办公自动化系统（IOASIntelligentOfficeAutomationSystem）、智能决策支持系统（IDSSIntelligentDecisionSupportSystem）等。
智能管理系统（IMSIntelligentManagementSystem）不仅比常规的计算机管理系统MIS、OAS、DSS等具有更高的智能水平，可以为非结构化半结构化的管理决策提供信息服务和决策支持；而且具有更全面的管理功能，可同时具备信息管理、事务处理、决策支持等多种功能。
自动程序设计包括程序综合与程序验证两方面的内容。
前者用以实现自动编程，即用户只需告诉计算机“做什么”，无须告诉“怎样做”；后者是指程序的自动验证，自动完成正确性检查。
感知系统人工智能的感知系统的任务，就是为计算机配置各种感觉器官，是其具有感知能力，能够识别各种图形、文字及各种语言信号。
智能机器人是模拟人类行为的机器。
它是人工智能中感知系统、问题求解系统、计划产生系统等领域技术的综合应用。
人工神经元网络研究结果已经证明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。
神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。
神经生理学家、心理学家与计算机科学家的共同研究得出的结论是：
人脑是一个功能特别强大、结构异常复杂的信息处理系统，其基础是神经元及其互联关系。
因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机-神经计算机。
机器人学人工智能研究日益受到重视的另一个分支是机器人学，其中包括对操作机器人装置程序的研究。
这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。
模式识别“模式”（Pattern）一词的本意是指完美无缺的供模仿的一些标本。
模式识别就是指识别出给定物体所模仿的标本。
人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。
机器视觉机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。
在视觉方面，已经给计算机系统装上电视输入装置以便能够看见周围的东西。
视觉是感知问题之一。
在人工智能中研究的感知过程通常包含一组操作。
例如，可见的景物由传感器编码，并被表示为一个灰度数值的矩阵。
这些灰度数值由检测器加以处理。
检测器搜索主要图象的成分，如线段、简单曲线和角度等。
这些成分又被处理，以便根据景物的表面和形状来推断有关景物的三维特性信息。
带有视觉的越野自主车,带有视觉的月球自主车,智能控制人工智能的发展促进自动控制向智能控制发展。
智能控制是一类无需（或需要尽可能少的）人的干预就能够独立地驱动智能机器实现其目标的自动控制。
或者说，智能控制是驱动智能机器自主地实现其目标的过程。
智能检索随着科学技术的迅速发展，出现了知识爆炸的情况。
对国内外种类繁多和数量巨大的科技文献之检索远非人力和传统检索系统所能胜任。
研究智能检索系统已成为科技持续快速发展的重要保证。
数据库系统是储存某学科大量事实的计算机软件系统，它们可以回答用户提出的有关该学科的各种问题。
智能调度确定最佳调度或组合的问题是我们感兴趣的又一类问题。
大多数这类问题能够从可能的组合或序列中选取一个答案，不过组合或序列的范围很大。
试图求解这类问题的程序产生了一种组合爆炸的可能性。
这时，即使是大型计算机的容量也会被用光。
在这些问题中有几个（包括推销员旅行问题）是属于计算理论家称为NP完全性一类的问题。
他们根据理论上的最佳方法计算出所耗时间（或所走步数）的最坏情况来排列不同问题的难度。
1.5人工智能对人类的影响,1.5.1人工智能对经济的影响人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。
随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。
下面略举二例说明。
1.专家系统的效益成功的专家系统能为它的建造者、拥有者和用户带来明显的经济效益。
用比较经济的方法执行任务而不需要有经验的专家，可以极大地减少劳务开支和培养费用。
由于软件易于复制，所以专家系统能够广泛传播专家知识和经验，推广应用数量有限的和昂贵的专业人员及其知识。
2.人工智能推动计算机技术发展人工智能研究已经对计算机技术的各个方面产生并将继续产生较大影响。
人工智能应用要求繁重的计算，促进了并行处理和专用集成片的开发。
算法发生器和灵巧的数据结构获得应用，自动程序设计技术将开始对软件开发产生积极影响。
所有这些在研究人工智能时开发出来的新技术，推动了计算机技术的发展，进而使计算机为人类创造更大的经济实惠。
1.5人工智能对人类的影响,1.5.1人工智能对社会的影响人工智能在给它的创造者、销售者和用户带来经济利益的同时，就象任何新技术一样，它的发展也引起或即将出现许多问题，并使一些人感到担心或懊恼。
1、社会结构变化人们一方面希望人工智能和智能机器能够代替人类从事各种劳动，另一方面又担心它们的发展会引起新的社会问题。
2、思维方式与观念的变化人工智能的发展与推广应用，将影响到人类的思维方式和传统观念，并使它们发生改变。
例如，传统知识一般印在书本报刊或杂志上，因而是固定不变的，而人工智能系统的知识库的知识却是可以不断修改、扩充和更新的。
1.5.3人工智能对文化的影响如前所述，人工智能可能改变人的思维方式和传统观念。
此外，人工智能对人类文化有更多的影响。
1.改善人类知识在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。
这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理,2、提高人类物资文明和精神文明综上分析我们知道，人工智能技术对人类的社会进步、经济发展和文化提高都有巨大的影响。
随着时间的推进和技术的进步，这种影响将越来越明显地表现出来。
还有一些影响，可能是我们现在难以预测的。
可以肯定，人工智能将对人类的物质文明和精神文明产生越来越大的影响。
第2章数理逻辑基础,本章主要内容：
命题逻辑,谓词与量词,谓词公式及其解释,谓词公式的标准形式,谓词公式的等价与蕴涵,数理逻辑概述,2.1数理逻辑概述数理逻辑又称“现代逻辑”，它具有高度的抽象性和严密的精确性，其产生对自然科学、社会科学和思维科学的发展起到重要的推动作用。
数理逻辑是计算机科学的基础理论之一，其关于形式语言的研究为建立计算机程序语言的语法、语义提供了基础。
数理逻辑对推理形式结构的研究采用了符号化、形式化、公理化等数学方法，因而克服了传统逻辑的种种缺陷。
2.1数理逻辑概述数理逻辑建立了各种演绎和符号系统，这些系统通常称之为“逻辑演算”或“逻辑推理”系统。
我们知道，数学研究的对象是显示世界的数量关系和空间关系，即数与形。
数学的特点是它的高度抽象性、精确性和普遍性。
数理逻辑就是把逻辑进一步形式化，把思维形式之间的关系和逻辑推理变成像代数、算术的运算一样，把符号语言运用到逻辑上。
即用数学的方法处理逻辑的结果。
2.2命题逻辑,命题是反映事物情况的思维形态。
人们用命题描述事物的属性、状态、以及事物间的联系。
命题的形态又有真和假的区别，不符合事实的命题就是假命题。
任何一个命题总是非真即假的，命题的真或假称为命题的真值。
命题分为简单命题和复合命题。
简单命题是不再包含任何其它命题作为其组成部分的命题；复合命题包含有其它命题作为其组成部分的命题。
命题真值（TruthValues）的表示：
真：
T、或1假：
F、或0,2.2命题逻辑,一个命题是一个或真或假不能两者都是的断言。
断言是指一陈述语句。
简单地说，命题是指一句有真假意义的陈述句。
命题为真，记为T命题为假，记为F,命题变元用P,Q,R表示；,一个命题P如果是真值未指定任意命题，称P为命题变元。
如果P是一个真值已经指定的命题，称为命题常元。
命题常元只有T和F。
2.2.l命题联结词（逻辑联结词、逻辑运算符）,命题联结词是表示命题和命题之间关系的语词。
常用的命题联结词有：
“并且”、“而且”、“但是”、“或”、“如果，则”等等。
联结词和各种命题相结合就形成了具有新的内容、新的真值的复合命题。
由于数理逻辑并不研究各种语句的内容及其因果关系，而仅仅研究语句的共同逻辑特征即它们的真值。
因此，命题联结词并不反映语句和语句之间内容上的联系，而只反映命题和命题之间的真假关系。
为了使命题完全符号化，以便能更加形式化地研究命题的逻辑特性，需要把命题联结词符号化。
2.2.l命题联结词（逻辑联结词、逻辑运算符）,命题联结词：
反映复合命题与简单命题之间真假关系的联结词复合命题：
单个命题通过联结词联结构成的新命题。
在数理逻辑中有五个常用的命题联结词：
“”表示否定，相当于“并非”；“”表示折取，相当于“或者”；“”表示合取，相当于“并且”；“”表示蕴涵，相当于“如果，则”或“如果，那么”；“”表示等值，相当于“当且仅当”。
2.2.l命题联结词（逻辑联结词、逻辑运算符）,常用的5种联结词：
复合命题与原命题的真值关系,2.2.l命题联结词（逻辑联结词、逻辑运算符）,PQ为真：
当且仅当P为假或Q为真（P前件，Q后件）1、如果P为假，那么Q无论真与假，PQ皆真；2、如果Q为真，那么P无论真与假，PQ皆真。
PQ为假：
当且仅当P为真，并且Q为假。
（唯一一种情况！
）自然语言中可以用PQ蕴涵形式表示的有（相当于PQ）：
如果P，那么Q；若P则Q；假如P，那么Q；因为P，所以Q；只要P，就Q（P对Q是充分的）；一旦P就Q；当P的时候就Q；Q除非P；只有Q才P（Q对P是必要的）。
PQ的逻辑关系为：
Q是P的必要条件。
P是Q的充分条件。
（1）从命题角度理解和认识充分条件和必要条件,把命题“若x0，则x20”与命题“若两三角形全等，则两三角形面积相等”中的条件与结论分别记作p与q，则原命题与逆命题同p与q的关系之间有什么联系呢?
如果原命题是真命题，那么p是q的充分条件；如果逆命题是真命题，那么p是q的必要条件；如果原命题是假命题，那么p是q的不充分条件；如果逆命题是假命题，那么p是q的不必要条件。
（2）从集合角度理解和认识充分条件和必要条件,p是q的充分条件，相当于pq，即:
或,p是q的必要条件，相当于qp，即:
或,qp等价于qp。
P相当于pq，即互为充要的两个条件表示的是同一事物。
2.2.2命题公式及其解释,原子公式：
单个命题变元、单个命题常元称为原子公式。
命题公式：
由如下规则生成的公式称为命题公式：
1.单个原子公式是命题公式。
2.若A,B是命题公式，则A,AB,AB,AB,AB是命题公式。
3.所有命题公式都是有限次应用1、2得到的符号串。
命题公式的解释：
给命题公式中的每一个命题变元指定一个真假值，这一组真假值，就是命题公式的一个解释。
用I表示。
例如：
公式G=（AB）C的一个解释是：
I1（G）=A/T,B/F,C/T,在解释I1（G）下G为真。
永真公式与永假公式：
如果公式在它所有的解释I下，其值都为T，则称公式G为恒真的；如果其值都为F，则称公式G为恒假的（不可满足的）。
可满足性等价于：
命题至少存在一个成真赋值。
2.2.2命题公式及其解释,永真命题公式：
如果公式在它所有的解释I下（公式中的命题变量无论怎样代入），公式对应的真值恒为T，则称公式G为永真命题公式。
永假命题公式：
如果公式在它所有的解释I下（公式中的命题变量无论怎样代入），公式对应的真值恒为F，则称公式G为永假命题公式。
（矛盾式）可满足命题公式:
公式中的命题变量无论怎样代入，公式对应的真值总有一种情况为T。
显然，永真命题具有可满足性。
一般命题公式:
既不是永真公式也不是永假公式。
2.2.2命题公式及其解释,命题公式的性质：
（1）设P是永真命题公式，则P的否定公式是永假命题公式；
（2）设P是永假命题公式，则P的否定公式是永真命题公式；（3）设P、Q是永真命题公式，则（PQ）、（PQ）、（PQ）、（PQ）也是永真命题公式。
注意：
关于五个联结词的约定：
*结合力的强弱顺序：
，*联结词相同时，从左至右运算。
解释的个数：
如果一个公式G中有n个不同的原子公式（或简称原子，是互异的命题变量），则G有2n个不同的解释，于是G在2n个解释下有2n个真值，即命题公式对应的真值有2的N次幂种可能分布。
如果将这些真值和它们的解释列成表，就是G的真值表。
2.2.3等价命题公式,如果两个命题公式所含原子公式相同，且在任一解释下，两个命题公式的值相同，则称这两个命题公式为等价命题公式或等价公式。
常用的等价公式（基本公式）有：
（PQ）=（PQ）（QP）（P
升级会员 