人工智能导论教学大纲-（无排版文字预览）人工智能的研究途径与方法

以下为《第1章 人工智能概述课件》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

第1篇 概述与工具

『导语』

何为人工智能？如何实现人工智能？人工智能有何用？人工智能如何用？… …, 这些问题和知识是我们学习人工智能，研究人工智能，应用人工智能所需要首先考虑和了解的。本篇将概要阐述这些问题，并引导读者概览人工智能王国的神奇风貌和历史渊源。

第1章 人工智能概述

1.1 什么是人工智能

1.2 为什么要研究人工智能

1.3 人工智能的相关学科

1.4 人工智能的研究内容

1.5 人工智能的研究途径与方法

1.6 人工智能的应用

1.7 人工智能的分支领域与研究方向

1.8 人工智能学科发展概况1.1 什么是人工智能

◆人工智能（Artificial Intelligence，AI）

1.1.1 人工智能概念的一般描述

◆部分学者对人工智能概念的描述：

—— 人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化（Bellman, 1978）；

—— 人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland, 1985）；

——人工智能是研究如何让计算机做现阶段只有人才能做得好的事情（Rich Knight,1991）； —— 人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston, 1992）；

—— 广义地讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为（Nilsson，1998）。

—— Stuart Russell和Peter Norvig则把已有的一些人工智能定义分为4类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统（2003）。 1.1.2 图灵测试和中文屋子

◆ 图灵测试（Turing Test）◆约翰.西尔勒(John Searle)的 “中文屋子”在学术界，那种仅能通过图灵测试的人工智能，或者更一般地人工智能导论教学大纲，用功能模拟方法实现的人工智能被（哲学家）称为弱人工智能（weak AI），而通过像人一样的思考（心理活动）过程所实现的人工智能被称为强人工智能（strong AI）。显然，强人工智能的实现难度要远大于弱人工智能。现阶段我们所学习、研究和开发的人工智能仅限于弱人工智能。但应该指出，从效果上看，强人工智能并非总是高于弱人工智能，或者说，弱人工智能并非一定低于强人工智能。究竟孰高孰低？则要看具体的应用场景。此外，相比而言，强人工智能也许会带来更令人担忧的社会问题和伦理问题。

1.1.3 脑智能和群智能

脑智能（Brain Intelligence, BI）就是脑（主要指人脑）的宏观心理层次的智能表现。

由群体行为所表现出的智能称为群智能（Swarm Intelligence, SI）。

脑智能和群智能是属于不同层次的智能：

脑智能是一种个体智能（Individual Intelligence, II）；

群智能是一种社会智能（Social Intelligence, SI）， 或 者说系统智能（System Intelligence, SI）。 1.1.4 符号智能和计算智能

1. 符号智能（Symbolic Intelligence）

符号智能就是符号人工智能，它是模拟脑智能的人工智能，也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。符号智能的主要内容包括知识获取（knowledge acquisition）、知识表示（knowledge representation）、知识组织与管理和知识运用等技术（这些构成了所谓的知识工程（Knowledge Engineering, KE））以及基于知识的智能系统等。2. 计算智能（Computational Intelligence）

计算智能就是计算人工智能，它是模拟群智能的人工智能。计算智能以数值数据为基础，主要通过数值计算，运用算法进行问题求解。计算智能的主要内容包括：神经计算（Neural Computation， NC）、进化计算（亦称演化计算，Evolutionary Computation，EC，包括遗传算法（Genetic Algorithm，GA）、进化规划（Evolutionary Planning，EP）、进化策略（Evolutionary Strategies，ES）等）、免疫计算（immune computation）、粒群计算（Particle Swarm Algorithm，PSA）、蚁群算法（Ant Colony Algorithm，ACA）、自然计算（Natural Computation，NC）以及人工生命（Artificial Life，AL）等。 1.1.5 统计智能和交互智能

1. 统计智能（Statistical Intelligence）

利用样例数据并采用统计、概率和其他数学方法而实现的人工智能称为统计智能。

2. 交互智能（Interactional Intelligence）

通过交互方式而实现的人工智能称为交互智能。1.2 为什么要研究人工智能

1.2.1 研究人工智能的意义

■ 使当前的电脑更好用，更有用，以扩大和延伸人类智能；

■ 信息化社会的迫切要求；

■ 自动化发展的必然趋势；

■ 有益于探索人类自身智能的奥秘。 1.2.2 人工智能的研究目标和策略

研究目标就是制造智能机器和智能系统，实现智能化社会。具体来讲，就是要使计算机不仅具有脑智能和群智能，还要具有看、听、说、写等感知和交流能力。

研究策略则是先部分地或某种程度地实现机器的智能人工智能导论教学大纲，并运用智能技术解决各种实际问题特别是工程问题，从而使现有的计算机更灵活、更好用和更有用，成为人类的智能化信息处理工具，而逐步扩展和不断延伸人的智能，逐步实现智能化。

1.3 人工智能的相关学科

人工智能已构成信息技术领域的一个重要学科。当前的人工智能既属于计算机科学技术的一个前沿领域，也属于信息处理和自动化技术的一个前沿领域。还涉及到智能科学、认知科学、心理科学、脑及神经科学、生命科学、语言学、逻辑学、行为科学、教育科学、系统科学、数理科学以及控制论、科学方法论、哲学甚至经济学等众多学科领域。人工智能实际上是一门综合性的交叉学科和边缘学科。1.4 人工智能的研究内容

1.4.1 搜索与求解

——图（或空间）搜索与问题求解

1.4.2 知识与推理

——知识表示与机器推理

1.4.3 学习与发现

——机器学习与知识发现

1.4.4 发明与创造

——机器的自主发明与创造

1.4.5 感知与响应

——机器感知与响应 1.4.6 理解与交流

——机器的自然语言理解与交流

1.4.7 记忆与联想

——机器的记忆与联想机制

联想存储的特点是：

? 可以存储许多相关（激励，响应）模式对；

? 通过自组织过程可以完成这种存储；

? 以分布、稳健的方式（可能会有很高的冗余度）存储信息；

? 可以根据接收到的相关激励模式产生并输出适当的响应模式；

? 即使输入激励模式失真或不完全时，仍然可以产生正确的响应模式；

? 可在原存储中加入新的存储模式。

1.4.8 竞争与协作

——智能体（如智能机器人）之间的竞争与协作

1.4.9 系统与建造

——智能系统的设计和实现技术

1.4.10 应用与工程

——人工智能的应用和工程技术

?这十个方面也就是人工智能的十个主题或者说十个分支领域，它们构成了人工智能学科的总体架构。1.5 人工智能的研究途径与方法

1.5.1 心理模拟，符号推演

从人脑的宏观心理层面入手，以智能行为的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法，模拟人脑的逻辑思维过程，实现人工智能。

1.5.2 生理模拟，神经计算

从人脑的生理层面，即微观结构和工作机理入手，以智能行为的生理模型为依据，采用数值计算的方法，模拟脑神经网络的工作过程，实现人工智能。

1.5.3 行为模拟，控制进化

用模拟人和动物在与环境的交互、控制过程中的智能活动和行为特性，如反应、适应、学习、寻优等，来研究和实现人工智能。

1.5.4 群体模拟，仿生计算

模拟生物群落的群体智能行为，以仿生计算的方法来实现人工智能。

1.5.5 博采广鉴，自然计算

从生命、生态、系统、社会、数学、物理、化学、甚至经济等众多学科和领域寻找启发和灵感，以自然计算的方法展开人工智能的研究。

1.5.6 着眼数据，统计建模

着眼于事物或问题的外部表现和关系，搜集、采集相关信息并做成样本数据，然后用统计学、概率论和其他数学理论和方法建模，并用适当的算法进行计算，推测事物的内在模式或规律，来实现人工智能。1.6 人工智能的应用

1.6.1 难题求解

这里的难题，主要指那些没有算法解，或虽有算法解但在现有机器上无法实施或无法完成的困难问题，包括智力性问题中的难题和现实中复杂的实际问题和工程问题。在这些难题中，有些是组合数学理论中所称的NP（Nondeterministic Polynomial 非确定型多项式）问题或NP完全（Nondeterministic Polynomial Complete, NPC）问题。NP问题是指那些既不能证明其算法复杂度超出多项式界，但又未找到有效算法的一类问题。而NP完全问题又是NP问题中最困难的一种问题。

1.6.2 自动规划、调度与配置

在难题求解中，规划、调度与配置问题是实用性、工程性最强的一类问题。规划一般指设计制定一个行动序列，例如机器人行动规划、交通路线规划。调度就是一种任务分派或者安排，例如车辆调度、电力调度、资源分配、任务分配。调度的数学本质是给出两个集合间的一个映射。配置则是设计合理的部件组合结构，即空间布局，例如资源配置、系统配置、设备或设施配置。

从问题求解角度看，规划、调度、配置三者又有一定的内在联系，有时甚至可以互相转化。

1.6.3 机器博弈

机器博弈是人工智能最早的研究领域之一，而且一直久经不衰。

早在人工智能学科建立的当年──1956年，塞缪尔就研制成功了一个跳棋程序。

2016至2017年DeepMind研制的围棋程序AlphaGo更是横扫人类各路围棋高手。2017年12月DeepMind又推出了一款名为Alpha Zero的通用棋类程序，除了围棋外，该程序还会国际象棋等多种棋类。现在可以说，在棋类比赛上计算机或者说人工智能已经彻底战胜人类了。

机器人足球赛是机器博弈的另一个战场。近年来，国际大赛不断，盛况空前。

1.6.4 机器翻译与机器写作

机器翻译的研究由来已久。早在电子计算机问世不久，就有人提出了机器翻译的设想，并开始了这方面的研究。但由于曾经过分依赖于基于规则的自然语言理解，所以一度进展缓慢。上世纪80年代，统计方法被引入机器翻译，使机器翻译有了巨大的进步和发展。近年来，神经网络机器学习的再度兴起，又给机器翻译带来了新的繁荣。据报道，在新闻稿的英-汉互译翻译方面，机器翻译现已达到甚至超过人类专家水平。

另一方面，现在机器人写新闻稿（即用计算机自动生成新闻稿）已经不是新闻了。 1.6.5 机器定理证明

机器定理证明也是人工智能的也是最早的研究领域之一。定理证明是最典型的逻辑推理问题之一，很多非数学领域的任务如医疗诊断、信息检索、规划制定和难题求解，都可以转化成一个定理证明问题。

机器定理证明的方法主要有四类：

(1) 自然演绎法.

(2) 判定法.

(3) 定理证明器.

(4) 计算机辅助证明. 1.6.6 自动程序设计

自动程序设计就是让计算机设计程序。具体来讲，就是只要给出关于某程序要求的非常高级的描述，计算机就会自动生成一个能完成这个要求目标的具体程序。所以，这相当于给机器配置了一个“超级编译系统”，它能够对高级描述进行处理，通过规划过程，生成所需的程序。但这只是自动程序设计的主要内容，它实际是程序的自动综合。自动程序设计还包括程序自动验证，即自动证明所设计程序的正确性。 1.6.7 智能控制

智能控制就是把人工智能技术引入控制领域，建立智能控制系统。

智能控制系统的智能可归纳为以下几方面：

(1) 先验智能：有关控制对象及干扰的先验知识；

(2) 反应性智能：在实时监控、辨识及诊断的基础上，对系统及环境变化的正确反应能力；

(3) 优化智能：包括对系统性能的先验性优化及反应性优化；

(4) 组织与协调智能： 表现为对并行耦合任务或子系统之间的有效管理与协调。

1.6.8 智能管理

智能管理就是把人工智能技术引入管理领域，建立智能管理系统。智能管理系统是在管理信息系统、办公自动化系统、决策支持系统的功能集成和技术集成的基础上，应用人工智能的专家系统、知识工程、模式识别、神经网络等方法和技术， 进行智能化、集成化、协调化，设计和实现的新一代的计算机管理系统。

1.6.9 智能决策

智能决策就是把人工智能技术引入决策过程，建立智能决策支持系统。智能决策支持系统是在传统决策支持系统的基础上发展起来的，由传统决策支持系统再加上相应的智能部件就构成了智能决策支持系统。智能部件可以有多种模式，例如专家系统模式、知识库系统模式等。在这种情况下，决策支持系统就是由模型库、方XX、数据库、知识库组成的四库系统。

1.6.10 智能通信

智能通信就是把人工智能技术引入通信领域，建立智能通信系统。智能通信就是在通信系统的各个层次和环节上实现智能化。例如在通信网的构建、网管与网控、转接、信息传输与转换等环节，都可实现智能化。这样，网络就可运行在最佳状态，使呆板的网变成活化的网，使其具有自适应、自组织、自学习、自修复等功能。

1.6.11 智能预测

智能预测就是将人工智能技术引入预测领域，建立智能预测模型或系统。例如，使用机器学习方法，从大量观测数据中获取天气变化的规律，建立相应的气象预测模型，对未来的天气做出预测。又如，从大量商业数据中由机器学习获取市场变化的规律，建立相应的经济预测模型，对未来的市场经济做出预测。

1.6.12 智能仿真

智能仿真就是将人工智能技术引入仿真领域，建立智能仿真系统。

利用人工智能技术能对整个仿真过程（包括建模、实验运行及结果分析）进行指导，能改善仿真模型的描述能力，在仿真模型中引进知识表示将为研究面向目标的建模语言打下基础，提高仿真工具面向用户、面向问题的能力。从另一方面来讲，仿真与人工智能相结合可使仿真更有效地用于决策，更好地用于分析、设计及评价知识库系统，从而推动人工智能技术的发展。1.6.13 智能设计与制造

在设计方面，首先人工智能被用于计算机辅助设计（CAD），建立智能CAD系统，实现自动数据采集、智能交互、智能图形学以及设计自动化。从具体技术来看，智能CAD技术大致可分为规则生成法、约束满足法、搜索法、知识工程方法和形象思维方法等。

智能制造就是在数控技术、柔性制造技术和计算机集成制造技术的基础上，引入智能技术。智能制造系统由智能加工中心、材料传送检测和实验装置等智能设备组成。它具有一定的自组织、自学习和自适应能力，能在不可预测的环境下，基于不确定、不精确、不完全的信息，完成拟人的制造任务，形成高度自动化生产。

1.6.14 智能车辆与智能交通

智能车辆就是将人工智能技术用于车辆驾驶实现无人驾驶车辆。随着计算机视觉、机器感知、智能控制、智能机器人等技术的飞速发展，智能车辆应运而生，并发展迅猛。国内外的***竞相推出了各自的无人驾驶车，现在已进入上路测试阶段。

智能交通就是在公共交通的各个环节引入人工智能技术，建造智能交通系统，实现路况实时监测、车辆实时调度、实时路径规划等。这就需要计算机视觉、模式识别、自动调度与规划、自然语言人机接口等智能技术的支持。当然还需要卫星导航、电子地图等设施和技术的配合。其实，现在的交通系统已经部分地实现智能化了。

1.6.15 智能诊断与治疗

将人工智能技术引入疾病诊断与治疗由来已久，早在上世纪七、八十年代，人们将专家系统技术用于疾病诊断与治疗。现在，则进一步将深度学习、强化学习、模式识别及机器人等技术引入疾病的诊断和治疗，并已取得了一些成果。但由于人体的复杂性以及安全性问题，从现阶段来看，人工智能还只能作为人类医生的助手，或者与人类医生合作来提高疾病诊断和治疗水平。

1.6.16 智能生物信息处理

人工智能技术被引入生命科学的研究之中，即用人工智能技术研究、解决生物信息处理中的困难问题。譬如，对海量基因测序数据的处理，对蛋白质折叠结构的研究等。事实上，这一领域现在发展迅速。据报道，谷歌的一个名为AlphaFold研究项目已取得了一项重大成果：根据基因序列成功地预测了蛋白质的三维结构。

人工智能在生物信息处理乃至生命科学领域也可大显身手。1.6.17 智能教育

ICAI至少具备下列智能特征：

? 自动生成各种问题与练习。

? 根据学生的水平和学习情况自动选择与调整教学内容与进度。

? 在理解教学内容的基础上自动解决问题生成解答。

? 具有自然语言的生成和理解能力。

? 对教学内容有解释咨询能力。

? 能诊断学生错误，分析原因并采取纠正措施。

? 能评价学生的学习行为。

内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。字，这３个千金难买的签名能够证明他通过了答辩。其中一个签名是哈特教授的。哈特常常对戴夫本人和其他人说，对于帮助戴夫实现他应该有的梦想，他感到很荣幸。

答辩之前，斯特赖维尔早早给哈特送去了他论文的倒数第二稿。哈特阅读后告诉戴夫，论XX平绝对一流，答辩时他会很高兴地在论文上签名。在哈特那四壁摆满书橱的办公室里，两人甚至还握了手。戴夫注意到，哈特两眼放光，充满信任，神情宛如慈父一般。在答辩时，戴夫觉得自己流利地概括了论文的第三章。评审者提了两个问题，一个是罗德曼教授提的，另一个是蒂尔博士提的。戴夫分别做了回答，并且显然让每个人都心悦诚服，再没有人提出异议。

罗德曼教授签了名。他把论文推给蒂尔，她也签上了名字，接着便把本子推到了哈特跟前。哈特没有动。

“爱德华？”罗德曼问道。

哈特仍然坐在那儿，毫无表情。戴夫感到有点眩晕。“爱德华，你打算签名吗？”

过后，哈特一个人呆在办公室里，坐在那张宽大的皮椅里，他为戴夫未能通过答辩感到难过。他试图想出帮助戴夫实现他梦想的办法。 [文章尾部最后500字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。2019全球人工智能产业数据报告G5基于智能反馈的学情分析(1)《数据与智能思维》结课报告关于数字化转型、智能化发展的指导意见(1)中国移动探索大数据与人工智能试题智能机器人工程挑战赛2020全自动智能锁说明书人工智能发展与产业应用题目的参考答案解题人工智能课程试卷

以上为《第1章 人工智能概述课件》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。