第1章：人工智能概述

人工智能的定義

智能的定義

智能是個(gè)體從經(jīng)驗(yàn)中學(xué)習(xí)、正確推理、記憶重要信息，以及應(yīng)對(duì)日常生活需求的認(rèn)知能力。

(1)如何判定某個(gè)人或者物是否有智能？

可以用問(wèn)答方式

(2)動(dòng)物是否有智能？

有些經(jīng)過(guò)人為的訓(xùn)練可以表現(xiàn)出智能；有些則在集體中表現(xiàn)出智能。

(3)如果動(dòng)物有智能，那么如何評(píng)估它們的智能？

一種方法是腦與身體的質(zhì)量比；另一種是工具的使用

圖靈測(cè)試

定義

一個(gè)男人和一個(gè)女人坐在簾子的后面，詢問(wèn)者必須同時(shí)正確地識(shí)別出兩人地性別。

不適合的問(wèn)題

• $100001^7$平方根是多少
• 當(dāng)前的天氣怎么樣
• 你害怕死亡嗎

爭(zhēng)議與批評(píng)

• 布洛克對(duì)圖靈測(cè)試的批評(píng)——可以用機(jī)械查表的方法通過(guò)圖靈測(cè)試并不能說(shuō)明機(jī)器有智能
• 塞爾的批評(píng)——計(jì)算機(jī)只需要接收、處理以及使用符號(hào)來(lái)回答問(wèn)題，而不必學(xué)習(xí)或理解符號(hào)本身的真真正含義，并不能說(shuō)明機(jī)器有智能

批評(píng)的核心：圖靈測(cè)試僅從外部觀察不能洞察某個(gè)實(shí)體的內(nèi)部狀態(tài)

強(qiáng)人工智能與弱人工智能

強(qiáng)人工智能

卡內(nèi)基-梅隆大學(xué)為代表；主要關(guān)注生物可行性；關(guān)注所構(gòu)建系統(tǒng)的結(jié)構(gòu)。

弱人工智能

麻省理工學(xué)院為代表；主要關(guān)注的是得到令人滿意的執(zhí)行結(jié)果

啟發(fā)式方法

引言

強(qiáng)人工智能的支持者堅(jiān)持認(rèn)為，完全依靠人工智能程序的啟發(fā)式方法、算法和支持，計(jì)算機(jī)就可以獲得意識(shí)和智能。

定義

啟發(fā)式方法是一組常常用于解決問(wèn)題的指導(dǎo)法則，可以但不能保證得到一個(gè)不錯(cuò)的結(jié)果

與算法的區(qū)別：

? 算法是預(yù)先設(shè)定的用于解決問(wèn)題的一組規(guī)則，其輸出是完全可預(yù)測(cè)的。

問(wèn)題應(yīng)用

長(zhǎng)方體的對(duì)角線

解決一個(gè)相對(duì)簡(jiǎn)單的問(wèn)題，如計(jì)算矩形的對(duì)角線，有助于解決相對(duì)困難的問(wèn)題，如長(zhǎng)方體的對(duì)角線

水壺問(wèn)題：反向倒推

通用問(wèn)題求解器(GPS,General Problem Solver)

應(yīng)用與方法

搜索算法與拼圖問(wèn)題

狀態(tài)空間圖

盲目搜素

深度優(yōu)先搜索 DFS

廣度優(yōu)先搜索 BFS

組合爆炸

‘向前看’ : 爬山法、集束搜索、最佳優(yōu)先搜索

‘向后看’ : 分支定界

二人博弈

博弈（game）不僅具有現(xiàn)實(shí)世界場(chǎng)景的屬性，但是不會(huì)在真實(shí)世界中產(chǎn)生后果，因此是良好的人工智能方法的測(cè)試平臺(tái)。

eg：迭代的囚徒困境

自動(dòng)推理

程序往往是基于規(guī)則去匹配，不具備推理能力，當(dāng)面對(duì)問(wèn)題相對(duì)較大且更加復(fù)雜難懂時(shí)，使用自動(dòng)推理程序來(lái)協(xié)助將大有裨益。

產(chǎn)生式規(guī)則和專家系統(tǒng)

產(chǎn)生式規(guī)則

IF(條件)，THEN 動(dòng)作

或者

IF(條件)，THEN事實(shí)

專家系統(tǒng)

特性

• 知識(shí)庫(kù)與推理機(jī)的分離
• 系統(tǒng)的知識(shí)超過(guò)任何專家或所有專家的知識(shí)的總和
• 知識(shí)與搜索技術(shù)的關(guān)系
• 推理以及不確定性

成功案例

• DENDRAL使用啟發(fā)式方法鑒定未知的化合物
• MYCIN研究傳染性血液疾病
• PROSPECTOR礦物勘測(cè)

細(xì)胞自動(dòng)機(jī)（CA）

可視為n維空間中細(xì)胞的集合，每個(gè)細(xì)胞都可以處于少量幾個(gè)狀態(tài)中的任何一種，例如，一個(gè)細(xì)胞可以分為黑色或白色。

神經(jīng)計(jì)算

神經(jīng)系統(tǒng)的基本構(gòu)件是人工神經(jīng)元（閾值邏輯單元）進(jìn)行建模。

權(quán)重如何得到？

迭代學(xué)習(xí)算法，即感知器學(xué)習(xí)規(guī)則。

人工神經(jīng)網(wǎng)絡(luò)（ANN）

缺點(diǎn)：不包括學(xué)習(xí)機(jī)制

反向傳播（BP）

這是一種適用于多層網(wǎng)絡(luò)的學(xué)習(xí)算法

遺傳算法

遺傳算法使用概率和并行性來(lái)解決組合問(wèn)題（優(yōu)化問(wèn)題）

淵源：進(jìn)化計(jì)算

問(wèn)題的擬解決方案可以適應(yīng)環(huán)境，就像在真實(shí)世界中動(dòng)物適應(yīng)環(huán)境一樣。

包容體系架構(gòu)方法

基于符號(hào)的方法依賴于啟發(fā)式方法和表示范式。

知識(shí)表示

引言

人工智能系統(tǒng)需要獲取和存儲(chǔ)知識(shí)，從而也就需要能夠識(shí)別和表示知識(shí)，從而需要一種合適的表示方法。

基于圖的方法

優(yōu)點(diǎn)：感官上更具吸引力

語(yǔ)義網(wǎng)絡(luò)

語(yǔ)義網(wǎng)絡(luò)是面向?qū)ο缶幊陶Z(yǔ)言的前身

框架

框架可以系統(tǒng)性、層次化且十分簡(jiǎn)潔地描述對(duì)象

腳本

腳本是對(duì)框架的拓展，進(jìn)一步利用了人類交互中固有的預(yù)期能力

不確定性推理

概率是我們?nèi)粘Ｉ钪械囊徊糠郑斯ぶ悄芟到y(tǒng)也會(huì)收到不確定性的困擾。許多領(lǐng)域都存在模糊集，都可以找到模糊邏輯控制器。

自然語(yǔ)言處理（NLP)

Eliza

僅僅使用匹配的方式偽裝成類似于人類的交互

SHRDLU

SHRDLU使用意義、語(yǔ)法、演繹推理來(lái)理解和響應(yīng)英文命令，他的會(huì)話世界是一個(gè)桌面，上面放著各種形狀、大小和顏色的積木。

HEARSAY

該程序采用黑板架構(gòu)，使用語(yǔ)法和語(yǔ)義信息來(lái)去除不太可能的單詞組合

HWIM

使用增強(qiáng)的轉(zhuǎn)移網(wǎng)絡(luò)來(lái)理解口語(yǔ)

生物信息學(xué)

生物信息學(xué)是將計(jì)算機(jī)科學(xué)的算法和技術(shù)應(yīng)用于分子生物學(xué)的一門(mén)新興學(xué)科，主要關(guān)注生物數(shù)據(jù)的管理和分析。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-823013.html

到了這里，關(guān)于共讀人工智能（第3版)---01人工智能概述的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！