1_人工智能概述

智能的定义：

• 内涵：知识+思维
• 外延：获取知识，应用知识的能力，分析问题，解决问题的能力

智能的不同观点

• 思维理论：智能来源于思维活动，智能的核心是思维，人的一切知识都是思维的产物。可望通过对思维规律和思维方法的研究，来揭示智能的本质。
• 知识阈值理论：智能取决于知识的数量及其可运用程度。一个系统所具的可运用知识越多，其智能就会越高。
• 进化理论：是美国MIT的Brooks在对人造机器虫研究的基础上提出来的。智能取决于感知和行为，取决于对外界复杂环境的适应，智能不需要知识、不需要表示、不需要推理，智能可由逐步进化来实现。

AI的定义

AI的总目标：不仅仅想要理解智能，还试图构建智能 。

文中将AI的实现目标分了两个维度，两个维度交叉形成四个目标。

两个维度分别为：

• thought processes and reasoning && behavior
• rationality && human

对应于相应的途径为：

• acting humanly
• thinking humanly
• thinking rationally
• acting rationaly

Acting humanly

就是以人脑的方式进行构建人工智能。其目标是通过完全图灵测试（total Turing Test） 。

实际中并没有科学家的研究人工智能的目的是制造一个可以通过图灵测试的机器，因为正如文中所讲，当莱特兄弟将飞翔的原理由模拟鸟飞翔改为蒸汽动力飞翔的时候，他们就已经成功了。

Turing Test:A computer passes the test if a human interrogator, after posing some written questions, cannot tell whether the written responses come from a person or from a computer.

total Turing Test includes a video signal so that the interrogator can test the
COMPUTER VISION ROBOTICS
subject’s perceptual abilities, as well as the opportunity for the interrogator to pass physical objects “through the hatch.”

thinking humanly

企图使用人脑的运行方式来进行构建人工智能。其目标是通过图灵测试（Turing Test）。

而人脑运行方式则是一般有其他的实验科学得到，AI的成功在某种程度上成为了一种验证工具。所以cognitive science便是二者的结合物。

thinking rationaly

在thinking rationaly部分，企图以逻辑化的形式来进行人工智能的构建。

但是存在两个阻碍：

• 将实际问题转变为形式化的问题，困难重重，特别是对于一些不确定的知识。
• 在逻辑上可以解决问题，不等于实际解决问题。

acting rationaly

目标是构建一个rational agent，其在给定条件下，总能达到最好的输出。

关于acting rationaly的thinking rationaly关系，可以视为thinking rationaly是acting rationaly的一部分，因为acting rationaly为目标的AI必然要实现thinking rationaly来进行具体的判断，达到最好的输出，但是仍然存在一种情况，thinking rationaly看来这是没有经过推理的行为，但是对于acting rationaly，这部分必须得做。举的例子为反射。

acting rationaly作者看来是比其他的实现目标的更好的，一方面，它比thinking rationaly更加广泛，合理的推理只是实现合理性的一种途径。这可以从上面的比较窥探一二。另一方面，其比human的两个目标更加容易检验，acting rationaly可以在数学上构造合理性的标准，而human很难界定。

人工智能的目标

远期目标：

揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能。 涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展。

用自动机重现人类的思维过程和智能行为 。

近期目标

研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。

建造智能计算机代替人类的部分智力劳动 。

人工智能的发展简史

1956年以前--孕育期

• 英国查尔斯· 巴贝奇研制出了差分机和分析机。
• 1937年，英国学者图灵提出“图灵计算机”。
• 香农创立信息论； 1938年首次证明布尔代数的逻辑运算，可以通过继电器电路来实现。
• 1945年冯· 诺依曼提出存储程序的概念
• 1946年世界上第1台通用电子数字计算机ENIAC研制成功。
• 美国神经生理学家麦克洛奇和皮兹，于1943年建成了第一个神经网络模型(MP模型)。
• 1948年美国著名数学家、控制论创始人维纳创立了控制论。控制论向人工智能的渗透，形成了行为主义学派。
• 图灵又于1950年，发表题为《计算机能思维吗？》的著名论文，明确提出了“机器能思维”的观点。

1956~1970 --形成期

1956年，Dartmouth会议

• J.McCarthy率先使用Artificial Intelligence
• 发起人：J.McCarthy,M.L.Minsky,N.Locheste,C.E.Shannon
• 参与人员：T.more,A.L.Samuel,R.Solomonf,O.Selfridge,A.Newell,H.A.Simon

1970~20世纪80年代末--知识应用期

挫折

• 在博弈方面，塞缪尔的下棋程序在与世界冠军对弈时，5局败了4局。
• 在定理证明方面，发现鲁宾逊归结法的能力有限。当用归结原理证明两个连续函数之和还是连续函数时，推了10万步也没证出结果。
• 在问题求解方面，对于不良结构，会产生组合爆炸问题。
• 在机器翻译方面，发现并不那么简单，甚至会闹出笑话。例如，把“心有余而力
  不足”的英语句子翻译成俄语，再翻译回来时竟变成了“酒是好的，肉变质了”
• 在神经生理学方面，研究发现人脑有10^11-12以上的神经元，在现有技术条件下用机
  器从结构上模拟人脑是根本不可能的。
• 在其它方面，人工智能也遇到了不少问题。从此，在全世界范围内人工智能研究
  陷入困境、落入低谷。

成功

以知识为中心的研究取得了成功，以专家系统为代表，专家系统 = 知识 + “如果....那么...”。例如：DENDRAL,MYCIN,XCON...

• 优点：第一次将人工智能推向应用。
• 缺点：知识可能不确定，建造以及维护费用很高。

20世纪80年代~本世纪初 -- 从学派分立到综合

本世纪初以来--智能科学技术的兴起

人工智能三大学派

智能的不同理解造就了不同的学派

符号主义学派

是指基于符号运算的人工智能学派，核心是知识表示和知识推理，知识用符号表示，也可用符号进行推理。

运用计算机科学方法，逻辑演绎。

联结主义学派

是指神经网络学派，智能行为的基础是神经元，而不是符号，思维过程是精神元的联结活动过程，而不是符号运算过程。

运用仿生学方法，网络连接机制。

行为主义学派

是指进化主义学派，智能取决于感知和行动，智能不需要知识，不需要推理，不需要表示，人工智能可以由人类智能那样逐步进化。

运用控制论的思想，控制论和机器学习算法。