第一章 人工智能导论绪论.pdf

《第一章 人工智能导论绪论.pdf》由会员分享，可在线阅读，更多相关《第一章 人工智能导论绪论.pdf（42页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1 智能，是“智慧”和“能力”的综合表现。智能，是“智慧”和“能力”的综合表现。 智慧包括：感知、记忆、思维、学习、创造。智慧包括：感知、记忆、思维、学习、创造。 能力包括：行为、语言、情感。能力包括：行为、语言、情感。 智能的特征：有思维、有创造性、有情感。智能的特征：有思维、有创造性、有情感。 对于一个科学问题来说，智能的定义显然是很模糊的。这种模糊性，对于一个科学问题来说，智能的定义显然是很模糊的。这种模糊性， 使得“智能”被演绎成各种模样。使得“智能”被演绎成各种模样。 什么是智能？ 3 什么是“人工智能”？ 而作为学术名词，人工智能的起源非常明确。公认的人工智能学科 诞生于1956年

2、的达特茅斯会议。 达特茅斯学院，会议召开地 2006年达特茅斯会议当事人重聚，左起：摩尔、麦卡锡、 明斯基、塞弗里奇、所罗门诺夫 4 什么是“人工智能”？ 我们提议1956年夏天在新汉普郡汉诺威市达特茅斯学院达特茅斯学院举行一次10人参 加为期两个月的人工智能人工智能研讨会。这次研讨会的主题是建立在一项假设 的基础上，即原则上学习的每个方面或智能的任何特征都能被精确地描学习的每个方面或智能的任何特征都能被精确地描 述到用机器来模拟的程度述到用机器来模拟的程度。 麦卡锡（J. McCarthy），达特茅斯学院 明斯基（M. L. Minsky），哈佛大学 罗彻斯特（N. Rochester），I

3、BM公司 香农（C. E. Shannon），贝尔语音实验室 1955年8月31日 达特茅斯会议的主要成就，就是使得人工智能成为一个独立的学科， 并且为人工智能给出了第一个准确的描述。 5 什么是“人工智能”？ 学习的每个方面或智能的任何特征都能被精确地描述到用机器学习的每个方面或智能的任何特征都能被精确地描述到用机器 来模拟的程度来模拟的程度。 这句话，可以用“两个维度，一个核心”来分析。 两个维度：“学习的每个方面”、“智能的任何特征”两个维度：“学习的每个方面”、“智能的任何特征” 一个核心：“用机器来模拟”一个核心：“用机器来模拟” 也就是说，人工智能最开始的定义，并不是研究或制造人类

4、的 智能，而是“用机器模拟人类的学习能力和人类智能特征”。 这才是人工智能的核心思想，自1956年来，从未改变。 6 什么是“人工智能”？ 当然，这个描述仍然有些不好理解。对于现在阶段，我们可以用比较 通俗的一段话来描述人工智能： 人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、 技术及应用系统的一门新的技术科学。人工智能的研究目的是促使智 能机器： 会听（语音识别、机器翻译等）、会听（语音识别、机器翻译等）、 会看（图像识别、文字识别等）、会看（图像识别、文字识别等）、 会说（语音合成、人机对话等）、会说（语音合成、人机对话等）、 会思考（人机对弈、定理证明等）、会思考（人机对弈

5、、定理证明等）、 会学习（机器学习、知识表示等）、会学习（机器学习、知识表示等）、 会行动（机器人、自动驾驶汽车等）。会行动（机器人、自动驾驶汽车等）。 谭铁牛，谭铁牛，求是2019/04 7 图灵与人工智能 说到人工智能，就必须提及大名鼎鼎的阿兰图灵(1912- 1954)现代计算机的奠基人，人工智能之父。 图灵是标准的数学天才。在1930年代，哥德尔完成了著名 的不完备定理证明，但在当时没有找到实例。1936年，年 仅24岁的图灵，在构造不完备定理的反例的过程中，提出 了图灵机图灵机的构想，并证明了这样的设备能够解决任何可算 法化的问题。实际上，这也是通用计算机的雏形。 这些发现，使得图灵

6、开始思考，如果机器仅仅使用几种简 单指令，就可以解决数学和逻辑问题，那么是否意味着机 器在理论上可以模仿人类的思想？ 9 图灵与人工智能 1950年，图灵发表了题为 Can machines think ？Can machines think ？的论文。论文的开篇是 一条明确的声明：“我准备探讨Can machines think?这个问题。” 针对这个问题，图灵给出了一个完全可操作的定义：如果一台机器输出的内容 和人类大脑别无二致的话，那么就可以认为这台机器在“思考”。 这就是“人工智能”的最初设想，这份设想也在无形中让图灵摘得了“人工智 能之父”的桂冠。而这个模仿测试也就是著名的“图灵测试

7、”。相当长一段时 间内， “图灵测试”被认为是人工智能水平的标准测试模型。 10 图灵测试 图灵测试由计算机、被测试的人和主持 试验的人组成。测试过程由主持人提问， 计算机和被测试的人分别做出回答。被 测人在回答问题时尽可能表明他是一个 “真正的”人，而计算机也将尽可能逼 真的模仿人的思维方式和思维过程。 进行多次测试后，如果有超过30%的测 试者不能确定出被测试者是人还是机器， 那么这台机器就通过了测试，并被认为 具有人类智能。 11 历史总是充满了遗憾，1954年，年仅43岁的图灵，因同性恋倾向历史总是充满了遗憾，1954年，年仅43岁的图灵，因同性恋倾向 而遭到当时的英国政府迫害，食用浸

8、过氰化物的苹果自杀身亡。而遭到当时的英国政府迫害，食用浸过氰化物的苹果自杀身亡。 此时距离达特茅斯会议召开，仅不到两年时间。此时距离达特茅斯会议召开，仅不到两年时间。 在达特茅斯会议上，10位与会者除了给“人工智能”学科下一个在达特茅斯会议上，10位与会者除了给“人工智能”学科下一个 清晰的定义，更重要的是将当时所有符合图灵思想的方法汇集，清晰的定义，更重要的是将当时所有符合图灵思想的方法汇集， 形成学科的研究范畴。形成了人工智能研究的几个主要流派，为形成学科的研究范畴。形成了人工智能研究的几个主要流派，为 学科后续发展奠定了基础。学科后续发展奠定了基础。 12 西蒙&纽维尔：“逻辑理论家逻辑

9、理论家” 如何让机器证明数学定理？如何让机器证明数学定理？ 在当时，逻辑理论家已经可以证明在当时，逻辑理论家已经可以证明 数学原理一书第二章 52个定理数学原理一书第二章 52个定理 中的38个定理，是会议上唯一一个中的38个定理，是会议上唯一一个 可以运行的智能程序。可以运行的智能程序。 后续，两人相继提出了“物理符号后续，两人相继提出了“物理符号 系统假说”、“语义网络”、“系统假说”、“语义网络”、“决 策支持系统”等等成果，成为1970”等等成果，成为1970 年代主流的人工智能方法。年代主流的人工智能方法。 13 麦卡锡：“状态空间搜索法搜索法”。 在达特茅斯会议上，麦卡锡带来的 是

10、“状态空间搜索法搜索法”。 此前麦卡锡一直在做机器下棋的研究，此前麦卡锡一直在做机器下棋的研究， 他认为，智能活动可以看成若干状态他认为，智能活动可以看成若干状态 之间的转移过程，当问题有多种状态之间的转移过程，当问题有多种状态 可以选择时，如何快速搜索得到最优可以选择时，如何快速搜索得到最优 方案？方案？ 长期以来，状态空间搜索法是人工智长期以来，状态空间搜索法是人工智 能解决复杂问题的主流方法之一。直能解决复杂问题的主流方法之一。直 到“深蓝”和“沃森”系统，本质上到“深蓝”和“沃森”系统，本质上 依然使用了状态空间搜索方法。依然使用了状态空间搜索方法。 14 明斯基：“人工神经网络人工神

11、经网络” 人工神经网络的早期工作可以追溯至1940 年代，明斯基正是这一领域的先行者。在 普林斯顿大学念研究生时，他就建造了第 一台神经网络学习机SNARC。 在会上，明斯基提出用计算机模拟神经元 及其连接，通过“人工神经网络人工神经网络”模拟智 能。 有趣的是，在1969年，明斯基写了感知 机一书，几乎完全否定了人工神经网络 的做用，导致该领域将近20年的低谷期。 15 人工智能的流派 以上三种方法，对后续人工智能的发展起到了奠基的作用。人 工智能的发展，也逐渐演变成几种主要流派。 我们回顾一下达特茅斯会议中人工智能的纲领：学习的每个方 面或智能的任何特征都能被精确地描述到用机器来模拟的程度

12、。 这里涉及两个维度，分别是 学习的每个方面学习的每个方面 智能的任何特征智能的任何特征 16 人工智能的流派 第一个维度，讨论的是“智能机器如何模拟人类学习的过 程和结果”， 针对这个问题，人工智能学界借用哲学观点，大致可以分 为两个流派： 理性主义、理性主义、 经验主义经验主义 17 人工智能的流派 理性主义认为，人类学习得到的知识是绝对理性的，可以精确描理性主义认为，人类学习得到的知识是绝对理性的，可以精确描 述，因此人工智能方法需要人工进行知识的汇总、加工、抽象、述，因此人工智能方法需要人工进行知识的汇总、加工、抽象、 归纳，并基于此建立某种理性思考的框架，并最终让计算机依据归纳，并基

13、于此建立某种理性思考的框架，并最终让计算机依据 理性知识库开展思考。理性主义是人工智能早期的主流思潮，至理性知识库开展思考。理性主义是人工智能早期的主流思潮，至 今也扮演着重要角色，比如如今的知识图谱。今也扮演着重要角色，比如如今的知识图谱。 经验主义则认为，外部世界的知识无法精确描述，而只能通过体经验主义则认为，外部世界的知识无法精确描述，而只能通过体 验、经历、感受才能获得。智能机器需要通过不断感知外部世界，验、经历、感受才能获得。智能机器需要通过不断感知外部世界， 以尝试、探索的方式，获得知识。这其实就是机器学习的最基本以尝试、探索的方式，获得知识。这其实就是机器学习的最基本 思想。思想

14、。 18 人工智能的流派 我们再来看第二个维度：“机器如何模拟智能的特征？” 或者说，机器应该从什么角度出发去模拟智能？ 这个问题，衍生出两种思潮： 符号主义 连接主义 19 人工智能的流派 符号主义认为人工智能本质是知识符号化，只要将世界知识转换符号主义认为人工智能本质是知识符号化，只要将世界知识转换 为某种符号系统，智能机器就可以根据该符号体系，解决真实世为某种符号系统，智能机器就可以根据该符号体系，解决真实世 界的问题。可见，与理性主义是统一的。是理性主义解决问题的界的问题。可见，与理性主义是统一的。是理性主义解决问题的 方式。方式。 连接主义认为，大脑是智能产生的根源，因此实现人工智能

15、应该连接主义认为，大脑是智能产生的根源，因此实现人工智能应该 研究大脑的结构、信息处理机制、运行方式，然后在机器上模拟研究大脑的结构、信息处理机制、运行方式，然后在机器上模拟 大脑，实现人工智能。这就是现在阶段主流的人工神经网络方法。大脑，实现人工智能。这就是现在阶段主流的人工神经网络方法。 20 按照刚才的划分，我们不难对达特茅斯会议上的主要方法 进行总结，得到方法的流派划分 明斯基：“人工神经网络人工神经网络” 用计算机模拟神经元及其连接，以实现自主识别、 判断 经验主义、连接主义 麦卡锡：“搜索法搜索法” 如何选取最优方案？如何忽略低可能性方案？ 经验主义、符号主义 西蒙&艾伦纽维尔：“

16、逻辑理论家逻辑理论家” 如何让机器证明数学定理？ 理性主义、符号主义 21 人工智能的三次浪潮和两次寒冬 1950s：神经网络、自动 定理证明方法相继提出， 1960-1970s：自动定理 证明方法迅速发展，符号 主义和理性主义达到高峰， 1974：逻辑计算能力不足， 应用能力弱，达不到预期 结果，进入低谷。 1980s：机器学习取代逻辑 计算，经验主义开始复苏。 同时，知识工程、专家系统、 语义网同步兴起。 1990s：搜索方法解决问题 成为主流，经验主义达到发 展的高峰。“浅层”模型成 熟并达到瓶颈。 2006：深度模型出现， 连接主义复兴 2008：google cat 2012： Im

17、ageNet比赛 2014： alpha go 2016： 机器翻译 2017： 强化学习 2018：对抗生成方法 AI winter II 1987-1993 AI winter I 1974-1980 1956 1970 1985 2006 now 1960 逻辑智能 计算智能 认知智能 符号主义，理性主义符号主义，经验主义 连接主义，经验主义 22 逻辑智能浪潮 1956-1970，是AI发展的第一次浪潮。其中最核心的就是 西蒙和纽厄尔推崇的自动定理证明方法。 在当时的计算条件下，将人类知识表示为符号，进行推 理演算，是最可行的方法。 在定理证明方面： 1958年，AI证明了数学原理命题

18、验算部分的220个命题。1958年，AI证明了数学原理命题验算部分的220个命题。 1963年，AI能够独立证明数学原理第二章中的全部58题。1963年，AI能够独立证明数学原理第二章中的全部58题。 1976年，计算机在协助下证明了地图的1976年，计算机在协助下证明了地图的四色问题四色问题。 23 逻辑智能浪潮 当时，形式一片大好，甚至在1958，西蒙信心满满的宣称：不当时，形式一片大好，甚至在1958，西蒙信心满满的宣称：不 出十年，AI将成为世界象棋冠军，证明所有定理，谱写优美音出十年，AI将成为世界象棋冠军，证明所有定理，谱写优美音 乐。2000年，AI将超越人类。乐。2000年，A

19、I将超越人类。 然而在1970年代后期，随着人工智能需要处理的知识规模不断然而在1970年代后期，随着人工智能需要处理的知识规模不断 增大，自动定理证明方法越来越低效，1970年代兴起的专家系增大，自动定理证明方法越来越低效，1970年代兴起的专家系 统很快就遭遇严重的知识爆炸瓶颈，理性主义的人工智能方法统很快就遭遇严重的知识爆炸瓶颈，理性主义的人工智能方法 没落。没落。 24 计算智能浪潮 进入1980年代，以机器学习为代表的经验主义方法逐渐进入1980年代，以机器学习为代表的经验主义方法逐渐 复兴，取代了逻辑智能中的理性主义。复兴，取代了逻辑智能中的理性主义。 在这一阶段，人类的知识仍然以

20、符号化表示，而由计算在这一阶段，人类的知识仍然以符号化表示，而由计算 机扮演学习者的角色，通过探索试错，来自主寻求问题机扮演学习者的角色，通过探索试错，来自主寻求问题 的解答。的解答。 机器学习方法与状态空间搜索方法配合，成为解决复杂机器学习方法与状态空间搜索方法配合，成为解决复杂 问题的主流方法。问题的主流方法。 由于这些方法大都需要大量的计算过程，因此称为计算由于这些方法大都需要大量的计算过程，因此称为计算 智能。智能。 25 计算智能浪潮 在这一时期，典型的代表作包括IBM的国际象棋程在这一时期，典型的代表作包括IBM的国际象棋程 序：1997年，计算机 “深蓝”战胜了世界象棋冠序：19

21、97年，计算机 “深蓝”战胜了世界象棋冠 军卡斯帕罗夫。军卡斯帕罗夫。 此后的2011年，IBM的Watson在问答节目危险此后的2011年，IBM的Watson在问答节目危险 中最终战胜了人类。计算智能在这时达到了历史最中最终战胜了人类。计算智能在这时达到了历史最 顶峰。顶峰。 26 认知智能浪潮 2006，Hinton教授和他的学生在2006，Hinton教授和他的学生在科学上发表了文章，开启科学上发表了文章，开启了了 深度学习发展的浪潮。深度学习发展的浪潮。 这篇文章有两个主要观点：这篇文章有两个主要观点： 1）多隐层的人工神经网络具有优异的特征学习能力1）多隐层的人工神经网络具有优异的

22、特征学习能力 2）深度神经网络可以通过“逐层训练” 来有效克服2）深度神经网络可以通过“逐层训练” 来有效克服 至此，沉积几十年的人工神经网络方法再次出现在人们的 视野中，并迅速点燃了认知智能浪潮，连接主义再度兴起。 27 认知智能浪潮 自2006年以后，深度学习得到了快速发展。自2006年以后，深度学习得到了快速发展。 2009年，2009年，邓力邓力利用深度学习，把语音识别错误率大幅利用深度学习，把语音识别错误率大幅 降低25%，达到商业应用水平（95%正确率）。在此后降低25%，达到商业应用水平（95%正确率）。在此后 的数年，语音识别迅速从实验室走向市场，衍生出巨的数年，语音识别迅速从

23、实验室走向市场，衍生出巨 大的商业价值。大的商业价值。 2011年，谷歌展示了“2011年，谷歌展示了“谷歌猫谷歌猫”，计算机自动学会了”，计算机自动学会了 “猫”的样子，并能“想象”出猫的形象。“猫”的样子，并能“想象”出猫的形象。 2012年 Hinton教授门下的一个超级简单明了的结构，2012年 Hinton教授门下的一个超级简单明了的结构， 在在图像分类竞赛 ImageNet 图像分类竞赛 ImageNet 上，以绝对优势战胜巨头上，以绝对优势战胜巨头 谷歌，引起轩然大波。谷歌，引起轩然大波。 28 认知智能浪潮 2016年，谷歌“2016年，谷歌“阿法狗阿法狗”利用CNN模型”利用

24、CNN模型 战胜李世乭，首次在围棋项目中战胜战胜李世乭，首次在围棋项目中战胜 人类顶尖棋手。人类顶尖棋手。 正式宣告，人工智能第三次浪潮来临。正式宣告，人工智能第三次浪潮来临。 近两年里，人工智能更是以以往无法近两年里，人工智能更是以以往无法 想象的速度更新发展，在多个领域开想象的速度更新发展，在多个领域开 花结果。花结果。 由于这些方法的理论基础都是连接主由于这些方法的理论基础都是连接主 义，学习过程更接近人类从无到有的义，学习过程更接近人类从无到有的 认知过程，因此学者们称为认知智能。认知过程，因此学者们称为认知智能。 29 现状 对于人工智能的发展现状，社会上存在一些“炒作”。 过分“宣

25、传”人工智能产品，夸大人工智能的做用和能力。过分“宣传”人工智能产品，夸大人工智能的做用和能力。 Fast Company 在原文中强调，人工智能发明了人类无法理解的语言，并称“Facebook 的研究员是在认为这些机器人失控的情况下，决定“拔掉插头”，结束这项研究。” 实际上这种“失控”在任何一个成熟的语言智能实验室都可以实现，甚至这种情况正是 典型的实验失败，而不是创造了新的语言。 31 现状 对于人工智能的发展现状，社会上存在一些“炒作”。 宣染人工智能的可怕，如：人工智能系统的智能水平即将全面超宣染人工智能的可怕，如：人工智能系统的智能水平即将全面超 越人类水平、30年内机器人将统治世

26、界、人类将成为人工智能的越人类水平、30年内机器人将统治世界、人类将成为人工智能的 奴隶，等等。奴隶，等等。 典型的例子如“未来人工智能将要取代的x个职业”，这类报道。典型的例子如“未来人工智能将要取代的x个职业”，这类报道。 实际上关于未来人工智能会不会取代人的问题，有一个很有意思实际上关于未来人工智能会不会取代人的问题，有一个很有意思 的回答，“人工智能并不会取代你，但比你更会利用人工智能的的回答，“人工智能并不会取代你，但比你更会利用人工智能的 人会取代你。”大家想想，是不是更有道理？人会取代你。”大家想想，是不是更有道理？ 32 现状 实际上，人工智能发展的真实现状，是很客观的。进入2

27、010年以来， 以神经网络为基础的人工智能方法与前代方法相比，取得了突破性 进展。但根本的方法论并没有变化，仍然遵循我们之前介绍的原则。 目前，从科技学术视角，人工智能发展的现状可以概括为如下几点： 专用人工智能取得重要突破。专用人工智能取得重要突破。 通用人工智能尚处于起步阶段。通用人工智能尚处于起步阶段。 人工智能与其他学科领域加速交叉，深度渗透。人工智能与其他学科领域加速交叉，深度渗透。 人工智能方法，正在快速改变科学技术发展。人工智能方法，正在快速改变科学技术发展。 33 人工智能的社会影响 另一方面，人工智能的社会影响日益凸显人工智能的社会影响日益凸显，在“信息化社 会”之后，将推动

28、人类进入智能化社会。 近年来，世界各国政府也逐渐意识到人工智能的不断发展 所可能带来的影响，并通过行政引导来加强本国在这方面 的研发。 34 美国 在2016年奥巴马时代，就出台了关于人工智能的发展战略报告 35 美国 在特朗普政府上台后，继续重视人工智能的发展。 2018年5月特朗普政府的 人工智能峰会宣布了其目 标： （1）保持美国在人工智能 方面的领导地位 （2）支持美国工人 （3）促进公共研发， （4）消除创新障碍。 36 中国 自2014年以来，中国政府推出了一系列重自2014年以来，中国政府推出了一系列重 要的国家人工智能计划，目标是到2018年要的国家人工智能计划，目标是到201

29、8年 在中国建立一个价值147亿美元的人工智在中国建立一个价值147亿美元的人工智 能市场，并确保中国在2030年前在人工智能市场，并确保中国在2030年前在人工智 能方面领先世界。能方面领先世界。 在2017年7月，国务院发布新一代人工在2017年7月，国务院发布新一代人工 智能发展规划，将新一代人工智能放在智能发展规划，将新一代人工智能放在 国家战略层面进行部署，描绘了面向2030国家战略层面进行部署，描绘了面向2030 年的我国人工智能发展路线图，旨在构筑年的我国人工智能发展路线图，旨在构筑 人工智能先发优势，把握新一轮科技革命人工智能先发优势，把握新一轮科技革命 战略主动。战略主动。

30、37 人工智能的重要性 通过上述现象，我们不难看出，在当前社会， 人工智能不再是一个单独的学科，而是普遍方法、通用方法。人工智能不再是一个单独的学科，而是普遍方法、通用方法。 不再是科学问题，而是而是国家战略问题。不再是科学问题，而是而是国家战略问题。 不再是一国之事，而是多国协作竞争，关乎国运的事。不再是一国之事，而是多国协作竞争，关乎国运的事。 相应的，对于非专业人士，从现在开始，了解人工智能的 基本思想，对人工智能的发展有正确的观念，是有一定必 要性和现实意义的。我想，这也是我们开设这门课程的意 义之一了。 38 课程内容介绍 第二章 知识表示 第三章 自动推理与专家系统 第四章 知识图谱 第五章 搜索技术 第六章 群智能算法 第七章 机器学习 第八章 人工神经网络与深度学习 第九章 人工智能前沿应用 40 学习目标和知识准备 了解学科概况零门槛 理解基本思想计算机科学导论 掌握核心知识计算机科学导论、微积分、离散数学、 数据结构 41 学习建议 跟随课程，积极思考 扩大视野，不局限于课程内容 关注前沿，人工智能发展日新月异，关注最新进展，才能 更好把握时代节奏 教材和阅读材料推荐 42