《人工智能及应用.pptx》由会员分享，可在线阅读，更多相关《人工智能及应用.pptx（72页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、不确定性推理不确定性推理证据理论D-S理论理论l证据理论是由德普斯特证据理论是由德普斯特(A.P.Dempster)提提出，并由沙佛出，并由沙佛(G.Shfer)进一步发展起来的进一步发展起来的一种处理不确定性的理论。也称为一种处理不确定性的理论。也称为D-S理论。理论。l其将概率的单点赋值扩展为集合赋值，弱其将概率的单点赋值扩展为集合赋值，弱化了公理系统。处理由不知道引起的的不化了公理系统。处理由不知道引起的的不确定性。确定性。概率分配函数概率分配函数l定义定义4-14-1：设：设是样本集，则由是样本集，则由的所有子集的所有子集构成的集合称为构成的集合称为的幂集，记为的幂集，记为2。l例：设
2、例：设=红，黄，白红，黄，白，求，求的幂集的幂集2 解：解：的幂集元素为的幂集元素为 ，红红，黄黄，白白，红，黄红，黄，红，白红，白，黄，白黄，白，红，黄，白红，黄，白。概率分配函数概率分配函数定义定义4-24-2：设函数：设函数m:20,10,1，且满足且满足 m()=0 A m(A)=1m(A)=1称称mm是是2上的概率分配函数，上的概率分配函数，m(A)m(A)称为称为A A的基的基本概率数。本概率数。概率分配函数概率分配函数例：为上一个例子定义一个概率分配函数。例：为上一个例子定义一个概率分配函数。解：解：m(，红红，黄黄，白白，红，黄红，黄，红，白红，白，黄，白黄，白，红，黄，白红，
3、黄，白)=0,0.3,0,0.1,0.2,0.2,0,0.2概率分配函数的两点说明概率分配函数的两点说明l概率分配函数将样本空间中的任意子集映射到概率分配函数将样本空间中的任意子集映射到，的一个数。，的一个数。当子集是一个元素时，表示对此元素的精确信任度，当子集是一个元素时，表示对此元素的精确信任度，也是对子集的精确信任度。也是对子集的精确信任度。当子集是多个元素时，表示对子集的精确信任度，当子集是多个元素时，表示对子集的精确信任度，但不清楚子集中每个元素的信任度。但不清楚子集中每个元素的信任度。当子集是样本空间时，不知道如何将信任度分配给当子集是样本空间时，不知道如何将信任度分配给每个元素。
4、每个元素。概率分配函数的两点说明概率分配函数的两点说明如例中如例中A=红红，m(红红)=0.3表示对红的精确信表示对红的精确信任度是任度是0.3；A=红，黄，白红，黄，白，m(红，黄，白红，黄，白)=0.2表示这些信任度不知道如何分配给集合中的表示这些信任度不知道如何分配给集合中的元素。元素。l概率分配函数不是概率。概率分配函数不是概率。不满足概率的归一性。不满足概率的归一性。信任函数信任函数定义定义4-34-3：信任函数：信任函数(Belief function)(Belief function)Bel:2Bel:2 0,10,1为对任给的为对任给的AA Bel(A)=Bel(A)=B Am
5、(B)m(B)BelBel函数又称为下限函数，表示对函数又称为下限函数，表示对A A的总的信任的总的信任度。度。信任函数信任函数接前例：接前例：Bel()=0 Bel(红红)=0.3Bel(红红,白白)=Bel(红红)+Bel(白白)+Bel(红红,白白)=0.3+0.1+0.2=0.6Bel(红红,白白,黄黄)=Bel(红红)+Bel(白白)+Bel(黄黄)+Bel(红红,白白)+Bel(红红,黄黄)+Bel(黄黄,白白)+Bel(红红,黄黄,白白)=1信任函数信任函数Bel(Bel()=m()=m()=0)=0Bel(Bel()=)=BB m(B)=1m(B)=1似然函数似然函数定义定义4
6、-44-4：似然函数：似然函数(Plausibility function)(Plausibility function)Pl(A):2Pl(A):2 0,1 0,1 对任给的对任给的AA Pl(A)=1-Bel(A)Pl(A)=1-Bel(A)似然函数又称似然函数又称为不可不可驳斥函数或上限函数。表斥函数或上限函数。表示示对A A非假的信任度。非假的信任度。似然函数似然函数接前例：接前例：Pl(红红)=1-Bel(红红)=1-Bel(黄黄,白白)=1-Bel(黄黄)-Bel(白白)-Bel(黄黄,白白)=0.9Pl(黄黄,白白)=1-Bel(黄黄,白白)=1-Bel(红红)=0.7似然函数似
7、然函数可以证明可以证明 Pl(A)=Pl(A)=AB m(B)m(B)红B m(B)=m(m(B)=m(红红)+m()+m(红红,白白)+m()+m(红红,黄黄)+m(+m(红红,白白,黄黄)=0.3+0.2+0.2+0.2=0.9)=0.3+0.2+0.2+0.2=0.9 黄黄,白白B m(B)=m(m(B)=m(黄黄)+m()+m(白白)+m()+m(红红,黄黄)+m(+m(白白,黄黄)+m()+m(红红,白白)+m()+m(红红,白白,黄黄)=0+0.1+0+0.2+0.2+0.2=0.7 =0+0.1+0+0.2+0.2+0.2=0.7似然函数似然函数Pl(A)-Pl(A)-AB m(
8、B)=1-Bel(m(B)=1-Bel(A)-A)-AB m(B)m(B)=1-(Bel(=1-(Bel(A)+A)+AB m(B)m(B)=1-(=1-(B A m(B)+m(B)+AB m(B)m(B)=1-=1-B m(B)m(B)=0 =0 Pl(A)=Pl(A)=AB m(B)m(B)信任函数与似然函数的关系信任函数与似然函数的关系定理定理4-14-1：信任函数与似然函数有如下关系：对信任函数与似然函数有如下关系：对任给的任给的AA 有有 Pl(A)Bel(A)Pl(A)Bel(A)证明：明：Bel(A)+Bel(A)=Bel(A)+Bel(A)=B Am(B)+m(B)+C Am(
9、C)m(C)B m(B)=1m(B)=1信任函数与似然函数的关系信任函数与似然函数的关系又又 Pl(A)-Bel(A)=1-Bel(A)-Bel(A)Pl(A)-Bel(A)=1-Bel(A)-Bel(A)=1-(Bel(A)+Bel(A)=1-(Bel(A)+Bel(A)0 0 Pl(A)Bel(A)Pl(A)Bel(A)使用信任函数与似然函数使用信任函数与似然函数lBel(A)Bel(A)：表示：表示A A为真的信任度，为信任度为真的信任度，为信任度下限。下限。lPl(A)Pl(A)：表示：表示A A为非假的信任度，为信任度为非假的信任度，为信任度的上限。的上限。使用信任函数与似然函数使用
10、信任函数与似然函数l表示事物的不确定性可以由事物的这两个函数表示事物的不确定性可以由事物的这两个函数值来描述，例如值来描述，例如红红 红红：0.3,0.9 表示表示红红的精确信任度为的精确信任度为0.3，不可驳斥部分，不可驳斥部分为为0.9，而肯定不是，而肯定不是红红的为的为0.1典型值的含义典型值的含义lA0,1A0,1：说明对：说明对A A一无所知。一无所知。Bel(A)=0,Pl(A)=1,Bel(A)=0,Pl(A)=1,说明对说明对A A没有信任，对没有信任，对AA也没有信任。也没有信任。lA0,0A0,0：说明：说明A A为假。为假。Bel(A)=0,Pl(A)=0Bel(A)=0
11、,Pl(A)=0，Bel(A)=1Bel(A)=1。lA1,1A1,1：说明：说明A A为真。为真。概率分配函数的正交和概率分配函数的正交和定义定义4-54-5：设：设m和和n是两个不同的概率分配函数，是两个不同的概率分配函数，其正交和其正交和mn满足满足 mn(mn()=0)=0 mn(A)=K mn(A)=K-1-1 X X xy=Axy=Am(x)X n(y)m(x)X n(y)其中其中K=1-K=1-xy=xy=m(x)X n(y)m(x)X n(y)概率分配函数的正交和概率分配函数的正交和设设mm1 1,m,m2,2,m,mn n是是n n个不同的概率分配函数，其正个不同的概率分配函
12、数，其正交和交和mm1 1 mm2 2,m,mn n满足满足 mm1 1 mm2 2,m,mn n()=0)=0 m m1 1 mm2 2,m,mn n(A)(A)=K =K-1-1 X X Ai=AAi=A1in mmi i(A(Ai i)其中其中K=K=AiAi1in mmi i(A(Ai i)概率分配函数的正交和概率分配函数的正交和例：设样本空间例：设样本空间=a,b,=a,b,从不同的知识来源得从不同的知识来源得 到的概率分配函数分别为：到的概率分配函数分别为：m m1 1(,a,b,a,b)=(0,0.4,0.5,0.1),a,b,a,b)=(0,0.4,0.5,0.1)m m2 2
13、(,a,b,a,b)=(0,0.6,0.2,0.2),a,b,a,b)=(0,0.6,0.2,0.2)求正交和求正交和mm=mm1 1 mm2 2？概率分配函数的正交和概率分配函数的正交和解：先求解：先求K K-1-1K K-1-1=1-=1-xy=xy=mm1 1(x)X m(x)X m2 2(y)(y)=1-m =1-m1 1(a)xm(a)xm2 2(b)-m(b)-m1 1(b)xm(b)xm2 2(a)(a)=1-0.3x0.3-0.5x0.6 =1-0.3x0.3-0.5x0.6 =0.61 =0.61 概率分配函数的正交和概率分配函数的正交和 m(m()=0)=0 m(a)=m(
14、a)=K K-1-1 xy=axy=amm1 1(x)X m(x)X m2 2(y)(y)=K =K-1-1(m(m1 1(a)X m(a)X m2 2(a,b)+(a,b)+m m1 1(a)X m(a)X m2 2(a)+m(a)+m1 1(a,b)X m(a,b)X m2 2(a)(a)=0.54 =0.54 m(b)=0.43m(b)=0.43 m(a,b)=0.03 m(a,b)=0.03D-S理论的推理模型理论的推理模型l如前面介绍，可以使用信任函数和似然函数表如前面介绍，可以使用信任函数和似然函数表示命题示命题A的信任度下限和上限。我们使用同样的信任度下限和上限。我们使用同样的方
15、式表示知识信任度。的方式表示知识信任度。l似然函数和信任函数的计算是建立在概率分配似然函数和信任函数的计算是建立在概率分配函数的基础之上，概率分配函数不同，结论会函数的基础之上，概率分配函数不同，结论会不同。不同。一类特殊的概率分配函数一类特殊的概率分配函数l设设=s s1 1,s,s2 2,s,sn n,m,m为定义在为定义在2上的概率分上的概率分配函数，且配函数，且mm满足：满足：1.1.m(sm(si i)0,0,对任给对任给s si i 2.2.m(s m(si i)1)13.3.m(m()=1-)=1-m(s m(si i)4.4.当当AA，且，且A A的元素多于的元素多于1 1个或
16、没有元素，则个或没有元素，则m(A)=0m(A)=0。一类特殊的概率分配函数一类特殊的概率分配函数l对上面的概率分配函数，可以得到信任函数对上面的概率分配函数，可以得到信任函数和似然函数的性质：和似然函数的性质：1.1.Bel(A)=Bel(A)=siAsiAm(sm(si i)2.2.Bel(Bel()=)=sisim(sm(si i)+m()+m()=1)=13.3.Pl(A)=1-Bel(A)=1-Pl(A)=1-Bel(A)=1-siAsiAm(sm(si i)=1-)=1-sisim(sm(si i)+)+siAsiAm(sm(si i)=m()=m()+Bel(A)+Bel(A)4
17、.4.Pl()=1-Bel()=1Pl()=1-Bel()=1类概率函数类概率函数定义定义4-64-6：设：设 为有限域，对任何命题为有限域，对任何命题AA 其类其类概率函数为概率函数为 f(A)=Bel(A)+|A|/|f(A)=Bel(A)+|A|/|Pl(A)-Bel(A)|Pl(A)-Bel(A)其中其中|A|A|和和|表示表示A A和和 中的元素个数。中的元素个数。类概率函数的性质类概率函数的性质l sisi f(sf(si i)=1)=1证明：证明：f(sf(si i)=Bel(s)=Bel(si i)+|s)+|si i|/|/|Pl(s|Pl(si i)-Bel(s)-Bel(
18、si i)=m(s =m(si i)+(1/n)m()+(1/n)m()sisi f(sf(si i)=)=sisi m(sm(si i)+m()+m()=1)=1类概率函数的性质类概率函数的性质l对任何对任何AA 有有Bel(A)f(A)Pl(A)Bel(A)f(A)Pl(A)证明：证明：Pl(A)-Bel(A)0,|A|/|Pl(A)-Bel(A)0,|A|/|0|0 Bel(A)f(A)Bel(A)f(A)f(A)Bel(A)+Pl(A)-Bel(A)f(A)Bel(A)+Pl(A)-Bel(A)=Pl(A)=Pl(A)类概率函数的性质类概率函数的性质l对任何对任何AA 有有f(A)=1
19、-f(A)f(A)=1-f(A)证明：证明：f(f(A)=Bel(A)=Bel(A)+|A)+|A|/|A|/|Pl(|Pl(A)-Bel(A)-Bel(A)A)|A|=|A|=|-|A|-|A|Pl(Pl(A)-Bel(A)-Bel(A)=m(A)=m()Bel(Bel(A)=1-Bel(A)-m(A)=1-Bel(A)-m()类概率函数的性质类概率函数的性质 f(f(A)=1-Bel(A)-m(A)=1-Bel(A)-m()+(|-|A|)/|m()+(|-|A|)/|m()=1-Bel(A)-m()+m()-|A|/|m()=1-Bel(A)-m()+m()-|A|/|m()=1-(Be
20、l(A)+|A|/|(Pl(A)-Bel(A)=1-(Bel(A)+|A|/|(Pl(A)-Bel(A)=1-f(A)=1-f(A)类概率函数的性质类概率函数的性质l根据前面的性质可以很容易得到根据前面的性质可以很容易得到1.f(f()=0)=02.f(f()=1)=13.对任何对任何AA,0f(A)1,0f(A)1知识不确定性的表示知识不确定性的表示lD-SD-S理论中，不确定性知识的表示形式为理论中，不确定性知识的表示形式为 if E then H=hif E then H=h1 1,h,h2 2,h,hn n CF=c CF=c1 1,c,c2 2,c,cn n 其中：其中：E E为前提
21、条件，它可以是简单条件，也可为前提条件，它可以是简单条件，也可以是复合条件；以是复合条件；H H是结论，它用样本空间的子集表示，是结论，它用样本空间的子集表示，h h1 1,h,h2 2,h,hn n是该子集的元素；是该子集的元素；CFCF是可信度因子，用集合的方式表示。是可信度因子，用集合的方式表示。c c1 1,c,c2 2,c,cn n用来表示用来表示h h1 1,h,h2 2,h,hn n的可信度。的可信度。证据不确定性的表示证据不确定性的表示l证据的不确定性由证据的类概率函数给出。证据的不确定性由证据的类概率函数给出。CER(E)=f(E)CER(E)=f(E)不确定性的更新不确定性
22、的更新l设有知识设有知识 if E then H=h if E then H=h1 1,h,h2 2,h,hn n CF=c CF=c1 1,c,c2 2,c,cn n 证据证据E E的不确定性为的不确定性为CER(E)CER(E)，确定结论，确定结论H H的不的不确定性描述确定性描述CER(H)CER(H)，方法如下：，方法如下：1.1.求求H H的概率分配函数的概率分配函数m(hm(h1 1,h,h2 2,h,hn n)=(c)=(c1 1XCER(E),cXCER(E),c2 2XCER(E),XCER(E),c,cn nXCER(E)XCER(E)m(m()=1-m(h)=1-m(hi
23、 i)不确定性的更新不确定性的更新2.求求Bel(H),Pl(H)Bel(H),Pl(H)及及f(Hf(H)Bel(H)=m(hBel(H)=m(hi i)Pl(H)=1-Bel(Pl(H)=1-Bel(H)H)f(H)=Bel(H)+|H|/|f(H)=Bel(H)+|H|/|m()|m()3.3.CER(H)=f(H)CER(H)=f(H)结论不确定性的合成结论不确定性的合成如果有两条知识支持同一结论如果有两条知识支持同一结论 if E if E1 1 then H=h then H=h1 1,h,h2 2,h,hn n CF=c CF=c1 1,c,c2 2,c,cn n if E if
24、 E2 2 then H=h then H=h1 1,h,h2 2,h,hn n CF=e CF=e1 1,e,e2 2,e,en n 先求出每条知识的概率分配函数先求出每条知识的概率分配函数mm1 1,mm2 2,然后求然后求出两个概率分配函数的正交和出两个概率分配函数的正交和mm1 1 mm2 2以正交和以正交和作为作为H H的概率分配函数。的概率分配函数。示例示例设有如下规则设有如下规则r1:if Er1:if E1 1 andand E E2 2 then A=athen A=a1 1,a,a2 2 CF=0.3,0.5 CF=0.3,0.5r2:if Er2:if E3 3 and(
25、Eand(E4 4 oror E E5 5)then B=b)then B=b1 1 CF=0.7 CF=0.7r3:if Ar3:if A then H=hthen H=h1 1,h,h2 2,h,h3 3 CF=0.1,0.5,0.3 CF=0.1,0.5,0.3r4:if Br4:if B then H=hthen H=h1 1,h,h2 2,h,h3 3 CF=0.4,0.2,0.1 CF=0.4,0.2,0.1用户给出用户给出CER(ECER(E1 1)=0.8,CER(E)=0.8,CER(E2 2)=0.6)=0.6CER(ECER(E3 3)=0.9,CER(E)=0.9,CE
26、R(E4 4)=0.5,CER(E)=0.5,CER(E5 5)=0.7)=0.7并假定并假定中有中有1010个元素，求个元素，求CER(H)=CER(H)=？示例示例1.求求CER(A)CER(A)CER(ECER(E1 1 andand E E2 2)=minCER(E)=minCER(E1 1),CER(E),CER(E2 2)=0.6)=0.6m(am(a1 1,a,a2 2)=(0.6*0.3,0.6*0.5)=(0.18,0.3)=(0.6*0.3,0.6*0.5)=(0.18,0.3)Bel(A)=0.18+0.3=0.48Bel(A)=0.18+0.3=0.48Pl(A)=1-
27、Bel(Pl(A)=1-Bel(A)=1-0=1A)=1-0=1f(A)=Bel(A)+|A|/|f(A)=Bel(A)+|A|/|*(Pl(A)-Bel(A)|*(Pl(A)-Bel(A)=0.48+2/10*(1-0.48)=0.584 =0.48+2/10*(1-0.48)=0.584CER(A)=f(A)=0.584CER(A)=f(A)=0.584示例示例2.求求CER(B)CER(B)CER(ECER(E3 3 and(Eand(E4 4 or Eor E5 5)=0.7)=0.7m(bm(b1 1)=(0.7*0.7)=(0.49)=(0.7*0.7)=(0.49)Bel(B)=
28、0.49Bel(B)=0.49Pl(B)=1-Bel(Pl(B)=1-Bel(B)=1-0=1B)=1-0=1f(A)=Bel(A)+|A|/|f(A)=Bel(A)+|A|/|*(Pl(A)-Bel(A)|*(Pl(A)-Bel(A)=0.49+1/10*(1-0.49)=0.541 =0.49+1/10*(1-0.49)=0.541CER(A)=f(A)=0.541CER(A)=f(A)=0.541示例示例3.求求CER(H)CER(H)由规则由规则r3可得可得m1 1(h1 1,h2 2,h3 3)=(CER(A)*0.1,CER(A)*0.5,CER(A)*0.3)=(0.058,0.
29、292,0.175)m1 1()=1-m1 1(h1 1)+m1 1(h2 2)+m1 1(h3 3)=0.475示例示例由规则由规则r4可得可得m2 2(h1 1,h2 2,h3 3)=(CER(A)*0.4,CER(A)*0.2,CER(A)*0.1)=(0.216,0.108,0.054)m2 2()=1-m2 2(h1 1)+m2 2(h2 2)+m2 2(h3 3)=0.622示例示例求正交和求正交和m=mm=m1 1mm2 2K=1-K=1-xy=xy=mm1 1(x)X m(x)X m2 2(y)=0.855(y)=0.855m(hm(h1 1)=K)=K-1-1 X X xy=
30、h1xy=h1mm1 1(x)X m(x)X m2 2(y)(y)=(1/0.855)m =(1/0.855)m1 1(h(h1 1)X m)X m2 2(h(h1 1)+m)+m1 1(h(h1 1)X)X mm2 2()+m)+m1 1()X m)X m2 2(h(h1 1)=0.178)=0.178m(hm(h2 2)=0.309)=0.309m(hm(h3 3)=0.168)=0.168m(m()=0.345)=0.345示例示例4.求求CER(H)CER(H)Bel(H)=m(hBel(H)=m(h1 1)+m(h)+m(h2 2)+m(h)+m(h3 3)=0.655 =0.655
31、Pl(H)=m(Pl(H)=m()+Bel(H)=1)+Bel(H)=1f(H)=Bel(H)+|H|/|*(Pl(H)-Bel(H)=0.759f(H)=Bel(H)+|H|/|*(Pl(H)-Bel(H)=0.759CER(H)=f(H)=0.759CER(H)=f(H)=0.759证据理论的优点证据理论的优点l满足比概率更弱的公理系统.l能处理由”不知道”引起的不确定性.演讲完毕，谢谢观看！附录资料：人工智能简介附录资料：人工智能简介About Teaching Plan基本要求：人工智能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，是目前迅速发展的一门新兴学科，新思想新方法层出
32、不穷。其基本思想是利用机器来模仿和执行人脑的功能，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。对于培养学生计算机技术的应用能力，开阔思路和视野，有重要意义。About Teaching Plan因此，要求学生掌握知识表示知识表示和问题求解问题求解的几种常用方法，尤其是不确定性推理不确定性推理；掌握机器学习机器学习基本概念，了解几种机器学习方法机器学习方法尤其是神经网络学习方法；神经网络学习方法；掌握专家系统的概念，了解专家系统设计方法专家系统设计方法，掌握一些智能控制方法智能控制方法，了解国内外人工智能研究尤其是机器人的最新进展；最新进展；具有一定的人工智
33、能编程设计能力人工智能编程设计能力（利用Lisp或Prolog语言）。About Teaching Plan课程内容以及学时分配课程内容以及学时分配人工智能引论(1)人工智能概念及与计算机的关系，研究途径、内容和应用领域概况介绍，其他最新材料其他最新材料。符号主义、连接主义、行为主义三大流派人工智能数学基础(1)知识表示方法（2）状态空间法、问题归约法，谓词逻辑法、产生式表示法（动物识别系统）；CLIPS语言；语义网络法、框架法（这是结构化表示）；剧本、过程、Petri网、面向对象的表示。About Teaching Plan搜索技术和策略（3-4）状态空间法，盲目搜索和启发式搜索，A*算法；
34、海伯伦理论、消解原理和策略；与或形推理和搜索策略；其他求解技术。不确定推理技术（3-4）主观Bayes理论；可信度方法和证据理论；系统组织技术；非单调推理；Rete快速算法；模糊推理技术；基于语义网络和框架不确定推理；专家系统（2）专家系统概念、结构和知识获取；黑板模型、知识组织、管理及系统建造和开发工具；专家系统举例及编程。人工智能程序设计人工智能程序设计（1）人工智能语言基本机制：LISP和PROLOG。About Teaching Plan模式识别导论（3）模式识别专题：概率模式识别。模式识别专题：结构模式识别机器学习（1）：机械,解释经验,事例,归纳,概念,类比学习等；统计,结构,模糊
35、模式识别。专题讲座（3次）1)神经网络基本理论和应用(史奎凡课程：安排于人工智能理论与应用课程内)；2)智能体（Agent）；3)自然语言处理；4)智能控制和机器人科学智能控制的结构理论和研究领域，智能控制系统及应用示例；机器人规划、机器视觉和自然语言理解等。About Teaching Plan实践：1)搜索技术和策略2)不确定推理技术3)专家系统：动物识别系统4)模式识别技术5)调研：搜索技术和策略、不确定推理技术、统计模式识别、机器学习等四个领域进展报告。Chapter One:Brief Introduction to Artificial Intelligence1.What is
36、AI?人工智能（人工智能（Artificial Intelligence,AI）是当前科学技发展的一门前是当前科学技发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。现的新兴学科以及正在发展的学科。它是在它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门等多种学科研究的基础发展起来的，因此又可把它看作是一门综综合性的边缘学科合性的边缘学科。它的出现及所取得的成就引起了人们的高度
37、重视它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三世纪的三大科学技术成就。大科学技术成就。Intelligence智能是知识与智力的总合。智能是知识与智力的总合。知识知识智能行为的基础；智能行为的基础；智力智力获取知识并运用知识求解问题的能力。获取知识并运用知识求解问题的能力。智能具有以下特征：智能具有以下特征：(1)具有感知能力具有感知能力指人们通过视觉、听觉、触觉、味觉、嗅觉等感指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；觉器官感知外
38、部世界的能力；(2)具有记忆与思维的能力具有记忆与思维的能力这是人脑最重要的功能，亦是人之所以有这是人脑最重要的功能，亦是人之所以有智能的根本原因；智能的根本原因；(3)具有学习能力及自适应能力；具有学习能力及自适应能力；(4)具有行为能力。具有行为能力。Artificial Intelligence人工智能人工智能计算机科学的一个分支，是智能计算机系统，即人类智慧计算机科学的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言对语言能理解、能学习、能推理）。能理解、能学习、能推理）。2.Bri
39、ef History of AI(1)孕育（孕育（1956年前）年前）古希腊的古希腊的Aristotle（亚里士多德）（前亚里士多德）（前384-322），给出了形式逻辑的），给出了形式逻辑的基本规律。基本规律。英国的哲学家、自然科学家英国的哲学家、自然科学家Bacon（培根）（培根）（1561-1626），系统地给），系统地给 出了归纳法。出了归纳法。“知识就是力量知识就是力量”德国数学家、哲学家德国数学家、哲学家Leibnitz（布莱尼茨）（布莱尼茨）（1646-1716）。提出了关于）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和数理逻辑的思想，把形式逻辑符号化
40、，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家英国数学家、逻辑学家Boole（布尔）（布尔）（1815-1864）实现了布莱尼茨）实现了布莱尼茨 的思维符号化和数学化的思想，提出了一种崭新的代数系统的思维符号化和数学化的思想，提出了一种崭新的代数系统布尔布尔代数。代数。美籍奥地利数理逻辑学家美籍奥地利数理逻辑学家Godel（哥德尔）（哥德尔）（1906-1978），证明），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意
41、义在于，人的思维形式化是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。和机械化的某种极限，在理论上证明了有些事是做不到的。英国数学家英国数学家Turing(图灵图灵)（1912-1954）,1936年提出了一种理想年提出了一种理想计算机的数学模型（图灵机），计算机的数学模型（图灵机），1950年提出了图灵试验，发表了年提出了图灵试验，发表了“计算机与智能计算机与智能”的论文。图灵奖。的论文。图灵奖。美国数学家美国数学家Mauchly，1946发明了电子数字计算机发明了电子数字计算机ENIAC美国神经生理学家美国神经生理学家McCull
42、och，建立了第一个神经网络数学模型。建立了第一个神经网络数学模型。美国数学家美国数学家Shannon（香农）香农）,1948年发表了通讯的数学理论，年发表了通讯的数学理论，代表了代表了“信息论信息论”的诞生。的诞生。(2)形成（形成（1956-19691956-1969）1956年提出了年提出了“Artificial Intelligence（人工智能）人工智能）”1956年年夏夏由由麻麻省省理理工工学学院院的的J.McCarthy、M.L.Minsky,IBM公公司司信信息息研研究究中中心心的的 N.Rochester,贝贝尔尔实实验验室室的的 C.E.Shannon共共同同发发起起，邀邀
43、请请了了 Moore,Samuel,Selfridge,Solomonff,Simon,Newell等等人人，10位位数数学学家家、信信息息学学家家、心心理理学学家家、神神经经生生理理学学家家、计计算算机机科科学学家家，在在Dartmouth大大学学召召开开了了一一次次关关于于机机器器智智能能的的研研讨讨会会，会会上上 McCarthy 提提议议正正式式采采用用了了 Artificial Intelligence（人人工工智智能能）这这一一术术语语。这这次次会会议议，标标志志着着人人工工智能作为一门新兴学科正式诞生了。智能作为一门新兴学科正式诞生了。McCarthy（麦卡锡）麦卡锡）人工智能之
44、父人工智能之父。这次会议之后的这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就年间，人工智能的研究取得了许多引人瞩目的成就.机器学习方面：机器学习方面：塞缪尔于塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；中学习，也能从下棋实践中提高棋艺；在定理证明方面：王浩于在定理证明方面：王浩于1958年在年在IBM机上证明了数学原理中有关机上证明了数学原理中有关命题演算的全部定理（命题演算的全部定理（220条），还证明了谓词演算中条），还证明了谓词演算中150条定理条定理85%；1965年，鲁宾逊（年，鲁宾逊（Robi
45、nson）提出了消解原理；提出了消解原理；在模式识别方面：在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；年塞尔夫里奇推出了一个模式识别程序；1965年年罗伯特（罗伯特（Robert）编制出可辨别积木构造的程序；编制出可辨别积木构造的程序；在问题求解方面：在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序问题的思维规律，编制了通用问题求解程序GPS,可以用来求解可以用来求解11种不同种不同类型的问题；类型的问题；在专家系统方面：斯坦福大学的费根鲍姆（在专家系统方面：斯坦福大学的费根鲍姆（
46、E.A.Feigenbaum）自自1965年年开始进行专家系统开始进行专家系统DENDRAL（化学分析专家系统），化学分析专家系统），1968年完成并投年完成并投入使用；入使用；在人工智能语言方面：在人工智能语言方面：1960年年McCarthy等人建立了人工智能程序设计等人建立了人工智能程序设计语言语言Lisp，该语言至今仍是建造智能系统的重要工具；该语言至今仍是建造智能系统的重要工具；1969年成立了国际人工智能联合会议（年成立了国际人工智能联合会议（International Joint Conferences On Artificial Intelligence）(3)发展（发展（19
47、70年以后）年以后）70年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以以Feigenbaum为首的一批年轻科学家改变了战略思想，为首的一批年轻科学家改变了战略思想，1977年提出知年提出知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。著名专家系统的有：著名专家系统的有：1.DENDRAL化学分析专家系统（斯坦福大学化学分析专家系统（斯坦福大学1968）
48、2.MACSYMA符号数学专家系统（麻省理工符号数学专家系统（麻省理工1971）3.MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）4.CASNET(Causal ASsciational Network)诊断和治疗青光眼的专家咨询系诊断和治疗青光眼的专家咨询系统（拉特格尔斯（统（拉特格尔斯（Rutgers）大学大学70年代中）年代中）5.CADUCEUS(原名原名INTERNIST)医疗咨询系统（匹兹堡大学）；医疗咨询系统（匹兹堡大学）；6.HEARSAY I 和和II语音理解系统（卡内基语音理解系统（卡内基-梅隆大
49、学）梅隆大学）7.PROSPECTOR地质勘探专家系统（斯坦福大学地质勘探专家系统（斯坦福大学1976）8.XCON计算机配置专家系统（卡内基计算机配置专家系统（卡内基-梅隆大学梅隆大学1978）80年代，人工智能发展达到阶段性的顶峰。年代，人工智能发展达到阶段性的顶峰。87,89年世界大会有千人参加。硬件公司有上千个。并进行年世界大会有千人参加。硬件公司有上千个。并进行Lisp硬件、硬件、Lisp机的研究。机的研究。在专家系统及其工具越来越商品化的过程中在专家系统及其工具越来越商品化的过程中,国际软件市场上形成国际软件市场上形成了一门旨在生产和加工知识的新产业了一门旨在生产和加工知识的新产业
50、知识产业。应该说，知知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。之一。同年代，同年代，1986年年Rumlhart领导的并行分布处理研究小组提出了神领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮。从此，神经网络的研究进入新的高潮。90年代，计算机发展趋势为小型化、并行化、网络化、智能化。年代，计算机发展趋势为小型化、并行化、网络化、智能化。人工智能技术逐渐与数据库、多