第一章-人工智能的概述

人工智能概述

人工智能的定义

什么是智能

• 自然智能：指人类和一些动物所具有的智力和行为能力。
• 人类的自然智能（简称智能）：指人类在认识客观世界中，由思维过程和脑力活动所表现出的综合能力。

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。一个系统所具有的可运用知识越多，其智能就会越高。
• 进化理论：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。（MIT，Brooks，人造机器虫研究）

智能的层次结构

• 高层智能：以大脑皮层（抑制中枢）为主，主要完成记忆、思维等活动。
• 中层智能：以丘脑（间脑，感觉中枢）为主，主要完成感知活动。
• 低层智能：以小脑、脊髓为主，主要完成动作反应活动。
• 思维理论和知识阈值理论对应高层智能，而进化理论对应中层智能和低层智能。

智能包含的能力

• 感知能力：人类获得外界信息的基本途径。

  感知–动作方式：对简单、紧急的信息。

  感知–思维–动作方式：对复杂的信息。

• 记忆和思维的能力：

  记忆：对感知到的外界信息和由思维产生的内部知识的存储过程。

  思维：对已存储信息或知识的本质属性、内部规律的认识过程。

  思维方式：

  • 抽象思维（逻辑思维）：根据逻辑规则对信息和知识进行处理的理性思维方式。
  • 形象思维（直感思维）：根据感性形象认识材料对客观现象进行处理的一种思维方式。
  • 灵感思维（顿悟思维）：是一种显意识和潜意识相互作用的思维方式。

• 学习和自适应能力：

  学习：是一个具有特定目的的知识获取过程，是人的一种本能。不同人的学习方法、能力不同。

  自适应：是一种通过自我调节适应外界环境的过程，是人的一种本能。不同人的适应能力不同。

• 行为能力：对感知的外界信息做出动作反应的能力。

  信息来源：由感知直接获得的外界信息或经过思维加工后的信息。

  实现过程’：通过脊髓来控制，由语言、表情、体姿等来实现。

什么是人工智能

• 学科的名称。
• 人工方法实现的智能。
• 计算机模拟实现的智能。
• 人造的智能机器或系统。
• 模仿、延伸以及扩展人的智能。

人工智能典型的4种定义方法

• 类人思维方法（认知模型方法）：1978年贝尔曼，人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。
• 类人行为方法（图灵测试方法）：1990年库兹韦勒，人工智能是一种创建机器的技艺，这种机器能够执行需要人的智能才能完成的功能。
• 理性思维方法（思维法则方法）：1985年查尼艾克、麦克德莫特，人工智能是通过计算模型来进行心智能力研究的。
• 理性行为方法（理性智能体方法）：1998年尼尔森，人工智能关心的是人工制品种的智能行为，即人工智能就是研究和建造理性智能体。
• 理性思维方法与理性行为方法的关系：
  • 前者强调正确思维，后者强调合理行动。
  • 理性行为可以依据理性思维进行。
  • 理性行为不一定要依据理性思维进行。

人工智能的一般解释

• 从能力的角度：人工智能是指用人工的方法在机器上实现的智能，是智能机器所执行的通常与人类智能有关的功能，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。
• 从学科的角度：人工智能是一门研究如何构造智能机器或智能系统，去模拟、延伸和扩展人类智能的学科，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。

人工智能的研究目标

• 1978年斯洛曼，三个主要目标：

  • 对智能行为有效解释的理论分析。

  • 解释人类智能。

  • 构造具有智能的人工制品。

• 远期目标：用自动机重现人类的思维过程和智能行为。

  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。

• 近期目标：建造智能计算机代替人类的部分智力劳动。

  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。

• 远期目标和近期目标的相互关系：

  • 远期目标为近期目标指明了方向。
  • 近期目标则为远期目标奠定了理论和技术基础。

人工智能的发展简史

简史总结

人工智能的研究内容

研究内容

• 如何获取知识？
• 如何将获取的知识以计算机内部代码形式加以合理表示？
• 如何运用知识进行推理，解决实际问题？

人工智能研究方法与途径

三大学派

• 符号主义：运用计算机科学的方法（逻辑演绎）。
  • 智能的基础是知识，其核心是知识表示和知识推理。
  • 知识可用符号表示，也可用符号进行推理，因而可以建立基于知识的人类智能和机器智能的统一的理论体系。
  • 功能模拟，构造能够模拟大脑功能的智能系统。
• 联结主义：运用仿生学的方法（网络连接机制）。
  • 智能行为的基元是神经元，而不是符号。
  • 思维过程是神经元的联结活动过程，而不是符号运算过程，反对符号主义关于物理符号系统的假设。
  • 结构模拟，构造模拟大脑结构的神经网络系统。
• 行为主义：运用进化论的思想（控制论和机器学习方法）。
  • 智能取决于感知和行动，即“感知-动作”模型。
  • 智能不需要知识、不需要表示、不需要推理，人工智能可以像人类智能那样逐步进化。
  • 行为模拟，构造具有进化能力的智能系统。

人工智能的研究领域

研究领域

• 机器思维：推理（确定性推理、不确定性推理）和搜索（状态空间搜索、与/或树搜索、博弈树搜索）。
• 机器感知：计算机视觉、模式识别和自然语言处理。
• 机器行为：智能控制/制造。
• 机器学习：符号学习和神经学习。
• 计算智能：神经计算、进化计算和模糊计算。
• 分布智能：并行求解。
• 智能系统：专家系统和智能决策支持系统。

人工智能的研究现状与发展方向

研究现状

• 多学科交叉研究
• 多学派和多技术融合研究
• 分布智能研究
• 群体智能研究
• 社会智能研究
• 集成智能研究
• 认知计算与情感计算研究
• 智能系统与智能服务

发展方向

• 知识 + 数据 + 算法 + 算力。

凉梦空间

欢迎你进入我的个人博客网站参观交流：https://www.liangmeng.xyz