【人工智能】发展简史 | 复习笔记

人工智能发展简史

人工智能主要学派

功能主义(符号主义)
又称为逻辑主义、心理学派或计算机学派。其原理为：物理符号系统(即符号操作系统)假设和有限合理性原理。起源于数理逻辑/逻辑推理。学派代表如纽厄尔、西蒙和尼尔逊等。

结构主义（连接主义）
又称为仿生学派或生理学派。其原理为：神经网络及神经网络间的连接机制与学习算法。
起源于仿生学，特别是人脑模型的研究。学派代表如麦克洛奇、皮茨、 霍普菲尔德、鲁梅尔哈特等。

行为主义
又称为进化主义或控制论学派。其原理为：控制论及感知-动作型控制系统。
起源于控制论，学派代表如布鲁克斯等

人工智能研究的主要方法

• 功能模拟法—功能主义(符号主义) 计算机技术
• 结构模拟法—结构主义（连接主义） 人工神经网络技术
• 行为模拟法—行为主义 感知动作系统技术
• 集成模拟法

主流方法

符号主义人工智能（Symbolic AI）为核心的逻辑推理
以推理为核心，根据已有的知识和推理机，推出新的知识、新的概念和新的属性。

1997年IBM“深蓝”和2011年“沃森”是以推理为核心的人工智能的代表

数据驱动（data-driven）为核心的机器学习

探索与利用（exploration and exploitation）为核心的强化学习

三种主流方法的区别：

从数据到知识与能力，能力增强是最终目标。三种学习方法的综合利用值得关注！

以人机博弈AlphaGo为例，说明三种方法：

人工智能：大学课程助教

人工智能：以机器为载体实现的人类智能或生物智能
从模拟人类智能的角度而言，人工智能应具备：
····· 视觉感知和语言交流能力
····· 推理与问题求解能力
····· 协同控制能力
····· 遵守伦理道德能力
····· 从数据中进行归纳总结的能力

人工智能研究与应用领域

基本研究内容

1.知识表示
对知识表示的研究，离不开对知识的研究与认识。
知识表示的方法可分为：
（1）符号表示法 各种包括具体含义的符号，以各种不同的方式和顺序组合起来表示知识的一类方法。主要用来表示逻辑性知识。
（2） 连接机制表示方法 是用神经网络表示知识的一种方法。它把各种物理对象以不同的形式及顺序连接起来，并在期间互联传递及加工各种包含具体意义的信息，以此表示相关的概念和知识。特别适合表示各种形象性的知识。

2.机器感知
使机器(计算机)具有类似于人的感知能力，以机器视觉和机器听觉为主。机器视觉是让机器能够识别并理解文字、图像、物景等；机器听觉是让机器能识别并理解语言、声音等。
机器感知是机器获取外部信息的基本途径，是使机器具有智能不可缺少的组成部分。

3.机器思维
通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。
正如人的智能是来自大脑的思维活动，机器智能也主要是通过机器思维实现的。

4.机器学习
学习是人类智能的主要标志和获得知识的基本手段。机器学习是指计算机具有智能的根本途径。
学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改 ，而外部表现为性能的改善 。
学习过程本质上是学习系统把导师提供的信息转换成能被系统理解并应用的形式的过程。
监督学习
无监督学习
强化学习

5.机器行为
与人的行为能力相对应。机器行为主要是指计算机的表达能力，即“说”、“写”、“画”等能力。
对于智能机器人，还应具有人的四肢功能，即能走路、能取物、能操作等。

基本应用领域

 机器定理证明（逻辑和推理），仿解题者
 机器翻译（自然语言理解），仿译者
 专家系统（问题求解和知识表达），仿专家如医生
 博弈（树搜索），仿弈者
 模式识别（多媒体认知），仿认知者
 学习（神经网络），仿初学者
 机器人和智能控制（感知和控制），仿生物者

1.自动定理证明
通过对事实数据库的操作来证明定理
······ 除数学定理证明，医疗诊断、信息检索、问题求解等都可转化为定理证明问题。
······ 几何定理证明的“吴氏方法”
 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年的难题—四色定理。 他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处

2.博弈
下棋、打牌、战争等一类竞争性地智能活动称为博弈。不仅要求参赛者具有超凡的记忆能力、丰富的下棋经验，而且要求有很强的思维能力，能对瞬息万变的随机情况迅速地作出反应，及时采取有效的措施。
AI的目的是通过对博弈的研究来检验人工智能技术是否能实现对人类智慧的模拟，促进人工智能技术深入一步的研究。

3.模式识别
人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。
模式识别的理论基础和研究范围也在不断发展。随着生物医学对人类大脑的初步认识，模拟人脑构造的计算机实验即人工神经网络方法早在50年代末、60年代初就已经开始。至今，在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。

4.机器视觉
人类80％以上的外部信息来自视觉
低层视觉与高层视觉
机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图象压缩传输和复原、多光谱和彩色图象的处理与解释等。机器视觉已在机器人装配、卫星图象处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛的应用。

5.自然语言理解
已经编写出能够从内部数据库回答问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译成另一种语言，执行给出的指令和获取知识等。
有些程序在一定程度上翻译从话筒输入的口头指令。
要建立一个能够生成和“理解”哪怕是片断自然语言的计算机系统是异常困难的。
“理解” 需要上下文知识和根据这些上下文知识和信息用信息发生器进行推理的过程。
example：



6.智能信息检索
智能信息检索系统应具有如下的功能：
（1）能理解自然语言，允许用自然语言提出各种询问；
（2）具有推理能力，能根据存储的事实，演绎出所需的答案；
（3）系统拥有一定常识性知识，以补充学科范围的专业知识。系统根据这些常识，将能演绎出更一般询问的一些答案来。

7.数据挖掘和知识发现
数据挖掘与知识发现是20世纪90年代初期新崛起的一个活跃的研究领域。信息技术的发展，面临新的挑战—信息爆炸。使数据真正成为公司的资源，为决策服务，数据挖掘应运而生。
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。数据仓库是将异源数据资源集成起来，以满足决策支持的需求。

8.专家系统
专家系统是一个具有大量专门知识与经验等程序系统，它应用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。
代表性的是用户与专家系统进行“咨询对话”。
发展专家系统的关键是表达和运用专家知识。
专家系统与传统的计算机程序的本质不同是要解决的问题一般没有算法，经常要在不完全、不精确或不确定的信息的基础上做出结论。
德国博世（BOSCH）公司生产的KTS650汽车故障诊断仪就是此类产品的典型代表。这套软件包含了一个几乎囊括世界上所有车型的资料库和一个故障诊断专家系统，像很多专家系统一样，它能把许多看似复杂的问题化解成为若干个是否判断，使用者只须按照提示进行操作就可以逐步地发现并排除故障。

9.自动程序设计
已经研制出能够以各种不同的目的描述来编写计算机程序。但仅局限少数几个完全现成的例子。
在某种意义上，编译程序已经在干“自动程序设计”的工作。指能够对程序需要实现什么目标进行非常高级描述的程序，并能够由这个程序产生出所需要的新程序。
“自动程序设计”是自动编制一份程序来获得某种指定结果的任务；而“程序验证”是证明一份给定程序将获得某种指定结果的任务。

10.机器人
机器人和机器人学的研究促进了许多人工智能思想的发展。它所导致的一些技术可用来模拟世界的状态，用来描述从一种世界状态转变为另一种世界状态的过程。它对于怎样产生动作序列的规划以及怎样监督这些规划的执行有了一种较好的理解。复杂的机器人控制问题迫使我们发展一些方法，先在抽象和忽略细节的高层进行规划，然后再逐步在细节越来越重要的低层进行规划。

11.组合优化问题
旅行商问题、生产计划与调度、通信路由调度等都属于组合优化问题。组合优化问题一般是NP完全问题。
随着求解问题规模的增大，问题求解程序的复杂性可随问题规模按线性关系、多项式关系或指数关系增长，面临组合爆炸

12.人工神经网络
人工神经网络采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统
对神经网络的研究是于20世纪40年代初期， 20世纪80年代再掀高潮，Hopfield提出用硬件实现神经网络，Rumelhart等人提出多层网络中的反向传播算法(BP)
现在，神经网络已在模式识别、图像处理、组合优化、自动控制、信息处理、机器人学和人工智能的其他领域获得日益广泛的应用。

13.分布式人工智能和多智能体
是传统人工智能的延伸和扩展
研究目标是创建一种能描述自然系统和社会系统的精确概念模型

14.智能控制
驱动智能机器自主地实现其目标的过程
是一个定性和定量的混合控制过程
智能控制的核心在高层控制，即组织级控制。其任务在于对实际环境或过程进行组织，即决策和规划，以实现广义问题求解。已经提出的用以构造智能控制系统的理论和技术有分级递阶控制理论、分级控制器设计的熵方法、智能逐级增高而精度逐级降低原理、专家控制系统、学习控制系统和基于NN的控制系统等。智能控制有很多研究领域，它们的研究课题既具有独立性，又相互关联。目前研究得较多的是以下6个方面：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。

15.智能仿真
将AI技术引入仿真领域，建立智能仿真系统。利用AI技术能对整个仿真过程进行指导，能改善仿真模型的描述能力，在仿真模型中引入知识表示将为研究面向目标的建模语言打下基础，提高仿真工具面向用户、面向问题的能力。

16.智能CAD
将AI技术引入计算机辅助设计领域，建立智能CAD系统。

17.智能CAI
将AI技术引入计算机辅助教学领域，建立智能CAI系统

18.智能管理和智能决策
智能管理是人工智能与管理科学、系统工程、计算机技术及通信技术等多学科、多技术互相结合、互相渗透而产生的一门新技术、新学科。
智能决策把人工智能技术引入决策过程，建立智能决策支持系统。

19.智能多媒体
能综合处理文字、图形、图像和声音等多媒体信息的计算机系统。

20.智能操作系统
将AI技术引入计算机的操作系统，从质上提高操作系统的性能和效率。
智能操作系统的基本模型将以智能机为基础，并能支撑外层的AI应用程序，实现多用户的知识处理和并行推理。
智能操作系统主要有三大特点：并行性、分布性和智能型。

21.智能计算机系统
新一代计算机系统。从基本元件到体系结构，从处理对象到编程语言，从使用方法到应用范围，同当前的诺依曼型计算机相比，都有质的飞越和提高，它将全面支持智能应用开发，且自身就具有智能。

22.智能通信
将AI技术引入通信领域、建立智能通信系统。智能通信就是在通信系统的各个层次和环节上实现智能化
例如，在通信网的构建、网管与网控、转接、信息传输与转换等环节，都可实现智能化。

23.智能网络系统
将人工智能技术引入计算机网络系统。如在网络构建、网络管理与控制、信息检索与转换、人机接口等环节，运用AI的技术和成果。
AI的专家系统、模糊技术和神经网络技术可用于网络的连接接纳控制、业务量管制、业务量预测、资源动态分配、业务流量控制、动态路由选择、动态缓冲资源度等。

24.人工生命
1987年美国圣菲研究所非线性研究组的计算机科学家克里斯·兰顿提出的。旨在用计算机和精密机械等人工媒介生成或构造出能够表现自然生命系统行为特征的仿真系统或模型系统。
人工生命的理论和方法不同于传统人工智能和神经网络的理论和方法。它通过计算机仿真生命现象所体现的自适应机理，对相关非线性对象进行更真实的动态描述和动态特征研究。

*声明：以上内容来源于老师上课讲述和PPT内容