人工智能导论 第一章 绪论

1.1 引入

身边的人工智能产品：

家庭助手

指纹门锁、扫地机器人、个人助手、智能音箱、小度机器人

在线翻译

旧翻译方法：统计机器翻译SMT

将两种语言中同义的句子切分成词进行匹配，所有结论都是机器根据统计数据得出

类型：基于词、短语、句法

智能翻译方法：神经机器翻译 eg：微软机器翻译

通过新闻报道、对偶学习、推敲网络进行翻译

youtube实时字幕

图像识别

百度识图、faceid、美颜、AI+监控摄像头

下棋高手

1997深蓝电脑击败卡斯帕罗夫、AlphaGo围棋

无人驾驶

Waymo Google产品、百度无人驾驶

AI医疗

提升诊断效率及服务质量，更好解决医疗资源短缺问题

医疗影像与诊断、虚拟助手、医用机器人

腾讯觅影、IBMWatson、DeepMind Health虚拟助手

1.2 课程设计

人工智能算法与普通算法的3大区别：

1、传统算法处理对象：数据  人工智能：数据、信息、知识

三者的关系：知识是经过加工处理的信息

2、传统算法有固定算法 人工智能算法没有固定算法，即使有也常因为时间复杂度和空间复杂度跑不通，通过推理和搜索进行目标实现

3、传统算法有解 人工智能算法常常无解或有多解，其中还常有错解

例题：

1、搜索算法：

（1）八数码问题、十五数码问题

知识表示：矩阵、状态空间

搜索技术：A*算法、规则

评估函数：f*(n)=g*(n)+h*(n)

（2）hanoi塔问题

（3）迷宫问题

（4）传教士与野人问题

（5）TSP问题

（6）猴子香蕉问题

（7）井字棋问题

（8）四皇后与八皇后问题

（9）最优化问题（遗传算法）

2、机器学习：

SVM图像分类

K-Means鸢尾花数据集聚类分析

KNN<K近邻>数字识别

3、深度学习：

CNN深度学习网络手写数字识别

BP神经网络数字识别

利用LSTM预测股价

利用DQN解决Atari Game

1.3 人工智能概念与发展历史

人工智能概念

狭义概念

学科角度：AI是研究构建智能机器或系统，使它模拟、延伸和扩展人类智能的学科

能力角度：AI是指用人工的方法在机器上实现的智能

广义概念

人类智能行为规律、智能理论方面的研究

关于智能概念的区分

1、人工智能与人类智能区别：人类智能是人工智能的原型，人工智能是人类智能的某种人工实现

2、人类智能与人类智慧：人类智能是人类智慧的子集

人类智慧：认识世界、改造世界，在改造客观世界的过程中改进自身 反馈-学习-优化

人类智能：显性智慧称为人类智能，隐性智慧需要人类自身承担

人工智能：人类智能（显性智慧）的人工实现

机器智能：同人工智恩

3、常见的错误理解

（1）人工智能是利用计算机技术从功能上来模拟人类智能

不应当限定模拟人类智能的具体手段（计算机技术、人工神经网络技术、感知动作系统技术）

不应当限定模拟人类智能的具体途径（功能上？还可以从结构上模拟）

（2）人工智能是让机器做由来只有人类能做的事情

人工智能可以做显性智慧，做不了隐性智慧

（3）人工智能是关于知识的学科

知识并非唯一要素，信息扮演启动者角色，目标扮演引导者作用

（4）超越人类的人工智能

人工智能会剥夺人类的工作，威胁人类的就业

人工智能的发展历史

1950.10 图灵《计算机械和智能》

图灵测试的问题：仅反映了结果的比较，没有涉及思维过程，没有指出是什么人

约翰·西尔勒和“中文屋子”？？

ELIZA匹配词库，现代智能聊天机器人的先驱 ChatBot

第一次人工智能热潮：1950-70

第一届人工智能讨论会 1956年夏 达特茅斯

孕育期before 1956

主要成就：

数理逻辑、自动机理论、控制论、信息论和系统论

发明电子数字计算机

主要贡献：

形式逻辑的基本规律、逻辑代数、图灵机、神经元模型、电子数字计算机（EDVAC）

形成期1956-1969

基本原理和通用性、通用问题求解GPS、定理证明、博弈、形式演算

1969第一届国际人工智能联合会议

1970国际期刊《AI》创刊

感知机：构建一个神经元进行计算逻辑操作and（若待识别的类别不是线性可分：比如异或问题不能通过感知机来解决）

发展期1970

进一步研究AI基本原理方法和技术，进行实用化研究、研发专家系统和知识工程、智能计算机、智能控制、一枝独秀到百花齐放。

1956-1976第一期浪潮：最大成果为专家系统、知识工程

1974-1980人工智能第一次冬天

第一次冬天1974-1980

 AI瓶颈：最杰出的AI程序也只能解决问题中最简单的一部分

性能有限：有限的内存和处理速度无法解决指数级复杂度的问题

缺乏“常识”：许多重要的AI应用需要大量对于世界的基本认识

第二次浪潮：1980s 

1982离散的神经网络模型提出 1984连续神经网络模型 Hopfield网络解决最优化问题TSP

1986BP算法，解决多层网的学习问题，感知机的研究重新兴起，证明学习训练过程可以收敛

数学模型方面突破

第二次寒冬1987-1993

计算机走入个人家庭，费用远低于专家系统所使用的机器

财政问题：市场需求台式机取代，政府停止拨款

性能问题：专家系统使用度有限

第三次浪潮：1990s到现在

大计算能力和深度学习作为推动力、统计学习理论和知识向量机的兴起（90年代中后期）

统计学习理论：有限样本集情况下机器学习的统计规律和实现方法 SVM方法

研究问题：模式分类、回归分析、概率密度估计

三次低谷：

第一次低谷：1973英国James Lightthill报告

评判AI基础研究中A自动机、B机器人和C中央神经系统

结论：A和C有研究价值，但进展失望。B研究没有价值，进展非常令人失望建议取消

教训：AI尚属婴儿期，难以测算准确。

第二次低谷：日本智能计算机研制失败

1982日本通产省主持第五代计算机

动机：从计算和存储数据向直接推理和知识处理的新结构过度

目标：构建一个有1000个处理单元的并行推理机，具备听说能力

1992失败，话费850m美元

教训：驱动AI发展需要靠软件、数据和知识而非硬件

第三次低谷：知识词典日趋式微，网络百科兴起

知识百科全书Cyc，90年代后期衰败，搜索引擎崛起

教训：只是不能靠专家表达，要自动学习。

总结：三种类型的人工智能

弱人工智能：优秀的信息处理者，但无法真正理解信息

强人工智能：学习、语言、认知、推理、创造和计划，在非监督学习情况下处理前所未见的细节

超人工智能：模拟人类智慧，具备自主思维意识

1.4 人工智能各学派的认知观

各学派介绍

功能主义（符号主义）

又称逻辑主义、心理学派或计算机学派。原理：物理符号系统假设和有限合理性原理，起源于数理逻辑。主要研究方法：计算机技术。

结构主义（连接主义）

又称仿生学派或生理学派。原理：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。主要研究方法：人工神经网络技术。

行为主义

又称进化主义或控制论学派。原理：控制论及感知-动作型控制系统。起源于控制论。主要研究方法：感知动作系统技术。

集成模拟法

主流方法

（1）符号主义人工智能核心：逻辑推理、知识图谱

eg：深蓝

 （2）数据驱动为核心的机器学习

大数据（有监督学习）、挖掘数据蕴含的内在模式、机器挖掘得到的视觉模式

（3）探索与利用为核心的强化学习 reinforcement Renaissace

总结： 能力增强是最终目标，三种方法应当综合利用

 人工智能应具备以下能力：

具备视觉感知和语言交流的能力：自然语言理解、计算机视觉

具备推理与问题求解能力：基于已有知识对所见问题进行演绎解决

具备协同控制能力：视觉、语言、推理综合同意

具备遵守伦理道德能力

具备从数据中进行归纳总结的能力：机器学习

1.5 人工智能的主要研究和应用领域

主要研究内容

 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

方法可分为：

符号表示法，用于表示逻辑性知识

连接机制表示方法，适合表示各种形象性知识

2、机器感知

使机器具有类似人的感知能力，是机器获取外部信息的基本途径。

机器视觉：让机器识别并理解文字、图像、物景。

机器听觉：识别并理解语言、声音。

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

正如人的只能来自大脑的思维活动，机器智能也主要通过机器思维实现

4、机器学习

学习时人类智能的主要标志和获取知识的基本手段。内部表现为新知识结构的不断建立和修改，外部表现为性能的改善。

分为监督学习、无监督学习、强化学习

5、机器行为

计算机的表达能力：说、写、画等

基本应用领域（20多个）

机器定理证明（逻辑和推理）、仿解题者

1、自动定理证明（四色定理）

机器翻译（自然语言理解）、仿译者

专家系统（知识求解和知识表达），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（感知与控制），仿生物