人工智能概论.docx
- 文档编号:29502587
- 上传时间:2023-07-24
- 格式:DOCX
- 页数:19
- 大小:102.58KB
人工智能概论.docx
《人工智能概论.docx》由会员分享,可在线阅读,更多相关《人工智能概论.docx(19页珍藏版)》请在冰豆网上搜索。
人工智能概论
从表现形式的角度
机器智能,能够在各类环境中,自主地或者交互地执行各种拟人任务(anthropomorphictasks)的机器
从科学发展的角度
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,其近期主要目标是用机器来模仿和执行人脑的某些智能功能,并开发相关理论和技术。
从实用主义的角度
智能计算,研究智能信息处理技术,以使机器具有与人类智能相类似的行为,如:
判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
人工智能的发展进程
人工智能的发展是以硬件与软件为基础。
它的发展经历了漫长的发展历程。
早在亚里士多德(公元前384-322年)在着手解释和编注他称之为三段论的演绎推理时就迈出了向人工智能发展的早期步伐,可以看作为原始的知识表达规范。
1、孕育时期
20世纪30年代和40年代,两件最重要的事:
数学逻辑(维纳,罗素等)和关于计算的新思想(图灵等)
20世纪40年代,贝尔实验室M系列继电器计算机
1946年2月15日,世界上第一台电子计算机“埃尼亚克”(ENIAC)研制成功
2、形成期(1956-1970)
1956年夏,美国达特矛斯大学第一次人工智能研讨会(1stInt.Symp.onAI@Univ.ofDartmouth.),标志着人工智能学科的诞生。
3、发展期
进一步研究AI基本原理、方法和技术进行实用化研究专家系统与知识工程智能机器人智能控制人工神经网络DNA计算人工免疫系统从“一枝独秀”到“百花齐放”
生物智能与人工智能
人,是一种智能信息处理系统。
信息处理系统又可以看成是一种符号操作系统(SymbolOperationSystem),或物理符号系统(PhysicalSymbolSystem)符号,就是模式(Pattern)。
物理符号系统的六种基本功能(Functions):
输入符号——Input;输出符号——Output;存储符号——Storage;复制符号——Copy;
认知行为的不同层次
认知生理学
研究认知行为的生理过程;主要研究人的神经系统(神经元、中枢神经系统和大脑)的活动;认知科学研究的底层。
认知心理学
研究认知行为的心理活动;主要研究人的思维策略;是认知科学研究的顶层。
认知信息学
研究人的认知行为在人体内的初级信息处理;主要研究人的认知行为如何通过初级信息自然处理,由生理活动变为心理活动及其逆过程,即由心理活动变为生理行为;这是认知活动的中间层,承上启下。
认知工程学
研究认知行为的信息加工处理;主要研究如何通过以计算机为中心的人工信息处理系统,对人的各种认知行为(如知觉、思维、记忆、语言、学习、理解、推理、识别等)进行信息处理;这是研究认知科学和认知行为的工具,应成为现代认知心理学和现代认知生理学的重要研究手段。
人工智能的各种认知观
符号主义(Symbolicism)
逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism);
其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
连接主义(Connectionism)
又称为仿生学派(Bionicsism)或生理学派(Physiologism);其原理主要为神经网络及神经网络间的连接机制与学习算法。
行为主义(Actionism)
又称进化主义(Evolutionism)或控制论学派(Cyberneticsism);其原理为控制论及感知—动作型控制系统。
人工智能的基本技术
状态空间法
问题求解技术主要涉及两个方面:
1.问题的表示2.求解的方法
状态空间法1.状态(Statetate)2.算符(OperatorOperator)
3.状态空间方法(MethodonStateSpace)
问题状态描述定义
状态:
描述某类不同事物间的差别而引入的一组最少变量
的有序集合。
算符:
使问题从一种状态变化为另一种状态的手段。
操作符可为走步、过程、规则、数学算子、运算符号或逻辑符号等。
节点(node):
图形上的汇合点,用来表示状态、事件和时间关系的汇合,也可用来指示通路的汇合;
弧线(arc):
节点间的连接线;
有向图(directedgraph):
一对节点用弧线连接起来,从一个节点指向另一个节点。
后继节点(descendantnode)与父辈节点(parentnode):
如果某条弧线从节点ni指向节点nj,那么节点nj就叫做节点ni的后继节点或后裔,而节点ni叫做节点nj的父辈节点或祖先。
状态空间举例表示
在一个房间内有一只猴子(可把这只猴子看做一个机器人)、一个箱子和一束香蕉。
香蕉挂在天花板下方,但猴子的高度不足以碰到它。
那么这只猴子怎样才能摘到香蕉呢?
图2.4表示出猴子、香蕉和箱子在房间内的相对位置。
解题过程
用一个四元表列(W,x,Y,z)来表示这个问题的状态,其中
W-猴子的水平位置x-当猴子在箱子顶上时取x=1;否则取x=0;Y-箱子的水平位置;z-当猴子摘到香蕉时取z=1;否则取z=0
1.goto(U)表示猴子走到水平位置U,或者用产生式规则表示为
2.pushbox(V)猴子把箱子推到水平位置V,
注:
应用算符pushbox(V),就要求产生式规则的左边,猴子与箱子必须在同一位置上,并且,猴子不是在箱子顶上。
这种强加于操作的适用性条件,叫做产生式规则的先决条件。
3.climbbox猴子爬上箱顶,即有
在应用算符climbbox时也必须注意到,猴子和箱子应当在同一位置上,而且猴子不在箱顶上。
4.grasp猴子摘到香蕉,即有
其中,c是香蕉正下方的地板位置,在应用算符grasp时,要求猴子和箱子都在位置c上,并且猴子已在箱子顶上。
把该初始状态变换为目标状态的操作序列为
{goto(b),pushbox(c),climbbox,grasp}
定义
可解节点
终叶节点是可解节点(因为它们与本原问题相关连)。
如果某个非终叶节点含有或后继节点,那么只要当其后继节点至少有一个是可解的时,此非终叶节点才是可解的。
如果某个非终叶节点含有与后继节点,那么只有当其后继节点全部为可解时,此非终叶节点才是可解的。
不可解节点
没有后裔的非终叶节点为不可解节点。
如果某个非终叶节点含有或后继节点,那么只有当其全部后裔为不可解时,此非终叶节点才是不可解的。
如果某个非终叶节点含有与后继节点,那么只要当其后裔至少有一个为不可解时,此非终叶节点才是不可解的。
知识表示(KnowledgeRepresentation)
状态空间法、问题归约法、谓词逻辑法…
推理搜索(Searching&Reasoning)
启发式搜索、消解原理、不确定性推理…
计算智能(ComputationalIntelligence)
模糊计算、神经计算、进化计算…
构成技术(系统与语言)
产生式系统、LISP语言、Prolog语言
谓词演算(PredicateCalculus)
语法和语义(Syntax&Semantics)
基本符号:
谓词符号、变量符号、函数符号、常量符号、括号和逗号。
原子公式(atomicformulas)由若干谓词符号和项组成的谓词演算。
原子公式是谓词演算基本积木块。
连词
1.与合取(conjunction)合取就是用连词∧把几个公式连接起来而构成的公式。
合取项是合取式的每个组成部分。
例:
(我喜爱音乐与绘画)LIKE(I,MUSIC)∧LIKE(I,PAINTING)
2.或析取(disjunction)析取就是用连词∨把几个公式连接起来而构成的公式。
析取项是析取式的每个组成部分。
例:
(李力打篮球或踢足球)PLAYS(LILI,BASKETBALL)∨PLAYS(LILI,FOOTBALL)
3.蕴涵(Implication)用"=>"表示"如果-那么"的语句。
例:
(如果刘华跑得最快,那么他取得冠军)RUNS(LIUHUA,FASTEST)=>TWINS(LIUHUA,CHAMPION)
4.非(NOT)表示否定,~、┑均可表示。
例:
(机器人不在2号房间内)~INROOM(ROBOT,r2)
量词
全称量词(UniversalQuantifier) 若一个原子公式P(x),对于所有可能变量X都具有T值,则用(
x)P(x)表示。
例:
(所有的机器人都是灰色的)(
x)[ROBOT(x)=>COLOR(x,GRAY)]
(所有学生都穿彩色制服)(
x)[Student(x)=>Uniform(x,Color)]
存在量词(ExistentialQuantifier)若一个原子公式P(x),至少有一个变元X,可使P(X)为T值,则用(
x)P(x)表示。
合适公式的性质
1.否定之否定:
~(~P)等价于P
2.P∨Q等价于~P⇒Q
3.狄·摩根定律:
~(P∨Q)等价于~P∧~;~(P∧Q)等价于~P∨~Q
4.分配律:
P∧(Q∨R)等价于(P∧Q)∨(P∧R)
5.P∨(Q∧R)等价于(P∨Q)∧(P∨R)
6.交换律:
P∧Q等价于Q∧P;P∨Q等价于Q∨P
7.结合律:
(P∧Q)∧R等价于P∧(Q∧R);(P∨Q)∨R等价于P∨(Q∨R)
8.逆否律:
P⇒Q等价于~Q⇒~P
9.~(∃x)P(x)等价于(∀x)[~P(x)];~(∀x)P(x)等价于(∃x)[~P(x)]
10.(∀x)[P(x)∧Q(x)]等价于(∀x)P(x)∧(∀x)Q(x)
11.(∀x)[P(x)∨Q(x)]等价于(∀x)P(x)∨(∀x)Q(x)
12.(∀x)P(x)等价于(∀y)P(y);(∃x)P(x)等价于(∃y)P(y)
P
Q
P∨Q
P∧Q
P=>Q
~P
T
T
T
T
T
F
F
T
T
F
T
T
T
F
T
F
F
F
F
F
F
F
T
T
搜索包括盲目搜索和启发式搜索
盲目搜索
概念:
没有启发信息的一种搜索形式,一般只适用于求解比较简单的问题。
特点:
不需要重排OPEN表。
种类:
宽度优先.深度优先.等代价搜索。
宽度优先搜索
定义:
以接近起始节点的程度为依据,进行逐层扩展的节点搜索方法。
特点:
探索是逐层进行的,即在对下一层的任一节点进行搜索之前,必须搜索完本层的所有节点。
一种高代价搜索,但若有解存在,则必能找到它。
算法:
1.把起始节点放到OPEN表中(如果该起始节点为一目标节点,则求得一个解答)。
2.如果OPEN是个空表,则没有解,失败退出:
否则继续。
3.把第一个节点(节点n)从OPEN表移出,并把它放入CLOSED的扩展节点表中。
4.扩展节点n。
如果没有后继节点,则转向上述地2步。
5.把n的所有后继结点放到OPEN表的末端,并提供从这些后继节点回到n的指针。
6.如果n的任一个后继节点是个目标节点,则找到一个解答,成功退出;否则转向地2步。
深度优先搜索
定义:
首先扩展最新产生的(即最深的)节点,深度相等的节点可以任意排列
特点:
首先,扩展最新的节点的结果使得搜索沿着状态空间某条单一的路径从起始节点向下进行下去。
仅当搜索达到一个没有后裔的状态时,才考虑另一条代替的路径。
算法:
防止搜索过程沿着无益的路径扩展下去,往往给出一个节点扩展的最大深度——深度界限。
与宽度优先搜索算法最根本的不同:
将扩展的后继节点放在OPEN表的前端。
等代价搜索
概念:
宽度优先搜索的一种推广;不是沿着等长度路径断层进行扩展,而是沿着等价路径断层进行扩展;搜索树中每条连接弧上的有关代价,表示时间.距离等花费。
等价搜索中的几个记号:
起始节点记为S;从节点i到它的后继节点j的连接弧线代价记为c(i,j);从起始节点s到任一节点i的路径代价记为g(i)。
启发式搜索算法
盲目搜索的不足:
1.效率低,耗费过多的计算空间与时间;2.可能带来组合爆炸;3.待扩展节点的顺序没有安排好,使得搜索效率降低。
什么可以作为启发信息:
进行搜索技术一般需要某些有关具体问题的领域的特性信息,把此种信息叫做启发信息;把利用启发信息的搜索方法叫做启发性搜索方法。
特点;重排OPEN表,选择最有希望的节点加以扩展
种类:
有序搜索,A*算法等
有序搜索
概念:
有序搜索,即最好优先搜索;选择OPEN表上具有最小f值的节点作为下一个要扩展的节点
博弈树搜索
博弈概述:
博弈,诸如下棋.打牌.竞技.战争等一类竞争性智能活动;在博弈过程中,任何一方都希望自己取得胜利。
因此,当某一方当前有多个行动方案可供选择时,他总是挑选对自己最为有利而对对方最为不利的行动方案。
神经网络(NN)与人工智能(AI):
把神经网络归类于人工智能可能不大合适,而归类于计算智能(CI)更能说明问题实质。
进化计算.人工生命合模糊逻辑系统的某些课题也都归类于计算智能。
计算智能与人工智能:
计算智能取决与制造者提供的数值数据,不依赖于知识。
人工智能应用知识精品,故此,一种说法是人工智能网络应当称为计算神经网络。
人工神经网络结构
神经网络的主要学习算法
一.有师学习算法:
能够根据期望的合实际的网络输出(对应于给定输出)间的差来调整神经元间连接的强度或权。
二.无师学习算法:
不需要知道期望输出。
三.强化学习算法:
采用一个“评论员”来评价与给定输入相对应的神经网络输出的优先度(质量因数)。
强化学习算法的一个例子是遗传算法(GA)。
遗传算法的五个基本组成
1.方案表示2.群体初始化3.适应度函数4.遗传操作5.算法参数
机器学习的定义:
机器学习是研究如何使用机器来模拟人类学习活动的一门学科。
稍微严格的提法是,机器学习是一门研究机器获取新知识合新技能,并识别现有知识的学问。
机器学习的发展分为四个时期
第一阶段是在50年代中叶到60年代中叶,属于热烈时期。
第二阶段在60年代中叶至70年代中叶,被称为机器学习的冷静时期。
第三阶段从70年代中叶至80年代中叶,称为复兴时期。
1986年之后,机器学习的研究进入理性发展时期。
机械学习的主要问题
存储组织信息:
要采取适当的存储方式,使检索尽可能得快。
环境的稳定性与存储信息的实用性问题:
机械学习系统必须保证所保存的星系适应于外界环境变化的需要。
存储与计算之间的权衡:
对于机械学习来说很重要的一点是不能降低系统的效率。
神经学习
基于反向传播网络的学习:
反向传播(BP)算法是一种计算单个全值变化引起网络性能变化值的较为简单的算法;BP算法过程包括从输出节点开始,反向的向第一隐含层传播由总误差引起的权值修正。
基于Hopfield网络的学习:
反馈神经网络,它是一种动态反馈系统,比前馈网络系统具有更强的计算能力;Hopfield网络是一种具有正反相输出的带反馈人工神经元。
知识发现的产生和发展:
知识发现最早是于1989年8月在第十一届国际人工智能联合会议的专题讨论会上提出。
知识发现的定义:
数据库中的知识发现是从大量数据中辨识出有效的.新颖的.潜在有用的.并可被理解的模式的高级处理过程。
专家系统定义:
专家系统是一个大量的某个领域专家水平的知识与经验智能计算机程序系统,它能够利用人类专家的知识和解决问题的方法来处理该领域问题。
专家系统的特点:
1.启发性2.透明性3.灵活性
转接系统的优点:
1.专家系统能够高效率.准确.周到.迅速和不知疲倦的进行工作。
2.专家系统解决实际问题是不受周围环境的影响,也不可能遗漏忘记。
3.可以是专家的专长不受时间和空间的限制,以便推广珍贵和稀缺的专家知识和经验。
4.专家系统能促进各领域的发展。
5.专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力。
6.军事专家系统的水平是一个国家国防现代化的重要标志之一。
7.专家系统的研制和应用,具有巨大的经济效益和社会效益。
8.研究专家系统能够促进整个科学技术的发展。
专家系统的类型
1.解释专家系统2.监视专家系统3.预测专家系统4.控制专家系统5.诊断专家系统
6.调试专家系统7.设计专家系统8.教学专家系统9.规划专家系统10.修理专家系统
一般应用程序与专家系统的区别
一般应用程序
专家系统
把问题求解的知识隐含的编入程序;
把知识组织为两级:
数据级和程序级
把其应用领域的问题求解知识单独组成一个实体。
即为数据库;
将知识组织成三级:
数据.数据库和控制。
智能控制的特点
1.智能控制以知识进行推理,以启发引导求解过程。
2.智能控制的核心在高级控制,即组织级。
3.智能控制是一门边缘交叉学科。
4.智能控制是一个新兴的研究领域。
定义与假设
智能控制系统各级的共同要素涉及机器各种作用的不确定性,采用概率模型来描述这些具有共同度量的作用,即它们各自的熵。
组织级:
以知识为主体,用香农熵衡量所需知识。
协调级:
以概率描述的决策方式来表示,这些方案的熵用于度量协调的不确定性。
执行级:
执行代价等价于系统所消耗的能量,并由Boltzman的熵来表示。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 概论