計算機(jī)與人工智能導(dǎo)論計算機(jī)與人工智能導(dǎo)論第7章人工智能概述目錄CONTENTS03人工智能研究的不同學(xué)派01人工智能的定義02人工智能的研究目標(biāo)04人工智能的發(fā)展歷程人工智能的定義人工智能；機(jī)器智能/01人工智能的定義1956年夏季，時任美國達(dá)特茅斯學(xué)院數(shù)學(xué)系助理教授的約翰?麥卡錫和時任美國哈佛大學(xué)助理研究員的馬文?明斯基在達(dá)特茅斯學(xué)院組織了一個討論機(jī)器智能的小型研討會。在研討會上第一次正式使用了人工智能（artificialintelligence,AI）這一術(shù)語，標(biāo)志著人工智能學(xué)科的誕生。達(dá)特茅斯學(xué)院大樓開會時部分與會者合影50年后部分與會者合影人工智能的定義馬文?明斯基：人工智能是一門科學(xué)，是使機(jī)器做那些人需要通過智能來做的事情。尼爾斯?尼爾遜：人工智能是關(guān)于知識的科學(xué)―怎樣表示知識以及怎樣獲取知識并使用知識的科學(xué)。馬文?明斯基是1956年達(dá)特茅斯會議的組織者之一，基于在人工智能領(lǐng)域的重要貢獻(xiàn)獲得1969年度的圖靈獎。尼爾斯?尼爾遜曾任美國斯坦福大學(xué)人工智能研究中心教授，是人工智能學(xué)科的創(chuàng)始研究人員之一。人工智能的定義中國電子技術(shù)標(biāo)準(zhǔn)化研究院編寫的《人工智能標(biāo)準(zhǔn)化白皮書（2018年）》：人工智能是利用計算機(jī)或者由計算機(jī)控制的機(jī)器，模擬、延伸和擴(kuò)展人類的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)和應(yīng)用系統(tǒng)。人工智能的研究目標(biāo)弱人工智能；強(qiáng)人工智能/02人工智能的研究目標(biāo)研究目標(biāo)用人工的方法在計算機(jī)上實(shí)現(xiàn)人所具有的感知、學(xué)習(xí)、理解、聯(lián)想、推理、判斷等智能，讓計算機(jī)幫助人完成一些智能性工作。讓計算機(jī)像人一樣，能聽、會說、能寫、會算、能學(xué)習(xí)、會理解、善于推理、機(jī)智應(yīng)變。人工智能可以分為弱人工智能和強(qiáng)人工智能弱人工智能也稱為限制領(lǐng)域人工智能或應(yīng)用型人工智能，指專注于且只能解決特定領(lǐng)域問題的專用人工智能。強(qiáng)人工智能又稱為通用人工智能或完全人工智能，指可以勝任人類所有工作的通用人工智能。人工智能研究的不同學(xué)派符號主義；連接主義；行為主義/03人工智能研究的不同學(xué)派—符號主義符號主義認(rèn)為人的認(rèn)知基元是符號，而且認(rèn)知過程即符號操作過程。該學(xué)派認(rèn)為人是一個物理符號系統(tǒng)，計算機(jī)也是一個物理符號系統(tǒng)，因此，能夠用計算機(jī)來模擬人的智能行為，即用計算機(jī)的符號操作來模擬人的認(rèn)知過程。知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的核心問題是知識表示、知識推理和知識運(yùn)用。符號主義在定理的自動證明領(lǐng)域有重要影響。符號主義強(qiáng)調(diào)的是計算機(jī)與人在功能上的相同。人工智能研究的不同學(xué)派—連接主義從醫(yī)學(xué)角度來說，人的大腦就是一個生物神經(jīng)網(wǎng)絡(luò)，由大約860億個神經(jīng)元組成，神經(jīng)元之間大約有150萬億個連接。該學(xué)派認(rèn)為：人類的智能就產(chǎn)生于這眾多的神經(jīng)元和神經(jīng)元之間的連接。連接主義認(rèn)為人的思維基礎(chǔ)是神經(jīng)元，而不是符號處理過程。連接主義主張人工智能應(yīng)著重于結(jié)構(gòu)模擬，即模擬人的大腦生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并認(rèn)為功能、結(jié)構(gòu)和智能行為是密切相關(guān)的。該學(xué)派提出了多種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和眾多的學(xué)習(xí)算法。連接主義強(qiáng)調(diào)的是計算機(jī)與人腦在結(jié)構(gòu)上的相似或相同。人工智能研究的不同學(xué)派—連接主義人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)網(wǎng)絡(luò)在計算機(jī)上人工構(gòu)建的神經(jīng)網(wǎng)絡(luò)，從結(jié)構(gòu)上模擬人腦，期望能產(chǎn)生類似于人腦的智能。近幾年人工智能應(yīng)用主要得益于深度神經(jīng)網(wǎng)絡(luò)模型的實(shí)用化。代表成果包括圍棋程序AlphaGo、大模型ChatGPT和DeepSeek、人臉識別、語音識別、機(jī)器翻譯等。人工智能研究的不同學(xué)派—行為主義行為主義認(rèn)為智能取決于感知和行動，提出智能行為的“感知—動作”模式。行為主義者認(rèn)為智能不需要知識，不需要表示，不需要推理。智能行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來。行為主義學(xué)派認(rèn)為，機(jī)器人只需要兩個步驟就可以實(shí)現(xiàn)，即感知和行動，并據(jù)此設(shè)計了六足行走機(jī)器人：感知環(huán)境并做出適當(dāng)?shù)姆磻?yīng)。行為主義強(qiáng)調(diào)的是對環(huán)境的感知和反應(yīng)。三個學(xué)派的融合幾十年發(fā)展過來，三個學(xué)派都有很大的理論和技術(shù)進(jìn)步，但每一個學(xué)派都有其局限性，多種技術(shù)的融合能夠更好地實(shí)現(xiàn)人工智能。

圍棋程序AlphaGo就是融合了三個學(xué)派的技術(shù)：連接主義的深度學(xué)習(xí)、符號主義的蒙特卡洛樹搜索和行為主義的強(qiáng)化學(xué)習(xí)，三個學(xué)派技術(shù)的融合大大提高了圍棋程序的智能化程度。人工智能的發(fā)展歷程推理期；知識期；學(xué)習(xí)期/04人工智能的發(fā)展歷程發(fā)展概述學(xué)術(shù)界把1956年達(dá)特茅斯會議看作是人工智能的起點(diǎn)，到目前已有近70年的歷史。人工智能在近70年的發(fā)展過程中經(jīng)歷了2次低谷和3個快速發(fā)展時期。人工智能的發(fā)展歷程第一個快速發(fā)展時期—推理期1956年達(dá)特茅斯會議之后，人工智能有一段長達(dá)10多年的快速發(fā)展時期—推理期。人們認(rèn)為只要能賦予計算機(jī)邏輯推理能力，計算機(jī)就可以具有智能。在達(dá)特茅斯研討會上西蒙和紐厄爾展示了他們合作開發(fā)的能進(jìn)行定理自動證明的“邏輯理論家”程序，證明了《數(shù)學(xué)原理》第2章的全部52個定理。1958年，美籍華人數(shù)理邏輯學(xué)家王浩在IBM704計算機(jī)上證明了《數(shù)學(xué)原理》一書中的一階邏輯及命題邏輯定理。人工智能的發(fā)展第一個快速發(fā)展時期—推理期1965年魯濱遜提出了歸結(jié)原理，推動了定理自動證明的突破性進(jìn)展。這一時期，人工智能在機(jī)器翻譯、下棋程序、人機(jī)對話等方面也有在當(dāng)時看來不錯的進(jìn)展，讓很多研究者對人工智能發(fā)展充滿信心，甚至當(dāng)時有學(xué)者認(rèn)為：“二十年內(nèi)，機(jī)器將能完成人能做到的一切?！彪S著研究的深入，人們逐漸認(rèn)識到，實(shí)現(xiàn)人工智能僅靠邏輯推理是遠(yuǎn)遠(yuǎn)不夠的。到20世紀(jì)70年代中期，人工智能進(jìn)入第一次發(fā)展低谷。當(dāng)時，人工智能面臨的技術(shù)瓶頸主要是兩個方面：一是計算機(jī)性能的不足，二是數(shù)學(xué)模型不足以應(yīng)對實(shí)際問題的復(fù)雜性。人工智能的發(fā)展第二個快速發(fā)展時期—知識期到20世紀(jì)80年代初，人工智能迎來稱為知識期的第二個快速發(fā)展期，把知識應(yīng)用于人工智能系統(tǒng)的開發(fā)，出現(xiàn)了一大批應(yīng)用于各領(lǐng)域的專家系統(tǒng)。專家系統(tǒng)是一種智能的計算機(jī)程序，它運(yùn)用知識和推理來解決只有人類專家才能解決的復(fù)雜問題。1965年，人工智能學(xué)者費(fèi)根鮑姆與遺傳學(xué)家喬萊德伯格、化學(xué)家翟若適等人合作開發(fā)出世界上第一個專家系統(tǒng)DENDRAL，該系統(tǒng)的輸入是質(zhì)譜儀的數(shù)據(jù)，輸出是給定物質(zhì)的化學(xué)結(jié)構(gòu)。將化學(xué)分析知識提煉成規(guī)則應(yīng)用于專家系統(tǒng)，DENDRAL給出的結(jié)果有時比翟若適的學(xué)生做的都準(zhǔn)。人工智能的發(fā)展第二個快速發(fā)展時期—知識期1980年，卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司（DEC）設(shè)計了一套名為XCON的專家系統(tǒng)。這個系統(tǒng)有1000多條人工整理的規(guī)則（后來擴(kuò)展到3000多條），可以簡單的理解為“知識庫+推理機(jī)”的組合，其功能是為客戶訂購DEC的VAX系列計算機(jī)時自動配置零部件，有文獻(xiàn)說每年能為公司節(jié)省約4000萬美元。由于知識獲取、知識表示以及基于知識的推理機(jī)制等問題沒有得到有效解決，即以人工方式把知識（規(guī)則）總結(jié)出來存入計算機(jī)并教給計算機(jī)使用是困難的，專家系統(tǒng)在取得了一些初步成效后，性能無法進(jìn)一步提升，到20世紀(jì)80年代末，人工智能再次進(jìn)入發(fā)展的低谷。人工智能的發(fā)展第三個快速發(fā)展時期—學(xué)習(xí)期人工智能的第三個快速發(fā)展期開始于21世紀(jì)初，人工智能進(jìn)入“學(xué)習(xí)期”（讓機(jī)器自己學(xué)習(xí)），這一時期深度學(xué)習(xí)模型取得重大突破，得到快速發(fā)展并應(yīng)用于多個領(lǐng)域。深度學(xué)習(xí)模型就是多層的人工智神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)起源于1943年美國神經(jīng)心理學(xué)家麥卡洛克和數(shù)學(xué)家皮茨合作發(fā)表的論文《神經(jīng)活動中內(nèi)在思想的邏輯計算》，論文的核心內(nèi)容是用數(shù)學(xué)模型來描述人腦的神經(jīng)活動。論文中提出的神經(jīng)元數(shù)學(xué)模型（M-P模型）奠定了人工神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)。人工智能的發(fā)展第三個快速發(fā)展時期—學(xué)習(xí)期1957年，美國康奈爾大學(xué)心理學(xué)教授羅森布拉特在M-P模型的基礎(chǔ)上，在計算機(jī)上模擬實(shí)現(xiàn)了一個他自己稱之為“感知器”的神經(jīng)網(wǎng)絡(luò)模型，這個模型可以完成圖片分類等簡單的視覺處理任務(wù)。1986年，魯梅哈特、辛頓、威廉姆斯合作發(fā)表了題為《通過誤差傳播學(xué)習(xí)內(nèi)部表示》和《通過反向傳播誤差學(xué)習(xí)表示》的兩篇論文，論文中設(shè)計的反向傳播（BP）算法系統(tǒng)地解決了具有幾個隱含層的神經(jīng)網(wǎng)絡(luò)中隱層單元連接權(quán)重值的學(xué)習(xí)問題。人工智能的發(fā)展第三個快速發(fā)展時期—學(xué)習(xí)期楊立昆在1989年提出了卷積神經(jīng)網(wǎng)絡(luò)LeNet，1998提出了LeNet的改進(jìn)版LeNet-5，曾用于郵政編