人工智能通識導(dǎo)論教材：

王萬良《人工智能通識導(dǎo)論》高等教育出版社，20252第1章人工智能概述人工智能通識導(dǎo)論教材：

王萬良《人工智能通識導(dǎo)論》高等教育出版社，20253第1章人工智能概述1956年正式提出人工智能（artificialintelligence,AI）這個術(shù)語并把它作為一門新興科學(xué)的名稱。20世紀(jì)三大科學(xué)技術(shù)成就：空間技術(shù)原子能技術(shù)人工智能4第1章人工智能概述1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)5第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)1.1生物智能的概念與特征●人類之所以主宰地球，就是因?yàn)槲覀冏嫦仍缇陀辛吮容^高級的智能，但誰也不知道我們?nèi)祟惖闹悄苁窃趺串a(chǎn)生的？●智能及智能的本質(zhì)是古今中外許多哲學(xué)家、腦科學(xué)家一直在努力探索和研究的問題，但至今仍然沒有完全了解?！裰悄艿陌l(fā)生與物質(zhì)的本質(zhì)、宇宙的起源、生命的本質(zhì)一起被列為自然界的四大奧秘。71.1生物智能的概念與特征●對智能還沒有確切的定義，主要流派有：（1）思維理論：智能的核心是思維

（2）知識閾值理論：智能取決于知識的數(shù)量及一般化程度

（3）進(jìn)化理論：智能由系統(tǒng)總的行為以及行為與環(huán)境的聯(lián)系所決定。

●智能是知識與智力的總和。知識是一切智能行為的基礎(chǔ)獲取知識并應(yīng)用知識求解問題的能力

8感知能力：通過視覺、聽覺、觸覺、嗅覺等感覺器官感知外部世界的能力。

80%以上信息通過視覺得到，10%信息通過聽覺得到。存儲由感知器官感知到的外部信息以及由思維所產(chǎn)生的知識對記憶的信息進(jìn)行處理2.

記憶與思維能力1.1生物智能的概念與特征9（1）邏輯思維（抽象思維）依靠邏輯進(jìn)行思維。思維過程是串行的。容易形式化。思維過程具有嚴(yán)密性、可靠性。（2）形象思維（直感思維）依據(jù)直覺。思維過程是并行協(xié)同式的。形式化困難。在信息變形或缺少的情況下仍有可能得到比較滿意的結(jié)果。1.1生物智能的概念與特征●2000多年前，希洛王讓阿基米德鑒別皇冠是否為純金制成。在那個時代皇冠的體積難以得到?！裼幸惶?，阿基米德泡入盛滿水的澡盆中洗澡時，突然想到盆里溢出來的水的體積就是自己浸入水里的那一部分體積?！癜⒒椎掠纱私议_了金冠之謎，斷定皇冠是摻了假的?！袼l(fā)現(xiàn)了著名的浮力定律，開創(chuàng)了船舶浮沉理論。（3）頓悟思維（靈感思維）1.1生物智能的概念與特征●在科學(xué)發(fā)現(xiàn)史上有很多“靈感”故事，例如：●1830年奧斯特在指導(dǎo)學(xué)生實(shí)驗(yàn)時，看見電流能使磁針偏轉(zhuǎn)，從而發(fā)現(xiàn)了電磁關(guān)系。●1928年8月2日，HaroldBlack(1898-1983)，在前往曼哈頓西街的Hudson河的渡船上，靈光一閃發(fā)明了控制理論中占核心地位的負(fù)反饋放大器。他將其發(fā)明記在了一份紐約時報(bào)上。這份早報(bào)珍藏在AT&T的檔案館中。頓悟思維（靈感思維）的特點(diǎn)：不定期的突發(fā)性。非線性的獨(dú)創(chuàng)性及模糊性。穿插于形象思維與邏輯思維之中。

1.1生物智能的概念與特征124.行為能力（表達(dá)能力）

3.學(xué)習(xí)能力

學(xué)習(xí)既可能是自覺的、有意識的，也可能是不自覺的、無意識的；既可以是有教師指導(dǎo)的，也可以是通過自己實(shí)踐的。人們的感知能力：用于信息的輸入。行為能力：信息的輸出。機(jī)器人作畫機(jī)器人裝配機(jī)器人放牧1.1生物智能的概念與特征13第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)141.2.1人工智能的孕育期早在公元前，偉大的哲學(xué)家和思想家亞里斯多德提出的三段論至今仍是演繹推理的基本依據(jù)。151.2.1人工智能的孕育期英國哲學(xué)家培根（F.Bacon）：歸納法萊布尼茨（G.W.Leibnitz）：萬能符號、推理計(jì)算英國邏輯學(xué)家布爾（G.Boole）：用符號語言描述思維活動的基本推理法則英國圖靈（A.M.Turing）：圖靈機(jī)（1936年）美國神經(jīng)生理學(xué)家麥克洛奇與匹茲：1943年建成第一個神經(jīng)網(wǎng)絡(luò)模型（M-P模型），為后來人工神經(jīng)網(wǎng)絡(luò)的研究奠定了基礎(chǔ)。161956年夏，當(dāng)時美國達(dá)特茅斯大學(xué)數(shù)學(xué)助教、現(xiàn)任斯坦福大學(xué)教授麥卡錫和哈佛大學(xué)數(shù)學(xué)和神經(jīng)學(xué)家、現(xiàn)任MIT教授明斯基、IBM公司信息研究中心負(fù)責(zé)人洛切斯特、貝爾實(shí)驗(yàn)室信息部數(shù)學(xué)研究員香農(nóng)共同發(fā)起，邀請普林斯頓大學(xué)莫爾和IBM公司塞繆爾、MIT的塞爾夫里奇和索羅莫夫以及蘭德公司和卡內(nèi)基－梅隆大學(xué)的紐厄爾、西蒙等10名年輕學(xué)者在達(dá)特莫斯大學(xué)召開了兩個月的學(xué)術(shù)研討會，討論機(jī)器智能問題。會上麥卡錫提議正式采用“人工智能”這一術(shù)語，標(biāo)志著人工智能學(xué)科正式誕生。麥卡錫因而被稱為人工智能之父。1.2.2人工智能的誕生——達(dá)特茅斯會議17

人工智能：用人工的方法在機(jī)器（計(jì)算機(jī)）上實(shí)現(xiàn)的智能；或者說是人們使機(jī)器具有類似于人的智能。1.2.3人工智能的定義與圖靈測試

圖靈測試：1950年圖靈發(fā)表的《計(jì)算機(jī)與智能》中設(shè)計(jì)了一個測試，用以說明人工智能的概念。智者詢問者●中國屋思想實(shí)驗(yàn)語言哲學(xué)家約翰.R.塞爾（JohnR.Searle，19801.2.3人工智能的定義與圖靈測試19第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)201.3.1人工智能的形成期達(dá)特茅斯會議之后，美國形成了多個人工智能研究組織，如紐厄爾和西蒙的CarnegieRAND協(xié)作組，明斯基和麥卡錫的MIT研究組，塞繆爾的IBM工程研究組等。1956年以后，人工智能在機(jī)器學(xué)習(xí)、定理證明、模式識別、問題求解、專家系統(tǒng)等方面都取得了許多引人矚目的成就。機(jī)器學(xué)習(xí)：1957年Rosenblatt研制成功了感知機(jī)。定理證明：美籍華人數(shù)理邏輯學(xué)家王浩1958年在IBM-704機(jī)器上用3~5min證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理（220條），并且還證明了謂詞演算中150條定理的85%；1965年魯賓遜（J.A.Robinson）提出了歸結(jié)原理，為定理的機(jī)器證明做出了突破性的貢獻(xiàn)。

211.3.1人工智能的形成期專家系統(tǒng)：美國斯坦福大學(xué)的費(fèi)根鮑姆1965年開始專家系統(tǒng)DENDRAL的研究，1968年完成并投入使用，在美、英等國得到了實(shí)際的應(yīng)用，對人工智能的發(fā)展產(chǎn)生了深刻的影響。1969年，成立了國際人工智能聯(lián)合會議（InternationalJointConferencesonArtificialIntelligence，IJCAI）。

1970年，創(chuàng)刊了國際性的人工智能雜志（ArtificialIntelligence）。1978年，我國開始把“智能模擬”作為國家科技發(fā)展規(guī)劃的主要研究課題。1981年成立了中國人工智能學(xué)會（CAAI）。221.3.2幾起幾落的曲折發(fā)展期20世紀(jì)60年代末，人工智能研究遇到困難，如機(jī)器翻譯。1966年美國顧問委員會裁定：還不存在通用的科學(xué)文本機(jī)器翻譯，也沒有很近的實(shí)現(xiàn)前景。英國、美國中斷了大部分機(jī)器翻譯項(xiàng)目的資助。1977年，費(fèi)根鮑姆在第五屆國際人工智能聯(lián)合會議上提出了“知識工程”概念，推動了知識為中心的研究。1986年之后也稱為集成發(fā)展時期。計(jì)算智能（CI）彌補(bǔ)了人工智能中在數(shù)學(xué)理論和計(jì)算上的不足。231.3.3大數(shù)據(jù)驅(qū)動的飛速發(fā)展期隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等發(fā)展，以及深度學(xué)習(xí)的提出，人工智能在算法、算力和算料（數(shù)據(jù)）等“三算”方面取得了重要突破，直接支撐了圖像分類、語音識別、知識問答、人機(jī)對弈、無人駕駛等人工智能的復(fù)雜應(yīng)用，人工智能進(jìn)入以深度學(xué)習(xí)為代表的大數(shù)據(jù)驅(qū)動發(fā)展期。2006年，Hinton等根據(jù)生物學(xué)的重要發(fā)現(xiàn)，提出了著名的深度學(xué)習(xí)方法。2017年10月，Hinton等進(jìn)一步提出了膠囊網(wǎng)絡(luò)。2019年，牛津大學(xué)博士生AdamR.Kosiorek等提出了堆疊膠囊自動編碼器（SCAE）。深度學(xué)習(xí)創(chuàng)始人、圖靈獎得主Hinton稱贊它是一種非常好的膠囊網(wǎng)絡(luò)新版本。24人工智能大體可分為專用人工智能和通用人工智能。目前主要是面向特定任務(wù)的專用人工智能，處理的任務(wù)需求明確、應(yīng)用邊界清晰、領(lǐng)域知識豐富，在局部智能水平的單項(xiàng)測試中往往能夠超越人類智能。例如，阿爾法狗戰(zhàn)勝人類圍棋冠軍，醫(yī)學(xué)圖片識別等達(dá)到專業(yè)醫(yī)生水平。通用人工智能尚處于起步階段。人工智能的發(fā)展方向應(yīng)該是從專用智能向通用智能。1.3.4現(xiàn)代人工智能的發(fā)展趨勢25第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)261.4人工智能的三大學(xué)派●不同背景的科學(xué)家對人工智能有著不同的認(rèn)識和理解，在研究工作中采用了不同的方法，逐步形成了人工智能的三大學(xué)派：符號主義學(xué)派、連接主義學(xué)派和行為主義學(xué)派。1.4.1符號主義●符號主義是人工智能最早的主流學(xué)派，從模擬人的心智入手，強(qiáng)調(diào)知識的表示和推理，經(jīng)歷了從啟發(fā)式算法到專家系統(tǒng)，再到知識工程，為人工智能發(fā)展做出了重要貢獻(xiàn)?！穹栔髁x起源于數(shù)理邏輯，是一種基于邏輯推理的智能模擬方法，所以又稱為邏輯主義、心理學(xué)派或計(jì)算機(jī)學(xué)派?！穹栔髁x的開創(chuàng)性工作是自動定理證明，將數(shù)學(xué)知識表示為謂詞公式，然后通過邏輯運(yùn)算進(jìn)行推理。●符號主義仍是人工智能主要研究領(lǐng)域之一，特別是進(jìn)入21世紀(jì)，知識圖譜的提出與廣泛應(yīng)用，使符號法又成為人工智能的熱點(diǎn)前沿。27●連接主義學(xué)派：又稱仿生學(xué)派或生理學(xué)派，是一種基于神經(jīng)網(wǎng)絡(luò)和網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法的智能模擬方法。●連接主義模擬人腦的結(jié)構(gòu)，采用人工神經(jīng)網(wǎng)絡(luò)模擬人腦工作機(jī)理，取得突出成果。連接主義認(rèn)為，大腦神經(jīng)元機(jī)器連接機(jī)制是一切智能的基礎(chǔ)?！?943年，神經(jīng)生理學(xué)家麥克洛克和數(shù)學(xué)家皮茨，提出了“M-P神經(jīng)元模型”，開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)方法。●連接主義需要極其強(qiáng)大的算力，所以，這個流派到2012年才展示其威力。AI這次大爆發(fā)源自連接主義。1.4.2連接主義28●行為主義（Actionism）學(xué)派：又稱進(jìn)化主義（Evolutionism）或控制論學(xué)派，它是控制論向人工智能領(lǐng)域滲透的產(chǎn)物，是一種基于"感知–行動"的行為智能模擬方法?！裥袨橹髁x的試圖把神經(jīng)系統(tǒng)的工作原理與信息論聯(lián)系在一起，著重研究模擬人在控制過程中的智能行為和作用?！裥袨橹髁x最早來源于20世紀(jì)初的一個心理學(xué)流派，認(rèn)為行為是有機(jī)體用以適應(yīng)環(huán)境變化的各種身體反應(yīng)的組合，它的目標(biāo)在于預(yù)測和控制行為?！裥袨橹髁x學(xué)派的觀點(diǎn)：感知周圍環(huán)境，與現(xiàn)實(shí)進(jìn)行交互的作用，通過進(jìn)化算法適應(yīng)環(huán)境。智能機(jī)器人就是行為主義的典型代表。1.4.3行為主義29第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)301.5人工智能研究的基本內(nèi)容

知識表示

知識表示：將人類知識形式化或者模型化。

知識表示方法：符號表示法、連接機(jī)制表示法。符號表示法：用各種包含具體含義的符號，以各種不同的方式和順序組合起來表示知識的一類方法。例如，一階謂詞邏輯、產(chǎn)生式等。

連接機(jī)制表示法：把各種物理對象以不同的方式及順序連接起來，并在其間互相傳遞及加工各種包含具體意義的信息，以此來表示相關(guān)的概念及知識。例如，神經(jīng)網(wǎng)絡(luò)等。

31

2.機(jī)器感知2.機(jī)器感知

使機(jī)器（計(jì)算機(jī)）具有類似于人的感知能力。以機(jī)器視覺與機(jī)器聽覺為主。1.5人工智能研究的基本內(nèi)容3.機(jī)器思維對通過感知得來的外部信息及機(jī)器內(nèi)部的各種工作信息進(jìn)行有目的的處理。4.機(jī)器學(xué)習(xí)

研究如何使計(jì)算機(jī)具有類似于人的學(xué)習(xí)能力，使它能通過學(xué)習(xí)自動地獲取知識。32

2.機(jī)器感知1.5人工智能研究的基本內(nèi)容5.機(jī)器行為機(jī)器行為：計(jì)算機(jī)的表達(dá)能力，即“說”、“寫”、“畫”等能力。33第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)341.6.1學(xué)習(xí)與機(jī)器學(xué)習(xí)●學(xué)習(xí)：一個有特定目的的知識獲取過程。學(xué)習(xí)的內(nèi)在行為：獲取知識、積累經(jīng)驗(yàn)、發(fā)現(xiàn)規(guī)律。學(xué)習(xí)的外部表現(xiàn)：改進(jìn)性能、適應(yīng)環(huán)境、實(shí)現(xiàn)系統(tǒng)的自我完善?！駲C(jī)器學(xué)習(xí)：計(jì)算機(jī)能模擬人的學(xué)習(xí)行為，自動地通過學(xué)習(xí)獲取知識和技能，不斷改善性能，實(shí)現(xiàn)自我完善。主要研究內(nèi)容:（1）學(xué)習(xí)機(jī)制

（2）學(xué)習(xí)方法（3）學(xué)習(xí)系統(tǒng)35●機(jī)器學(xué)習(xí)系統(tǒng)：能夠在一定程度上實(shí)現(xiàn)機(jī)器學(xué)習(xí)的系統(tǒng)。薩利斯(Saris)的定義（1973年）：能夠從某個過程或環(huán)境的未知特征中學(xué)到有關(guān)信息，并且能把學(xué)到的信息用于未來的估計(jì)、分類、決策或控制，以便改進(jìn)系統(tǒng)的性能。施密斯等的定義（1977年）：在與環(huán)境相互作用時，能利用過去與環(huán)境作用時得到的信息，并提高其性能。1.6.1學(xué)習(xí)與機(jī)器學(xué)習(xí)36●學(xué)習(xí)系統(tǒng)的條件和能力（1）具有適當(dāng)?shù)膶W(xué)習(xí)環(huán)境（2）具有一定的學(xué)習(xí)能力（3）能應(yīng)用學(xué)到的知識求解問題（4）能提高系統(tǒng)的性能1.6.1學(xué)習(xí)與機(jī)器學(xué)習(xí)37●機(jī)器學(xué)習(xí)系統(tǒng)的基本模型1.6.1學(xué)習(xí)與機(jī)器學(xué)習(xí)執(zhí)行與評價環(huán)境學(xué)習(xí)知識庫

學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)38

神經(jīng)元學(xué)習(xí)研究（20世紀(jì)50年代中期------）●應(yīng)用決策理論的方法研制可適應(yīng)環(huán)境的通用學(xué)習(xí)系統(tǒng)?！?957年，羅森勃拉特提出感知器模型?！?969年，明斯基和佩珀特發(fā)表了論著《Perceptron》，對神經(jīng)元模型的研究作出了悲觀的論斷。

●機(jī)器學(xué)習(xí)的發(fā)展1.6.1學(xué)習(xí)與機(jī)器學(xué)習(xí)2.符號學(xué)習(xí)的研究（20世紀(jì)70年代中期-------）●莫斯托夫的指導(dǎo)式學(xué)習(xí)?！駵厮诡D和卡鮑尼爾的類比學(xué)習(xí)?！衩浊袪柕热说慕忉寣W(xué)習(xí)。393.連接學(xué)習(xí)的研究（20世紀(jì)80年代-------）●連接學(xué)習(xí)是一種以非線性大規(guī)模并行處理為主流的神經(jīng)網(wǎng)絡(luò)的研究，特別是深度學(xué)習(xí)研究目前仍在繼續(xù)進(jìn)行之中?！穹枌W(xué)習(xí)的研究同時取得很大進(jìn)展，它與連接學(xué)習(xí)各有所長，具有較大的互補(bǔ)性?！襁B接學(xué)習(xí)適用于連續(xù)模式的識別；而符號學(xué)習(xí)在離散模式識別及專家系統(tǒng)的規(guī)則獲取?，F(xiàn)在把兩者結(jié)合起來研究?！?980年召開了第一屆機(jī)器學(xué)習(xí)國際研討會?！?986年創(chuàng)刊了第一本機(jī)器學(xué)習(xí)雜志《MachineLearning》。1.6.1學(xué)習(xí)與機(jī)器學(xué)習(xí)40401.6.2監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)（有教師學(xué)習(xí)）圖靈獎得主楊立昆（YannLeCun）著名的比喻：假設(shè)機(jī)器學(xué)習(xí)是一個蛋糕，強(qiáng)化學(xué)習(xí)是蛋糕上的一粒櫻桃，監(jiān)督學(xué)習(xí)是外面的一層糖衣，無監(jiān)督學(xué)習(xí)才是蛋糕坯。411.6.3無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)（無教師學(xué)習(xí)）421.6.4弱監(jiān)督學(xué)習(xí)（1）弱監(jiān)督學(xué)習(xí)的概念：●弱監(jiān)督學(xué)習(xí)中的數(shù)據(jù)標(biāo)簽允許是不完全的，即訓(xùn)練集中只有一部分?jǐn)?shù)據(jù)是有標(biāo)簽的，而其余的數(shù)據(jù)是沒有標(biāo)簽的?！袢醣O(jiān)督學(xué)習(xí)涵蓋的范圍很廣泛，只要標(biāo)注信息是不完全、不確切或者不精確的標(biāo)記學(xué)習(xí)都可以看做是弱監(jiān)督學(xué)習(xí)?！裣旅鎯H介紹半監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)和強(qiáng)化學(xué)習(xí)這三種典型的弱監(jiān)督學(xué)習(xí)。父母如何教嬰兒認(rèn)識汽車？431.6.4弱監(jiān)督學(xué)習(xí)（2）半監(jiān)督學(xué)習(xí)：只有少量有標(biāo)注的數(shù)據(jù)，還有大量未標(biāo)注的數(shù)據(jù)可供使用。（3）遷移學(xué)習(xí)：將已經(jīng)學(xué)習(xí)過的知識遷移應(yīng)用到新的問題中。

①樣本遷移

②特征遷移

③模型遷移441.6.4弱監(jiān)督學(xué)習(xí)（4）強(qiáng)化學(xué)習(xí)（再勵學(xué)習(xí)）

強(qiáng)化學(xué)習(xí)中外部環(huán)境對系統(tǒng)輸出結(jié)果只給出評價信息（獎勵或者懲罰），而不是正確答案，學(xué)習(xí)系統(tǒng)通過那些受懲的動作改善自身的性能。馬戲團(tuán)的動物是如何學(xué)習(xí)的？45第1章人工智能概論1.1生物智能的概念與特征1.2人工智能的孕育與誕生

1.3人工智能的曲折歷程與發(fā)展趨勢1.4人工智能的三大學(xué)派

1.5人工智能研究的基本內(nèi)容1.6機(jī)器學(xué)習(xí)的概念

1.7人工智能學(xué)科與專業(yè)461.7.1智能科學(xué)與技術(shù)學(xué)科與研究生專業(yè)《2022版全國學(xué)科和專業(yè)目錄》的學(xué)科門類●人工智能是一門新興的技術(shù)科學(xué)，具有高度復(fù)雜性，具有多學(xué)科綜合、高度復(fù)雜的特征以及滲透力和支撐性強(qiáng)等特點(diǎn)?！袢斯ぶ悄苌婕靶畔⒖茖W(xué)、認(rèn)知科學(xué)、腦科學(xué)、神經(jīng)科學(xué)、數(shù)學(xué)、心理學(xué)、人文社科與哲學(xué)等多學(xué)科的深度交叉融合，需要在交叉學(xué)科下開展研究?！瘛?4.交叉學(xué)科”增加一級學(xué)科：

“1405智能科學(xué)與技術(shù)（可授理學(xué)、工學(xué)學(xué)位）”●智能科學(xué)與技術(shù)學(xué)科包含智能科學(xué)與智能技術(shù)兩部分：

智能科學(xué)側(cè)重于對自然智能機(jī)理的基礎(chǔ)研究。

智能技術(shù)以機(jī)器為載體，側(cè)重探索模擬/超越人類或其他生物的人工智能。

471.7.2人工智能類本科專業(yè)●計(jì)算機(jī)類本科專業(yè)目錄下設(shè)置：“智能科學(xué)與技術(shù)專業(yè)”，以計(jì)算機(jī)類專業(yè)基礎(chǔ)培養(yǎng)人工智能人才?！瘛爸悄芸茖W(xué)與技術(shù)專業(yè)”學(xué)科基礎(chǔ)課程為：程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)、計(jì)算機(jī)組成、操作系統(tǒng)、計(jì)算機(jī)網(wǎng)絡(luò)、信息管理等?！耠娮有畔㈩惐究茖I(yè)目錄下設(shè)置：“人工智能專業(yè)”，以電子信息類專業(yè)基礎(chǔ)培養(yǎng)人工智能人才?！?/p>

“人工智能專業(yè)”學(xué)科基礎(chǔ)課程為：在電子信息類專業(yè)基礎(chǔ)上，與計(jì)算機(jī)、自動化等專業(yè)交叉設(shè)置學(xué)科基礎(chǔ)課程和專業(yè)基礎(chǔ)課程?！瘛叭斯ぶ悄軐I(yè)”“智能科學(xué)與技術(shù)專業(yè)”等人工智能類專業(yè)主要課程有：人工智能基礎(chǔ)（導(dǎo)論）、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算智能、計(jì)算機(jī)視覺、自然語言處理、智能機(jī)器人、智能控制，以及自動控制理論、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)分析、云計(jì)算等。第2章符號主義：

知識表示與知識圖譜

教材：

王萬良《人工智能通識導(dǎo)論》高等教育出版社，202549第2章符號主義：知識表示與知識圖譜人類的智能活動主要是獲得并運(yùn)用知識。知識是智能的基礎(chǔ)。為了使計(jì)算機(jī)具有智能，能模擬人類的智能行為，就必須使它具有知識。但知識需要用適當(dāng)?shù)哪Ｊ奖硎境鰜聿拍艽鎯Φ接?jì)算機(jī)中去，因此，知識的表示成為十分重要的研究課題。本章將首先介紹知識與知識表示的概念，然后介紹產(chǎn)生式、框架等當(dāng)前人工智能中應(yīng)用比較廣泛的知識表示方法，并簡要介紹知識圖譜的定義、架構(gòu)與構(gòu)建、知識抽取，為后面介紹推理方法、專家系統(tǒng)等奠定基礎(chǔ)。2.1你了解人類知識嗎

2.2計(jì)算機(jī)表示知識的方法2.3產(chǎn)生式表示法2.4專家系統(tǒng)2.5知識圖譜50第2章符號主義：知識表示與知識圖譜2.1.1什么是知識知識：在長期的生活及社會實(shí)踐中、在科學(xué)研究及實(shí)驗(yàn)中積累起來的對客觀世界的認(rèn)識與經(jīng)驗(yàn)。知識：把有關(guān)信息關(guān)聯(lián)在一起所形成的信息結(jié)構(gòu)。知識反映了客觀世界中事物之間的關(guān)系，不同事物或者相同事物間的不同關(guān)系形成了不同的知識。

51信息關(guān)聯(lián)形式：“如果……，則……”

如果大雁向南飛，則冬天就要來臨了。

——

規(guī)則——事實(shí)例如：

“雪是白色的”。

“如果頭痛且流涕，則有可能患了感冒”。2.1.2知識的相對正確性52

任何知識都是在一定的條件及環(huán)境下產(chǎn)生的，在這種條件及環(huán)境下才是正確的。1+1=2

（十進(jìn)制）1+1=10(二進(jìn)制）王安石(1021～1086)

:西風(fēng)昨夜過園林吹落黃花滿地金蘇軾(1037～1101):秋花不比春花落說與詩人仔細(xì)吟后來，王安石將蘇軾貶到黃州任團(tuán)練使，見到了落花的菊花。532.1.3知識的不確定性

隨機(jī)性引起的不確定性“如果頭痛且流涕，則有可能患了感冒”

《三國演義》火燒赤壁：操升帳謂眾謀士曰：若非天命助吾，安得鳳雛妙計(jì)？鐵索連舟，果然渡江如履平地。程昱曰：彼若用火攻，難以回避，不得不防。操曰：凡用火攻，必借風(fēng)力。方今隆冬之際，但有西風(fēng)北風(fēng)，安有東風(fēng)南風(fēng)耶？吾居于西北之上，彼兵皆在南岸，彼若用火，是燒自己之兵也，吾何懼哉？諸將皆拜服曰：丞相高見，眾人不及。54模糊的概念②模糊性引起的不確定性2.1.3知識的不確定性55③經(jīng)驗(yàn)性引起的不確定性老馬識途：齊桓公應(yīng)燕國的要求，出兵攻打入侵燕國的山戎，迷路了，放出老馬，部隊(duì)跟隨老馬找到了出路。作者：韓非（約前281年-前233年），是中國古代著名的哲學(xué)家、思想家，政論家和散文家，法家思想的集大成者，后世稱“韓子”或“韓非子”，中國古代著名法家思想的代表人物。2.1.3知識的不確定性56④不完全性引起的不確定性火星上可能有水、生命？2.1.3知識的不確定性2.2計(jì)算機(jī)表示知識的方法

知識表示（knowledgerepresentation）：將人類知識形式化或者模型化。知識表示是對知識的一種描述，或者說是一組約定，一種計(jì)算機(jī)可以接受的用于描述知識的數(shù)據(jù)結(jié)構(gòu)。選擇知識表示方法的原則：57（1）充分表示領(lǐng)域知識。（2）有利于對知識的利用。（3）便于對知識的組織、維護(hù)與管理。（4）便于理解與實(shí)現(xiàn)。58第2章符號主義：知識表示與知識圖譜2.1你了解人類知識嗎

2.2計(jì)算機(jī)表示知識的方法2.3產(chǎn)生式表示法2.4專家系統(tǒng)2.5知識圖譜2.3產(chǎn)生式表示法2.3.1產(chǎn)生式2.3.2產(chǎn)生式系統(tǒng)2.3.3產(chǎn)生式表示法的特點(diǎn)592.3.1產(chǎn)生式“產(chǎn)生式”：1943年，美國數(shù)學(xué)家波斯特（E.Post）首先提出。

1972年，紐厄爾和西蒙在研究人類的認(rèn)知模型中開發(fā)了基于規(guī)則的產(chǎn)生式系統(tǒng)。產(chǎn)生式通常用于表示事實(shí)、規(guī)則以及它們的不確定性度量，適合于表示事實(shí)性知識和規(guī)則性知識。602.3.1產(chǎn)生式

基本形式：IFPTHENQ

（置信度）或者：（置信度）

例如：IF發(fā)燒THEN感冒（0.6）61

確定性規(guī)則知識的產(chǎn)生式表示2.

不確定性規(guī)則知識的產(chǎn)生式表示

基本形式：IFPTHENQ

或者：例如：

r4：IF動物會飛

AND會下蛋

THEN該動物是鳥2.3.1產(chǎn)生式

四元組表示：（對象，屬性，值，置信度）

或者：（關(guān)系，對象1，對象2，置信度）例：老李年齡很可能是40歲：（Li，age，40，0.8）老李和老王不大可能是朋友：（friend，Li，Wang，0.1）623.確定性事實(shí)性知識的產(chǎn)生式表示4.不確定性事實(shí)性知識的產(chǎn)生式表示

三元組表示：（對象，屬性，值）

或者：（關(guān)系，對象1，對象2）例：老李年齡是40歲：（Li，age，40）

老李和老王是朋友：（friend，Li，Wang）2.3.2產(chǎn)生式系統(tǒng)63控制規(guī)則庫推理機(jī)綜合數(shù)據(jù)庫產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)2.3.2產(chǎn)生式系統(tǒng)64控制規(guī)則庫推理綜合數(shù)據(jù)庫

規(guī)則庫:用于描述相應(yīng)領(lǐng)域內(nèi)知識的產(chǎn)生式集合。

綜合數(shù)據(jù)庫(事實(shí)庫、上下文、黑板等)：一個用于存放問題求解過程中各種當(dāng)前信息的數(shù)據(jù)結(jié)構(gòu)。

控制系統(tǒng)（推理機(jī)構(gòu)）：由一組程序組成，負(fù)責(zé)整個產(chǎn)生式系統(tǒng)的運(yùn)行，實(shí)現(xiàn)對問題的求解。2.3.2產(chǎn)生式系統(tǒng)65控制系統(tǒng)做以下幾項(xiàng)工作：（1）從規(guī)則庫中選擇與綜合數(shù)據(jù)庫中的已知事實(shí)進(jìn)行匹配。（2）匹配成功的規(guī)則可能不止一條，進(jìn)行沖突消解。（3）執(zhí)行某一規(guī)則時，如果其右部是一個或多個結(jié)論，則把這些結(jié)論加入到綜合數(shù)據(jù)庫中：如果其右部是一個或多個操作，則執(zhí)行這些操作。對于不確定性知識，在執(zhí)行每一條規(guī)則時還要按一定的算法計(jì)算結(jié)論的不確定性。（4）檢查綜合數(shù)據(jù)庫中是否包含了最終結(jié)論，決定是否停止系統(tǒng)的運(yùn)行。

2.3.3產(chǎn)生式表示法的特點(diǎn)661.產(chǎn)生式表示法的優(yōu)點(diǎn)（1）自然性（2）模塊性

（3）有效性

（4）清晰性

2.產(chǎn)生式表示法的缺點(diǎn)（1）效率不高（2）不能表達(dá)結(jié)構(gòu)性知識

3.適合產(chǎn)生式表示的知識（1）領(lǐng)域知識間關(guān)系不密切，不存在結(jié)構(gòu)關(guān)系。（2）經(jīng)驗(yàn)性及不確定性的知識，且相關(guān)領(lǐng)域中對這些知識沒有嚴(yán)格、統(tǒng)一的理論。（3）領(lǐng)域問題的求解過程可被表示為一系列相對獨(dú)立的操作，且每個操作可被表示為一條或多條產(chǎn)生式規(guī)則。67第2章符號主義：知識表示與知識圖譜2.1你了解人類知識嗎

2.2計(jì)算機(jī)表示知識的方法2.3產(chǎn)生式表示法2.4專家系統(tǒng)2.5知識圖譜2.4專家系統(tǒng)2.4.1專家系統(tǒng)的概念2.4.2專家系統(tǒng)的工作原理2.4.3簡單動物識別專家系統(tǒng)682.4.1專家系統(tǒng)的概念第一階段

:初創(chuàng)期（20世紀(jì)60年代中期－20世紀(jì)70年代初）

69DENDRAL系統(tǒng)（1968年，斯坦福大學(xué)費(fèi)根鮑姆等人）——推斷化學(xué)分子結(jié)構(gòu)的專家系統(tǒng)

MYCSYMA系統(tǒng)（1971年，麻省理工學(xué)院

）——用于數(shù)學(xué)運(yùn)算的數(shù)學(xué)專家系統(tǒng)

特點(diǎn)：高度的專業(yè)化。專門問題求解能力強(qiáng)。結(jié)構(gòu)、功能不完整。移植性差。缺乏解釋功能。2.4.1專家系統(tǒng)的概念第二階段:成熟期（20世紀(jì)70年代中期－20世紀(jì)80年代初）

70

MYCIN系統(tǒng)（斯坦福大學(xué)）——血液感染病診斷專家系統(tǒng)

PROSPECTOR系統(tǒng)（斯坦福研究所）——探礦專家系統(tǒng)

CASNET系統(tǒng)（拉特格爾大學(xué)）：用于青光眼診斷與治療。

AM系統(tǒng)（1981年，斯坦福大學(xué)）：模擬人類進(jìn)行概括、抽象和歸納推理，發(fā)現(xiàn)某些數(shù)論的概念和定理。

HEARSAY系統(tǒng)（卡內(nèi)基－梅隆大學(xué)）——語音識別專家系統(tǒng)2.4.1專家系統(tǒng)的概念第二階段:成熟期（20世紀(jì)70年代中期－20世紀(jì)80年代初）

71

特點(diǎn)：（1）單學(xué)科專業(yè)型專家系統(tǒng)。（2）系統(tǒng)結(jié)構(gòu)完整，功能較全面，移植性好。（3）具有推理解釋功能，透明性好。（4）采用啟發(fā)式推理、不精確推理。（5）用產(chǎn)生式規(guī)則、框架、語義網(wǎng)絡(luò)表達(dá)知識。（6）用限定性英語進(jìn)行人－機(jī)交互。2.4.1專家系統(tǒng)的概念第三階段：發(fā)展期（20世紀(jì)80年代至今）

72專家系統(tǒng)XCON（DEC公司、卡內(nèi)基－梅隆大學(xué)）：為VAX計(jì)算機(jī)系統(tǒng)制訂硬件配置方案。專家系統(tǒng)開發(fā)工具：骨架系統(tǒng)：EMYCIN、KAS、EXPERT等。通用型知識表達(dá)語言：OPS5等。專家系統(tǒng)開發(fā)環(huán)境：AGE等。2.4.1專家系統(tǒng)的概念第三階段：發(fā)展期（20世紀(jì)80年代至今）73我國研制開發(fā)的專家系統(tǒng)：施肥專家系統(tǒng)（中國科學(xué)院合肥智能機(jī)械研究所）新構(gòu)造找水專家系統(tǒng)（南京大學(xué)）勘探專家系統(tǒng)及油氣資源評價專家系統(tǒng)（吉林大學(xué)）服裝剪裁專家系統(tǒng)及花布圖案設(shè)計(jì)專家系統(tǒng)（浙江大學(xué)）關(guān)幼波肝病診斷專家系統(tǒng)（北京中醫(yī)學(xué)院）2.4.1專家系統(tǒng)的概念1.專家系統(tǒng)的定義74

費(fèi)根鮑姆（E.A.Feigenbaum）：“專家系統(tǒng)是一種智能的計(jì)算機(jī)程序，它運(yùn)用知識和推理來解決只有專家才能解決的復(fù)雜問題?！?/p>

專家系統(tǒng)：一類包含知識和推理的智能計(jì)算機(jī)程序

。2.4.1專家系統(tǒng)的概念752.專家系統(tǒng)的基本組成2.4.1專家系統(tǒng)的概念（1）具有專家水平的專業(yè)知識。（2）能進(jìn)行有效的推理。（3）啟發(fā)性。（4）靈活性。（5）透明性。（6）交互性。76一個計(jì)算機(jī)程序系統(tǒng)的透明性：系統(tǒng)自身及其行為能被用戶所理解。

3.專家系統(tǒng)的特點(diǎn)2.4.1專家系統(tǒng)的概念專家系統(tǒng)與傳統(tǒng)程序的比較（1）編程思想：

77傳統(tǒng)程序=數(shù)據(jù)結(jié)構(gòu)+算法專家系統(tǒng)=知識+推理（2）傳統(tǒng)程序：關(guān)于問題求解的知識隱含于程序中。專家系統(tǒng)：知識單獨(dú)組成知識庫，與推理機(jī)分離。

（3）處理對象：

傳統(tǒng)程序：數(shù)值計(jì)算和數(shù)據(jù)處理。專家系統(tǒng)：符號處理。

2.4.1專家系統(tǒng)的概念專家系統(tǒng)與傳統(tǒng)程序的比較（4）傳統(tǒng)程序：不具有解釋功能。專家系統(tǒng)：具有解釋功能。78（5）傳統(tǒng)程序：產(chǎn)生正確的答案。專家系統(tǒng)：通常產(chǎn)生正確的答案，有時產(chǎn)生錯誤的答案。例如:AlphaGo對決李世石的第4局中，犯了連小學(xué)生都不會犯的錯誤。（6）系統(tǒng)的體系結(jié)構(gòu)不同。專家系統(tǒng)的類型79802.4.2專家系統(tǒng)的工作原理人機(jī)接口用戶領(lǐng)域?qū)＜抑R工程師解釋機(jī)構(gòu)知識獲取機(jī)構(gòu)數(shù)據(jù)庫推理機(jī)知識庫專家系統(tǒng)核心

專家系統(tǒng)的一般結(jié)構(gòu)人機(jī)接口解釋機(jī)構(gòu)知識獲取機(jī)構(gòu)數(shù)據(jù)庫推理機(jī)知識庫專家系統(tǒng)核心知識庫：存放領(lǐng)域?qū)＜姨峁┑膶ｉT知識。知識庫為推理機(jī)提供求解問題所需的知識。推理機(jī)：模擬領(lǐng)域?qū)＜业乃季S過程，根據(jù)當(dāng)前已知的事實(shí)，利用知識庫中的知識，按一定的推理方法和控制策略進(jìn)行推理，直到得出相應(yīng)的結(jié)論為止。綜合數(shù)據(jù)庫或動態(tài)數(shù)據(jù)庫，又稱為黑板：存放初始事實(shí)、問題描述及系統(tǒng)運(yùn)行中得到的中間結(jié)果、最終結(jié)果等信息。知識獲取機(jī)構(gòu)：把求解問題的專門知識從某些知識源中提煉出來，并轉(zhuǎn)化為計(jì)算機(jī)內(nèi)表示存入知識庫。解釋機(jī)構(gòu)：回答用戶提出的問題，解釋系統(tǒng)的推理過程。人機(jī)接口：專家系統(tǒng)與領(lǐng)域?qū)＜?、知識工程師、一般用戶之間進(jìn)行交互的界面，用于完成輸入輸出工作。812.4.2專家系統(tǒng)的工作原理82例如：動物識別系統(tǒng)——識別虎、金錢豹、斑馬、長頸鹿、鴕鳥、企鵝、信天翁等七種動物的產(chǎn)生式系統(tǒng)。2.4.3簡單動物識別專家系統(tǒng)1.規(guī)則庫建立83r1：

IF該動物有毛發(fā)

THEN該動物是哺乳動物r2：

IF該動物有奶

THEN該動物是哺乳動物r3：

IF該動物有羽毛

THEN該動物是鳥r4：

IF該動物會飛

AND會下蛋

THEN該動物是鳥r5：

IF該動物吃肉

THEN該動物是食肉動物r6：

IF該動物有犬齒

AND有爪

AND眼盯前方

THEN該動物是食肉動物r7：IF該動物是哺乳動物AND有蹄

THEN該動物是有蹄類動物r8：IF該動物是哺乳動物AND是反芻動物

THEN該動物是有蹄類動物2.4.3簡單動物識別專家系統(tǒng)84r9：IF該動物是哺乳動物AND是食肉動物AND是黃褐色

AND身上有暗斑點(diǎn)THEN該動物是金錢豹

r10：IF該動物是哺乳動物AND是食肉動物AND是黃褐色

AND身上有黑色條紋THEN該動物是虎

r11：IF該動物是有蹄類動物AND有長脖子AND有長腿

AND身上有暗斑點(diǎn)THEN該動物是長頸鹿

r12：IF該動物有蹄類動物AND身上有黑色條紋

THEN該動物是斑馬r13：IF該動物是鳥AND有長脖子AND有長腿AND不會飛

AND有黑白二色THEN該動物是鴕鳥r14：IF該動物是鳥AND會游泳AND不會飛

AND有黑白二色THEN該動物是企鵝

r15：IF該動物是鳥AND善飛THEN該動物是信天翁2.4.3簡單動物識別專家系統(tǒng)

2.綜合數(shù)據(jù)庫建立和推理過程設(shè)已知初始事實(shí)存放在綜合數(shù)據(jù)庫中：

該動物身上有：暗斑點(diǎn)，長脖子，長腿，奶，蹄推理機(jī)構(gòu)的工作過程：（1）從規(guī)則庫中取出r1，檢查其前提是否可與綜合數(shù)據(jù)庫中的已知事實(shí)匹配。匹配失敗則r1不能被用于推理。然后取r2進(jìn)行同樣的工作。匹配成功則r2被執(zhí)行。綜合數(shù)據(jù)庫：

該動物身上有：暗斑點(diǎn)，長脖子，長腿，奶，蹄，哺乳動物852.4.3簡單動物識別專家系統(tǒng)（2）分別用r3，r4，r5，r6綜合數(shù)據(jù)庫中的已知事實(shí)進(jìn)行匹配，均不成功。r7匹配成功，執(zhí)行r7

。

綜合數(shù)據(jù)庫：

該動物身上有：暗斑點(diǎn)，長脖子，長腿，奶，蹄，哺乳動物，有蹄類動物（3）r11匹配成功，并推出“該動物是長頸鹿”。

86

2.綜合數(shù)據(jù)庫建立和推理過程推理機(jī)構(gòu)的工作過程：2.4.3簡單動物識別專家系統(tǒng)872.4.3簡單動物識別專家系統(tǒng)88第2章符號主義：知識表示與知識圖譜2.1你了解人類知識嗎

2.2計(jì)算機(jī)表示知識的方法2.3產(chǎn)生式表示法2.4專家系統(tǒng)2.5知識圖譜2.5.1知識圖譜的提出由于互聯(lián)網(wǎng)內(nèi)容的大規(guī)模、異質(zhì)多元、組織結(jié)構(gòu)松散的特點(diǎn)，給人們有效獲取信息和知識提出了挑戰(zhàn)。谷歌于2012年5月16日首先發(fā)布了知識圖譜（KnowledgeGraph）。知識圖譜是一種互聯(lián)網(wǎng)環(huán)境下的知識表示方法。知識圖譜的目的是為了提高搜索引擎的能力，改善用戶的搜索質(zhì)量以及搜索體驗(yàn)。Google、百度和搜狗等搜索引擎公司構(gòu)建的知識圖譜，分別稱為知識圖譜、知心和知立方。892.5.2知識圖譜的定義知識圖譜（KnowledgeGraph/Vault），又稱科學(xué)知識圖譜：用各種不同的圖形等可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。902.5.2知識圖譜的定義知識圖譜也可被看作是一張圖，圖中的節(jié)點(diǎn)表示實(shí)體或概念，而圖中的邊則由屬性或關(guān)系構(gòu)成。91緯度面積人口首都面積首都面積國家……法國英國中國美國963萬平方公里北京1.6萬平方公里北緯39°54′華盛頓13.6億億人口2069萬人口緯度東經(jīng)116°25′

經(jīng)度937萬平方公里面積3.1億億178平方公里北緯9°53′西經(jīng)77°02′25′

經(jīng)度2.5.3知識圖譜的表示92知識圖譜是由一些相互連接的實(shí)體及其屬性構(gòu)成的。三元組是知識圖譜的一種通用表示方式：(實(shí)體1-關(guān)系-實(shí)體2)：中國-首都-北京(實(shí)體-屬性-屬性值)：北京-人口-2069萬知識圖譜是由一條條知識組成，每條知識表示為一個主謂賓SPO)三元組。SubjectObjectPredicate2.5.4知識圖譜的典型應(yīng)用93維基百科（Wikipedia）由維基媒體基金會負(fù)責(zé)運(yùn)營的一個自由內(nèi)容、自由編輯的多語言知識庫。DBpedia由2007年德國柏林自由大學(xué)以及萊比錫大學(xué)的研究者從維基百科里萃取結(jié)構(gòu)化知識的項(xiàng)目開始建立YAGO由德國馬克斯-普朗克研究所（MPI）構(gòu)建的大型多語言的語義知識庫，從10個維基百科以不同語言提取事實(shí)和事實(shí)的組合。XLORE是清華大學(xué)構(gòu)建的基于中、英文維基和百度百科的開放知識平臺，是第一個中英文知識規(guī)模較為平衡的大規(guī)模中英文知識圖譜。THEEND94IntroductionofArtificialIntelligence第3章符號主義：搜索求解策略教材：

王萬良《人工智能通識導(dǎo)論》高等教育出版社，2025第3章符號主義：搜索求解策略在求解一個問題時，涉及到兩個方面：一是該問題的表示，二是選擇一種相對合適的求解方法。由于絕大多數(shù)需要人工智能方法求解的問題缺乏直接求解的方法，因此，搜索不失為一種求解問題的一般方法。搜索求解的應(yīng)用非常廣泛，例如，在下棋等游戲軟件中。下面首先討論搜索的基本概念，然后著重介紹狀態(tài)空間知識表示和搜索策略，主要有回溯策略、寬度優(yōu)先搜索、深度優(yōu)先搜索等盲目的圖搜索策略，以及A及A*搜索算法等啟發(fā)式圖搜索策略。第3章符號主義：搜索求解策略3.1搜索的概念3.2如何將搜索對象用狀態(tài)空間表示3.3回溯策略3.4盲目的圖搜索策略3.5啟發(fā)式圖搜索策略3.1搜索的概念

(1)數(shù)據(jù)驅(qū)動：從初始狀態(tài)出發(fā)的正向搜索。正向搜索——從問題給出的條件出發(fā)。逆向搜索：從想達(dá)到的目的入手，看哪些操作算子能產(chǎn)生該目的以及應(yīng)用這些操作算子產(chǎn)生目的時需要哪些條件。(2)目的驅(qū)動：從目的狀態(tài)出發(fā)的逆向搜索。雙向搜索：從開始狀態(tài)出發(fā)作正向搜索，同時又從目的狀態(tài)出發(fā)作逆向搜索，直到兩條路徑在中間的某處匯合為止。(3)雙向搜索：3.1搜索的概念

（1）盲目搜索：在不具有對特定問題的任何有關(guān)信息的條件下，按固定的步驟（依次或隨機(jī)調(diào)用操作算子）進(jìn)行的搜索。（2）啟發(fā)式搜索：考慮特定問題領(lǐng)域可應(yīng)用的知識，動態(tài)地確定調(diào)用操作算子的步驟，優(yōu)先選擇較適合的操作算子，盡量減少不必要的搜索，以求盡快地到達(dá)結(jié)束狀態(tài)。第3章符號主義：搜索求解3.1搜索的概念3.2如何將搜索對象用狀態(tài)空間表示3.3回溯策略3.4盲目的圖搜索策略3.5啟發(fā)式圖搜索策略3.2如何用狀態(tài)空間表示搜索對象3.2.1狀態(tài)空間知識表示方法3.2.2狀態(tài)空間的圖描述3.2.1狀態(tài)空間知識表示方法狀態(tài)：表示系統(tǒng)狀態(tài)、事實(shí)等敘述型知識的一組變量或數(shù)組：

操作：表示引起狀態(tài)變化的過程型知識的一組關(guān)系或函數(shù)：T

：狀態(tài)集合。：操作算子的集合。：包含問題的初始狀態(tài)是的非空子集。：若干具體狀態(tài)或滿足某些性質(zhì)的路徑信息描述。狀態(tài)空間：利用狀態(tài)變量和操作符號，表示系統(tǒng)或問題的有關(guān)知識的符號體系，狀態(tài)空間是一個四元組：3.2.1狀態(tài)空間知識表示方法求解路徑：從結(jié)點(diǎn)到結(jié)點(diǎn)的路徑。

：狀態(tài)空間的一個解。

狀態(tài)空間的一個解：一個有限的操作算子序列。例3.1

八數(shù)碼問題的狀態(tài)空間。

3.2.1狀態(tài)空間知識表示方法狀態(tài)集

：所有擺法操作算子：將空格向上移Up將空格向左移Left將空格向下移Down將空格向右移Right3.2.2狀態(tài)空間的圖描述例3.2給出八數(shù)碼問題的初始狀態(tài)，用圖描述其狀態(tài)空間。八數(shù)碼狀態(tài)空間圖

3.2.2狀態(tài)空間的圖描述

例3.3旅行商問題（TSP）或郵遞員路徑問題。

（家）（單位：km）可能路徑：費(fèi)用為375的路徑（A，B，C，D，E，A）

3.2.2狀態(tài)空間的圖描述

旅行推銷員狀態(tài)空間圖（部分）

ABCDEA

375

A

A

A

A

B

B

C

C

C

C

D

D

D

D

A

E

E

E

E

E

E

E

D

路徑:

路徑:

路徑:

路徑:

ABCEDA

ABDCE

ABDECA

費(fèi)用:

費(fèi)用:

費(fèi)用:

費(fèi)用:

425

525

475

525

475

375

325

400

400

300

275

275

250

225

150

100

75

125

175

225

250

100

175

225

425

.......

第3章符號主義：搜索求解3.1搜索的概念3.2如何將搜索對象用狀態(tài)空間表示3.3回溯策略3.4盲目的圖搜索策略3.5啟發(fā)式圖搜索策略3.3回溯策略

帶回溯策略的搜索：

●從初始狀態(tài)出發(fā)，不停地、試探性地尋找路徑，直到它到達(dá)目的或“不可解結(jié)點(diǎn)”，即“死胡同”為止。

●若它遇到不可解結(jié)點(diǎn)就回溯到路徑中最近的父結(jié)點(diǎn)上，查看該結(jié)點(diǎn)是否還有其他的子結(jié)點(diǎn)未被擴(kuò)展。若有，則沿這些子結(jié)點(diǎn)繼續(xù)搜索；如果找到目標(biāo)，就成功退出搜索，返回解題路徑。3.3回溯策略回溯搜索示意圖第3章符號主義：搜索求解3.1搜索的概念3.2如何將搜索對象用狀態(tài)空間表示3.3回溯策略3.4盲目的圖搜索策略3.5啟發(fā)式圖搜索策略

寬度優(yōu)先搜索(breadth-firstsearch，廣度優(yōu)先搜索):以接近起始節(jié)點(diǎn)的程度（深度）為依據(jù)，進(jìn)行逐層擴(kuò)展的節(jié)點(diǎn)搜索方法。3.4.1寬度優(yōu)先搜索策略

特點(diǎn):1)每次選擇深度最淺的節(jié)點(diǎn)首先擴(kuò)展，搜索是逐層進(jìn)行的；2)一種高價搜索，但若有解存在，則必能找到它。3.4.1寬度優(yōu)先搜索策略

例3.4通過搬動積木塊，希望從初始狀態(tài)達(dá)到一個目的狀態(tài)，即三塊積木堆疊在一起。3.4.1寬度優(yōu)先搜索策略操作算子為MOVE（X，Y）：把積木X搬到Y(jié)（積木或桌面）上面。MOVE（A，Table）：“搬動積木A到桌面上”。

操作算子可運(yùn)用的先決條件：1）被搬動積木X的頂部必須為空；2）如果Y是積木，則積木Y的頂部也必須為空；3）同一狀態(tài)下，運(yùn)用操作算子的次數(shù)不得多于一次。3.4.1寬度優(yōu)先搜索策略3.4.2深度優(yōu)先搜索策略

深度優(yōu)先搜索（Depth-firstSearch):首先擴(kuò)展最新產(chǎn)生的節(jié)點(diǎn),深度相等的節(jié)點(diǎn)按生成次序的盲目搜索。特點(diǎn)：擴(kuò)展最深的節(jié)點(diǎn)的結(jié)果使得搜索沿著狀態(tài)空間某條單一的路徑從起始節(jié)點(diǎn)向下進(jìn)行下去；僅當(dāng)搜索到達(dá)一個沒有后裔的狀態(tài)時，才考慮另一條替代的路徑。3.4.2深度優(yōu)先搜索策略在深度優(yōu)先搜索中，當(dāng)搜索到某一個狀態(tài)時，它所有的子狀態(tài)以及子狀態(tài)的后裔狀態(tài)都必須先于該狀態(tài)的兄弟狀態(tài)被搜索。

為了保證找到解，應(yīng)選擇合適的深度限制值，或采取不斷加大深度限制值的辦法，反復(fù)搜索，直到找到解。

深度優(yōu)先搜索并不能保證第一次搜索到的某個狀態(tài)時的路徑是到這個狀態(tài)的最短路徑。

對任何狀態(tài)而言，以后的搜索有可能找到另一條通向它的路徑。如果路徑的長度對解題很關(guān)鍵的話，當(dāng)算法多次搜索到同一個狀態(tài)時，它應(yīng)該保留最短路徑。

3.4.2深度優(yōu)先搜索策略例3.5

卒子穿陣問題。要求一卒子從頂部通過下圖所示的陣列到達(dá)底部。卒子行進(jìn)中不可進(jìn)入到代表敵兵駐守的區(qū)域（標(biāo)注1），并不準(zhǔn)后退。假定深度限制值為5。

陣列圖

3.4.2深度優(yōu)先搜索策略0S1S)1,1(2S)2,1(3S)2,2(4S)1,2(5S)1,3(6S)2,3(7S)3,2(8S)3,1(9S)2,1(14S)4,1(10S)2,2(11S)1,2(12S)1,3(13S)3,2(15S)4,2(16S)4,3(17S)4,4(18S)4,1(死死死死深度限制解

0S1S)1,1(2S)2,1(3S)2,2(4S)1,2(5S)1,3(6S)2,3(7S)3,2(8S)3,1(9S)2,1(14S)4,1(10S)2,2(11S)1,2(12S)1,3(13S)3,2(15S)4,2(16S)4,3(17S)4,4(18S)4,1(死死死死深度限制解卒子穿陣的深度優(yōu)先搜索樹第3章符號主義：搜索求解3.1搜索的概念3.2如何將搜索對象用狀態(tài)空間表示3.3回溯策略3.4盲目的圖搜索策略3.5啟發(fā)式圖搜索策略3.5啟發(fā)式圖搜索策略3.5.1啟發(fā)式策略3.5.2啟發(fā)信息和估價函數(shù)3.5.3A搜索算法3.5.4A*搜索算法及其特性分析3.5.5蒙特卡洛樹搜索算法3.5.1啟發(fā)式策略什么是啟發(fā)式信息？用來簡化搜索過程有關(guān)具體問題領(lǐng)域的特性的信息叫做啟發(fā)信息。啟發(fā)式圖搜索策略（利用啟發(fā)信息的搜索方法）的特點(diǎn)：重排OPEN表，選擇最有希望的節(jié)點(diǎn)加以擴(kuò)展。種類：A、A*算法等。3.5.1啟發(fā)式策略運(yùn)用啟發(fā)式策略的兩種基本情況：（1）一個問題由于存在問題陳述和數(shù)據(jù)獲取的模

糊性，可能會使它沒有一個確定的解。（2）雖然一個問題可能有確定解，但是其狀態(tài)空間特別大，搜索中生成擴(kuò)展的狀態(tài)數(shù)會隨著搜索的深度呈指數(shù)級增長。3.5.1啟發(fā)式策略

例3.6一字棋。在九宮棋盤上，從空棋盤開始，雙方輪流在棋盤上擺各自的棋子

或

（每次一枚），誰先取得三子一線（一行、一列或一條對角線）的結(jié)果就取勝。

和

能夠在棋盤中擺成的各種不同的棋局就是問題空間中的不同狀態(tài)。

9個位置上擺放{空，

，

}有39

種棋局?？赡艿淖叻ǎ?。

3.5.1啟發(fā)式策略

啟發(fā)式策略的運(yùn)用

3.5.1啟發(fā)式策略啟發(fā)式搜索下縮減的狀態(tài)空間3.5.2啟發(fā)信息和估價函數(shù)

求解問題中能利用的大多是非完備的啟發(fā)信息：（1）求解問題系統(tǒng)無法知道該問題的全部狀態(tài)空間，也不可能用一套算法來求解所有的問題。（2）有些問題在理論上雖然存在著求解算法，但是在工程實(shí)踐中，這些算法不是效率太低，就是根本無法實(shí)現(xiàn)。一字棋：9！，西洋跳棋：1078，國際象棋：10120，圍棋：10761。假設(shè)每步可以搜索一個棋局，用極限并行速度（10-104年/步）來處理，搜索一遍國際象棋的全部棋局也得1016年即1億億年才可以算完！在具體求解中，能夠利用與該問題有關(guān)的信息來簡化搜索過程，稱此類信息為啟發(fā)信息。啟發(fā)式搜索：利用啟發(fā)信息的搜索過程。3.5.2啟發(fā)信息和估價函數(shù)

估價函數(shù)（evaluationfunction）：估算節(jié)點(diǎn)“希望”程度的量度。

估價函數(shù)值f(n)

：從初始節(jié)點(diǎn)經(jīng)過n節(jié)點(diǎn)到達(dá)目標(biāo)節(jié)點(diǎn)的路徑的最小代價估計(jì)值，其一般形式是

g(n)：從初始節(jié)點(diǎn)S0到節(jié)點(diǎn)n的實(shí)際代價；

h(n)：從節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)Sg的最優(yōu)路徑的估計(jì)代價，稱為啟發(fā)函數(shù)。h(n)

比重大：降低搜索工作量，但可能導(dǎo)致找不到最優(yōu)解；h(n)

比重?。阂话銓?dǎo)致工作量加大，極限情況下變?yōu)槊つ克阉?，但可能可以找到最?yōu)解。3.5.2啟發(fā)信息和估價函數(shù)

例3.7八數(shù)碼問題的估價函數(shù)：啟發(fā)函數(shù)1:取一棋局與目標(biāo)棋局相比，其位置不符的數(shù)碼數(shù)目，例如h(S0)=5;啟發(fā)函數(shù)2:各數(shù)碼移到目標(biāo)位置所需移動的距離的總和,例如h(S0)=6;

啟發(fā)函數(shù)3：對每一對逆轉(zhuǎn)數(shù)碼乘以一個倍數(shù),例如3倍，則h

(S0)=3;啟發(fā)函數(shù)4：將位置不符數(shù)碼數(shù)目的總和與3倍數(shù)碼逆轉(zhuǎn)數(shù)目相加，例如h(S0)=8。2137648512384765初始棋局目標(biāo)棋局3.5.3A搜索算法估價函數(shù)f(n)=g(n)+h(n)

如何尋找并設(shè)計(jì)啟發(fā)函數(shù)h(n)

，然后以f(n)

的大小來排列待擴(kuò)展?fàn)顟B(tài)的次序，每次選擇f(n)值最小者進(jìn)行擴(kuò)展。A搜索算法：使用了估價函數(shù)f的最佳優(yōu)先搜索。A搜索搜索ng(n)：狀態(tài)n的實(shí)際代價，例如搜索的深度；h(n)：對狀態(tài)n與目標(biāo)“接近程度”的某種啟發(fā)式估計(jì)。3.5.3A搜索算法

例3.8利用A搜索算法求解八數(shù)碼問題，問最少移動多少次就可達(dá)到目標(biāo)狀態(tài)？估價函數(shù)定義為f(n)=g(n)+h(n

)g(n)：節(jié)點(diǎn)n的深度，如g(S0)=0。

h(n)：節(jié)點(diǎn)n與目標(biāo)棋局不相同的位數(shù)（包括空格），簡稱“不在位數(shù)”，如

h(S0)=5。2831647512384765初始狀態(tài)S0目標(biāo)狀態(tài)2831647528314765283164752831647523184765283147652831476523184765231847651238476512384765S（0+5=5）A（1+3=4）B（1+6=7）C（1+6=7）D（2+4=6）E（2+5=7）F（2+4=6）G（3+5=8）H（3+3=6）I（4+2=6）K（5+0=5）12378465J（5+3=8）操作算子集：↑,↓,→,←123847652831647528314765283164752831647523184765283147652831476523184765231847651238476512384765S（0+5=5）A（1+3=4）B（1+6=7）C（1+6=7）D（2+4=6）E（2+5=7）F（2+4=6）G（3+5=8）H（3+3=6）I（4+2=6）K（5+0=5）12378465J（5+3=8）問題：A搜索算法能不能保證找到最優(yōu)解（路徑最短的解）？g(n)：從初始節(jié)點(diǎn)S

到節(jié)點(diǎn)n的實(shí)際代價；h(n)：對狀態(tài)n與目標(biāo)節(jié)點(diǎn)接近程度的某種啟發(fā)式估計(jì)12384765操作算子集：↑,↓,→,←3.5.3A搜索算法3.5.4A*搜索算法A*搜索算法由著名的人工智能學(xué)者Nilsson提出，是目前最有影響的啟發(fā)式圖搜索算法，也稱為最佳圖搜索算法。如果某一問題有解，那么利用A*搜索算法對該問題進(jìn)行搜索則一定能搜索到解，并且一定能搜索到最優(yōu)的解而結(jié)束。上例中八數(shù)碼A搜索樹也是A*搜索樹，所得解路（s，B，E，I，K，L）為最優(yōu)解路，其步數(shù)為狀態(tài)L（5）上所標(biāo)注的5

。能否保證找到最短路徑（最優(yōu)解），關(guān)鍵在估價函數(shù)中

的選取。3.5.4A*搜索算法估價函數(shù)的選?。海?）如果h(n)<h*(n)，能得到最優(yōu)解。（2）如果h(n)=h*(n)，能得到最優(yōu)解。（3）如果h(n)>h*(n)，不能保證得到最優(yōu)解。第（1）和（2）兩種情況就是我們這里要介紹的A*搜索算法。定義：為狀態(tài)n到目的狀態(tài)的最優(yōu)路徑的代價，則當(dāng)A搜索算法的啟發(fā)函數(shù)h(n)小于等于h*(n)，即滿足

時，被稱為A*搜索算法。如果某一問題有解，A*搜索算法一定能搜索到解，并且一定能搜索到最優(yōu)解。3.5.5蒙特卡洛樹搜索算法蒙特卡洛樹搜索（MonteCarlotreesearch，MCTS）算法是RemiCoulom在2006年在圍棋人機(jī)對戰(zhàn)引擎CrazyStone中首次發(fā)明并使用的。蒙特卡洛樹搜索是在完美信息博弈場景中進(jìn)行決策的一種通用技術(shù)，除游戲之外，它還在很多現(xiàn)實(shí)世界的應(yīng)用中有著廣闊前景。蒙特卡洛樹搜索算法是一種基于樹數(shù)據(jù)結(jié)構(gòu)的啟發(fā)式搜索算法，是一類樹搜索算法的統(tǒng)稱。蒙特卡洛樹搜索和蒙特卡洛方法不是同一種算法。蒙特卡洛樹搜索算法是利用蒙特卡洛方法估計(jì)每個動作優(yōu)劣。3.5.5蒙特卡洛樹搜索算法蒙特卡羅樹搜索大概可以被分成四步。（1）選擇：從搜索樹的根結(jié)點(diǎn)開始，也就是要做決策的局面R出發(fā)，向下選擇一個最急需被拓展的結(jié)點(diǎn)N。1）完全展開結(jié)點(diǎn)：該結(jié)點(diǎn)所有可行動作都已經(jīng)被拓展過。計(jì)算該結(jié)點(diǎn)所有子結(jié)點(diǎn)的UCT值，找到一個值最大的子結(jié)點(diǎn)繼續(xù)檢查。反復(fù)向下迭代。2）未完全展開結(jié)點(diǎn)：該結(jié)點(diǎn)有可行動作還未被拓展過，找出還未被拓展的結(jié)點(diǎn)執(zhí)行“拓展”步驟。3）未訪問結(jié)點(diǎn)：該結(jié)點(diǎn)所有可行動作都未被拓展過。那么從該結(jié)點(diǎn)直接執(zhí)行“回溯”步驟。3.5.5蒙特卡洛樹搜索算法蒙特卡羅樹搜索大概可以被分成四步。（2）拓展：如果結(jié)點(diǎn)不是一個終止結(jié)點(diǎn)，則隨機(jī)選擇一個尚未拓展的結(jié)點(diǎn)A，在搜索樹中創(chuàng)建一個新的結(jié)點(diǎn)M。（3）模擬：從新結(jié)點(diǎn)M出發(fā)，模擬拓展搜索樹，直到找到一個終止結(jié)點(diǎn)。一般使用勝利或者失敗的次數(shù)作為評分。（4）反向傳播：模擬結(jié)束后，父結(jié)點(diǎn)N以及從根結(jié)點(diǎn)到N的路徑上所有結(jié)點(diǎn)根據(jù)模擬結(jié)果添加累計(jì)評分。如果“選擇”中直接發(fā)現(xiàn)一個游戲結(jié)局，根據(jù)該結(jié)局來更新評分。每次迭代都會拓展搜索樹，隨著迭代次數(shù)增加，搜索樹的規(guī)模也不斷增加。最后選擇根結(jié)點(diǎn)下最好的子結(jié)點(diǎn)作為本次決策的結(jié)果。最佳走法一般是有最高訪問次數(shù)的結(jié)點(diǎn)。THEEND140IntroductionofArtificialIntelligence第4章連接主義：人工神經(jīng)網(wǎng)絡(luò)教材：

王萬良《人工智能通識導(dǎo)論》高等教育出版社，2025142第4章連接主義：人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是對人腦或生物神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬。神經(jīng)網(wǎng)絡(luò)理論為許多問題的研究提供了一條新的思路，目前已經(jīng)在模式識別、機(jī)器視覺、語音識別、機(jī)器翻譯、圖像處理、聯(lián)想記憶、自動控制、信號處理、軟測量、決策分析、智能計(jì)算、組合優(yōu)化、數(shù)據(jù)挖掘等方面獲得成功應(yīng)用。本章著重介紹人工神經(jīng)元數(shù)學(xué)模型、應(yīng)用廣泛的BP神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、隨機(jī)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用，也為下一章介紹深度學(xué)習(xí)奠定基礎(chǔ)。第4章連接主義：人工神經(jīng)網(wǎng)絡(luò)143●

19世紀(jì)末20世紀(jì)初，西班牙神經(jīng)解破學(xué)家卡哈爾，在意大利醫(yī)學(xué)家高爾基發(fā)現(xiàn)神經(jīng)細(xì)胞的基礎(chǔ)上，描繪了神經(jīng)元的組織結(jié)構(gòu)和它們之間的聯(lián)系。人類大腦的活動是由這種聯(lián)系產(chǎn)生的。為此，1906年他們共同獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎?！?/p>

生物神經(jīng)網(wǎng)絡(luò)(naturalneuralnetwork,NNN):由中樞神經(jīng)系統(tǒng)（腦和脊髓）及周圍神經(jīng)系統(tǒng)（感覺神經(jīng)、運(yùn)動神經(jīng)等）所構(gòu)成的錯綜復(fù)雜的神經(jīng)網(wǎng)絡(luò)，其中最重要的是腦神經(jīng)系統(tǒng)。●人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetworks,ANN):模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，運(yùn)用大量簡單處理單元經(jīng)廣泛連接而組成的人工網(wǎng)絡(luò)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)方法：隱式的知識表示方法第4章連接主義：人工神經(jīng)網(wǎng)絡(luò)4.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)4.2機(jī)器學(xué)習(xí)的先驅(qū)——Hebb學(xué)習(xí)規(guī)則4.3掀起人工神經(jīng)網(wǎng)絡(luò)第一次高潮的感知器4.4掀起人工神經(jīng)網(wǎng)絡(luò)第二次高潮的BP學(xué)習(xí)算法4.5BP學(xué)習(xí)算法的應(yīng)用4.6Hopfield神經(jīng)網(wǎng)絡(luò)與玻爾茲曼機(jī)4.7Hopfield神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶4.8Hopfield神經(jīng)網(wǎng)絡(luò)優(yōu)化方法1444.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)4.1.1生物神經(jīng)元的結(jié)構(gòu)4.1.2生物神經(jīng)元數(shù)學(xué)模型4.1.3人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與學(xué)習(xí)1454.1.1生物神經(jīng)元的結(jié)構(gòu)146●人腦由一千多億（1011億－1014億）個神經(jīng)細(xì)胞（神經(jīng)元）交織在一起的網(wǎng)狀結(jié)構(gòu)組成，其中大腦皮層約140億個神經(jīng)元，小腦皮層約1000億個神經(jīng)元?！裆窠?jīng)元約有1000種類型，每個神經(jīng)元大約與103－104個其他神經(jīng)元相連接，形成極為錯綜復(fù)雜而又靈活多變的神經(jīng)網(wǎng)絡(luò)?！袢四X構(gòu)造:

皮層（cortex）中腦（midbrain）