人工智能

强人工智能 Strong A.I.
强人工智能宣称计算机可以在与人 类同等的水平上进行思考。
弱人工智能 Weak A.I.
弱人工智能认为一些“思维型”特 征可以添加到计算机中，使它们成 为更有用的工具。
深度学习的人工智能 深度学习的概念源于人工 神经网络的研究。含多隐 层的多层感知器就是一种 深度学习结构。深度学习 通过组合低层特征形成更 加抽象的高层表示属性类 别或特征，以发现数据的 分布式特征表示。
1956年达特矛斯会议的组织者是马 文·明斯基，约翰·麦卡锡和另两位资 深科学家克劳德·香农以及内森·罗彻 斯特（Nathan Rochester），后者 来自IBM。会议提出的断言之一是 “学习或者智能的任何其他特性的每 一个方面都应能被精确地加以描述， 使得机器可以对其进行模拟。” 956 年达特矛斯会议上AI的名称和任务得 以确定，同时出现了最初的成就和最 早的一批研究者，因此这一事件被广 泛承认为AI诞生的标志。
许多文明中都有创造自动人偶的杰出工匠，例 如偃师（中国西周），希罗（希腊），加扎利 和Wolfgang von Kempelen 等等。
神话，幻想和预言中的AI
自动人偶
人工智能的基本假设是人类的思考过程可以 机械化。对于机械化推理（即所谓“形式推 理（formal reasoning）”）的研究已有很 长历史。 用于计算的机器古已有之；历史上许多数学 家对其作出了改进。19世纪初，查尔斯· 巴 贝奇设计了一台可编程计算机（“分析机”）
mathematics 基础学科，可以说计算机 的各种算法思想均来自数学思想。
数学
其他科学
如计算机科学，物理学等
Machine learning
机器学习是人工智能的 一个分支。人工智能的 研究历史有着一条从以 “推理”为重点，到以 “知识”为重点，再到
Natural language processing
以“学习”为重点的自
然、清晰的脉络。
理过程。 信息处理过程的一
个重要形式是生命体对环境 及客体的识别。
像人一样思考的系统
Man-Thing
•“要使计算机能够思考......意思就
理性地思考的系统
Rationality
•“通过利用计算模型来进行心智 能力的研究” (Chamiak 和 McDermott, 1985)
4.符号推理与“逻辑理论家”程序
1955年，艾伦·纽厄尔和后来荣获诺 贝尔奖的赫伯特·西蒙在J. C. Shaw的 协助下开发了“逻辑理论家（Logic
Theorist）”。这个程序能够证明
《数学原理》中前52个定理中的38个， 其中某些证明比原著更加新颖和精巧。
图灵的Enigma机
5.1956年达特茅斯会议：AI的诞生
乐观思潮
第一代AI研究者们曾作出了如下预言: 1958年，艾伦· 纽厄尔和赫伯特· 西蒙：“十年之内， 数字计算机将成为国际象棋世界冠军。” “十年之内， 数字计算机将发现并证明一个重要的数学定理。” 1965年，赫伯特· 西蒙：“二十年内，机器将能完成 人能做到的一切工作。
经费
1963年6月，MIT从新建立的ARPA（即后来 的DARPA，国防高等研究计划局）获得了 二百二十万美元经费，用于资助MAC工程， 其中包括Minsky和McCarthபைடு நூலகம்五年前建立的 AI研究组。此后ARPA每年提供三百万美元，
像人一样思考的系统
•“与人类的思维相关的活动，诸 如决 策、问题求解、学习等活动” (Bellman, 1978)
理性地思考的系统
•“对使得知觉、推理和行为成 为可能 的计算的研究” (Patrick Winston, 1992)
像人一样行动的系统
•“研究如何让计算机能够做到那些比 前人比计算机做得更好的事情” （ Elaine Rich, Kevin Knight, 1991)
形式推理
计算机科学
1.控制论与早期神经网络
最初的人工智能研究是30年代末到50 年代初的一系列科学进展交汇的产物。 神经学研究发现大脑是由神经元组成
的电子网络，其激励电平只存在“有”
和“无”两种状态，不存在中间状态。 维纳的控制论描述了电子网络的控制 和稳定性。
IBM 702:第一代AI研究者使用的电脑.
03
人工智能面临的考验
The facing problems of AI
CONTENT
04
人工智能的未来
The future of A.I.
目 录
05
人工智能的发展争议
Controversy over the development of AI
定义
人工智能的定义是什么？
分类
人工智能的基本分类?
神经科学
像人一样行动的系统
Action
•“一种技艺，创造机器来执行人 需要智能才能完成的功能” (Kurzweil, 1990) )
理性地行动的系统
Reason
•“计算智能是对设计智能化智能 体的研究” (Alan Mackworth等，1998)
是：有头脑的机器” （John Haugeland, 1985)
Pattern recognition
模式识别（就是通过计算机 用数学技术方法来研究模式 的自动处理和判读。 我们把 环境与客体统称为“模式”。 随着计算机技术的发展，人 类有可能研究复杂的信息处
Expert system
专家系统是早期人工智能的
一个重要分支，它可以看作 是一类具有专门知识和经验 的计算机智能程序系统，一 般采用人工智能中的知识表 示和知识推理技术来模拟通 常由领域专家才能解决的复 杂问题
定义
人工智能的发展历程？
分类
人工智能的应用?
先驱时代
1000BC▬1946
黄金年代
1956 - 1974
繁荣
1980 - 1987
▬
人工智能的诞生
1943 - 1956
第一次AI低谷
1974 - 1980
希腊神话中已经出现了机械人和人造人，如 赫淮斯托斯的黄金机器人和皮格马利翁。中 世纪出现了使用巫术或炼金术将意识赋予无 生命物质的传说。19世纪的幻想小说中出现 了人造人和会思考的机器之类题材,雷 尔·恰佩克的《罗素姆的万能机器人》。
停止拨款
感知器是神经网络的一种形式，由Frank Rosenblatt于1958年提出。与多数AI研究者一样， 他对这一发明的潜力非常乐观，预言说“感知器最 终将能够学习，作出决策和翻译语言”。整个六十 年代里这一方向的研究工作都很活跃。
批评
来自大学的批评
问题
70年代初，AI遭遇了瓶颈。即使是最杰出的 AI程序也只能解决它们尝试解决的问题中最 简单的一部分，也就是说所有的AI程序都只 是“玩具”。[72]AI研究者们遭遇了无法克服 的基础性障碍。尽管某些局限后来被成功突 破，但许多至今仍无法满意地解决）
2018
xxx
汇报人：
人工智能科技
Artificial intelligence Technology
01
人工智能综述
What is Artificial Intelligence ？
02
人工智能的发展与应用
Development and application of Artificial Intelligence
芜杂派
冷落
感知器与联结主义遭到冷落
停止拨款
此由于缺乏进展，对AI提供资助的机构（如英国政 府，DARPA和NRC）对无方向的AI研究逐渐停了 资助。早在1966年ALPAC（Automatic Language Processing Advisory Committee，自动语言处理顾 问委员会）的报告中就有批评机器翻译进展的意味，
Dartmouth Workshop 的地点
16岁的图灵
右上角漫画对话1. 昨天我做了一次图灵测试，2.好像很有趣，结果如何?3.我失败了机器认为我是个愚蠢的人类，回：坚持住。
中文房间虽是1980年提出的,但却是John Searle依据1950年代Simon对符号推理与“逻辑理论家”程序所得出的结论设想出来的
搜索式推理
许多AI程序使用相同的基本算法。为实现 一个目标（例如赢得游戏或证明定理）， 它们一步步地前进，就像在迷宫中寻找 出路一般；如果遇到了死胡同则进行回 溯。这就是“搜索式推理”
研 究 工 作
芜杂派（the scruffies）
框架和脚本对McCarthy的做法持批评意见的 还有他在MIT的同行们。马文· 闵斯基， Seymour Papert和Roger Schank等试图让机 器像人一样思考，使之能够解决“理解故事” 和“目标识别”一类问题。为了使用“椅子
问题
一些哲学家强烈反对AI研究者的主张。其中最早的 一个是John Lucas，他认为哥德尔不完备定理已经 证明形式系统（例如计算机程序）不可能判断某些 陈述的真理性，但是人类可以。
在80年代，一类名为“专家系统”的AI程序 开始为全世界的公司所采纳，而“知识处理” 成为了主流AI研究的焦点
专家系统获得赏识
自然语言处理（NLP）是 计算机科学，信息工程和 人工智能的子领域，涉及 计算机与人类（自然）语 言之间的交互，特别是如 何对计算机进行编程以处 理和分析大量自然语言数 据。
Computer vision
计算机视觉是一门研究如何 使机器“看”的科学，更进 一步的说，就是指用摄影机 和计算机代替人眼对目标进 行识别、跟踪和测量等机器 视觉，并进一步做图像处理， 用计算机处理成为更适合人 眼观察或传送给仪器检测的 图像
2.游戏AI
1951年，Christopher Strachey使用 曼彻斯特大学的Ferranti Mark 1机器 写出了一个西洋跳棋（checkers）程 序；Dietrich Prinz 写出了一个国际 象棋程序。。
3.图灵测试
1950年，图灵发表了一篇划时代的论 文，文中预言了创造出具有真正智能 的机器的可能性。[33]由于注意到 “智能”这一概念难以确切定义，
理性地行动的系统
• “AI............关心的是人工制品中 的智能行为” (Nils John Nilsson ,1998)
人工智能（Artificial Intelligence），英文缩 写为AI。它是研究、开发用于模拟、延伸和扩 展人的智能的理论、方法、技术及应用系统的 一门新的技术科学。人工智能是计算机科学的 一个分支，它企图了解智能的实质，并生产出 一种新的能以人类智能相似的方式做出反应的 智能机器，该领域的研究包括机器人、语言识 别、图像识别、自然语言处理和专家系统等。 人工智能从诞生以来，理论和技术日益成熟， 应用领域也不断扩大，可以设想，未来人工智 能带来的科技产品，将会是人类智慧的“容 器”。 人工智能是对人的意识、思维的信息过程的模 拟。人工智能不是人的智能，但是能像人那样 思考、也可能超过人的智能。
拥有“强人工智能”的机器不仅是一种 工具，而且本身拥有思维。“强人工智 能”有真正推理和解决问题的能力，这 样的机器将被认为是有知觉，有自我意 识。
人类级别的人工智能
强人工智能与弱人工智能区别
长期存在两种不同的目标或者理念。一种是希望借鉴人类的智能行为，研制出更好的工具以减轻人类智力劳动，一般称为“弱人工智能”，类似 于“高级仿生学”。另一种是希望研制出达到甚至超越人类智慧水平的人造物，具有心智和意识、能根据自己的意图开展行动，一般称为“强人 工智能”，实则可谓“人造智能”。
专家系统是一种程序，能够依据一组从专门知 识中推演出的逻辑规则在某一特定领域回答或 解决问题。
neuroscience探索智能、意识的人 脑机理,认识人的行为和情感,创新 脑疾病诊断与治疗
语言学(Linguistics)对人工智能(Artificial Intelligence)助力较大的应用领域,就是教计算 机识别人说的话(语音识别),教计算机生成人 说的话(语音合成)
语言学
心理学
psychology心理学实际上人工智能 的基础理论之一。包心理学对人工 智能的影响深入是意识研究的基础
微世界
60年代后期，麻省理工大学AI实验室的 马文· 闵斯基和西摩尔· 派普特建议AI研 究者们专注于被称为“微世界”的简单 场景。他们指出在成熟的学科中往往使 用简化模型帮助基本原则的理解
自然语言
AI研究的一个重要目标是使计算机能够 通过自然语言（例如英语）进行交流。 早期的一个成功范例是Daniel Bobrow 的程序STUDENT，它能够解决高中程 度的代数应用题）