人工智能概述 ppt课件
合集下载
2024版《人工智能》PPT课件
《人工智能》PPT课件•人工智能概述•机器学习原理及算法•自然语言处理技术•计算机视觉技术•语音识别与合成技术•智能推荐系统与数据挖掘•人工智能伦理、法律与社会影响目录定义与发展历程定义人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。
发展历程从早期的符号学习到现代的深度学习，人工智能经历了多个发展阶段，包括专家系统、知识工程、机器学习等。
重要事件人工智能领域的重要事件包括图灵测试、达特茅斯会议、AlphaGo战胜围棋世界冠军等。
人工智能的技术原理包括感知、思考、学习和行动四个方面，通过模拟人类的思维和行为方式来实现智能化。
技术原理人工智能的核心思想是让机器能够像人类一样具有智能，包括理解、推理、决策、学习等能力。
核心思想人工智能的实现方式包括符号主义、连接主义和行为主义等多种方法，其中深度学习是当前最热门的技术之一。
实现方式技术原理及核心思想前景展望未来人工智能的发展前景非常广阔，将会在更多领域得到应用，同时也会出现更多的技术创新和突破。
应用领域人工智能已经广泛应用于各个领域，包括智能家居、自动驾驶、医疗诊断、金融风控等。
挑战与机遇人工智能的发展也面临着一些挑战，如数据安全、隐私保护等问题，但同时也带来了巨大的机遇和发展空间。
应用领域与前景展望原理通过最小化预测值与真实值之间的均方误差，学习得到最优的线性模型参数。
应用预测连续型数值，如房价、销售额等。
原理在特征空间中寻找最大间隔超平面，使得不同类别的样本能够被正确分类。
应用分类问题，如图像识别、文本分类等。
原理通过递归地选择最优特征进行划分，构建一棵树状结构，用于分类或回归。
应用分类、回归问题，如信用评分、医学诊断等。
原理将数据划分为K个簇，使得同一簇内的数据尽可能相似，不同簇间的数据尽可能不同。
应用数据挖掘、图像压缩等。
原理通过计算数据点间的相似度，将数据逐层进行聚合或分裂，形成树状结构。
应用社交网络分析、生物信息学等。
人工智能概述ppt课件
人工智能概述ppt 课件
目录
• 人工智能基本概念与发展历程 • 基础知识体系与技术框架 • 智能算法模型与优化方法 • 数据驱动与知识表示方法 • 伦理、隐私和安全问题探讨 • 未来发展趋势与挑战
01
人工智能基本概念与 发展历程
人工智能定义及特点
定义
人工智能是一门研究、开发用于 模拟、延伸和扩展人的智能的理 论、方法、技术及应用系统的新 技术科学。
自然语言处理技术及应用
自然语言处理定义
研究人与计算机交互的语言问题的一 门学科，包括文本处理、语义理解、 机器翻译等方面。
常见自然语言处理技术
分词、词性标注、命名实体识别、句 法分析等。
自然语言处理应用
智能客服、智能问答、情感分析、文 本摘要等。
发展趋势
深度学习在自然语言处理中的应用越 来越广泛，推动着自然语言处理技术 的不断发展。
面临挑战及解决思路
数据安全与隐私保护
加强数据安全管理，研究隐私保护算法与技术， 保障用户数据安全与隐私权益。
技术可靠性与鲁棒性
提高模型可靠性与鲁棒性，降低对特定数据或场 景的依赖，人工智能伦理问题，建立监管机制与标准规 范，促进人工智能健康发展。
在自然语言处理中，数据驱动方法通 过统计语言模型、深度学习等技术处 理海量文本数据，实现自然语言理解 和生成。
在机器学习领域，数据驱动思想体现 在通过大量数据训练模型，使模型自 动学习并改进。
知识表示和推理机制
知识表示是将现实世界中的知识转化为计算机可理解和处理的形式，如逻辑表示法 、语义网络、框架表示法等。
推理机制是基于知识表示进行逻辑推理、归纳推理等，以得出新的知识和结论。
在专家系统中，知识表示和推理机制是实现自动化决策和问题求解的关键技术。
目录
• 人工智能基本概念与发展历程 • 基础知识体系与技术框架 • 智能算法模型与优化方法 • 数据驱动与知识表示方法 • 伦理、隐私和安全问题探讨 • 未来发展趋势与挑战
01
人工智能基本概念与 发展历程
人工智能定义及特点
定义
人工智能是一门研究、开发用于 模拟、延伸和扩展人的智能的理 论、方法、技术及应用系统的新 技术科学。
自然语言处理技术及应用
自然语言处理定义
研究人与计算机交互的语言问题的一 门学科，包括文本处理、语义理解、 机器翻译等方面。
常见自然语言处理技术
分词、词性标注、命名实体识别、句 法分析等。
自然语言处理应用
智能客服、智能问答、情感分析、文 本摘要等。
发展趋势
深度学习在自然语言处理中的应用越 来越广泛，推动着自然语言处理技术 的不断发展。
面临挑战及解决思路
数据安全与隐私保护
加强数据安全管理，研究隐私保护算法与技术， 保障用户数据安全与隐私权益。
技术可靠性与鲁棒性
提高模型可靠性与鲁棒性，降低对特定数据或场 景的依赖，人工智能伦理问题，建立监管机制与标准规 范，促进人工智能健康发展。
在自然语言处理中，数据驱动方法通 过统计语言模型、深度学习等技术处 理海量文本数据，实现自然语言理解 和生成。
在机器学习领域，数据驱动思想体现 在通过大量数据训练模型，使模型自 动学习并改进。
知识表示和推理机制
知识表示是将现实世界中的知识转化为计算机可理解和处理的形式，如逻辑表示法 、语义网络、框架表示法等。
推理机制是基于知识表示进行逻辑推理、归纳推理等，以得出新的知识和结论。
在专家系统中，知识表示和推理机制是实现自动化决策和问题求解的关键技术。
人工智能PPT
言处理。
生成对抗网络
通过生成器和判别器之间的竞 争，生成高质量的数据。
自然语言处理
文本分类
将文本分类到不同的类别中， 如情感分析、主题分类等。
信息抽取
从文本中提取关键信息，如命 名实体识别、关系抽取等。
机器翻译
将一种语言的文本自动翻译成 另一种语言。
语音识别
将语音转换成文本，并识别说 话人的意图。
特点
人工智能具有强大的信息处理能力、自主学习能力、推理能力和创造力，能够 进行复杂的思维活动，解决各种问题，并且能够适应不同的环境和任务。
人工智能的类型
基于问题类型的分类
分为确定性推理问题和不确定性推理 问题，分别对应于传统的人工智能和 现代的人工智能。
基于问题复杂性的分类
分为简单问题和复杂问题，简单问题 可以通过基于规则的方法解决，而复 杂问题则需要通过基于统计的方法解 决。
通过与环境的交互进行 学习，以实现长期目标
。
迁移学习
将在一个任务上学到的 知识应用于另一个任务
。
深度学习
01
02
03
04
神经网络
模拟人脑神经元的工作方式， 通过多层网络结构处理和传递
信息。
卷积神经网络
适用于图像识别和处理等任务 ，能够有效地提取图像特征。
循环神经网络
适用于序列数据和时间序列数 据处理，如语音识别和自然语
计算机视觉
图像分类
将图像分类到不同的类别中，如人脸识别、 物体识别等。
图像分割
将图像中的每个对象或区域分割出来。
目标检测
在图像中检测并定位目标对象。
立体视觉
通过多视角图像获取物体的三维信息。
03
人工智能机器人
生成对抗网络
通过生成器和判别器之间的竞 争，生成高质量的数据。
自然语言处理
文本分类
将文本分类到不同的类别中， 如情感分析、主题分类等。
信息抽取
从文本中提取关键信息，如命 名实体识别、关系抽取等。
机器翻译
将一种语言的文本自动翻译成 另一种语言。
语音识别
将语音转换成文本，并识别说 话人的意图。
特点
人工智能具有强大的信息处理能力、自主学习能力、推理能力和创造力，能够 进行复杂的思维活动，解决各种问题，并且能够适应不同的环境和任务。
人工智能的类型
基于问题类型的分类
分为确定性推理问题和不确定性推理 问题，分别对应于传统的人工智能和 现代的人工智能。
基于问题复杂性的分类
分为简单问题和复杂问题，简单问题 可以通过基于规则的方法解决，而复 杂问题则需要通过基于统计的方法解 决。
通过与环境的交互进行 学习，以实现长期目标
。
迁移学习
将在一个任务上学到的 知识应用于另一个任务
。
深度学习
01
02
03
04
神经网络
模拟人脑神经元的工作方式， 通过多层网络结构处理和传递
信息。
卷积神经网络
适用于图像识别和处理等任务 ，能够有效地提取图像特征。
循环神经网络
适用于序列数据和时间序列数 据处理，如语音识别和自然语
计算机视觉
图像分类
将图像分类到不同的类别中，如人脸识别、 物体识别等。
图像分割
将图像中的每个对象或区域分割出来。
目标检测
在图像中检测并定位目标对象。
立体视觉
通过多视角图像获取物体的三维信息。
03
人工智能机器人
人工智能PPT课件
21世纪初，随着大数据和 云计算技术的普及，人工 智能在机器学习和深度学 习等领域取得重大进展。
人工智能的应用领域
自动驾驶
利用计算机视觉和传感 器技术，实现车辆自主
导航和驾驶。
智能语音助手
通过语音识别和自然语 言处理技术，实现人机
语音交互。
医疗诊断
利用人工智能技术辅助 医生进行疾病诊断和治
疗方案制定。
金融风控
通过大数据分析和机器 学习技术，实现金融风
险控制和欺诈检测。
02
人工智能技术
机器学习
总结词
机器学习是人工智能的核心技术之一，通过从数据中自动学习模型和规律，实现 对新数据的预测和分析。
详细描述
机器学习算法可以分为监督学习、无监督学习和强化学习等类型，其中监督学习 是指通过已知标签的数据进行学习，无监督学习是指在没有标签的情况下进行聚 类、降维等操作，强化学习是指通过与环境的交互进行学习。
教育领域
01 02 03 04
人工智能在教育领域的应用，可以实现个性化教育和智能化教学。
人工智能可以根据学生的学习情况和兴趣爱好，自动推荐学习资源和 课程计划，提高学习效果。
人工智能还可以通过智能评估和反馈系统，自动评估学生的学习成果 和提供改进建议，帮助教师更好地指导学生。
人工智能在教育领域的应用将改变教学方式和评估方式，提高教育质 量和效率。
人工智能的就业影响
自动化与就业
人工智能的发展可能导致某些工作被自动化，对传统行业和职业产生冲击。需要关注就业市场的变化 ，采取措施帮助受影响的劳动者转岗和再就业。
新兴职业与技能需求
随着人工智能技术的普及，新兴职业和技能需求将不断涌现。需要培养和更新劳动者的技能，以适应 新的就业市场需求。
人工智能的应用领域
自动驾驶
利用计算机视觉和传感 器技术，实现车辆自主
导航和驾驶。
智能语音助手
通过语音识别和自然语 言处理技术，实现人机
语音交互。
医疗诊断
利用人工智能技术辅助 医生进行疾病诊断和治
疗方案制定。
金融风控
通过大数据分析和机器 学习技术，实现金融风
险控制和欺诈检测。
02
人工智能技术
机器学习
总结词
机器学习是人工智能的核心技术之一，通过从数据中自动学习模型和规律，实现 对新数据的预测和分析。
详细描述
机器学习算法可以分为监督学习、无监督学习和强化学习等类型，其中监督学习 是指通过已知标签的数据进行学习，无监督学习是指在没有标签的情况下进行聚 类、降维等操作，强化学习是指通过与环境的交互进行学习。
教育领域
01 02 03 04
人工智能在教育领域的应用，可以实现个性化教育和智能化教学。
人工智能可以根据学生的学习情况和兴趣爱好，自动推荐学习资源和 课程计划，提高学习效果。
人工智能还可以通过智能评估和反馈系统，自动评估学生的学习成果 和提供改进建议，帮助教师更好地指导学生。
人工智能在教育领域的应用将改变教学方式和评估方式，提高教育质 量和效率。
人工智能的就业影响
自动化与就业
人工智能的发展可能导致某些工作被自动化，对传统行业和职业产生冲击。需要关注就业市场的变化 ，采取措施帮助受影响的劳动者转岗和再就业。
新兴职业与技能需求
随着人工智能技术的普及，新兴职业和技能需求将不断涌现。需要培养和更新劳动者的技能，以适应 新的就业市场需求。
(完整版)人工智能介绍PPT课件全
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。
Machine learning
Computer vision
1956年,塞缪尔在IBM计算机上研制成功了具有自学习、自组织和自适应 能力的西洋跳棋程序。
1957年,纽厄尔、肖(Shaw)和西蒙等研制了一个称为逻辑理论机（LT)的 数学定理证明程序。
1958年,麦卡锡建立了行动规划咨询系统 1960年纽厄尔等研制了通用问题求解(GPS)程序。麦卡锡研制了人工智
人工智能简介
Brief introduction of
Artificial Intelligence
2024/9/24 Made by Bob
•Contents
1 人工智能是什么？
What is Artificial Intelligence？
2 人工智能的发展与应用
Application of Artificial Intelligence
2024/9/24
Part 4 人工智能的未来
2024/9/24
4
人工智能的未来
健全人工智能发展标准和监管制度
任何一门新技术的诞生、发展和使用都离不开一套完整 的发展标准和科学的管理制度，这是保证科学技术“以 人为本”的根本，面对人类日益强大的科研能力，人工 智能的发展必将会在未来出现突破性的进展，强人工智 能技术也将完整的出现在人类面前。鉴于人工智能技术 的特殊性，我们不难发现，它给人类生存带来的威胁不 亚于核武器，这就要求我们必须有严格的标准来要求人 工智能的发展，并且要科学谨慎的监管其生产和使用过 程的每个细节。
• 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。
Machine learning
Computer vision
1956年,塞缪尔在IBM计算机上研制成功了具有自学习、自组织和自适应 能力的西洋跳棋程序。
1957年,纽厄尔、肖(Shaw)和西蒙等研制了一个称为逻辑理论机（LT)的 数学定理证明程序。
1958年,麦卡锡建立了行动规划咨询系统 1960年纽厄尔等研制了通用问题求解(GPS)程序。麦卡锡研制了人工智
人工智能简介
Brief introduction of
Artificial Intelligence
2024/9/24 Made by Bob
•Contents
1 人工智能是什么？
What is Artificial Intelligence？
2 人工智能的发展与应用
Application of Artificial Intelligence
2024/9/24
Part 4 人工智能的未来
2024/9/24
4
人工智能的未来
健全人工智能发展标准和监管制度
任何一门新技术的诞生、发展和使用都离不开一套完整 的发展标准和科学的管理制度，这是保证科学技术“以 人为本”的根本，面对人类日益强大的科研能力，人工 智能的发展必将会在未来出现突破性的进展，强人工智 能技术也将完整的出现在人类面前。鉴于人工智能技术 的特殊性，我们不难发现，它给人类生存带来的威胁不 亚于核武器，这就要求我们必须有严格的标准来要求人 工智能的发展，并且要科学谨慎的监管其生产和使用过 程的每个细节。
(2024年)(完整版)人工智能介绍课件
多层感知器（MLP）
由多个神经元组成的多层网络，具有 强大的分类和回归能力。
2024/3/26
12
卷积神经网络（CNN）
01
02
03
卷积层
通过卷积核提取输入数据 的局部特征，实现参数共 享和稀疏连接。
2024/3/26
池化层
降低数据维度，提高模型 泛化能力，如最大池化、 平均池化等。
全连接层
将卷积层和池化层提取的 特征进行整合，输出最终 结果。
13
循环神经网络（RNN）
01
循环神经单元
具有记忆功能，能够处理序列数 据，如LSTM、GRU等。
02
时间步
将序列数据按照时间顺序输入到 循环神经单元中，实现信息的传 递和积累。
03
序列到序列（ Seq2Seq）
由编码器和解码器组成的模型结 构，实现输入序列到输出序列的 映射。
2024/3/26
14
深度确定性策略梯度（ Deep Deterministic Policy Gradient, DDPG ）
10
2024/3/26
03
CATALOGUE
深度学习技术与应用
11
神经网络模型
神经元模型
模拟生物神经元结构和功能，实现输 入到输出的非线性映射。
激活函数
引入非线性因素，提高神经网络的表 达能力，如ReLU、Sigmoid等。
第二次浪潮
20世纪90年代至21世纪初，随着计算机技术的飞速发展 和大数据时代的到来，机器学习、深度学习等算法取得重 大突破，人工智能开始进入快速发展阶段。
第三次浪潮
21世纪初至今，人工智能技术在语音识别、图像识别、 自然语言处理等领域取得显著成果，并开始渗透到金融、 医疗、教育等各行各业。
人工智能概论课件完整版
自然语言处理
研究如何让计算机理解和生成人类自然语言 文本。
深度学习
研究如何构建和训练深度神经网络模型，以 模拟人脑处理信息的方式。
人工智能的应用领域
智能家居
通过人工智能技术实现家庭设备 的自动化和智能化控制，提高生
活便利性和舒适度。
智能交通
利用人工智能技术提高交通系统 的效率和安全性，如自动驾驶汽 车、智能交通信号控制等。
05
人工智能伦理与安全问题
数据隐私保护问题
01
数据采集与使用的透明度不足
在人工智能应用中，大量个人数据被采集和使用，但很多时候用户并不
清楚自己的数据是如何被使用的，于网络安全威胁和技术漏洞的存在，人工智能系统所处理的数据可能
面临泄露和滥用的风险，对个人隐私造成侵害。
人工智能概论课件完整版
目录
• 人工智能概述 • 人工智能基础知识 • 人工智能算法与模型 • 人工智能技术应用 • 人工智能伦理与安全问题 • 人工智能发展趋势与挑战
01
人工智能概述
人工智能的定义与发展
人工智能的定义
人工智能（AI）是计算机科学的一个分支，旨在研究、开发能够模拟、延伸和 扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。
恶意使用风险
人工智能技术可能被恶意使用，如用于网络攻击、欺诈行为或制造虚假信息，这对社会和个 人都构成了安全威胁。
人工智能与人类未来关系探讨
劳动力市场变革
人工智能的发展将导致劳动力市 场的深刻变革，一些传统职业可 能会消失，而新的职业和就业机 会将出现。
社会伦理挑战
随着人工智能技术的广泛应用， 社会将面临一系列伦理挑战，如 人类与机器的权利关系、责任归 属以及道德准则的制定等。
人工智能简介PPT学习课件
机器学习传统的算法包括关联规则、决策树、聚类、贝叶斯分类、支持向量机等等。机器学习已广泛应用于 数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场 分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
规则：牛肉—>鸡肉，购买牛肉的顾客当中也购买了鸡肉可信度是3/4。
现阶段人工智能本质
深度学习：一种实现机器学习的技术。
机器学习的分支，它是试图使用包含复杂结构的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的方法。
观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列特定 形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。
计算机系统的理论和发展能够执行 通常需要人类智能参与的任务。
AI的核心问题包括推理、知识、规划、学习、交流、 感知、移动和操作物体的能力等。
2024/6/5
4
2 人工智能历史与现状
2024/6/5
5
发展历程
深度学习算法在语音和视觉识别上取得成功，进入感知智能时代。
2006年杰弗里辛顿提出学习生成模型的观点，“深度学习”神经网络使得人工 智能性能获得突破性进展。
手写和字符识别是认知自动化应用的范例，支持高强度、复杂繁琐的办公业务，以帮助企业降低风险和成本。如，如机 器翻译是对文本数据的处理；使用自然语言处理和OCR（光学字符识别）技术从文档中提取关键信息。
2024/6/5
16
应用领域
认知参与
系统通过认知技术与人类建立密切交互关系。
语音识别接口，它可以执行语音指令，降低温控器或打开电视频道，如Siri。再如，接收病人入院，或推荐产品和服务， 需要人工智能接触到更复杂的信息并执行数字化任务，通过学习到的认知参与人类互动。
规则：牛肉—>鸡肉，购买牛肉的顾客当中也购买了鸡肉可信度是3/4。
现阶段人工智能本质
深度学习：一种实现机器学习的技术。
机器学习的分支，它是试图使用包含复杂结构的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的方法。
观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列特定 形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。
计算机系统的理论和发展能够执行 通常需要人类智能参与的任务。
AI的核心问题包括推理、知识、规划、学习、交流、 感知、移动和操作物体的能力等。
2024/6/5
4
2 人工智能历史与现状
2024/6/5
5
发展历程
深度学习算法在语音和视觉识别上取得成功，进入感知智能时代。
2006年杰弗里辛顿提出学习生成模型的观点，“深度学习”神经网络使得人工 智能性能获得突破性进展。
手写和字符识别是认知自动化应用的范例，支持高强度、复杂繁琐的办公业务，以帮助企业降低风险和成本。如，如机 器翻译是对文本数据的处理；使用自然语言处理和OCR（光学字符识别）技术从文档中提取关键信息。
2024/6/5
16
应用领域
认知参与
系统通过认知技术与人类建立密切交互关系。
语音识别接口，它可以执行语音指令，降低温控器或打开电视频道，如Siri。再如，接收病人入院，或推荐产品和服务， 需要人工智能接触到更复杂的信息并执行数字化任务，通过学习到的认知参与人类互动。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 测试过程：让一个程序与一个人进行5分钟对 话 / 然后人猜测交谈对象是程序还是人？如果 在30%测试中程序成功地欺骗了询问人，则通 过了测试
• 图灵期待最迟2000年出现这样的程序，但是到 目前为止，面对训练有素的鉴定人，没有一个 程序接近30%的标准
2020/11/29
10
第1章 人工智能概述
作为智能体的人类
• 智能体(Agent)
• 人类是一种智能体
• 我们，作为一个智能体，为什么能够思考? 大脑这么一小堆东西怎么能够感知、理解、 预测和应对一个远比自身庞大和复杂的世 界？——理解人类，理解智能体
• 人工智能(AI)走得更远：不仅试图理解智能 体，而且要建造智能体——制造出像人类一 样完成某些智能任务的系统(软件)
• 如何得知人类是如何思考的? 通过自省—捕捉 人类思维过程和通过心理测试
• 这种方法不满足于让程序正确地解决问题, 更 加关心对程序的推理步骤轨迹与人类个体求解 同样问题的步骤轨迹进行比较
• 认知科学: 把来自AI的计算模型与来自心理学 的实验技术相结合, 试图创立一种精确而且可 检验的人类思维工作方式的理论
对使得知觉、推理和行动成为可 能的计算的研究(Winston, 1992)
理性地行动的系统
创造机器来执行人需要智能才能 完成的功能(Kurzweil, 1990)
研究如何让计算机能够做到那些 目前人比计算机做得更好的事情 (Rich & Knight, 1991)
计算智能是对设计智能化智能体 的研究(Poole et al., 1998)
不同定义—理性行动(2)
• 把AI研究视为理性智能体的设计过程
• 好处：
• 普遍性：比“思维法则”法则方法(理性地思维) 更广 / 比建立在人类行为或者思维基础(类人方 法)上的方法更形式化, 因为相比具有清楚的定 义或标准
• 正确的结果在不同条件下可以定义清楚
• 完美理性—总能做正确的事情 vs. 有限理 性 — 在没有足够计算时间的前提下采取正确 的行动
不同定义—类人行为(3)
• 要想程序通过图灵测试，还需要做大量 工作，这些技能包括：
• 自然语言处理, 使机器可以用人类语言交流 • 知识表示, 存储机器获得的各种信息 • 自动推理, 运用知识来回答问题和提取新结
论
• 机器学习, 适应新环境并检测和推断新模式 • 以及(为了完全图灵测试) • 计算机视觉, 机器感知物体 • 机器人技术, 操纵和移动物体
理性地思考的系统
要使计算机能思考……有头脑的 机器(Haugeland, 1985)
[使之自动化]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)
像人一样行动的系统
通过对计算模型的使用来进行心 智能力的研究(Charniak & McDemontt, 1985)
2020/11/29
6
第1章 人工智能概述
处于探索初期的学科
• AI是新兴学科，也是激动人心的学科. Russell声称：不同于物理学，这里还有 出现几个爱因斯坦的余地
• 为什么？研究主观世界的成果远少于研 究客观世界的成果
2020/11/29
7
第1章 人工智能概述
对AI的4种不同定义
像人一样思考的系统
• AI领域传统的逻辑主义希望通过编制上述程序 来创造智能系统
• 难点: 非形式化的知识难以用逻辑符号形式化 / “原则上”可以解决问题和实际解决问题二者 之间存在巨大差异
2020/11/29
14
第1章 人工智能概述
不同定义—理性行动(1)
• 理性地行动: 理性智能体方法 • 计算机智能体应该有别于“简单的”程序: 具
2020/11/29
11
第1章 人工智能概述
不同定义—类人行为(4)
• AI研究者并未花费很多精力来尝试通过 测试, 因为研究智能的根本原则远比复 制样本重要.
• 如同空气动力学与模拟鸟类飞行之对于 飞机的产生
2020/11/29
12
第1章 人工智能概述
不同定义—类人思考
• 类人思考: 认知模型方法
你所经历的课堂，是讲座式还是讨论式？ 教师的教鞭
“不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨， 没有学问无颜见爹娘 ……”
“太阳当空照，花儿对我笑，小鸟说早早早……”
第ቤተ መጻሕፍቲ ባይዱ章 人工智能概述
1.1 关于人工智能的定义
智能体 对AI的4种不同定义 类人行动/类人思考/理性思维/理性行动
第1章 人工智能概述
• 完美理性在复杂环境下是不可行的
2020/11/29
16
第1章 人工智能概述
4种方法的比较
类人思考
模拟思维过程 思 考 过 程
类人行为
智 能 行模拟行为功能 为
有诸如自主控制操作、感知环境、适应变化等 • 理性智能体：要通过自己的行动获得最佳结果，
或者在不确定的情况下，获得最佳期望结果 • 不仅要正确地推理，还要正确地行动 / 正确
推论是理性智能体的部分功能，而不是理性的 全部内容 • 图灵测试中需要的技能都是为了作出理性行为
2020/11/29
15
第1章 人工智能概述
• 通常, 我们只关心程序实现了什么功能, 而不会 比较AI技术和人类认知之间的异同
2020/11/29
13
第1章 人工智能概述
不同定义—理性思考
• 理性地思考: “思维法则”方法
• 19世纪, 逻辑学家就发展出可以描述世界上一 切事物及其彼此关系的精确的命题符号
• 1965年, 原则上, 已经有程序可以求解任何用逻 辑符号描述的可解问题(消解法)
AI关心的是人工制品中的智能行 为(Nilsson, 1998)
2020/11/29
8
第1章 人工智能概述
不同定义—类人行为(1)
• 类人行为：图灵测试(1950) • 图灵建议：不是问“机器能否思考”，而是问
“机器能否通过关于行为的智能测试”
2020/11/29
9
第1章 人工智能概述
不同定义—类人行为(2)
人工智能原理
第1章 人工智能概述
第1章 人工智能概述
本章内容
1.1 关于人工智能的定义 1.2 人工智能的基础 1.3 人工智能简史 1.4 智能体与环境 1.5 智能体结构 小结
参考书目
附录 和人工智能相关的社会伦理问题
精品资料
你怎么称呼老师？
如果老师最后没有总结一节课的重点的难点，你是 否会认为老师的教学方法需要改进？
• 图灵期待最迟2000年出现这样的程序，但是到 目前为止，面对训练有素的鉴定人，没有一个 程序接近30%的标准
2020/11/29
10
第1章 人工智能概述
作为智能体的人类
• 智能体(Agent)
• 人类是一种智能体
• 我们，作为一个智能体，为什么能够思考? 大脑这么一小堆东西怎么能够感知、理解、 预测和应对一个远比自身庞大和复杂的世 界？——理解人类，理解智能体
• 人工智能(AI)走得更远：不仅试图理解智能 体，而且要建造智能体——制造出像人类一 样完成某些智能任务的系统(软件)
• 如何得知人类是如何思考的? 通过自省—捕捉 人类思维过程和通过心理测试
• 这种方法不满足于让程序正确地解决问题, 更 加关心对程序的推理步骤轨迹与人类个体求解 同样问题的步骤轨迹进行比较
• 认知科学: 把来自AI的计算模型与来自心理学 的实验技术相结合, 试图创立一种精确而且可 检验的人类思维工作方式的理论
对使得知觉、推理和行动成为可 能的计算的研究(Winston, 1992)
理性地行动的系统
创造机器来执行人需要智能才能 完成的功能(Kurzweil, 1990)
研究如何让计算机能够做到那些 目前人比计算机做得更好的事情 (Rich & Knight, 1991)
计算智能是对设计智能化智能体 的研究(Poole et al., 1998)
不同定义—理性行动(2)
• 把AI研究视为理性智能体的设计过程
• 好处：
• 普遍性：比“思维法则”法则方法(理性地思维) 更广 / 比建立在人类行为或者思维基础(类人方 法)上的方法更形式化, 因为相比具有清楚的定 义或标准
• 正确的结果在不同条件下可以定义清楚
• 完美理性—总能做正确的事情 vs. 有限理 性 — 在没有足够计算时间的前提下采取正确 的行动
不同定义—类人行为(3)
• 要想程序通过图灵测试，还需要做大量 工作，这些技能包括：
• 自然语言处理, 使机器可以用人类语言交流 • 知识表示, 存储机器获得的各种信息 • 自动推理, 运用知识来回答问题和提取新结
论
• 机器学习, 适应新环境并检测和推断新模式 • 以及(为了完全图灵测试) • 计算机视觉, 机器感知物体 • 机器人技术, 操纵和移动物体
理性地思考的系统
要使计算机能思考……有头脑的 机器(Haugeland, 1985)
[使之自动化]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)
像人一样行动的系统
通过对计算模型的使用来进行心 智能力的研究(Charniak & McDemontt, 1985)
2020/11/29
6
第1章 人工智能概述
处于探索初期的学科
• AI是新兴学科，也是激动人心的学科. Russell声称：不同于物理学，这里还有 出现几个爱因斯坦的余地
• 为什么？研究主观世界的成果远少于研 究客观世界的成果
2020/11/29
7
第1章 人工智能概述
对AI的4种不同定义
像人一样思考的系统
• AI领域传统的逻辑主义希望通过编制上述程序 来创造智能系统
• 难点: 非形式化的知识难以用逻辑符号形式化 / “原则上”可以解决问题和实际解决问题二者 之间存在巨大差异
2020/11/29
14
第1章 人工智能概述
不同定义—理性行动(1)
• 理性地行动: 理性智能体方法 • 计算机智能体应该有别于“简单的”程序: 具
2020/11/29
11
第1章 人工智能概述
不同定义—类人行为(4)
• AI研究者并未花费很多精力来尝试通过 测试, 因为研究智能的根本原则远比复 制样本重要.
• 如同空气动力学与模拟鸟类飞行之对于 飞机的产生
2020/11/29
12
第1章 人工智能概述
不同定义—类人思考
• 类人思考: 认知模型方法
你所经历的课堂，是讲座式还是讨论式？ 教师的教鞭
“不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨， 没有学问无颜见爹娘 ……”
“太阳当空照，花儿对我笑，小鸟说早早早……”
第ቤተ መጻሕፍቲ ባይዱ章 人工智能概述
1.1 关于人工智能的定义
智能体 对AI的4种不同定义 类人行动/类人思考/理性思维/理性行动
第1章 人工智能概述
• 完美理性在复杂环境下是不可行的
2020/11/29
16
第1章 人工智能概述
4种方法的比较
类人思考
模拟思维过程 思 考 过 程
类人行为
智 能 行模拟行为功能 为
有诸如自主控制操作、感知环境、适应变化等 • 理性智能体：要通过自己的行动获得最佳结果，
或者在不确定的情况下，获得最佳期望结果 • 不仅要正确地推理，还要正确地行动 / 正确
推论是理性智能体的部分功能，而不是理性的 全部内容 • 图灵测试中需要的技能都是为了作出理性行为
2020/11/29
15
第1章 人工智能概述
• 通常, 我们只关心程序实现了什么功能, 而不会 比较AI技术和人类认知之间的异同
2020/11/29
13
第1章 人工智能概述
不同定义—理性思考
• 理性地思考: “思维法则”方法
• 19世纪, 逻辑学家就发展出可以描述世界上一 切事物及其彼此关系的精确的命题符号
• 1965年, 原则上, 已经有程序可以求解任何用逻 辑符号描述的可解问题(消解法)
AI关心的是人工制品中的智能行 为(Nilsson, 1998)
2020/11/29
8
第1章 人工智能概述
不同定义—类人行为(1)
• 类人行为：图灵测试(1950) • 图灵建议：不是问“机器能否思考”，而是问
“机器能否通过关于行为的智能测试”
2020/11/29
9
第1章 人工智能概述
不同定义—类人行为(2)
人工智能原理
第1章 人工智能概述
第1章 人工智能概述
本章内容
1.1 关于人工智能的定义 1.2 人工智能的基础 1.3 人工智能简史 1.4 智能体与环境 1.5 智能体结构 小结
参考书目
附录 和人工智能相关的社会伦理问题
精品资料
你怎么称呼老师？
如果老师最后没有总结一节课的重点的难点，你是 否会认为老师的教学方法需要改进？