人工智能概述
介绍人工智能的概念
介绍人工智能的概念
人工智能（Artificial Intelligence，缩写为AI）是一门新兴的技术科学，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。
它结合了多个学科的知识，包括计算机科学、数学、心理学和哲学等，旨在探索智能的本质，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。
人工智能的研究领域涵盖了机器人、语言识别、图像识别、自然语言处理和专家系统等，目标是让机器能够胜任一些通常需要人类智能才能完成的复杂工作。
人工智能可以分为弱人工智能、强人工智能和超强人工智能。
弱人工智能专注于且只能解决单个特定领域问题；强人工智能能够胜任人类所有工作；超强人工智能则在科学创造力、智能和社交能力等每一个方面都比最强人类大脑聪明。
人工智能的发展以算法、计算和数据为驱动力，其中算法是核心，计算和数据是基础。
近些年，随着算法、计算和数据三大因素的共同进步，人工智能已经在机器视觉、语音识别、语义识别、图像识别、动作控制等众多领域实现重大突破，并开始广泛渗透到金融、客服、安防、医疗、无人驾驶、教育和家居等行业，为经济社会的转型升级发挥重要作用。
总的来说，人工智能是一门涉及多个学科的新兴技术科学，旨在生产出一种能够模拟、延伸和扩展人类智能的智能机器。
它的发展和应用已经对现代社会产生了深远的影响，并有望在未来继续推动科技进步和社会发展。
人工智能概述
人工智能概述人工智能（Artificial Intelligence，简称AI）是指计算机系统和机器模拟人类智能思维和行为的能力。
它涉及许多领域，包括机器学习、专家系统、自然语言处理、计算机视觉和机器人技术。
人工智能的发展具有重大意义，可以帮助人类解决各种复杂的问题和改变我们的生活方式。
一、人工智能的历史与发展人工智能的研究起源可以追溯到上个世纪五十年代，当时计算机科学家们开始思考如何使机器能够具备智能。
在过去的几十年里，人工智能得到了长足的发展，取得了重要的突破。
例如，IBM的深蓝计算机在1997年击败了国际象棋大师卡斯帕罗夫，引起了全球的轰动。
而如今，许多领域都开始应用人工智能技术，如医疗保健、金融、交通和农业等。
二、人工智能的应用领域1. 机器学习：机器学习是人工智能的一个重要分支，通过让机器从大量的数据中学习和改进，使得机器能够做出准确的预测和决策。
例如，在金融领域，机器学习可以用来进行风险评估和投资管理。
在医疗领域，机器学习可以帮助医生进行疾病诊断和治疗方案选择。
2. 自然语言处理：自然语言处理是指让机器能够理解和处理人类的语言的能力。
这一领域的发展使得机器能够进行智能对话、语音识别和机器翻译等任务。
例如，智能助手可以根据语音指令执行操作，并能够回答用户的问题。
3. 计算机视觉：计算机视觉使得机器能够“看”和识别图像和视频。
它在自动驾驶、安防监控和医学影像分析等领域中具有广泛的应用。
例如，无人驾驶汽车可以通过计算机视觉技术感知和理解道路和交通情况。
4. 专家系统：专家系统是一种能够模拟人类专家知识和经验的计算机程序。
通过将专家的知识输入到系统中，可以使机器能够解决复杂的问题和提供专业的建议。
例如，在医学诊断中，专家系统可以根据患者的症状和病史来给出诊断结果和治疗建议。
三、人工智能的挑战与前景尽管人工智能在许多领域都取得了重要进展，但仍然存在一些挑战。
首先，人工智能系统的可靠性和安全性是一个重要问题，因为错误的决策可能会造成严重的后果。
人工智能基础知识全解析
人工智能基础知识全解析第一章：人工智能概述人工智能（Artificial Intelligence，简称AI）是指由计算机系统实现的智能行为，具备感知、理解、决策、学习和交互等能力。
其诞生与发展离不开计算机技术、数学、认知科学和哲学等多个领域的融合。
人工智能的研究目标是设计实现能够模拟人类智能的计算机程序，并让计算机具备像人一样的思维能力。
第二章：人工智能的分类人工智能可分为弱人工智能（Narrow AI）和强人工智能（Strong AI）两个类别。
弱人工智能专注于解决特定问题，例如图像识别、语音识别和自然语言处理等。
而强人工智能则是指具备与人类智能相等或超越的智能水平，能够解决多领域的问题，进行自主学习和推理。
第三章：人工智能的应用领域人工智能在现实生活和各行各业领域得到了广泛应用。
在医疗领域，人工智能可用于辅助诊断、药物研发和健康管理等方面。
在交通领域，人工智能可以优化交通流量、自动驾驶和智能物流等。
在金融领域，人工智能可以进行风险评估、欺诈检测和智能投资等。
在工业领域，人工智能可以实现智能制造、物联网和智能供应链管理等。
第四章：人工智能的核心技术人工智能的核心技术包括机器学习、深度学习、自然语言处理和计算机视觉等。
其中，机器学习是人工智能的基础，通过训练模型使计算机从数据中学习规律和知识。
深度学习是机器学习的一种方法，通过构建神经网络模型实现对复杂数据的建模和分析。
自然语言处理主要研究计算机与人类自然语言的交互和理解。
计算机视觉则研究使计算机理解和处理图像和视频等视觉信息的技术。
第五章：人工智能的挑战与限制虽然人工智能在许多领域都取得了巨大进展，但仍面临着一些挑战和限制。
其中之一是数据隐私和安全问题，大量的数据需要得到隐私保护和安全防护。
另外，人工智能系统的决策过程和黑盒特性也带来了透明度和可解释性的问题。
此外，道德和伦理方面的考虑，如人工智能对人类就业岗位的影响以及对社会公平和正义的挑战等也备受关注。
人工智能概述
人工智能概述
(4)应用研究愈加深入而广泛。当今的人工智能研 究与实际应用的结合越来越紧密，受应用的驱动越来 越明显。事实上，现在的人工智能技术已同整个计算 机科学技术紧密地结合在一起了，其应用也与传统的 计算机应用越来越相互融合了。
第20页
第4页
人工智能概述
1.2 人工智能的研究途径与方法
1. 结构模拟，神经计算 所谓结构模拟，就是根据人脑的生理结构和工作 机理，实现计算机的智能，即人工智能。 2. 功能模拟，符号推演 由于人脑的奥秘至今还未彻底揭开，所以，人们
就在当前的数字计算机上，对人脑从功能上进行模拟，
实现人工智能。
第5页
人工智能概述
3 行为模拟，控制进化
除了上述两种研究途径和方法外，还有一种基于感 知-行为模型的研究途径和方法。我们称其为行为模拟法。 这种方法是模拟人在控制过程中的智能活动和行为特性， 如自寻优、自适应、自学习、自组织等，来研究和实现 人工智能。基于这一方法研究人工智能的典型代表要算 MIT的R.Brooks教授，他研制的六足行走机器人(亦称为 人造昆虫或机器虫)
对推理的研究往往涉及到对逻辑的研究。逻辑是人脑
思维的规律，从而也是推理的理论基础。机器推理或 人工智能用到的逻辑，主要包括经典逻辑中的谓词逻 辑和由它经某种扩充、发展而来的各种逻辑。后者通 常称为非经典或非标准逻辑。
第13页
人工智能概述
1.4.2 搜索技术
所谓搜索，就是为了达到某一“目标”，而连续 地进行推理的过程。搜索技术就是对推理进行引导和 控制的技术，它也是人工智能的基本技术之一。事实 上，许多智能活动的过程，甚至所有智能活动的过程， 都可看作或抽象为一个“问题求解”过程。而所谓 “问题求解”过程，实质上就是在显式的或隐式的问 题空间中进行搜索的过程。即在某一状态图，或者与
人工智能概述
人工智能概述人工智能（Artificial Intelligence，简称AI）是一门研究如何使计算机具有智能行为的学科，旨在模拟人类智能的思维和行为。
它涉及到多个领域，包括机器学习、自然语言处理、计算机视觉等。
近些年来，人工智能在各行各业得到了广泛应用，如医疗诊断、智能交通、智能家居等。
一、人工智能的背景与发展人工智能的起源可以追溯到上世纪50年代，随着计算机科学的发展，人们开始尝试开发能够模拟人类思维的计算机程序。
随着硬件技术与算法的不断进步，人工智能得到了长足的发展，逐渐具备了一定的自主学习和推理能力。
二、人工智能的基本原理与方法1. 机器学习：机器学习是人工智能的核心技术之一，通过让计算机从大量数据中进行学习和预测，从而使其具备自动识别和分类的能力。
2. 自然语言处理：自然语言处理是指让计算机能够理解和处理自然语言的技术。
它可以用于语音识别、机器翻译、智能客服等领域。
3. 计算机视觉：计算机视觉致力于让计算机能够感知和理解图像和视频内容，从而实现人机交互、图像识别等应用。
三、人工智能的应用领域1. 医疗诊断：人工智能在医疗领域的应用已经取得了显著的突破，能够辅助医生进行疾病诊断、个性化治疗方案制定等。
2. 智能交通：人工智能可以优化交通运输系统，提高路况监测、交通信号控制等效率，减少交通拥堵和事故发生。
3. 智能家居：通过人工智能技术，可以实现家居设备的智能化管理，如语音控制、自动化调控等。
4. 金融领域：人工智能在金融领域的应用非常广泛，可以进行风险评估、投资建议、反欺诈等工作。
四、人工智能的挑战与展望尽管人工智能在许多领域都取得了显著的进展，但仍然存在一些挑战。
例如，数据隐私和安全问题、算法的不透明性、伦理和道德问题等。
未来，人工智能将继续发展并与更多领域相结合，为人们创造更多智能化、便捷化的应用。
总结：人工智能是一门致力于实现计算机智能化的学科，经过多年的发展，已经在各个领域得到了广泛应用。
人工智能概述
书面语言的理解；口语（声音）的理解系统；手书文字识别；机 器翻译等。
关于自然语言的理解的详细讨论，将在第10章进行。
人工智能研究和应用领域（三）
进展。 1977年，在第5届国际人工智能联合会议上，费根鲍姆正是
提出了知识工程的概念。
专家系统的成功，使得人们更清楚地认识到人工智 能系统应该是一个知识处理系统，而知识表示、知识 获取、知识利用则是人工智能系统的三个基本问题。
人工智能的产生与发展—综合集成期（80年代末-今）
随着专家系统应用的不断深入和计算机技术的飞速发 展，专家系统本身存在应用领域狭窄、缺乏常识性知识、 知识获取困难、推理方法单一、没有分布式功能、不能 访问现存数据库等问题暴露出来。要摆脱困境，必须走 综合集成的发展道路。低谷。
人工智能的产生与发展—知识应用期（1971-80年 代末）（2）
以知识为中心的研究
在处于困境的情况下，人们从费根鲍姆以知识为中心 开展人工智能研究的观点中找到了新的出路。
专家系统的发展和应用。专家系统是人工智能发展是上的一 次重大转折。
计算机视觉和机器人，自然语言理解与机器翻译的发展。 在知识的表示，不精确推理，人工智能语言等方面也有重大
人工智能的产生与发展——形成期（19561970）
1956年，在一次有关为使得计算机变得更“聪明”的学术研讨会上， 麦卡斯正式采用了“人工智能”这一术语。从此一个研究以机器来 模拟人类智能的新兴学科——人工智能诞生了。之后，形成了三个 研究小组：心理学小组、IBM工程课题研究小组、MIT小组。人工智 能在诞生后十余年很快在定理证明、问题求解、博弈等领域取得了 重大进展。主要研究大致包括以下几个方面：
人工智能基本知识介绍
人工智能基本知识介绍一、人工智能概述人工智能（Artificial Intelligence，AI）是一门涉及多个学科的交叉学科，其主要目标是让机器能够像人类一样思考、学习、推理、决策、交流等，从而完成一些复杂的任务。
人工智能的应用领域十分广泛，包括但不限于机器人、语音识别、图像识别、自然语言处理、智能推荐、智能家居等等。
人工智能的发展历程可以分为三个阶段：符号主义、连接主义和深度学习。
符号主义以知识表示和推理为基础，连接主义以神经元之间的连接为基础，深度学习则以神经网络深度层的嵌套为基础。
目前，深度学习在人工智能领域的应用最为广泛。
二、人工智能技术体系人工智能技术体系主要包括机器学习、深度学习、自然语言处理、计算机视觉等技术。
1.机器学习：机器学习是一种基于数据的学习方法，通过分析大量数据并自动发现规律和模式，从而实现对新数据的预测和分析。
机器学习的主要算法包括线性回归、逻辑回归、支持向量机、决策树等。
2.深度学习：深度学习是机器学习的一种，它基于神经网络模型，通过对大量数据进行学习，实现对复杂数据的处理和分析。
深度学习的代表算法包括卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）等。
3.自然语言处理：自然语言处理是一种让机器理解和处理人类语言的方法。
自然语言处理的主要技术包括文本分类、情感分析、信息抽取等。
4.计算机视觉：计算机视觉是一种让机器能够像人类一样看待和识别图像和视频的技术。
计算机视觉的主要应用包括目标检测、图像识别、人脸识别等。
三、人工智能基本算法人工智能的基本算法包括决策树、贝叶斯网络、支持向量机、K 最近邻算法、神经网络等。
这些算法在人工智能领域的应用非常广泛，可以根据不同的任务和场景选择合适的算法进行应用。
1.决策树：决策树是一种常见的分类算法，它通过构建一棵树状结构来对数据进行分类或回归分析。
决策树的优点是易于理解和实现，同时可以有效地处理非线性关系的数据。
人工智能概述
第 1 章 人工智能概述
2019-6-6
1.1 什么是人工智能
1.2 人工智能的研究意义、目标和策略
1.3 人工智能的学科范畴
1.4 人工智能的研究内容
1.5 人工智能的研究途径与方法
1.6 人工智能的基本技术
1.7 人工智能的应用
1.8 人工智能的分支领域与研究方向
1.9 人工智能的发展概况
现在, 人工智能已构成信息技术领域的一个重要学科。
因为该学科研究的是如何使机器(计算机)具有智能或者说如何
利用计算机实现智能的理论、 方法和技术, 所以, 当前的人
工智能既属于计算机科学技术的一个前沿领域, 也属于信息处
理和自动化技术的一个前沿领域。但由于其研究内容涉及到
“智能”, 因此,人工智能又不局限于计算机、信息和自动化
2019-6-6
谢谢观赏
2
第 1 章 人工智能概述
——人工智能是那些与人的思维相关的活动, 诸如决策、 问题求解和学习等的自动化(Bellman, 1978年)。
——人工智能是一种计算机能够思维, 使机器具有智力的 激动人心的新尝试(Haugeland,1985年)。
——人工智能是研究如何让计算机做现阶段只有人才能做 得好的事情(Rich Knight, 1991年)。
2019-6-6
谢谢观赏
8
第 1 章 人工智能概述
1.1.4
1.
符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统人工智能或经典人工智能。 符号智能以符 号形式的知识和信息为基础, 主要通过逻辑推理, 运用知识进 行问题求解。符号智能的主要内容包括知识获取(knowledge acquisition)、 知识表示(knowledge representation)、 知 识组织与管理和知识运用等技术(这些构成了所谓的知识工程 (Knowledge Engineering, KE))以及基于知识的智能系统等。
- 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)。
1
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
第1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
22
第1章 人工智能概述
哲学的贡献(5) 哲学的贡献(5)
• 唯物主义 唯物主义认为: 大脑依照物理定律运转而构 成了意识, 自由意志也就简化为对出现在选 择过程中可能选择的感受方式
• 问题2结论: 存在两种选择—二元论和一 元论
23
第1章 人工智能概述
哲学的贡献(6) 哲学的贡献(6)
• 问题3：知识是从哪里来的?
30
第1章 人工智能概述
12
第1章 人工智能概述
不同定义—理性行动(1) 不同定义—理性行动(1)
• 理性地行动: 理性智能体方法 理性地行动: • 计算机智能体应该有别于“简单的”程序: 具 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
第1章 人工智能概述
对人工智能有贡献的学科 对人工智能有贡献的学科
• • • • • • • • • 哪些学科、哪些思想和哪些人物给予AI以贡献? 哲学(BC428~现在) 数学(800~现在) 经济学(1776~现在) 神经科学(1861~现在) 心理学(1879~现在) 计算机工程(1940~现在) 控制论(1948~现在) 语言学(1957~现在)
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)
20
第1章 人工智能概述
哲学的贡献(3) 哲学的贡献(3)
• 17世纪, 有人提出推理如同数字计算 / 帕 斯卡写道: “算术机器产生的效果显然更接 近于思维而不是动物的其他活动”
• 问题1结论: 肯定的结论, 即可以用一个 规则集合描述意识的形式化、理性的部 分
21
第1章 人工智能概述
哲学的贡献(4) 哲学的贡献(4)
• 基于Ludwig Wittgenstein, Bertrand Russell的 工作，Rudolf Carnap领导维也纳学派发展了 实证逻辑主义，坚持认为所有的知识都可以 用最终和传感器输入相对应的观察语句 观察语句相联 观察语句 系的逻辑理论来描述
• 问题3结论: 知识来自于实践
25
第1章 人工智能概述
• 问题1：形式化规则能用来抽取合理的结 论吗?（哲学家及其贡献）
• 亚里士多德(Aristotle, BC384~BC322), 为形 式逻辑奠定了基础 / 第一个把支配意识的理 性部分法则形式化为精确的法则集合 / 著名 的三段论 • Ramon Lull / Leonardo da Vinci(达·芬奇) / Blaise Pascal(帕斯卡) / Gottfried Wilhelm Leibnitz(莱布尼兹)等人均设计或制造了能计 算的机器
28
第1章 人工智能概述
数学的贡献(2) 数学的贡献(2)
• 数学家及其贡献 • 问题1：如何抽取形式化规则？
• George Boole(布尔, 1815~1864), 1847年完成 了形式逻辑的数学化 / 命题逻辑或称布尔逻 辑 • Gottlob Frege(弗雷格, 1848~1925), 1879年扩 展了布尔逻辑, 使其包含对象和关系, 创建了 一阶逻辑 • Alfred Tarski(塔斯基)引入了一种参考理论, 可以把逻辑对象与现实世界对象联系起来
14
• • •
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 模拟行为功能 智 能 行 为
人 类 智 能
思维过程 思维模型 智能行为 行为建模
按照模型建立思维系统 理性思考
按照模型建立行为系统 理性行为
• 类人思考或类人行为：直接模拟 / 追随人
• 理性思考或理性行为：间接模拟 / 概括人 –– 更普遍
11
第1章 人工智能概述
不同定义— 不同定义—理性思考
• 理性地思考: “思维法则”方法 理性地思考: 思维法则” • 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
15
第1章 人工智能概述
AI概念理解是一个过程 AI概念理解是一个过程
• 上述定义见仁见智 • 重要的是学习AI方法、应用AI方法，在 实践中逐步深入领会AI这个词的含义 • 目前，AI就是一种运行在我们自己机器 中的程序，它的智能都是我们给的！
16
第1章 人工智能概述
1.2 人工智能的基础
各学科的贡献： 哲学/数学 经济学/神经科学/心理学 计算机工程 控制论/语言学
4
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
5
第1章 人工智能概述
对AI的4种不同定义 AI的 种不同定义
像人一样思考的系统 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 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) 理性地思考的系统 通过对计算模型的使用来进行心 智能力的研究(Charniak & McDemontt, 1985) 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 计算智能是对设计智能化智能体 的研究(Poole et al., 1998) AI关心的是人工制品中的智能行 为(Nilsson, 1998)
哲学的贡献(8) 哲学的贡献(8)
• 问题4：知识是如何导致行动的?
• 关于意识的哲学图景的最后元素是知识与行 动之间的联系 / 智能既要求推理也要求行 动 • 亚里士多德认为: 行动是通过目标与关于行 动结果的知识之间的逻辑来判定的
26
第1章 人工智能概述
பைடு நூலகம்
哲学的贡献(9) 哲学的贡献(9)
• 他的进一步阐述指出: 要深思的不是结局而 是手段 / 假设了结局并考虑如何以及通过什 么手段得到该结局, 结局是否容易是否最好 / 手段在分析顺序中是最后一个, 在生成顺序 中是第一个 • 这实际上就是回归规划系统, 2300年后由 Newell和Simon在其GPS程序中实现了
• 关于知识的来源: Francis Bacon(培根)《新 工具论》开始了经验主义运动 • John Locke(洛克)指出：“无物非先感而后 知” • David Hume(休谟)提出归纳原理：一般规则 是通过揭示形成规则的元素之间的重复关联 而获得的
24
第1章 人工智能概述
哲学的贡献(7) 哲学的贡献(7)
13
第1章 人工智能概述
不同定义—理性行动(2) 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 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 • 完美理性在复杂环境下是不可行的
8
第1章 人工智能概述
不同定义—类人行为(3) 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
9
第1章 人工智能概述
不同定义—类人行为(4) 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
10
第1章 人工智能概述
不同定义— 不同定义—类人思考
• 类人思考: 认知模型方法 类人思考: • 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 • 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