人工智能原理 - 草莓君的妙妙屋

# 人工智能原理

[TOC]

## 绪论
人工智能是当前科学技术 发展中的一门前沿学科； 是一门新思想、新观念、 新理论、新技术不断出现 的科学，正在迅速发展的 学科。它是在计算机科学、 控制论、信息论、神经心 理学、哲学、语言学等众 多学科的基础上发展起来 的，是一门综合性的边缘 学科。
会议：AAAI，IJCAI  (每年1k篇)

### 何谓人工智能
**智能的理论**
1. **思维理论**：认为智能的核心是思维，人的一切智慧或智能都来 自于大脑的思维活动，人的一切知识都是人们思维 的产物，因而通过对思维规律和方法的研究可望揭 示智能的本质。

2. **知识阈值理论**：智能就是在巨大搜索空间中找到满意解的能力。（知识工程、专家系统）

3. **进化理论**：认为人的本质能力是在动态环境中的对外界事物的感 知能力、行动能力、维持生命的能力和繁衍生息的能 力等，正是这些能力为智能的发展提供了基础。(控制取代表示，取消概念、模型、知识否定抽象的必要性)

**智能的层次结构**
1. **高层**智能：以大脑皮层（抑制中枢）为主，主要完成记忆、思 维等活动。（思**维理论、知识阈值理论**）
2. **中层**智能：以丘脑（感觉中枢）为主，主要完成感知活动。（进化理论）
3. **低层**智能：以小脑、脊髓为主，主要完成动作反应活动。（进化理论）

**智能的特征（能力）**
1. **感知**能力（视觉、听觉、触觉、味觉、嗅觉等）
2. **记忆及思维**能力（分析、计算、比较、判断、推理、决策等）三种思维方式：逻辑（抽象）、形象（直感）、顿悟（灵感）
3. **学习能力和自适应能力**：学习是人的本能，每个人随时随地都在学习。自觉 的、有意识的学习；不自觉、无意识的学习；有教 师指导的学习；通过自身实践的学习。
4. **行为能力**：响应感知的环境输入信息，自觉或下意识的做出动 作行为。

**知识工程的AI定义**：从实用的观点看，是一门知识工程学，以知识为对 象，研究知识的获取、知识的表示方法、知识的使 用。

**图灵测试**：将智力健全的人和智能 机器分别置于两个房间，彼此不可 见，但可以通话。通过交谈，如果 裁判（人）能辨别是机器的概率小 于50%，那么此机器具有智能。

与传统程序的区别：
1. 研究符号表示的知识，而不只是数值、数据； 
2. 启发式推理方法，而不是传统算法； 
3. 控制结构和领域知识分离； 
4. 允许结果误差、甚至错误； 
5. 学习能力。

### 发展简史
1. 孕育(1956前)
    - 亚里士多德：形式逻辑，三段论
    - 培根：归纳法
    - 莱布尼兹：万能符号和推理计算
    - 布尔：推理规则
    - 图灵：图灵机
    - 麦克洛奇：神经网络
    - 莫科利：电子计算机ENIAC
2. 形成
    - 归结原理
    - 模式识别
    - 专家系统
    - Lisp语言
    - 人工智能联合会（IKCAI）
3. 发展
    - 自然语言理解系统
    - 神经网络提出Hopfield网络，Rumelhart提出BP 学习算法。
4. 平稳发展期
    - 深蓝战胜国际象棋冠军
    - 李飞飞 imageNet
    - 。。。
5. 当前浪潮(2010~)
    - 大数据：Hadoop，Spark，HBase
    - 云计算：LaaS，PaaS，SaaS
    - 深度学习：CNN，RNN，DNN

**四个阶段**：专家系统->特征工程->图像语音等->未来（增强学习）
**三大基石**：数据（基础），算法（引擎），计算（平台）

深蓝：a-b搜索框架+人类知识
AlphaGo：蒙特卡洛树搜索框架+深度学习和深度强化学习
AlphaZero：MCTS+深度网络

### 主要研究和应用领域
机器**思维**：模仿和实现人的思维能力
机器**感知**：机器获取外界信息的主要途径，也是机器智能 的重要组成部分。
机器**行为**：行动和表达能力
**计算智能**：神经计算、进化计算、模糊计算
**机器学习**：机器获取知识的根本途径，同时也是 机器具有智能的重要标志。（符号学习和神经学习）
**分布智能**：分布式问题求解，多Agent系统
**智能系统**：专家系统、智能决策支持系统、智能控制系统、智能制造、智能检索
**人工情感和人工心理**：对人类情感过程进行模拟、识别和理解；对人的心理活动(着重是人的情感、意志、 性格、创造)的更全面再一次人工机器(计算机、模型算法 等)模拟
**人工生命**：人工生命就是要研究能够展示人类生命特征的人 工系统。即研究以非碳水化合物为基础的、具有人类生命 特征的人造生命系统。

### AI学派和研究途径
1. 符号主义学派（逻辑主义、心理学派）
2. 连接主义学派（仿生学派、生理学派）
3. 行为注意学派（进化主义、控制论学派）

### 研究目标
远期目标（科学）：揭示人类智能的根本机理，用智能机器去模拟、延 伸和扩展人类的智能

近期目标（工程）：研究如何使现有的计算机更聪明，即使它能够运用 知识去处理问题，能够模拟人类的智能行为

## 确定性知识系统
知识系统是一种拥有知识并且可以使用知识进行推理的智能系统。知识系统的构建设计：知识表示、知识推理
### 知识
知识的**类型**：
- 适用范围：常识性，领域性
- 作用效果：陈述性、过程性、控制性

知识的**层次**：表层知识，深层知识

知识的**确定性**：确定性和不确定性（不精确，模糊，不完备）知识

知识的**等级**：零级（叙述性），一级（过程性），二级（控制性）知识

知识的**特性**：相对正确性、不确定性、可表示性和可利用性、相对稳定和持久性

### 确定性知识表示方法
**逻辑学基础**

1. 命题与真值
    - 一个陈述句称为一个断言
    - 凡有真假意义的断言称为命题
    - 没有真假意义的感叹句和疑问句都不是命题
2. 论域和谓词
    - 论域是由所有讨论对象之全体构成的非空集合
    - 论域中的元素成为个体
    - e.g. 王宏是一个学生  STUDENT(Wang Homg)王宏是个体，STUDENT是谓词名
    - 谓词：D是个体域，P:D^n->{T,F}是一个映射，其中D^n...称P是一个n元谓词。
    - 个体可以是常量、变元或函数 e.g. x>6  Greater(x, 6) 
    - 函数定义 f:D^n->D的映射  f是D上的一个n元函数
3. 连接词和量词
    - 连接词：`~`非， `V`析取表示或，`^`合取 表示与，`->`条件或蕴含，表示若P则Q, P->Q;"<->"双条件，表示当且仅当
    - 量词由量词符号及其量化的变元组成的表达式，用来对谓词中的个体做出量的规定。一阶谓词逻辑：'A','E'任意，存在
    - 全称量词 e.g. (A x)P(x) 命题P对任意x都为真
4. 自由变元和约束变元
    - 一个谓词公式含有量词时，区分个体变元是否受量词的约束很重要。
    - 通常把位于量词后面的单个谓词或用（）括起来的合成公式称为该量词的辖域，辖域内的称为约束变元。
    - e.g. (Ax)(P(x,y)->Q(x,y))VR(x,y) 辖域内的x受Ax的约束，R（x，y）中的x，y都是自由变元

**谓词逻辑表示方法**

机器人行动规划问题的求解！（考题）
解题步骤：
定义描述状态的谓词（个体阈，初始状态，目标状态）
```
AT(x, y)  x在y处

```

定义描述操作的为此（各操作的条件和动作）

优点：自然、明确、精确（TorF）、灵活、模块化
缺点：
- 知识表示能力差：只能表示确定性的知识 非确定性、过程性、启发式 X
- 知识库管理困难
- 存在组合爆炸：知识量大时
- 系统效率低：推理盐酸与知识含义截然分开，抛弃了表达内容中含有的语义信息

### 产生式表示法
人工智能中使用最多的一种（产生式规则、与蕴含式的异同、与条件语句的区别）  **具有和图灵机相同的运算能力**
图灵机：输入，处理，输出

>数学家Post 认为，任何数学或逻辑系统都可以简化为一些列规则， 在规则中制定如何把一个符号串变成另一个符号串，即给定一个 输入符号串通过产生式规则可产生另一符号串，而不管符号串的 物理意义。

1. 产生式规则  
    - e.g. P->Q; IF P THEN Q; 的语句叫做一条产生式规则（前提条件和结论）
    - 如果前提满足，则可以推出Q或者执行Q的操作
2. 产生式与逻辑蕴含的异同
    - 逻辑规则两边只能是命题或谓词，产生式除此还可以是其他符号串
    - 逻辑规则要满足真值表，前后件最终只能为TF；产生式前好可以是任意类型的值，可以是动作甚至更复杂的语句。
    - 产生式可以处理不确定性
    - 逻辑规则可以视为产生式规则，反之不然；形式相同，产生式应用范围更广
3. 与条件语句的区别
    - 前项结构不同， 条件语句中只能是布尔表达式
    - 控制流程不同，前提条件满足后，不一定被执行，能否执行取决于冲突消解策略

4. 产生式表示实例
    - 重拍九宫格（空格的上下左右移动）
    - 野人传教士过河

优点：自然性、模块性、有效性、一致性
缺点：效率较低（求解过程匹配 冲突消解 执行）；不便于表示结构性知识 规则之间不能调用

### 语义网络表示法（知识图谱）
68年 奎廉 记忆是由概念间的练习实现的
1. 基本概念：一种用实体及其语义关系表达知识的有向图
    - 结点：实体 表示事务，概念，情况，属性，状态
    - 弧：关系
    - 语义基元：（节点1，弧，节点2）
    
2. 基本语义关系
    - 实例关系 ISA
    - 分类关系 AKO
    - 成员关系 A-Member-of
    - 聚类关系 Part_of; Has_Part 聚类关系一般不具备属性的继承性（与实例、分类、成员的主要区别）

3. 多元语义网络 定义虚拟节点表示整个事件 转换为对虚拟节点的二元事件

优点：结构性、联想性、自索引性、自然性
缺点：推理能力弱、非严格性、复杂性

文章信息

标题：人工智能原理

作者：快刀切草莓君

分类：计算机基础课程

发布时间：2020年3月18日

最近编辑：2020年3月18日

浏览量：1220

↑