1）精神 2）烈性酒
结论： 必须理解才能翻译，而理解需要知识
AI的历史回顾（续4）
第三阶段（60年代中～80年代初） 知识工程时代
专家系统 知识工程 知识工程席卷全球 各国发展计划：
美国星球大战计划 英国ALVEY计划 法国UNIKA 计划 日本五代机计划 中国“863”计划
人工智能与人工生命
第一章 人工智能概述
人工智能（Artificial Intelligence）简称AI 起源于美国1956年的一次夏季讨论会 什么是AI？
计算——>算计 图灵实验 AI的本质问题
研究如何制造出人造的智能机器或系统，来模 拟人类智能活动的能力，以延伸人们智能的科 学。
1、AI的历史回顾
– 物理符号系统 – 主要研究的问题：GPS、游戏、翻译等 – 对问题的难度估计不足，陷入困境
AI的历史回顾（续2）
一个笑话（英汉翻译）：
The spirit is willing but the flesh is weak. （心有余而力不足）
AI的历史回顾（续3）
出现这样的错误的原因：
Spirit：
网络给AI带来无限的机会 知识发现与数据挖掘 AI走向实用化
2、人工智能的主要学派
符号主义（Symbolicism）：原理主要为 物理符号系统假设和有限合理性原理。 符号主义认为人工智能源于数学逻辑， 发展了启发式算法→专家系统→知识工 程理论与技术，至今仍是人工智能的主 流派。
联结主义（Connectionism）：原理主要 为神经网络及神经网络间的连接机制与 学习算法。其主要代表有生物学家 McCulloch和数理逻辑学家Pitts创立的脑 模型和Rumelhart提出的多层网络中的反 向传播（BP）算法。
2）逻辑推理与定理证明
这两项技术用于解决比较复杂的系统和问题。 逻辑推理技术是使问题从初始状态转移到目标 状态的方法和途径，是人工智能最持久的子领 域之一。根据在问题求解的过程中是否运用启 发性知识，将推理方法分为启发推理和非启发 推理。定理证明的研究在人工智能方法的发展 过程中曾经产生过重要的影响。在谓词逻辑表 达方法中，将各种人工智能问题求解化为相应 的定理证明过程。例如，采用谓词逻辑语言的 演绎过程的形式化有助于我们更清楚地理解推 理的某些子命题。
3）专家系统
专家系统是一个具有大量专门知识与经验的程 序系统，它应用人工智能技术，根据某个领域 一个或多个人类专家提供的知识和经验进行推 理和推断，模拟人类专家的决策过程，以解决 那些需要专家决定的复杂问题。专家系统和传 统的计算机程序最本质的不同之处在于专家系 统所要解决的问题一般没有算法解，并且经常 要在不完全、不精确或不确定的信息基础上作 出结论。新一代专家系统有分布式专家系统和 协同式专家系统等，不但采用基于规则的方法， 而且采用基于模型的原理。
4、人工智能的研究与应用领域
语言处理、自动定理证明、智能数据检 索系统、视觉系统、问题求解、人工智 能方法和自动程序设计等。
1）问题求解(problem-solving)
问题求解涉及归约、推断、决策、规划、 常识推理、定理证明和相关过程的核心 概念。许多问题求解方法采用搜索方法， 如，宽度优先搜索、深度优先搜索和启 发式搜索等。
4）机器学习
学习是人类智能的主要标志和获取知识的基本 手段。机器学习是一门研究机器获取新知识和 新技能，并识别现有知识的学问。机器学习所 采用的策略大体上可分为机械学习、通过传授 学习、类比学习和通过事例学习四种。学习系 统的一般结构方案如下图所示：
环境选例监督Fra bibliotek学习知识库
工作
5）人工神经网络
人脑是一个功能特别强大、结构异常复 杂的信息处理系统，其基础是神经元及 其互联关系。对神经网络的研究分为两 个分支，一个是Hopfield提出的用硬件实 现神经网络，另一个是Rumelhart提出的 多层网络中的反向传播（BP）算法。神 经网络已在模式识别、图象处理、组合 优化、自动控制、信息处理和机器人学 等领域获得日益广泛的应用。
第一阶段（40年代中～50年代末） 神经元网络时代
双层网络 M-P模型 、感知器模型等 问题：XOR问题不能解决 Minsky的著作：《Perceptions》（感知器） （1943 年，Mcculloch和Pitts提出的第一个模
型，M-P模型。）
AI的历史回顾（续1）
第二阶段（50年代中～60年代中） 通用方法时代
行为主义（Actionism）：原理为控制论 及感知-动作型控制系统。行为主义早期 模拟人在控制过程中的智能行为和作用， 如对自寻优、自适应、自校正、自组织、 自学习等控制系统的研究，80年代诞生 了智能控制和智能机器人系统。
3、人工智能的定义
我们定义的人工智能是：人工智能研究 如何用人工的方法和技术，即用各种自 动机器或智能机器模仿、延伸和扩展人 的智能，实现某些“机器思维”或脑力 劳动自动化。人工智能的研究对象是机 器智能或智能机器。
6）模式识别
指用计算机代替人类或帮助人类感知模 式，是对人类感知外界功能的模拟，研 究的是计算机模式识别系统，也就是使 一个计算机系统具有模拟人类通过感官 感受外界信息、识别和理解周围环境的 感知能力。神经网络用于语音识别已取 得成功。
7）机器视觉
计算机视觉通常可分为低层视觉与高层 视觉两类。低层视觉主要执行预处理功 能，如边缘检测、纹理分析等，其目的 是使被观察的对象更突现出来，还谈不 到对它的理解。高层视觉则主要是理解 所观察的形象，这时才显示出掌握与所 观察的对象相关联的知识的重要性。
8）智能控制
是指无需（或需要尽量少的）人的干预 就能够独立地驱动智能机器实现其目标 的自动控制。智能控制是同时具有以知 识表示的非数学广义世界模型和数学公 式模型表示的混合控制过程，也往往含 有复杂性、不完全性、模糊性或不确定 性以及不存在已知算法的非数学过程， 并以知识进行推理，以启发来引导求解 过程。
AI的历史回顾（续5）
第四阶段（80年代中～90年代初） 新的神经元网络时代
BP网（算法），解决了多层网的学习问题 Hopfield网，成功求解了货郎担问题 存在问题：
理论依据 解决大规模问题的能力
新的动向——构造化方法
AI的历史回顾（续6）
第五阶段（90年代初～现在） 数据与网络时代