第一章 人工智能概述
本章主要内容： 1.1 人工智能的概念 1.2 人工智能研究途径与方法 1.3 人工智能的分支领域 1.4 人工智能的基本技术 1.5 人工智能的发展概况
第一节 人工智能的概念
本节主要内容： 人工智能的定义 为什么要研究人工智能 人工智能的目标 人工智能的表现形式
第一节 人工智能的概念
三 连接主义发展概况
MP（形式神经元的数学模型） 神经网络（智能控制、语音识别与合成 ห้องสมุดไป่ตู้图形文字识别、数据压缩、知识工程 、最优化问题求解、智能计算机）
三 连接主义发展概况
联接主义认为智能产生于大量简单元素 的并行分布式联接之中，简单元素的相 互联接是智能的基本单元，而智能行为 则是联接计算的结果。 （神经元）
环境的交互 六脚虫：没有知识表示、没有推理的智 能，从以前单一的mind到现在mind and body ，Sensing and Acting的结合，并且引入了概 率论、遗传算法等理论。
第三节 人工智能的分支领域
本节主要内容： 基于脑功能的领域划分 基于研究途径与实现技术的领域划分 基于应用领域的领域划分 基于应用系统的领域划分 基于计算机系统的领域划分 基于实现工具与环境的领域划分
人工智能的表现形式（应用形式）
智能软件：智能软件系统：专家系统 智能的程序模块：WORD
智能设备：具有一定智能的设备 智能网络：智能化的信息网络 智能计算机：拟人化的智能机器 Agent：智能体，具有智能的实体，软件 开发的重要突破口。智能体是智能体程 序结构的结合。
第二节 人工智能的研究途径和方法
四 基于计算机系统结构的领域划分
智能操作系统：以智能机为基础，并能 支撑外层的AI应用程序，以实现多用户 的知识处理和并行推理。 特点：并行性、分布性、智能性
四 基于计算机系统结构的领域划分
智能多媒体系统：综合处理文字、图形 、图象和声音等多种多媒体信息。（多 媒体技术与人工智能技术的结合） 智能计算机系统：全方位具有智能（新 一代计算机系统） 智能网络系统：人工智能引入网络。
一 基于脑功能的领域划分
机器感知：计算机直接感觉周围世界。 （配置感觉器官；图象、声音等信息的 识别） 计算机视觉的任务可以分成下列几个方面 ：图像的获取、特征抽取、识别与分类 、三维信息理解、景物描述和图像解释 。（图像处理：羊绒/羊毛）
一 基于脑功能的领域划分
机器联想：建立事物之间的联系 传统的方法：指针、函数、链表，地
了很多可以证明人工智能技术进步的成就。但不是当今的热点话 题。
专家系统：七十年来开始的人工智能领域的古老话
题，有一些系统做得比较好，如下棋、探矿等。
机器博弈：主要问题是机器学习和搜索。
三 行为模拟，控制进化
基于感知行为模型的研究途径和方法，模拟人 在控制过程中的智能活动和行为特性。 关键词：自适应
三 基于应用领域的领域划分
自动程序设计：给出高级描述，让计算 机自动设计程序。（人工智能和软件工 程相结合的课题） 自动翻译：用计算机做两种语言之间的 翻译。（依靠自然语言的理解） 智能控制：把人工智能技术引入控制领 域
三 基于应用领域的领域划分
智能管理：把人工智能技术引入管理领域，是 现代管理技术的新动向。（集成技术） 智能决策：把人工智能技术引入决策过程（决 策系统、人工智能与专家系统的结合） 智能通信： 智能仿真： 智能CAD：计算机辅助领域 智能CAI：计算机辅助教学
人工智能的定义
字面意义：人造智能 狭义定义：计算机科学的一个分支，是智能计 算机系统，用计算机模拟或实现的智能
(思维科学) 智能:知识+思维 （对语言能理解、能学习、能推理，分析问题和解
决问题的能力）
广义
人类智能行为规律、智能理论方面的研究。
为什么要研究人工智能
人们对“数据世界”的需求进而发展到 对“知识世界”的需求而产生的。
人工智能难重点
学习人工智能最大的难点就在于突破传统思想 的藩篱，从智能、知识、推理的角度出发去思 考问题，解决问题。另一个难点在于人工智能 的内容非常浩繁，深入地了解人工智能的各个 方向是非常困难的。因此应当在掌握人工智能 思想，对人工智能的各个领域有一 定了解的 同时，有重点地研究人工智能的相关领域，跟 踪人工智能的研究热点，做到点面结合，既扩 大了知识面，又能够抓住研究重点。
人工智能学习目标
通过对本课程的学习，突破传统思 想的束缚，对人工智能的思想和方法有 比较深刻的认识。了解人工智能的发展 历史，国内外人工智能相关领域的发展 动态，并能够应用相应的人工智能技术 解决问题。
人工智能学习指南
人工智能的思想和传统的科学技术的方法 有很大的不同，因此在学习人工智能时要能够 领略人工智能思想的精髓。同时，人工智能是 飞速发展的，在学习现有的人工智能技术的同 时应当密切关注人工智能的发展动态以及研究 热点，因此应当大量阅读最新有关人工智能方 面的文献以及经常浏览介绍最新人工智能成果 的网站。
一 基于脑功能的领域划分
机器行为：机器人的行动规划，是智能 机器人的核心技术。
二 基于研究途径和实现技术的领域划分
符号智能：以符号知识为基础，通过符 号推理求解而实现的智能。（传统或经 典人工智能包括知识工程和符号处理技 术） 计算智能：是数据为基础，通过数值计 算进行问题求解而实现的智能。（数学 模型和相关算法）
二 符号主义途径发展概况
定理证明 跳棋程序 模式识别 GPS（通用问题求解程序） LISP语言 归结原理 专家系统 PROLOG语言 知识工程
二 符号主义途径发展概况
符号主义认为智能产生于符号运算，符 号是智能的基本单元，而智能行为则是 符号运算的结果。这是AI研究的传统观 点，经典的AI基础理论就建立在这种观 点之上，目前绝大多数AI系统也均划入 这个范畴。（符号）
第四节 人工智能的基本技术
本节主要内容： 推理技术 搜索技术 知识表示与知识库技术 归纳技术 联想技术
一 推理技术
是人工智能的基本技术 理论基础是逻辑 一阶谓词逻辑（重点）
二 搜索技术
为了达到某一目的，连续进行推理的过 程 问题求解 定理证明 状态图的搜索
三 归纳技术
计算机自动提取概念、抽取知识、寻求 规律的技术 与知识获取，机器学习密切相关 分为基于符号处理和基于神经网络的归 纳 KDD（知识发现）技术和DM（数据开采 ）技术
一 基于脑功能的领域划分
机器学习：计算机自己获取知识（人类 已有知识的获取、对客观规律的发现、 对自身行为的修正）
方法：符号学习（机械、指导、解释、 类比、示例、发现）、连接学习（神经 网络学习）
一 基于脑功能的领域划分
机器理解：自然语言理解和图形理解 自然语言理解：计算机理解人类的自然 语言（口头语言和文字语言） 图形理解：是图形识别的自然延伸，也 是计算机视觉的组成部分。
三 基于应用领域的领域划分
难题求解：困难问题。 NP问题：不能证明其复杂性，又找不到 有效算法的问题。 NPC完全问题： 排课表问题。（更难） 智力性问题：意义重大（可以找到解决 的途径；有助于其他领域的发展）
三 基于应用领域的领域划分
自动定理证明：机器定理证明 方法：自然演绎法
判定法 定理证明器 计算机辅助证明
人工神经元网络的用途：人工神经元网络 也许永远无法代替人脑，但它能帮助人 类扩展对外部世界的认识和智能控制。
二 功能模拟，符号推演
是以人脑的心理模型，将问题或知识表示成某 种逻辑网络，采用符号推演的方法，实现搜索、 推理、学习等功能。 关键词：最早，主要使用
利用 知识库、推理机 高级认知（推理、决策） 定理证明：人工智能研究最原始的课题之一，取得
四 当前发展趋势
两者相结合 新思想、新技术、新理论的出现 AGENT技术和分布式人工智能技术（DAI ） 应用研究愈加深入而广泛。
五 我国人工智能研究概况
起步较晚（70年代） 学术团体纷纷成立（80年代） 自主研究开始
人工智能研究的发展
John McCarthy
1956年夏季，由麦卡锡(McCarthy) 等美国年轻学者发起的首次人工智 能研讨会标志着人工智能作为新兴 学科的诞生。就在这次会议上，第 一次使用了人工智能这一术语。自 此以后，人工智能作为计算机学科 的一个重要分支，获得了快速的发 展。这一发展历程大致可划分为形 成、成长、快速发展和稳步增长四 个阶段。
本节主要内容： 结构模拟，神经计算(连接主义） 功能模拟，符号推演（符号主义） 行为模拟，控制进化（六脚虫）
一 结构模拟，神经计算
根据人脑的生理结构和工作机理，实现 计算机的智能。（局部或近似） 关键词：人工神经网络
数值计算 微观性 低级感知（图象和声音）
一 结构模拟，神经计算
人工神经网络：采用物理可实现的模型来 模仿人脑神经细胞的结构和功能的系统
址存取。 人脑的功能：不完全信息的捕捉；相
关内容的记忆。 联想存储
一 基于脑功能的领域划分
机器推理：计算机推理（自动推理）将人的推 理功能赋予机器。（最基本的和最重要的）
❖ 推理：前提推出结论（演绎推理、归纳推理
、类比推理）
❖ 方法：符号演算、数值计算 ❖ 可靠性：确定性推理、不确定性推理（基于
概率和基于模糊的）
四 联想技术
前提是联想记忆或联想存储
第五节 人工智能的发展概况
本节主要内容： 人工智能学科的产生 符号主义途径发展概况 连接主义途径发展概况 当前发展趋势 我国人工智能研究发展简况
一 人工智能学科的产生
1956年夏季，由麦卡锡(McCarthy)等美 国年轻学者发起的首次人工智能研讨会 标志着人工智能作为新兴学科的诞生。 就在这次会议上，第一次使用了人工智 能这一术语。自此以后，人工智能作为 计算机学科的一个重要分支，获得了快 速的发展。这一发展历程大致可划分为 形成、成长、快速发展和稳步增长四个 阶段