当前课程知识点:人工智能 > 第一章 绪论 > 1.1 人工智能概念 > 1.1 人工智能概念
那么来开始讲人工智能这门课
我们采用的教材是人工智能-一种现代方法
那么这本书非常的经典 它涉及的内容也非常的多
这本书有一个学习资源网站 大家可以到这个网站
上面去下载一些非常有用的资源
那么我们不可能把这本书都讲完的
那么我们不可能把这本书都讲完的
我们觉得它后面的内容是属于机器学习
可能有的同学会学机器学习这门课
所以机器学习这一部分的内容我们就不讲
只讲前面人工智能一些基本的概念
以及它涉及到的一些最基本的搜索和推理的算法
比如说智能体的概念是什么
以及盲目搜索 启发式搜索
约束满足问题搜素算法 博弈算法
最后会讲一些不确定性推理
首先我们来看一下人工智能的定义
人工智能这个名词本身就是上个世纪五十年代才
提出来的 没有人可以给它下一个严格的定义
只能说从不同的角度去理解人工智能
从而从不同的角度 用不同的方法去研究人工智能
那一般来说我们可以把人工智能的理解呢
从四个方面来理解
首先第一个方面就是像人一样思考
那意思就是有一个学派的人他认为人工智能就应
该模仿人思考 因为思考才能体现智能
所以呢就去研究人的大脑
去想法设法知道大脑是怎么样思考的
从而构造出来一个东西能像大脑一样思考
然后第二个派呢 就是认为人工智能应该做出一些
正确的 理性的思考 也就是说就像数理逻辑一样
或者像数学推理一样 那么根据什么什么样的条件
能够正确的推出一个结论 如果能做这样的理性思
考的机器就认为它具有了智能
那么第三个方面就是认为思考都不重要主要是看
结果 也就是说能不能像人一样行动 比如说人
在什么样的环境中做出什么样的反应
那么你机器可不可以在这样子的环境下也作出
同样的反应 同样的行动
如果能那就认为你有了人工智能
最后一个方面也是看重这个结果
也就是说能不能做出理性的行动 做出正确的行动
也就是说在一个环境下面需要你做出响应的时候
你能不能做出一个合理的响应合理的行动
如果能 那也认为你具有了智能
所以呢人工智能基本是从两个维度来进行研究的
一个维度就是像不像人 是像人还是应该理性
另外一个维度就是 应该从思考推理这一层面去
研究智能 还是应该从它产生的结果这一层面去
理解智能 去研究智能 或者说去实现智能
所以这个是人工智能的定义
可以从两个维度 四个方面来理解 来研究
首先看到第一种定义 像人一样行动
这个定义是Alan Turing于1950年提出的
它想用一个图灵测试来给人工智能下一个满意的
又是可操作的一个定义 也就是说
你通过了图灵测试就认为这个机器具有了智能
那大家就有了努力的方向了
那么这个是一个图灵测试的一个示意图
首先看到这个房间里面坐的一个提问者
那么另外一个房间呢 有一台机器
如果这个提问者他提出一些问题之后
他都没有办法知道这个房间到底是人还是机器
那么就认为这台机器具有了人工智能 也就是说像
人一样 因为提问者都不知道它到底是人还是机器
那么就是意味着这台机器能够像人一样和他互动
像人一样行动 就认为他具有了智能 机器要想通过
这个图灵测试 需要具有什么样的智能呢
首先他要能够看得懂提问者的问题
所有它应该具有自然语言处理能力
那么第二 它要回答人家的问题它是不是要存储很
多的知识 所以它应该具备知识表示的能力
那么第三个它要回答人家的问题与人家进行交互
那是不是要根据问题 再根据所具备的知识来进行
推理产生答案呢 所以它应该具有推理的能力
也就是搜索推理的能力
那么它还要学会来像人一样随机应变啊
适应突发状况这些 所以它是不是要具有学习能力
也就是机器学习的能力
来应对这种以前它没有碰到过的状况
那么第五个它是不是要拥有计算机视觉的能力
比如说这个提问者他递个什么东西进来
叫你来识别 要交互啊
那所以它应该具有这种计算机视觉的能力
另外它还要和这个提问者通过这个窗口进行交互
所以还要有这种移动物体的能力
像人一样去搬东西 去做出动作
所以它还涉及到现在的机器人学领域
不要小看这个图灵测试 到现在为止 我们的人工智
能要想通过严格意义上的图灵测试都做不到
所以图灵测试它一提出来之后 为后面的人工智能
研究者就提供了一个目标
就是说也给后面的人工智能提出了很多研究领域
所以到现在为止这个图灵测试涉及到的领域都是
人工智能的研究重点领域
第二种方法就是像人一样思考
也就是认知建模的方法
那么这种方法当然是想模拟人是如何思考的
那你要模拟人是如何思考的
肯定要知道人是如何思考的
所以这种方法一般要做一些神经生理学的实验
那么还要做一些心理学实验 试图建立认知模型
当然这条路走的并不是很顺利
因为人的大脑太复杂了
也就是说这个模型并不是那么容易建起来的
那现在的人工智能研究者呢
就会结合多条研究途径来实现智能
就像计算机视觉领域一样
很多的算法都是结合这个对人的视觉的一种认知
证据加上一些计算机的模型
来实现了一些很好的算法 得到了很好的效果
第三种定义就是理性的思考
那希腊哲学家亚里士多德他认为理性的思考
就是指不可反驳的推理过程
比如苏格拉底三段论 那么根据所有的人都会死的
苏格拉底也是人可以推出苏格拉底也会死
那么他认为这个推理过程就是一个不可反驳的推
理过程 从而得出的结论是正确的
那么根据这个定义出发去研究人工智能的研究者
就开创了逻辑学 他们试图用逻辑表示方法来制定
出一套推理法则 一套思维法则
从而实现智能系统
但这种研究途径存在的问题就是
用逻辑表示法很难表达不确定的非形式化的知识
并且没有好的方法来引导逻辑推理过程
所以这就使得他们能够求解的问题非常有限
第四种定义就是理性的行动
也就是我们这本书采用的定义
那么什么叫做理性的行动呢
就是做正确的事 那么正确的事就是指在当前已有
的知识和前提条件下
能获得最佳期望结果的决定或行动
所以它与目标是相关联的
那么这种理性是完美理性
他的目的就是要获得最佳期望结果
那我们的智能体指的就是能感知和行动的实体
那么理性智能体就是指的
能够做正确事情的智能体
所以这种研究方法呢就是设计出
能够做正确的事情的智能体来实现人工智能
那么我们来看一下为什么我们这本书会采用
理性的行动这种人工智能的定义
首先理性的思考只是实现理性行动的一种方法
也就是说要实现理性的行动
不单单可以通过理性的思考
还可以通过其他的途径
比如说通过本能的反应也能实现理性的行动
就像人碰到一个滚烫的杯子本能的就把手缩回来
没有经过大脑的思考 不需要思考
但是这个行动肯定是一种理性的行动
是一种正确事情 避免手烫伤
所以理性的思考只是实现理性行动的一种方法
那么理性的行动也比像人一样行动(思考)
那种定义可能更容易实现 更容易操作
更经得起科学发展的检验 为什么呢
因为如果你从模拟人的角度出发去研究人工智能
那有的时候就是靠经验
或者说你先要弄明白人是怎么思考(行动)的
那这个过程本身就
现在我们没有办法下一个完美(准确)的定义
所以要操作起来要实现模拟起来就非常的困难
而理性的行动有严格的定义 可操作 可实现
所以从这个理性智能体的角度去研究人工智能
可能更可行 所以我们采用的这本教材
就是从这个定义出发的
它讲述理性智能体的一般原则 一般理论
-1.1 人工智能概念
-第一章 绪论--1.1 人工智能概念
-1.2 什么是理性智能体
--1.2理性智能体
-第一章 绪论--1.2 什么是理性智能体
-2.1.1问题求解智能体
-第二章 无信息搜索策略--2.1.1问题求解智能体
-2.1.2问题形式化
--Video
-2.1.3 树搜索算法
--Video
-第二章 无信息搜索策略--2.1.2问题形式化
-2.1.4树搜索算法的实现
--Video
-2.2.1搜索策略
--Video
-第二章 无信息搜索策略--2.1.3树搜索算法
-2.2.2宽度优先搜索
--Video
-2.2.3一致代价搜索
--Video
-第二章 无信息搜索策略--2.1.4树搜索算法的实现
-2.3.1深度优先搜索
--Video
-2.3.2有限深度搜索
--Video
-2.3.3迭代深入搜索
--Video
-第二章 无信息搜索策略--2.2.2宽度优先搜索
-2.3.4迭代深入深度搜索性能分析
--Video
-2.4无信息搜索策略小结
--Video
-第二章 无信息搜索策略--2.2.3一致代价搜索
-第二章 无信息搜索策略--2.3.1深度优先搜索
-第二章 无信息搜索策略--2.3.2有限深度搜索
-第二章 无信息搜索策略--2.3.3迭代深入搜索
-第二章 无信息搜索策略--2.3.4迭代深入深度搜索性能分析
-第二章 无信息搜索策略--2.4无信息搜索策略小结
-3.1贪婪搜索算法
--Video
-3.2.1A星搜索算法
--Video
-第三章 有信息搜索策略--3.2.1A星搜索算法
-3.2.2A星搜索算法的最优性
--Video
-3.2.3可采纳的启发式函数
--Video
-第三章 有信息搜索策略--3.2.2A星搜索算法的最优性
-3.3爬山搜索算法
--Video
-3.4模拟退火搜索算法
--Video
-第三章 有信息搜索策略--3.2.3可采纳的启发式函数
-3.5遗传算法
--Video
-第三章 有信息搜索策略--3.3爬山搜索算法
-第三章 有信息搜索策略--3.5遗传算法
-4.1.1什么是约束满足问题
--Video
-第四章 约束满足问题--4.1.1什么是约束满足问
-4.1.2约束满足问题的标准搜索形式化
--Video
-4.2.1回溯搜索算法
--Video
-第四章 约束满足问题--4.1.2约束满足问题的标准搜索形式化
-4.2.2回溯搜索的变量赋值顺序策略
--Video
-4.2.3回溯搜索的前向检查及约束传播
--Video
-第四章 约束满足问题--4.2.1回溯搜索算法
-4.2.4 AC-3弧相容算法
--Video
-4.3约束满足问题的局部搜索方法
--Video
-第四章 约束满足问题--4.2.2回溯搜索的变量赋值顺序策略
-第四章 约束满足问题--4.2.3回溯搜索的前向检
-第四章 约束满足问题--4.3约束满足问题的局部搜索方法
-5.1博弈及极小极大值概念
--Video
-5.2极小极大值决策算法
--Video
-第五章 对抗搜索--5.2极小极大值决策算法
-5.3.1剪枝的概念
--Video
-5.3.2 alpha-beta算法
--Video
-5.3.3 alpha-beta剪枝示例
--Video
-5.4 不完美的实时决策
--Video
-第五章 对抗搜索--5.3.3 alpha-beta剪枝示例
-第五章 对抗搜索--5.4 不完美的实时决策
-6.1不确定性量化
--Video
-第六章 不确定性推理--6.1不确定性量化
-6.2使用完全联合分布进行推理
--Video
-6.3贝叶斯规则及其应用
--Video
-6.4贝叶斯网络推理
--Video
-第六章 不确定性推理--6.2使用完全联合分布进行推理
-6.5隐马尔可夫模型
--Video
-6.6卡尔曼滤波器
--6.6
-第六章 不确定性推理--6.4贝叶斯网络推理
-第六章 不确定性推理--6.3贝叶斯规则及其应用
-第六章 不确定性推理--6.6卡尔曼滤波器
-结课测试