2021学年5.1 人工智能的产生与发展教课ppt课件

这是一份2021学年5.1 人工智能的产生与发展教课ppt课件，共41页。PPT课件主要包含了人工智能究竟是什么，人工智能VS机器人，符号主义，联结主义，行为主义，从计算到智能测试，图灵测试，人工智能登上舞台等内容，欢迎下载使用。
你听说过哪些人工智能？
阿尔法围棋（AlphaG）是第一个战胜围棋世界冠军的人工智能机器人，由谷歌旗下团队开发,其主要工作原理是“深度学习”。“阿尔法围棋”入选2016年度中国媒体十大新词。
2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜
2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩
2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。
2017年10月18日，DeepMind团队公布了最强版阿尔法围棋，代号AlphaG Zer。经过短短3天的自我训练，AlphaG Zer就强势打败了此前战胜李世石的旧版AlphaG，战绩是100:0
计算机学家们对人工智能的定义
人工智能（Artificial Intelligence,简称AI)是以机器为载体所展示出来的智能是人类智能的模仿、延伸和拓展区别于人类智能和其他生物表现出来的智能
人工智能就是机器人吗？有什么区别？
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是一门多学科广泛交叉的前沿科学
机器人是拥有机械结构、能够工作的仿人机械装置，是人工智能的一个载体
人工智能自1955年登上历史舞台后，在视觉计算、语音识别、机器翻译、问答助理、商品推荐和无人系统等领域蓬勃发展
实现人工智能的三种方法
观看视频，将表格补充完整
逻辑主义、心理学派或计算机学派
学习或者其他的智能特征原则上均可以被符号精确地描述，从而被机器仿真。
预测洋流，预测鱼类回归周期
智能行为就是对符号的推理和运算，每个符号反映了其在客观世界的语义一个物体A是不是小车，可以用符号Iscar(A)来表示但是“仁义”“微笑”等语义就很难用符号描述
模仿人类大脑中神经元之间的复杂交互来进行认知推理
从海量数据出发，学习神经网络中神经元之间的关联关系，通过神经元之间的链接权重来刻画数据。如果权重很大，说明数据激活了神经元。所有被激活的神经元以逐层递进的形式来一起刻画数据
人的视觉会自动补充缺失的信息
人工神经网络深度学习后得到的不同层次的特征
智能体可以在与环境的交互中不断学习，提升智能水平
“交互——反馈”扫地机器人不知道桌椅的摆放位置，在不断碰壁后学习，经过一段时间的交互获悉了环境的全貌，最终能自如地执行清扫任务
观看视频，回答：历史上人工智能经历了几次浪潮？( )A、3次B、2次C、1次D、4次
科学家萌发了让机器进行自动计算的思想1842年，艾达·洛夫莱斯编写了历史上第一个计算机程序，可自动计算伯努利数。她指出，大多数智能系统只能机械地执行预先设定的指令，无法完成超越指令所指定的任务
人们发现很多问题找不到有效算法人们开始思考，计算的本质是什么，如何去定义计算
三种性能上等效的计算机制被提出：原始递归函数，lambda演算和图灵机图灵机由程序控制，一步步地将输入转换成输出。通过最简单、基本和确定的方法，机械地完成计算任务，成了现代计算机的理论模型。图灵也被誉为“现代计算机之父”，计算机界最高奖“图灵奖”。
图灵机一步步处理，处理结束后能输出结果的就是图灵可停机任务，也叫可计算任务图灵证明了“不可计算数”的存在存在一些不可计算的任务
计算机诞生促进了人工智能的发展图灵在1950年提出了“图灵测试”，测试机器是否具有智能
问：请写出有关“学习”主题的十四行诗?问：34957+70764等于多少?问：你会下象棋吗?问：你会下象棋吗?问：你会下象棋吗?
我不知道，知道也不想背
(停10秒后）105721
是的，我不是已经说过了吗？
你烦不烦，干嘛老提同样的问题。
如果人无法区分人和机器的回答，说明机器具有了智能
图灵测试，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。
假如有一天人工智能通过了图灵测试成为了强人工智能，那其实意味着人类以另一种方式成为了造物主，也意味着届时人类智能达到了前所未有的高度。
约翰·麦卡锡，马文·明斯基，香农，纳撒尼尔·罗切斯特提交人工智能研讨会的申请。首次提出“人工智能”术语，从此AI踏入了人类历史长河
人工智能研讨会在美国达特茅斯学院召开，标志着人工智能作为新兴学科正式诞生，逐渐形成了符号主义、联结主义、行为主义等代表性方法。
以符号主义表达与推理为代表的人工智能
爱德华·费根鲍姆成功研制了第一个化学领域的专家系统DENDRAL，为早期人工智能的发展树立了典范
肖特列夫开发了医学专家系统MYCIN，通过分支结构进行病情诊断
费根鲍姆在第五届国际人工智能大会上提出“知识工程”概念，为规则驱动或知识驱动的人工智能指明了方向
学习或者其他的智能特征原则上都可以被精确地描述,包含知识库和推理引擎两个部分。先将所有知识以逻辑形式表达，然后依靠推理引擎，去验证正确与否。
知识的精确化编码是阻碍符号主义发展的瓶颈问题。知识表述得不正确，后续推理就会错误。而且人类的很多知识也无法通过符号编码。
大前提：所有哲学家都是智慧的小前提：苏格拉底是哲学家结论：苏格拉底是智慧的
大前提：所有的鸟都会飞小前提：鸵鸟是鸟结论：鸵鸟会飞
数据驱动的人工智能方法
符号主义解释性强，可扩展性弱。当需要解决的问题越来越复杂，需要的知识库就越来越庞大，难以维护。需要让计算机能从数据本身进行知识学习。
典例：深度学习，模拟人类大脑处理数据机制，逐层抽象对原始数据进行学习。多层神经网络是深度学习模型，一旦给定海量数据，就可以学习神经元链接的权重，神经元与神经元之间的链接权重会在持续重复的刺激下增加。因此，可将神经网络中神经元之间的链接理解为“记忆”，及针对数据中所蕴含的知识而言，神经网络“记忆”了这种知识模式
应用：自然语言处理，知识图谱构建，图像分类等
给定标注数据，学习数据蕴含的概念或模式。 给定数万张人脸图像，挖掘人脸图像像素的空间分布，以此进行后续的人脸识别。不需要预先定义知识，而且解决了视觉形象难以用符号定义的难题。
东汉马融在《围棋赋》中说：“三尺之局兮，为战斗场。”可见围棋是一个模拟战场决策的博弈竞智。AlphaG击败了围棋世界冠军，请同学们讨论：是否可以将AlphaG的算法直接应用于现实世界中复杂的战场博弈？
围棋有局限性，是封闭化、确定化的，通过大量的棋局数据学习可以掌握绝大部分的变化，而在现实中规则无法预知、局面无法预知的战争中，出现机器没有学习过的数据，AlphaG就会非常“弱智”。
问题引导下的人工智能学习方法
在学习过程中不断尝试解决问题的可能途径，根据结果反馈来调整相应的学习方法，这一机制叫做强化学习。从过去的经验中不断学习，提升能力。
AlphaG Zer就是在自我博弈中不断提升棋力
AI是（ ）的英文缩写。 A.Autmatic Intelligence B.Artifical Intelligence C.Autmatice Infrmatin D.Artifical Infrmatin
人工智能的目的是让机器能够（  ），以实现某些脑力劳动的机械化。A.具有智能B.和人一样工作C.完全代替人的大脑  D.模拟、延伸和扩展人的智能
为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一个重要的信息处理的机制是（  ）A.专家系统   B.人工神经网络C.模式识别    D.智能代理
尽管人工智能学术界出现“百家争鸣”的局面，但是，当前国际人工智能的主流派仍属于 （  ）
A.联结主义                                  B.符号主义C.行为主义                                  D.经验主义