人工智能及其应用

人工智能及其应用的前几章知识点，人工智能是用人工的方法在机器（计算机）上实现的智能，或称机器智能、计算机智能。

人工智能及其应用

• 绪论
  • 智能：一种应用知识对一定环境或问题进行处理的能力或者进行抽象思考的能力。
  • 人工智能：用人工的方法在机器（计算机）上实现的智能，或称机器智能、计算机智能。
  • 知识：人们通过体验、学习或联想而知晓的对客观世界规律性的认识，包括事实、条件、过程、规则、关系和规律等。
  • 发展时期
    • 孕育期（1956年前）
      • 亚里士多德 演绎法 三段论
      • 莱布尼茨 形式符号逻辑化 数理逻辑
      • 图灵 自动机理论 人工智能之父
      • 莫克利 电子数字计算机 ENIAC
      • 麦克洛奇和皮兹 神经网络模型MP 连接主义
      • 维纳 控制论 行为主义
    • 形成期（1956—1970年）
      • 达特茅斯会议 激烈讨论用机器模拟人类智能的问题
      • 迅速发展，过于乐观
    • 暗淡期（1966—1974年）
    • 知识应用期（1970—1988年）
      • 专家系统 从理论研究走向专门知识应用
      • 知识表示 知识利用 知识获取
    • 集成发展期（1986年至今）
  • 中国发展 吴文俊 吴氏方法 几何定理机器证明
  • 三个学派
    • 符号主义 数理逻辑 纽厄尔 西蒙 尼尔逊 功能模拟方法
    • 连接主义 仿生学 卡洛克 皮茨 霍普菲尔德 鲁梅尔哈特 结构模拟方法
    • 行为主义 控制论 布鲁克斯 六足行走机器人 行为模拟方法
  • 目标
    • 近期目标：建造智能计算机以代替人类的某些智力活动
    • 远期目标：用自动机模仿人类的思维活动和智力功能
  • 应用领域
    • 问题求解与博弈
    • 逻辑推理与定理证明
    • 计算智能
    • 分布式人工智能与真体
    • 自动程序设计
    • 专家系统
    • 机器学习
    • 自然语言理解
    • 机器人学
    • 模式识别
    • 神经网络
    • 机器视觉
    • 智能控制
• 知识表示方法
  • 知识的属性
    • 真伪性
    • 相对性
    • 不完全性
    • 不确定性
    • 可表示性
    • 可存储性 可传递性 可处理性
    • 相容性
  • 知识表示是问题求解的基础
  • 问题求解是人工智能的核心问题之一
  • 知识表示的基本方法
    • 状态空间表示
    • 问题归约表示
      • 原始问题——子问题集合——本原问题
      • n阶汉诺塔最少需要2^n-1步
      • 与或图：由与节点及或节点组成的结构图
        • 可解节点
          • 终叶节点是可解节点
        • 不可解节点
          • 没有后裔的非终叶节点为不可解节点
    • 谓词逻辑表示
      • 谓词是原子命题中刻画个体的性质或个体间关系的成分
      • 谓词逻辑是一种形式语言，是最精确的语言
      • 项
      • 原子公式/原子谓词公式
      • 复合谓词公式/分子谓词公式
      • pⅤq＝~p→q
    • 语义网络表示
      • 带标志的有向图 结构化表示方法
      • 组成部分
        • 词法
        • 结构
        • 过程
        • 语义
      • 两种推理机制：继承和匹配
    • 框架表示
      • 明斯基 描述对象属性的数据结构
      • 也是一种语义网络
      • 继承性
      • 描述一类物体
      • 两种不同推理活动：匹配和填槽
    • 本体技术
      • 对概念化的形式解释和规范说明
    • 过程表示
• 确定性推理
  • 图搜索策略
    • 图的一般搜索策略
    • 盲目搜索
      • 不需要重排OPEN表 效率低 不适合大空间的实际问题求解
      • 宽度优先搜索BFS
        • OPEN表先进先出
        • 完备性：总可以找到解
        • 设每个状态有b个后继，且目标节点的深度为d，时间复杂度为O(b^d)
        • 空间复杂度O(b^(d+1))
        • 若每步代价相同，则能找到最优解
      • 深度优先搜索DFS
        • OPEN表先进后出
        • 深度界限
        • 完备性：并不总能找到解
        • 最优性：无
        • 设搜索树的最大深度为m，时间复杂度O(b^m)
        • 空间复杂度O(bm)
      • 迭代加深搜索IDS
        • 结合BFS和DFS
        • 完备性：总可以找到解
        • 时间复杂度
        • 空间复杂度O(bd)
      • 等代价搜索UCS（Dijkstra算法）
        • 是宽度优先搜索的一种推广，沿着等代价路径断层进行扩展
        • 完备性：有
        • 最优性：有
    • 启发式搜索
      • 有信息搜索，需要重排OPEN表 估价函数
      • A算法（有序搜索）
        • 估价函数f(n)的确定：一个节点的希望程度越大，其f值就越小
        • 三类搜索问题：最优路径，较优路径，唯一路径
        • f(n)=g(n)+h(n) g(n)实际 h(n)估计
        • 缺点：不能保证找到解或最优解
      • A*算法
        • 彼得·哈特
        • A*算法是可纳的
        • f(x)=g(x)+h(x) 其中g(x)大于0，h(x)不大于x到目标的实际代价h*(x)
        • 在图搜索过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。 采用h*(x)的下界h(x)为启发函数的A算法，称为A*算法。当h=0时，A*算法就变为有序搜索算法。
  • 消解原理
    • 美国数学家鲁滨逊
    • 出发点：要证明一个命题为真都可以通过证明其否命题为假来得到
    • 原子公式
    • 文字：一个原子共式及其否定
    • 子句：由文字的析取组成的合式公式
    • 消解：对谓词演算公式进行分解和化简，消去一些符号，以求的导出子句。
    • 消解式是亲本子句的逻辑结论
    • 消解只能在含有否定和析取联接词的公式间进行
    • 子句集的求取
    • 消解推理规则：C1＝LVC1＇ C2＝~LⅤC2＇→C12＝C1VC2
    • 置换与合一
  • 产生式系统
    • 总数据库
    • 产生式规则
    • 控制策略
    • 非单调推理
      • 缺省推理
      • 真值维持系统TMS
• 非经典推理
  • 归纳逻辑推理，多值逻辑，非单调逻辑
  • 不确定性推理是一种建立在非经典逻辑基础上的基于不确定性知识的推理，从不确定性的初始证据出发，通过运用不确定性知识，推出具有一定程度的不确定性的和合理的或近乎合理的结论。
  • 不确定性及其类型
    • 随机不确定性
    • 模糊不确定性
    • 不完全性
    • 不一致性
  • 不确定性推理中存在三种不确定性
    • 知识的不确定性
    • 证据的不确定性
    • 结论的不确定性
  • 静态强度：用一个数值表示相应知识的不确定性程度 （LS，LN）
  • 动态强度：用一个数值表示相应证据的不确定性程度 P(E/S)
  • 概率推理
    • 贝叶斯公式
  • 主观贝叶斯方法
    • LS称为充分性量度，用于指出E对H的支持程度 LS=P(E/H)/P(E/~H) 它的值由领域专家给出
    • LN称为必要性量度，用于指出～E对H的支持程度 LN=P(~E/H)/P(~E/~H)=[1-P(E/H)]/[1-P(E/~H)] 它的值由领域专家给出
    • 几率函数O(x)=P(x)/1-P(x)
    • 初始可信度C(E/S)与概率P(E/S)的对应关系如下
      • C(E/S)= -5 ，表示在观察 S 下证据 E 肯定不存在，即 P(E/S)=0
      • C(E/S)= 0 ， 表示 S 与 E 无关，即 P(E/S) =P(E)
      • C(E/S)= +5 ，表示在观察 S 下证据 E 肯定存在，即 P(E/S)=1
  • 可信度方法（有计算题）

人工智能及其应用

• 绪论
  • 智能：一种应用知识对一定环境或问题进行处理的能力或者进行抽象思考的能力。
  • 人工智能：用人工的方法在机器（计算机）上实现的智能，或称机器智能、计算机智能。
  • 知识：人们通过体验、学习或联想而知晓的对客观世界规律性的认识，包括事实、条件、过程、规则、关系和规律等。
  • 发展时期
    • 孕育期（1956年前）
      • 亚里士多德 演绎法 三段论
      • 莱布尼茨 形式符号逻辑化 数理逻辑
      • 图灵 自动机理论 人工智能之父
      • 莫克利 电子数字计算机 ENIAC
      • 麦克洛奇和皮兹 神经网络模型MP 连接主义
      • 维纳 控制论 行为主义
    • 形成期（1956—1970年）
      • 达特茅斯会议 激烈讨论用机器模拟人类智能的问题
      • 迅速发展，过于乐观
    • 暗淡期（1966—1974年）
    • 知识应用期（1970—1988年）
      • 专家系统 从理论研究走向专门知识应用
      • 知识表示 知识利用 知识获取
    • 集成发展期（1986年至今）
  • 中国发展 吴文俊 吴氏方法 几何定理机器证明
  • 三个学派
    • 符号主义 数理逻辑 纽厄尔 西蒙 尼尔逊 功能模拟方法
    • 连接主义 仿生学 卡洛克 皮茨 霍普菲尔德 鲁梅尔哈特 结构模拟方法
    • 行为主义 控制论 布鲁克斯 六足行走机器人 行为模拟方法
  • 目标
    • 近期目标：建造智能计算机以代替人类的某些智力活动
    • 远期目标：用自动机模仿人类的思维活动和智力功能
  • 应用领域
    • 问题求解与博弈
    • 逻辑推理与定理证明
    • 计算智能
    • 分布式人工智能与真体
    • 自动程序设计
    • 专家系统
    • 机器学习
    • 自然语言理解
    • 机器人学
    • 模式识别
    • 神经网络
    • 机器视觉
    • 智能控制
• 知识表示方法
  • 知识的属性
    • 真伪性
    • 相对性
    • 不完全性
    • 不确定性
    • 可表示性
    • 可存储性 可传递性 可处理性
    • 相容性
  • 知识表示是问题求解的基础
  • 问题求解是人工智能的核心问题之一
  • 知识表示的基本方法
    • 状态空间表示
    • 问题归约表示
      • 原始问题——子问题集合——本原问题
      • n阶汉诺塔最少需要2^n-1步
      • 与或图：由与节点及或节点组成的结构图
        • 可解节点
          • 终叶节点是可解节点
        • 不可解节点
          • 没有后裔的非终叶节点为不可解节点
    • 谓词逻辑表示
      • 谓词是原子命题中刻画个体的性质或个体间关系的成分
      • 谓词逻辑是一种形式语言，是最精确的语言
      • 项
      • 原子公式/原子谓词公式
      • 复合谓词公式/分子谓词公式
      • pⅤq＝~p→q
    • 语义网络表示
      • 带标志的有向图 结构化表示方法
      • 组成部分
        • 词法
        • 结构
        • 过程
        • 语义
      • 两种推理机制：继承和匹配
    • 框架表示
      • 明斯基 描述对象属性的数据结构
      • 也是一种语义网络
      • 继承性
      • 描述一类物体
      • 两种不同推理活动：匹配和填槽
    • 本体技术
      • 对概念化的形式解释和规范说明
    • 过程表示
• 确定性推理
  • 图搜索策略
    • 图的一般搜索策略
    • 盲目搜索
      • 不需要重排OPEN表 效率低 不适合大空间的实际问题求解
      • 宽度优先搜索BFS
        • OPEN表先进先出
        • 完备性：总可以找到解
        • 设每个状态有b个后继，且目标节点的深度为d，时间复杂度为O(b^d)
        • 空间复杂度O(b^(d+1))
        • 若每步代价相同，则能找到最优解
      • 深度优先搜索DFS
        • OPEN表先进后出
        • 深度界限
        • 完备性：并不总能找到解
        • 最优性：无
        • 设搜索树的最大深度为m，时间复杂度O(b^m)
        • 空间复杂度O(bm)
      • 迭代加深搜索IDS
        • 结合BFS和DFS
        • 完备性：总可以找到解
        • 时间复杂度
        • 空间复杂度O(bd)
      • 等代价搜索UCS（Dijkstra算法）
        • 是宽度优先搜索的一种推广，沿着等代价路径断层进行扩展
        • 完备性：有
        • 最优性：有
    • 启发式搜索
      • 有信息搜索，需要重排OPEN表 估价函数
      • A算法（有序搜索）
        • 估价函数f(n)的确定：一个节点的希望程度越大，其f值就越小
        • 三类搜索问题：最优路径，较优路径，唯一路径
        • f(n)=g(n)+h(n) g(n)实际 h(n)估计
        • 缺点：不能保证找到解或最优解
      • A*算法
        • 彼得·哈特
        • A*算法是可纳的
        • f(x)=g(x)+h(x) 其中g(x)大于0，h(x)不大于x到目标的实际代价h*(x)
        • 在图搜索过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。 采用h*(x)的下界h(x)为启发函数的A算法，称为A*算法。当h=0时，A*算法就变为有序搜索算法。
  • 消解原理
    • 美国数学家鲁滨逊
    • 出发点：要证明一个命题为真都可以通过证明其否命题为假来得到
    • 原子公式
    • 文字：一个原子共式及其否定
    • 子句：由文字的析取组成的合式公式
    • 消解：对谓词演算公式进行分解和化简，消去一些符号，以求的导出子句。
    • 消解式是亲本子句的逻辑结论
    • 消解只能在含有否定和析取联接词的公式间进行
    • 子句集的求取
    • 消解推理规则：C1＝LVC1＇ C2＝~LⅤC2＇→C12＝C1VC2
    • 置换与合一
  • 产生式系统
    • 总数据库
    • 产生式规则
    • 控制策略
    • 非单调推理
      • 缺省推理
      • 真值维持系统TMS
• 非经典推理
  • 归纳逻辑推理，多值逻辑，非单调逻辑
  • 不确定性推理是一种建立在非经典逻辑基础上的基于不确定性知识的推理，从不确定性的初始证据出发，通过运用不确定性知识，推出具有一定程度的不确定性的和合理的或近乎合理的结论。
  • 不确定性及其类型
    • 随机不确定性
    • 模糊不确定性
    • 不完全性
    • 不一致性
  • 不确定性推理中存在三种不确定性
    • 知识的不确定性
    • 证据的不确定性
    • 结论的不确定性
  • 静态强度：用一个数值表示相应知识的不确定性程度 （LS，LN）
  • 动态强度：用一个数值表示相应证据的不确定性程度 P(E/S)
  • 概率推理
    • 贝叶斯公式
  • 主观贝叶斯方法
    • LS称为充分性量度，用于指出E对H的支持程度 LS=P(E/H)/P(E/~H) 它的值由领域专家给出
    • LN称为必要性量度，用于指出～E对H的支持程度 LN=P(~E/H)/P(~E/~H)=[1-P(E/H)]/[1-P(E/~H)] 它的值由领域专家给出
    • 几率函数O(x)=P(x)/1-P(x)
    • 初始可信度C(E/S)与概率P(E/S)的对应关系如下
      • C(E/S)= -5 ，表示在观察 S 下证据 E 肯定不存在，即 P(E/S)=0
      • C(E/S)= 0 ， 表示 S 与 E 无关，即 P(E/S) =P(E)
      • C(E/S)= +5 ，表示在观察 S 下证据 E 肯定存在，即 P(E/S)=1
  • 可信度方法（有计算题）