科普-大学公选课-《探秘人工智能》-1-序言

ArtificialIntelligenceQuest第一讲序言探秘人工智能2019•课程性质：公选课、32课时、记2学分•课程目标：让学生了解人工智能的基本背景和发展情况，理解特征提取的数学化方法，掌握分类任务、神经网络、聚类和机器学习的基本原理，知悉应用场景概要，启发学生对人工智能的兴趣，具备一定的创新思维•课程要求：纪律、考查•课程计划：见右表章节序号章节名称学时备注总学时课堂讲授实践实验第一章序言33第二章人工智能概述1293专题讨论第三章关键技术及热点应用领域99第四章人工智能系统分析与实践532研发实验第五章课程回顾与未来展望33合计3227505人工智能的发展争议ControversyoverthedevelopmentofAI04人工智能的未来ThefutureofA.I.03人工智能面临的考验ThefacingproblemsofAI02人工智能的发展与应用DevelopmentandapplicationofArtificialIntelligence01人工智能综述WhatisArtificialIntelligence？CONTENT目录•人工/脑力劳动：翻译、记者...•人工/体力劳动：保安、保姆...时间18世纪末工业1.0创造了机器工厂的“蒸汽时代”20世纪初电力广泛应用蒸汽机信息物联系统1970年代初今天工业2.0将人类带入分工明确、大批量生产的流水线模式和“电气时代”工业3.0应用电子信息技术，进一步提高生产自动化水平自动化、信息化工业4.0开始应用信息物理融合系统（CPS）复杂度悄悄来临互联网时代正在终结•人工智能•机器人•交通工具（即无人机、无人驾驶等）•VR（虚拟现实）人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、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。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但是能像人那样思考、也可能超过人的智能。•“要使计算机能够思考......意思就是：有头脑的机器”（JohnHaugeland,1985)像人一样思考的系统Man-Thing•“通过利用计算模型来进行心智能力的研究”(Chamiak和McDermott,1985)理性地思考的系统Rationality•“一种技艺，创造机器来执行人需要智能才能完成的功能”(Kurzweil,1990))像人一样行动的系统Action•“计算智能是对设计智能化智能体的研究”(AlanMackworth等，1998)理性地行动的系统Reason弱人工智能认为一些“思维型”特征可以添加到计算机中，使它们成为更有用的工具。弱人工智能WeakA.I.强人工智能宣称计算机可以在与人类同等的水平上进行思考。强人工智能StrongA.I.强人工智能与弱人工智能区别长期存在两种不同的目标或者理念。一种是希望借鉴人类的智能行为，研制出更好的工具以减轻人类智力劳动，一般称为“弱人工智能”，类似于“高级仿生学”。另一种是希望研制出达到甚至超越人类智慧水平的人造物，具有心智和意识、能根据自己的意图开展行动，一般称为“强人工智能”，实则可谓“人造智能”。哲学数学基础学科指导学科人工智能自然科学技术科学社会科学人工智能（AI：ArtificialIntelligence）是一门前沿学科，是在哲学和认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学、社会结构学、语言学等多种学科的基础上发展起来的一门交叉学科。符号学派联结学派行为学派神经网络知识表示机器人模拟人的心智模拟脑的结构模拟人的行为聪明的AI有学识的AI深度学习知识图谱感知识别判断思考语言推理贝叶斯学派进化学派类推学派Machinelearning机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。Naturallanguageprocessing自然语言处理（NLP）是计算机科学，信息工程和人工智能的子领域，涉及计算机与人类（自然）语言之间的交互，特别是如何对计算机进行编程以处理和分析大量自然语言数据。Computervision计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像Patternrecognition模式识别（就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对环境及客体的识别。Expertsystem专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题1980-1987繁荣期▬1000BC▬1946先驱时代1956-1974黄金年代1974-1980第一次AI低谷1943-1956人工智能的诞生1987-1993第二次AI低谷2011-至今ABC新时代1993-2010稳健时代希腊神话中已经出现了机械人和人造人，如赫淮斯托斯的黄金机器人和皮格马利翁。中世纪出现了使用巫术或炼金术将意识赋予无生命物质的传说。19世纪的幻想小说中出现了人造人和会思考的机器之类题材,雷尔·恰佩克的《罗素姆的万能机器人》。神话，幻想和预言中的AI许多文明中都有创造自动人偶的杰出工匠，例如偃师（中国西周），希罗（希腊），加扎利和WolfgangvonKempelen等等。人工智能的基本假设是人类的思考过程可以机械化。对于机械化推理（即所谓“形式推理（formalreasoning）”）的研究已有很长历史。用于计算的机器古已有之；历史上许多数学家对其作出了改进。19世纪初，查尔斯·巴贝奇设计了一台可编程计算机（“分析机”）自动人偶形式推理计算机科学达特茅斯会议符号推理与“逻辑理论家”程序图灵测试游戏AI控制论与早期神经网络第二次世界大战期间，许多学科领域都出现了优秀的科学家，包括新兴的神经科学和计算机领域。在英国，数学家艾伦·图灵(AlanTuring)和神经学家格雷·沃尔特(GreyWalter)是首先向智能机器发起挑战的人。沃尔特制造了有史以来的第一个机器人。图灵接着发明了图灵测试，为智能机器设置了标准：一种可以欺骗某人以为自己在和另一个人说话的电脑。左侧漫画对话1、昨天我做了一次图灵测试2、回：好像很有趣，结果如何?3、我失败了，机器认为我是个愚蠢的人类4、回：坚持住。1950年，科幻作家艾萨克·阿西莫夫出版了《我的机器人》短篇小说集。阿西莫夫最著名的是提出了机器人学的三大定律，旨在阻止发明创造对人类产生不良影响。他也提出了一些似乎非常有先见之明的想法——比如设计一台能够存储所有人类知识的计算机，任何人都可以问任何问题。“人工智能”一词是由一名年轻的计算机科学家约翰·麦卡锡(JohnMcCarthy)，在达特茅斯大学举办的夏季会议上创造的。自然语言微世界乐观思潮搜索式推理经费60年代后期，麻省理工大学AI实验室的马文·闵斯基和西摩尔·派普特建议AI研究者们专注于被称为“微世界”的简单场景。他们指出在成熟的学科中往往使用简化模型帮助基本原则的理解第一代AI研究者们曾作出了如下预言:1958年，艾伦·纽厄尔和赫伯特·西蒙：“十年之内，数字计算机将成为国际象棋世界冠军。”“十年之内，数字计算机将发现并证明一个重要的数学定理。”1965年，赫伯特·西蒙：“二十年内，机器将能完成人能做到的一切工作。许多AI程序使用相同的基本算法。为实现一个目标（例如赢得游戏或证明定理），它们一步步地前进，就像在迷宫中寻找出路一般；如果遇到了死胡同则进行回溯。这就是“搜索式推理”1963年6月，MIT从新建立的ARPA（即后来的DARPA，国防高等研究计划局）获得了二百二十万美元经费，用于资助MAC工程，其中包括Minsky和McCarthy五年前建立的AI研究组。此后ARPA每年提供三百万美元，AI研究的一个重要目标是使计算机能够通过自然语言（例如英语）进行交流。早期的一个成功范例是DanielBobrow的程序STUDENT，它能够解决高中程度的代数应用题）研究工作明斯基也影响了科幻小说。他在斯坦利·库布里克(StanleyKubrick)的电影《2001：太空漫游》(2001：ASpaceOdyssey)中担任顾问，这部电影的主角是一台智能电脑——哈尔（HAL9000）。人工智能远远落后于明斯基等拥护者的崇高预言——这一点在机器人夏奇(Shakey)身上得到印证。夏奇是第一个通用移动机器人，能够通过对周围环境的推理，决定自己的行为。但是，即使在一个几乎没有障碍的区域，它也慢得令人痛苦。对McCarthy的做法持批评意见的还有他在MIT的同行们。反对派（thescruffies）感知器是神经网络的一种形式，由FrankRosenblatt于1958年提出。与多数AI研究者一样，他对这一发明的潜力非常乐观，预言说“感知器最终将能够学习，作出决策和翻译语言”。整个六十年代里这一方向的研究工作都很活跃。感知器与联结主义遭到冷落一些哲学家强烈反对AI研究者的主张。其中最早的一个是JohnLucas，他认为哥德尔不完备定理已经证明形式系统（例如计算机程序）不可能判断某些陈述的真理性，但是人类可以。来自大学的批评此由于缺乏进展，对AI提供资助的机构对AI研究逐渐停了资助。早在1966年自动语言处理顾问委员会的报告中就有批评机器翻译进展的意味停止拨款70年代初，AI遭遇了瓶颈。即使是最杰出的AI程序也只能解决它们尝试解决的问题中最简单的一部分，也就是说所有的AI程序都只是“玩具”。问题问题停止拨款反对派冷落批评到了20世纪70年代初，人工智能陷入了困境。数以百万计的钱被花掉了，却没什么可炫耀的成果。美国国会对此提出了强烈的批评。1973年，著名数学家詹姆斯莱特希尔爵士(SirJamesLighthill)，发表了一份关于英国人工智能现状的健康报告。他的观点是，机器永远只能下“经验丰富的业余水平的”象棋。常识推理和像人脸识别这样简单的任务，总是超出它们的能力范围。在此观点下，该行业的资金被大幅削减，随之而来的就是众所周知的“人工智能的冬天”。在80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器重获拨款：第五代工程专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。专家系统获得赏识专家系统的能力来自于它们存储的专业知识。这是70年代以来AI研究的一个新方向知识革命1982年，物理学家JohnHopfield证明一种新型的神经网络（现被称为“Hopfield网络”）能够用一种全新的方式学习和处理信息。联结主义的重生新的商用AI系统远没有早期的人工智能那样雄心壮志。这些“专家系统”不是试图创造一种通用的智能，而是专注于更小范围的任务。这意味着它们只需要按照特定问题的规则进行编程即可。第一个成功的商用专家系统，被称为RI，用于美国数字设备公司（DigitalEquipmentCorporation），它为新的计算机系统配置订单。到1986年，该公司估计每年节省了4000万美元。1982年，日本国际贸易