您好,欢迎访问三七文档
人工智能与教育人工智能概述人工智能的研究领域人工智能教育应用概述人工智能被誉为20世纪的三大尖端科技成就之一。有预言家说:“说掌握了人工智能,说就能征服整个世界。”第一节人工智能的概述人工智能(ArtificialIntelligence,AI)是当前科学技术发展中的一门前沿学科。人工智能是在计算机科学、控制论、信息论、神经心理学、哲学等多种学科研究的基础上发展起来的。无人驾驶飞机、扫雷机器人、卫星评估粮食产量、医学专家系统、、购物篮分析、信息过滤、人脸的识别、人机搏弈、机器人足球、……一、什么是人工智能谈到人工智能的定义,首先需要指出以下两点:第一,人工智能和其他许多新兴学科一样,至今尚无一个统一的定义,所谓人工智能的定义,只能是人工智能学者根据对它的已有认识所作的一些不同解释。第二,人工智能的定义依赖于智能的定义。因此,要定义人工智能,首先应该定义智能。(一)什么是智能通俗地说,智能是一种认识客观事物和运用知识解决问题的综合能力。至于其确切定义,还有待于对人脑奥秘的彻底揭示。为了区分机器是否会“思考”,有必要给出“智能”的定义。究竟“会思考”到什么程度才叫智能?人工智能专家面临的最大挑战之一是:如何构造一个系统,可以模仿由上百亿个神经元组成的人脑的行为,去思考宇宙中最复杂的问题。1.智能的层次结构人类的智能总体上可分为高、中、低三个层次,不同层次智能的活动由不同的神经系统来完成。高层智能以大脑皮层为主,主要完成记忆和思维等活动;中层智能以丘脑为主,主要完成感知活动;低层智能以小脑、脊髓为主,主要完成动作反应。2.智能所包含的能力智能是一种综合能力。具体地说,它包含的各种能力如下:①智能具有感知能力②智能具有记忆与思维能力③智能具有学习和自适应能力④智能具有行为能力(二)什么是人工智能综合各种不同的人工智能观点,可以从“能力”和“学科”两个方面对人工智能进行定义。从能力的角度来看,人工智能是相对于人的自然智能而言的,所谓人工智能是指用人工的方法在机器(计算机)上实现的智能;从学科的角度来看,人工智能是作为一个学科名称来使用的,所谓人工智能是一门研究如何构造智能机器或智能系统,使它能模拟、延伸和扩展人类智能的学科。图灵测试如何衡量机器是否具有智能?测试过程:让一个程序与一个人进行5分钟对话,然后人猜测交谈对象是程序还是人?如果在30%测试中程序成功地欺骗了询问人,则通过了测试图灵期待最迟2000年出现这样的程序,但是到目前为止,面对训练有素的鉴定人,没有一个程序接近30%的标准要想程序通过图灵测试,还需要做大量工作,这些技能包括:自然语言处理,使机器可以用人类语言交流知识表示,存储机器获得的各种信息自动推理,运用知识来回答问题和提取新结论机器学习,适应新环境并检测和推断新模式以及(为了完全图灵测试)计算机视觉,机器感知物体机器人技术,操纵和移动物体二、人工智能的产生与发展人工智能这个术语自1956年正式提出,并作为一个新兴学科的名称被使用以来,已经有四十多年的历史了。回顾其产生与发展过程,可大致分为四个阶段。孕育期形成期知识应用期综合集成期1.孕育期(1956年之前)古希腊伟大的哲学家和思想家亚里斯多德(Aristotle)创立了演绎法。英国哲学家和自然科学家培根(F.Bacon)创立了归纳法。德国数学家和哲学家莱布尼茨(G.W.Leibnitz)把形式逻辑符号化,奠定了数理逻辑的基础。使人们可以对人的思维进行运算和推理。法国物理学家和数学家帕斯卡(B.Pascal)制造成功了世界上第一台加法器。2.形成期(1956年-1969年)人工智能诞生于一次历史性的聚会。1O位杰出年轻科学家在美国达特莫斯大学举行了一次为期两个月的夏季学术研讨会,共同学习和探讨了用机器模拟人类智能的有关问题。由麦卡锡提议正式采用了“人工智能AI(ArtifcialIntelligence)”这一术语。从而,一个以研究如何用机器来模拟人类智能的新兴学科——人工智能诞生了。3.知识应用期(1970年-80年代末)人工智能遇到了许多麻烦:在博弈方面,塞缪尔的下棋程序在与世界冠军对弈时,5局中败了4局。在机器翻译方面,原来人们以为只要有一本双解字典和一些语法知识就可以实现两种语言的互译,但后来发现并不那么简单,甚至会闹出笑话。在神经生理学方面,研究发现人脑有1011以上的神经元,在现有技术条件下用机器从结构上模拟人脑是根本不可能的。在人工智能的本质、理论、思想及机理方面,人工智能受到了来自哲学、心理学、神经生理学等社会各界的责难、怀疑和批评。以知识为中心的研究:专家系统悄悄开始孕育,使得人工智能在后来出现的困难和挫折中能很快找到前进方向,迅速地再度兴起。专家系统(ExpertSystem,简写为ES)是一个具有大量的专门知识,并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。专家系统实现了人工智能从理论研究走向实际应用,从一般思维规律探讨走向专门知识运用的重大突破,是人工智能发展史上的一次重要转折。专家系统1972年,费根鲍姆在继化学专家系统DENDRAL之后,又领导他的研究小组开始研究其他的项目。1976年,斯坦福大学国际人工智能中心杜达(R.D.Duda)等人开始研制地质勘探专家系统PROSPECTOR。MIT1971年研制成功并投入使用数学专家系统MACSYMA。美国拉特格尔(Rutger)大学于1978年研制成功用于青光眼诊断和治疗的专家系统CASNET。在这一时期,与专家系统同时发展的重要领域还有计算机视觉和机器人,自然语言理解与机器翻译等。此外,在知识表示、不精确推理、人工智能语言等方面也有重大进展。1977年,在第五届国际人工智能联合会议上,费根鲍姆正式提出了知识工程(KnowledgeEngineering,简称KE)的概念。整个2O世纪8O年代知识工程和专家系统在全世界得到了迅速发展,其应用范围也扩大到了人类社会的各个领域,并产生了巨大的经济效益。专家系统的成功,说明了知识在智能系统中的重要性,使人们更清楚地认识到人工智能系统应该是一个知识处理系统,而知识表示、知识获取、知识利用是人工智能系统的三个基本问题。随着专家系统应用的不断深入和计算机技术的飞速发展,专家系统本身所存在的问题逐渐暴露出来:应用领域狭窄缺乏常识性知识知识获取困难推理方法单一没有分布式功能不能访问现存数据库人工智能又面临着一次考验。出路何在?人工智能需要走综合集成发展的道路。4.综合集成期(80年代末至今)在专家系统方面,从2O世纪8O年代末开始逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言(如LISP、Prolog和C十十等)、多种知识表示方法(如产生式规则、框架、逻辑、语义网络、面向对象等)、多种推理机制(如演绎推理、归纳推理、非精确推理和非单调推理等)和多种控制策略(如正向、逆向和双向等)相结合的方式,并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等。目前,人工智能技术正在向大型分布式人工智能、大型分布式多专家协同系统、广义知识表达、综合知识库(即知识库、方法库、模型库、方法库的集成)、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能体(Agent)协同系统等方向发展。尽管如此,但从目前来看,人工智能仍处于学科发展的早期阶段,其理论、方法和技术都不太成熟,人们对它的认识也比较肤浅,甚至连人工智能能否归结、如何归结为一组基本原理也还是个问号。AI成功的例子(1)博弈:IBM公司的“深蓝”成为第一个在国际象棋比赛中战胜世界冠军的计算机程序1997年,一次公开赛中3.5/2.5比分战胜卡斯帕罗夫,他说从棋盘对面感到了“一种新智能”(但是,连“深蓝”的设计者也不认为用了什么人工智能技术)23AI成功的例子(2)自主控制:CMU研制的ALVINN计算机视觉系统安置在NAVLAB计算机控制微型汽车中,用于汽车导航行驶在高速公路上全程2850英里(约4586.5公里),其中98%时间由这个系统掌握方向盘,2%时间由人驾驶,几乎都在高速公路出入口处24AI成功的例子(3)后勤规划:1991年海湾战争中美国军队配备了一个动态分析和重规划工具DART,用于自动后勤规划与运输调度。该系统同时涉及50000个车辆、货物和人,而且要考虑起点、目的地、路径,解决所有参数之间的冲突。使用AI技术使规划在几小时内完成,而传统方法需要几个星期DARPA称就此一项投资足以补偿DARPA在AI方面30年的投资25第二节人工智能的研究领域一、人工神经网络(一)人工神经网络概述生物神经元及脑神经系统的结构与特征1.生物神经元的结构生物神经元(Neuron)即为神经细胞,它是生物神经系统的最基本单元。从其形状和大小来看,神经元是多种多样的,但从组成结构看,各种神经元又具有共性。神经元的基本结构如图6-4所示,它由细胞体(Soma)、轴突(Axon)和树突(Dendrite)三个主要部分组成。细胞体是神经元的主体,用于处理由树突接受的其他神经元传来的信号。细胞体的内部是细胞核,外部是细胞膜,细胞膜的外面是许多向外延伸出的纤维。轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝,用来向外传递神经元产生的输出电信号。每个神经元都有一条轴突,其最大长度可达1cm以上。在轴突的末端形成了许多很细的分枝,这些分枝叫神经末梢。每一条神经末梢可以与其他神经元形成功能性接触,该接触部位称为突触。所谓功能性接触,是指非永久性的接触,这正是神经元之间传递信息的奥秘之一。树突是指由细胞体向外延伸的除轴突以外的其他所有分支。树突的长度较短,但数量很多,它是神经元的输入端用于接受从其他神经元的突触传来的信号。2.人脑神经系统的结构与特征记忆和存储功能高度并行性分布式功能容错功能联想功能自组织和自学习功能(二)人工神经元及人工神经网络1.人工神经元的结构图7-2M-P神经元模型θx1x2xnyω1ω2ωn在图7-2中,x1,x2,…,xn表示某一神经元的n个输入;ωi表示第i个输入的连接强度,称为连接权值;θ为神经元的阈值;y为神经元的输出。可以看出,人工神经元是一个具有多输入,单输出的非线性器件。2.人工神经网络人工神经网络是对人类神经系统的一种模拟。尽管人类神经系统规模宏大、结构复杂、功能神奇,但其最基本的处理单元却只有神经元。人工神经系统的功能实际上是通过大量神经元的广泛互连,以规模宏伟的并行运算来实现的。基于对人类生物系统的这一认识,人们也试图通过对人工神经元的广泛互连来模拟生物神经系统的结构和功能。人工神经元之间通过互连形成的网络称为人工神经网络。在人工神经网络中,神经元之间互连的方式称为连接模式或连接模型。它不仅决定了神经元网络的互连结构,同时也决定了神经网络的信号处理方式。3.人工神经网络的分类目前,已有的人工神经网络模型至少有几十种,其分类方法也有多种。例如,按网络拓扑结构可分为无反馈网络与有反馈网络;按网络的学习方法可分为有教师的学习网络和无教师的学习网络;按网络的性能可分为连续型网络与离散型网络,或分为确定性网络与随机型网络;按突触连接的性质可分为一阶线性关联网络与高阶非线性关联网络。(三)人工神经网络的特点和优越性,主要表现在三个方面:第一,具有自学习功能。例如实现图像识别时,只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络,网络就会通过自学习功能,慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测,其前途是很远大的。第二,具有联想存储功能。人的大脑是具有联想功能的。如果有人和你提起你幼年的同学张某某,你就会联想起张某某的许多事情。用人工神经网络的反馈网络就可以实现这种联想。第三,具有高速寻找优化解
本文标题:人工智能与教育
链接地址:https://www.777doc.com/doc-4543388 .html