第一章 绪论

形式化系统的有效性

• 完备性：所有能够从某形式化系统推出来的知识，都可以从这个形式化系统推导出来
• 一致性：推导出来的知识不会推导出自己的否定，整个形式化系统是自洽的，非矛盾的
• 可判定性：对于推导出的东西，存在算法有限步内判断其真假

定义

人工智能的定义：是以机器为载体所实现的人类智能

让机器人像人那样认知，思考和学习，即用计算机模拟人的智能。

人工智能的分类

分类标准	内容
典型应用	•机器定理证明（逻辑和推理），仿解题者 •机器翻译（自然语言理解），仿译者 •专家系统（问题求解和知识表达），仿专家（如医生） •博弈（搜索树），仿弈者 •模式识别（多媒体认知），仿认识者 •学习（神经网络），仿初学者 •机器人和智能控制（感知与控制），仿生物者
智能角度	领域人工智能 通用人工智能 混合增强人工智能

人工智能的三次低谷

• 第一次低谷：1973年英国发表James Lighthi报告
• 教训：AI尚属婴儿期，难以测算准确
• 第二次低谷：日本智能（第五代）计算机研发失败
• 教训：驱动AI发展要靠软件、数据和知识，而非只依靠硬件
• 第三次低谷：知识词典日趋式微，网络百科兴起
• 教训：知识不能靠专家表达，要自动学习

人工智能主流研究方法

• 符号逻辑：以推理为核心
• 联结主义：以统计机器学习为手段
• 行为学派：从环境交互过程中进行策略学习

学习模式	优势	不足
符号主义（用规则教）	与人类逻辑推理相似，解释性强	难以构建完备的知识规则库
联结主义（用大数据学）	直接从数据中学	以深度学习为例：缺乏可解释性，过于依赖数据
行为主义（从经验中策略学习，用问题引导）	从经验中进行能力的持续学习	非穷举式搜索要求更好策略