【人工智能】人工智能发展简史 | 复习笔记_eliza工作的方式是在一个按词频排序的词库里

人工智能发展简史

人工智能基本概念

“人工智能” 是相对于“人类智能” 而言的，“人类智能”是“人工智能”的原型；“人工智能”是“人类智能”的某种人工实现。

“人类智能”是“人类智慧”的一个子集。“智慧”和“智能”两个概念之间具有非常密切的联系，但是也有显著的差别。
····· “慧”多指人的认识能力和思维能力，如“慧眼识英雄”
····· “能”多指做事的能力，如“能者多劳”
世间只有“万物之灵”的人类才拥有至高无上的智慧；各种生物虽然也可以拥有不同程度的智慧，但都不如人类智慧那样完美。如果能够准确阐明“人类智慧”的概念，那么，“人类智能”和“人工智能”的概念就容易把握了

概念1:人类智慧： 人类的智慧，是人类所拥有的独特能力，为了实现改善生存发展水平这一目的，人类需要凭借他的先验知识不断地发现需要解决而且可能解决的问题，认识世界，改造世界，在改造客观世界过程中改进自身。“反馈－学习－优化”

概念2:人类智能： 在人类智慧的概念中，由于隐性智慧所具有的“内隐”特性，通常需要由人类自身来承担；而由于显性智慧具有“外显”特性，却可以通过人工的方法在外部来模拟实现。把显性智慧特别地称为“人类智能”

概念3:人工智能： 是人类智能（显性智慧）的人工实现

概念4机器智能： 与“人工智能”等效

失准概念1::人工智能就是“利用计算机技术从功能上来模拟人类智能”
（1）不应当限制“模拟人类智能”的具体手段 － 计算机技术。还包括人工神经网络技术和感知动作系统技术
（2）不应当限制“模拟人类智能”的具体途径 － 从功能上模拟。早在1943年，“利用人工神经网络技术从结构上模拟人类智能”

失准概念2: 人工智能就是“让机器做原来只有人类能做的事情”
人工智能可以做显性智慧的事情，但做不了隐性智慧的事情

失准概念3: 人工智能是关于知识的学科
知识并非决定智能的唯一要素。信息（初始信息）却扮演者“启动者”的作用，而目标则扮演着“导引者”的作用

失准概念4: :超人的人工智能，人工智能会剥夺人类的工作，威胁人类的就业

狭义
• 从学科的角度来看，AI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。
• 从能力的角度看，AI是指用人工的方法在机器上实现的智能
广义
• 人类智能行为规律、智能理论方面的研究

人工智能的经典问题

Turing测试

1950年10月，图灵发表了一篇名为《计算机械和智能》的论文，探讨到底什么是人工智能
 被认为是“人工智能之父”
“图灵奖”则是计算机科学领域的最高奖项
伦敦的神童思维可以像袋鼠般地跳跃
剑桥大学的高材生，国王学院最年轻的研究员
普林斯顿的数学博士计算机科学的开路先锋
“政府编码与密码学院”的灵魂

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，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。

Turing测试存在的问题：
1.仅反映了结果的比较，没涉及思维过程
2.没指出是什么人

ELIZA

在一个按词频排序的词库里找一个词的匹配， 如果找到就在脚本库里选择合适的回复

人工智能历史上最为著名的软件——伊莉莎（Eliza），也是最早的与人对话程序就是由系统工程师约瑟夫·魏泽堡和精神病学家肯尼斯·科尔比在20 世纪60 年代共同编写的。是世界上第一个真正意义上的聊天机器人。他们将程序命名为伊莉莎，灵感来自于英国著名戏剧家肖伯纳的戏剧《偶像》中的角色，它能够使计算机与人用英语谈话。在自然语言理解技术尚未真正取得突破性进展时，这是一个令人费解的现象。

仔细分析“伊莉莎”与人对话的内容，一旦明白了其中的奥妙，对话人可能会大呼上当。“伊莉莎”对人说的话，只不过是颠倒一下谈话人的
语序，它会在对方的言语中进行关键词扫描，为其中的某些“关键词” 匹配上合适的“对应词” ， 然后再返回给谈话人。当然，它的编排相当巧妙，比如你说 “很烦闷”，它就说“很难过”；你说“我想哭”，它就问“为什么想哭”。关键词被按照日常使用中的频率划分为不同的等级。伊莉莎会逐一在自己的脚本库里检索，看是否有对这个词的说明，接着第二个。伊莉莎所涉及的人工智能并不复杂，它只是能与人直接对话的计算机程序。如果这是一句完全陌生的话，它就做出通用的回答，例如“你具体指的是什么？”“你能举个具体的例子么？”，让诸如此类的对话来拖延时间。如果这句话能看懂，也就是找到了对大部分关键词的解释说明，它就会根据说明来造一个新句子。当它找不到 合适的对应词回答问题时， 为了避免出洋相， 它就机敏地讲一些无关痛痒的废话搪塞一 下，如“这很有意思，请继续说”，或者“请你说详细点好吗？” 从技术观点看，“伊莉莎”程序与人的对话，不是在对句子理解的基础上进行的，顶 多给人们开了一个小小的玩笑。“伊莉莎”的作者后来也承认说：“我没有想到，一个简 单的计算机程序，在极短的时间内会在用正常方式思考的人们中间引起了如此大的误会， 今后在解决问题时需要考虑这种因素”。

ChatBot

聊天机器人 ELIZA可以算是现在智能聊天机器人、语音助手（小娜、siri等）的先驱

约翰·西尔勒和“中文屋子”

对于“图灵测试”, 美国哲学家约翰·西尔勒(John Searle, 1980年)提出了异议。他用一个现在称为“中文屋子”的假设, 试图说明即便是一台计算机通过了图灵测试, 也不能说它就真的具有智能。
假设有个只懂英文不懂中文的人被锁在一个房间里，屋里留了一本手册或一个计算机程序。屋外的人用中文问问题，屋里的人依靠程序用中文回答问题，沟通方式是递纸条

一个思维试验以推翻强人工智能（机能主义）提出的过强主张：只要计算机拥有了适当的程序，理论上就可以说计算机拥有它的认知状态以及可以像人一样地进行理解活动

“中文房间”最早由美国哲学家John Searle于20世纪80年代初提出。这个实验要求你想象一位只说英语的人身处一个房间之中，这间房间除了门上有一个小窗口以外，全部都是封闭的。他随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间中。根据Searle，房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，Searle认为通过这个过程，房间里的人可以让任何房间外的人以为他会说流利的中文。

第一次浪潮

计算机发展刚开始不久，人工智能就开始发展
第一次人工智能热潮大约从20世纪50年代到20世纪70年代
1949年，第一台可编程的计算机EDVAC（离散变量自动电子计算机(艾克特)、二进制）投入使用
 1950年，图灵发表了一篇名为《计算机械和智能》的论文，探讨机器智能
第一届人工智能讨论会 1956年夏天，由John McCarthy, Marvin Minsky, Nathan Rochester和Claude Shannon发起

孕育期1956年之前

主要成就:
– 创立了数理逻辑,自动机理论,控制论,信息论和系统论
– 发明了电子数字计算机
主要贡献:
–Aristotle ：给出形式逻辑的基本规律
–Boole: 创立逻辑代数,用符号语言描述了思维活动中推理的基本法则
–Turing: 提出一种理想计算机的数学模型1936年的图灵机
–MP模型: 开创了微观人工智能的研究工作，1943年提出的神经元模型
–ENIAC: 奠定了AI研究的物质基础，1946年的发明第一台电子数字计算机(莫奇利)

形成期==（1956~1969）==

基本原理和通用性
通用问题求解GPS
定理证明
博弈
形式演算
==1969年，召开了第一届国际人工智能联合会议(IJCAI) ==
1970年，国际期刊《AI 》 创刊

感知机
构建一个神经元，它能够计算逻辑操作：AND

异或XOR，异或的真值表如下：
在二维空间中没有可分离点集{ (0，0)，（1，1）}和{(0，1)，（1，0）}的直线

考虑这样一个感知机，其输入为X1，X2；权值为 W1 ，W2 ； 阀值是t。为了学习这个函数，这个神经网络必须找到这样一组值，它满足如下的不等式方程：
W11 ＋ W21 < t， 真值表的第一行；
W11 ＋ 0 ≥ t， 真值表的第二行；
0 ＋ W21 ≥ t, 真值表的第三行；
0 ＋ 0 < t 或t为正数， 最后一行
这组关于W1 ，W2和 t 的不等式方程组没有解，这就证明了感知机不能解决异或问题
待识别的类别不是线性可分，这是异或问题不能用感知机来解决的原因
• 加一个隐层
• 取权值（w1,w2,…,w5)为(0.3,0.3,1,1,-2)
• y=f(x1 ·w3+x2 ·w4+z ·w5)
• Z为隐节点Nh的输出z=f((x1 ·w1+x2 ·w2)
• θ 均为0.5.

发展期1970年代

进一步研究AI基本原理方法和技术
进行实用化研究
专家系统与知识工程
智能机器人
智能控制等
从“一枝独秀”到“百花齐放”。
1956-1976年，第一次浪潮。最大的一个成果是专家系统、知识工程。
1974年到1980年人工智能迎来第一次冬天

第一次寒冬

AI瓶颈
• 即使是最杰出的AI程序也只能解决问题中最简单的一部分
性能有限
• 有限的内存和处理速度无法解决指数级复杂度的问题
缺乏“常识”
• 许多重要的AI应用，例如机器视觉和自然语言，都需要大量对世界的基本认识

第二次浪潮

80年代

1982年美国加州理工学院物理学家Hopfield提出了离散的神经网络模型
1984年又提出了连续神经网络模型，可以用电子线路来仿真
Hopfield网络可以解决最优化问题，最典型的例子就是“旅行商问题TSP”
1986年Rumelhart发现BP算法，解决多层网的学习问题，感知机的研究重新兴起
这段时期人工智能在数学模型方面取得众多突破。
提出的BP网络，第一次证明了神经元网络的学习训练过程可以收敛。

第二次寒冬

苹果、IBM开始推广第一代台式机：计算机开始走入个人家庭，其费用远远低于专家系统所使用的Symbolics和Lisp等机器
财政问题：市场需求台式机取代，政府也停止拨款
性能问题：专家系统的实用性十分局限

第三次浪潮

从20世纪90 年代至今
2016年正值人工智能发展的60年节点
• AlphaGo战胜人类顶级围棋高手李世石，成为人工智能迎来第三次浪潮的里程碑事件。
• 第三次浪潮，以大计算能力和深度学习为助推力，人工智能在很多面都有了突破性进展，为人类探索未知世界之路开启了“无穷大”之门。

IBM的“深蓝”

北京时间1997年5月12日凌晨4点50分，美国纽约公平大厦，当IBM公司的“深蓝”超级电脑将棋盘上的一个兵走到C4的位置上时，国际象棋世界冠军卡斯帕罗夫对“深蓝”的人机大战落下帷幕，“深蓝” 以3.5：2.5的总比分战胜卡斯帕罗夫。

深蓝的技术指标：
• 32个CPU
• 每个CPU有16个协处理器
• 每个CPU有256M内存
• 每个CPU的处理速度为200万步/秒

统计学习理论和支持向量机的兴起90年代中后期

• 统计学习理论：专门研究有限样本集情况下机器学习的统计规律及实现方法
•== Vapnik-Chervonenkis(VC) 的1995年提出SVM方法掀起了机器学习领域的一场革命，成为模式识别、计算智能、统计学以及广泛的应用领域共同的研究热点。
• 研究问题：模式分类、回归分析、概率密度估计
• 但1987年到1993年==由于个人电脑的出现，人工智能再次步入寒冬阶段。
• 国际象棋定义明确，主要涉及数学，电脑可以轻易表示每一个游戏状态及相应步骤
• AlphaGo在蒙特卡洛树搜索的框架下，利用深度学习和强化学习技术进行训练和评估，其中用到了人类棋手以往的16万盘棋谱，以及AlphaGo自己左右互搏产生的3000万盘棋谱，并用到了人类总结的几万个模式，并于2016年3月以4:1的成绩战胜了韩国围棋职业高手李世石。
• 沃森是IBM为了纪念公司成立100周年研发的一个问答系统，这中间又涉及到机器学习、大规模并行计算、语义处理等领域。

人工智能的发展状况

人工智能螺旋式发展之路：三次低谷

第一次低谷：1973年英国发表James Lighthill 报告
 该报告主要评判AI基础研究中A自动机、B机器人和C中央神经系统。
 报告得出结论：A和C的研究有价值，但进展令人失望。B的研究没有价值，进展非常令人失望。建议取消B的研究。
 批评后，AI开始了严冬（AI Winter）
(Sir James Lighthill, Artificial Intelligence: A General Survey, Science Research
Council,1973)
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）计算机研制失败
 1982年开始，日本通产省主持第五代计算机。
 动机：计算机从计算与存储数据向能直接推理与知识处理的新型结构过渡。
 目标：构成一个具有1000个处理单元的并行推理机，推理速度比常规高1000倍。连接10亿信息组的数据库和知识库，具备听说能力。
 1992年因失败而告终（开支US $850 million）
教训：驱动AI的发展要靠软件、数据和知识，而非硬件

第三次低谷：知识词典日趋势微、网络百科兴起
 斯坦福1984年通过专家来建设知识百科全书Cyc。截止2015年11月（其建设也时
断时续），包括23万多个概念、实体和200多万个三元组。
 Cyc在90年代后期衰败，因搜索引擎崛起，显示互联网威力。
 Cyc也开始链接外部知识库：Dbpedia, UMBEL, CIA World Factbook等等。
教训：知识不能靠专家表达，要自动学习

 “弱人工智能”只专注于完成某个特别设定的任务，例如语音识别、图像识别和翻译，也包括近年来出现的IBM的Watson和谷歌的AlphaGo，它们是优秀的信息处理者，但却无法真正理解信息。
“强人工智能”系统包括了学习、语言、认知、推理、创造和计划，目标是使人工智能在非监督学习情况下处理前所未见的细节，并同时与人类开展交互式学习。
“超人工智能”是指通过模拟人类的智慧，人工智能开始具备自主思维意识，形成新的智能群体，能够像人类一样独自地进行思维。

*声明：复习笔记中内容来源于老师上课讲述及PPT