人工智能导论PPT全套课件.pptx

  1. 1、本文档共480页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

1;课程简介;课程基本内容;人工智能是一门交叉学科;学习目标;主要参考书;主要参考文献;国内;第一章绪论;智能的概念;来自认知科学(CognitiveScience)。

认为智能的核心是思维。

人的一切智慧或者智能都来自于大脑的思维活动,人类的一切知识都是人们思维的产物。因而通过对思维规律与方法的研究可望揭示智能的本质。; 强调知识对于智能的重要意义和作用,认为智能行为取决于知识的数量及其一般化的程度。

智能就是在巨大搜索空间中迅速找到一个满意解的能力。

例如下棋。在人工智能的发展史中有重要影响。发展出了知识工程、专家系统等等。;什么是人工智能;什么是人工智能;15;16; 人工智能就是研究如何使一个计算机系统具有像人一样的智能特征,使其能模拟、延伸、扩展人类智能。

通俗地讲,

–人工智能就是研究如何使得计算机会听、说、读、写、学习、推理,能够适应环境变化,能够模拟出人脑思维活动。

人工智能就是要使计算机能够像人一样去思考和行动,完成人类能够完成的工作,甚至在某些方面比人更强。;智能的特征?;最终目标

造出一个像人一样具有智能,会思维和行动的计算机系统。

强人工智能

机器可以有知觉,有自我意识。

弱人工智能

机器只不过看起来像是智能的,不会有自主意识。;两个界定:图灵测试和中文屋子;图灵测试TuringTest;※如果测试主持人能分辨出人和机器的概率小于50%,则认为机器具有了智能;阿伦?图灵(AlanTuring);Turing测试存在的问题;Q:你的14行诗的首行为“你如同夏日”,你不觉得“

春日”更好吗?

A:它不合韵。

Q:“冬日”如何?它可是完全合韵的。

A:它确是合韵,但没有人愿被比为“冬日”。

Q:你不是说过匹克威克先生让你能想起圣诞节吗?

A:是的。

Q:圣诞节是冬天的一个日子,我想匹克威克先生对这个比喻不会介意吧。

A:我认为你不够严谨,“冬日”指的是一般的冬天的日子,而不是某个特别的日子,如圣诞节。;美国哲学家约翰·西尔勒(JohnSearle,1980年)对于“图灵测试”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???能。;27;28;29;故事理解程序举例;AI的本质问题; 使现有的计算机系统更聪明、更有用,使它不仅能做一般的数值计算及非数值信息处理,而且能运用知识处理问题,能模拟人类的部分智能行为,成为人类的智能化辅助工具。;AI基础;34;人工智能的发展概况;36;人工智能的发展概况;38;39;40;41;人工智能的发展概况;43;人工智能的发展概况;人工智能的发展概况;人工智能的发展概况;47;人工智能的发展概况;人工智能的发展概况;50;51;52;符号主义;54;55;三大学派的综合集成;人类智能与人工智能;人工智能的目的;人工智能的目标;人工智能研究的基本内容;人工智能研究的基本内容;人工智能研究的主要方法;63;(1)专家系统(ExpertSystem);(2)机器学习;(2)机器学习;(2)机器学习;(3)模式识别(PatternRecognition);(3)模式识别(PatternRecognition);(4)自然语言理解(NaturalLanguageUnderstanding);(5)自动定理证明(AutomaticTheoremProving);(5)自动定理证明(ATP);(5)自动定理证明(ATP);(6)自动程序设计(AutomaticProgramming);(7)机器人学(Robotics);76;77;(8)博弈(GamePlaying);(8)博弈(GamePlaying);(9)智能决策支持(IDSS);(10)人工神经网络(ArtificialNeuralnetwork);(11)智能信息检索1.能理解自然语言

具有推理能力

系统拥有一定的常识性知识(12)数据挖掘与知识发现

从数据集中找出有意义的模式(一组规则、聚类、决策树、依赖解疑释惑中其它方式表示的知识)

对数据进行预处理、建模、模型评估及模;第二章知识和知识表示方法;84;85;噪声;1.相对正确性

2.不确定性

3.可表示性与可利用性;88;知识的特性(续);知识的特性(续);知识的分类;知识表示;知识表示分类;常用知识表示方法;95;2.1状态空间法

(StateSpaceRepresentation);2.1.1问题状态描述;98;99;100; 图的显示说明对于显式说明,各节点及其具有代价的弧线由一张表明确给出。此表可能列出该图中的每一节点、它的后继节点以及连接弧线的代价

(举例:邻接表,邻接矩阵)

图的隐示说明说明节点的无限集合{si}作为起始节点是

您可能关注的文档

文档评论(0)

159****1944 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档