人工智能及其應用人工智能及其應用作為智能體的人類人類是一種智能體我們，作為一個智能體，為什么能夠思考？大腦這么一小堆東西怎么能夠感知、理解、預測和應對一個遠比自身龐大和負責得多的世界？人工智能走得更遠：不僅試圖理解智能體，而且要建造智能體，制造出像人類一樣完成某些智能任務的軟件（系統）作為智能體的人類人類是一種智能體“Ifyouinventabreakthroughinartificialintelligence,somachinescanlearn,”Mr.Gatesresponded,“thatisworth10Microsofts.”(QuotedinNewYorkTimes,Monday,March4,2004)“Ifyouinventabreakthrough深藍1997年5月11日北京時間早晨4時50分，一臺名叫“深藍”的超級電腦在棋盤C4處落下最后一顆棋子，全世界都聽到了震撼世紀的叫殺聲──“將車”！這場舉世矚目的“人機大戰”，終于以機器獲勝的結局降下了幃幕。“深藍”是一臺智能電腦，是人工智能的杰作。新聞媒體以挑釁性的標題不斷地發問：電腦戰勝是一個人，還是整個人類的智能？連棋王都認了輸，下一次人類還將輸掉什么？智慧輸掉了，人類還剩些什么？于是，人工智能又一次成為萬眾關注的焦點，成為電腦科學界引以自豪的學科。深藍1997年5月11日北京時間早晨4時50分，一臺名叫“深

人工智能定義1智能機器(intelligentmachine)能夠在各類環境中自主地或交互地執行各種擬人任務的機器。定義2人工智能(學科)

人工智能(學科)是計算機科學中涉及研究、設計和應用智能機器的一個分支。它的近期主要目標在于研究用機器來模仿和執行人腦的某些智力功能，并開發相關理論和技術。定義3人工智能(能力)

人工智能(能力)是智能機器所執行的通常與人類智能有關的智能行為，如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動。人工智能定義1智能機器(intelli大師眼中的人工智能Bellman,1978:人工智能是那些與人的思維、決策、問題求解和學習等有關活動的自動化進程。Haugeland,1985:人工智能是一種使計算機能夠思維，使機器具有智力的激動人心的新嘗試。Charniak和McDermott,1985人工智能是用計算模型研究智力行為。Kurzwell,1990人工智能是一種能夠執行，需要人的智能的，創造性機器的技術。大師眼中的人工智能Bellman,1978:人工智能是Schalkoff,1990：人工智能是一門通過計算過程，力圖理解和模仿智能行為的學科。Rick和Knight,1991：人工智能研究如何使計算機做事，而讓人過得更好。Winston,1992：人工智能是研究那些使理解、推理和行為成為可能的計算。Luger和Stubblefield,1993：人工智能是計算機科學中，與智能行為的自動化有關的一個分支。Schalkoff,1990：人工智能是一門通過計算過AI的理解是一個過程上述定義見仁見智重要的是學習AI方法、應用AI方法，在實踐中逐步深入領會AI這個詞的含義目前，AI就是一種運行在我們自己機器中的程序，它的智能是我們給的！AI的理解是一個過程上述定義見仁見智人工智能的基礎人工智能（Artificial

Intelligence）,

英文縮寫為

AI,

是一門由計算機科學、控制論、信息論、語言學、神經生理學、心理學、數學、哲學等多種學科相互滲透而發展起來的綜合性新學科。自問世以來AI經過波波折折，終于作為一門邊緣新學科得到世界的承認并且日益引起人們的興趣和關注。人工智能的基礎人工智能（Artificial

IntelliAI的基礎哲學：標出了AI的大部分重要思想數學：使AI成為一門規范科學數學形式化神經科學：網絡，并行處理心理學：認知理論計算機工程：AI的“載體”語言學：知識表示、語法AI的基礎哲學：標出了AI的大部分重要思想哲學形式化規則能用來抽取合理的結論嗎？

亞里士多德（Aristotle）為形式邏輯奠定了基礎，第一個把支配意識的理性部分法則形式化為精確的法則集合，典型代表就是三段論，即初始前提的條件下機械地推導出結論。17世紀，有人提出推理如同數字計算，帕斯卡寫到：“算術機器產生的效果顯然更接近思維，而不是動物的其他活動。”結論：肯定的結論，即可以用一個規則集合描述意識的形式化部分哲學形式化規則能用來抽取合理的結論嗎？精神的意識是如何從物質的大腦產生出來？Descartes(笛卡爾)給出了第一個關于意識和物質之間區別以及由此產生的清晰的討論二元論意識（靈魂、精神）的一部分是超脫于自然之外的，不受物理定律的影響動物不具有這種屬性，它們可以被當做機器對待唯物主義大腦依照物理定律運轉而構成意識自由意志是對出現在選擇過程中可能選擇的感受方式結論：兩種選擇：二元論和唯物主義精神的意識是如何從物質的大腦產生出來？知識從哪里來？關于知識的來源：FrancisBacon(培根)《新工具論》開始了經驗主義運動JohnLocke(洛克)指出：“無物非先感而后知”

RudolfCarnap(魯道夫·卡爾納普)發展了邏輯實證主義學說，認為所有的知識都可以用最終與（對應于傳感器輸入的）觀察語句相聯系的邏輯理論來刻畫。科學哲學的任務之一是構造“形式的人工語言”以及系統理論，以便于我們更好地進行科學概念和科學陳述的重新構造。這種語言和自然語言不同，它不是世襲的，而是按照我們制定的規則構造出來的。結論：知識來源于實踐知識從哪里來？知識是如何導致行動的？Aristotle:行動是通過目標與關于行動結果的知識之間的邏輯聯系來判定的。他進一步指出，要深思的不是結局而是手段，假設了結局并考慮如何以及通過什么手段得到結局，結局是否容易是否最好，手段在分析順序中是最后一個，在生成順序中是第一個這實際上就是回歸規劃系統，2300年后，1972年Newell&Simon研制了第一個能夠擬人類問題解決的計算機程序——GPS程序（GeneralProblemSolverprogram）當多個行動可以達到目標時或根本無法到達目標時，如何行事？結論：知識用于指導行動去達到目的知識是如何導致行動的？

哲學家們標志出了AI的大部分思想，但實現成為一門規范科學的飛躍就要求在三個基礎領域完成一定程度的數學形式化：邏輯、計算和概率。

哲學家們標志出了AI的大部分思想，但實現成為一門規范數學什么是抽取合理結論的形式化規則？Boole邏輯（接近命題邏輯）Frege擴展了Boole邏輯，使其包含對象和關系，創建了一階邏輯（當今最基本的知識表示系統）結論：形式化規則=命題邏輯和一階謂詞邏輯數學什么是抽取合理結論的形式化規則？概率概率起源于對賭博問題可能結果的描述，成為所有需要定量的科學的無價之寶，幫助對付不確定的測量和不完備的理論。（Cardano，16世紀）Bayes提出了根據新證據更新概率的法則（18世紀）Bayes分析形成了大多數AI系統中不確定推理的現代方法的基礎結論：使用貝葉斯理論進行不確定推理第一講(人工智能導論)課件什么可以計算？可以被計算，就要找到一個算法算法本身的研究在19世紀晚期，把一般的數學推理形式化為邏輯演繹的努力1900年，DavidHilbert(希爾伯特)著名的“23個問題”的最后一個問題是：是否存在一個算法可以判定任何涉及自然數的邏輯命題的真實性。/有效證明過程的能力是否有基礎的局限性這一問題被KurtGodel(哥德爾)證明了，確實存在真實的局限（不完備性定理，1931）什么可以計算？1930年，哥德爾提出，存在一個有效過程可以證明羅素和弗雷格的一階邏輯中的任何真值語句，但是一階邏輯不能捕捉到刻畫自然數所需要的數學歸納法原則。1931年，哥德爾證明了不完備性定理，在任何表達能力足以描述自然數的語言中，在不能通過任何算法建立它們的真值意義下，存在不可判定的真值語句。不完備性定理還可以表述為，整數的某些函數無法用算法表示，即不可計算。1930年，哥德爾提出，存在一個有效過程可以證明羅素和弗雷格Turning試圖精確地刻畫哪些函數是能夠被計算的但，計算或有效過程的概念是無法給出形式化定義的。圖靈說明了一些函數沒有對應的圖靈機，沒有通用的圖靈機可以判定一個給定的程序，對于給定的輸入能否返回答案或者永遠運行下去。在不可計算性以外，不可操作性具有更重要的影響，如果解決一個問題需要的計算時間隨著實例規模成指數級增長，則該問題被稱為不可操作的Turning試圖精確地刻畫哪些函數是能夠被計算的但，計算或以StevenCook和RichardCarp為代表的NP-完全理論為認識不可操作問題提供一種方法。Cook和Carp證明了大量各種類別的規范的組合搜索和推理問題屬于NP-完全問題。但任何NP-完全問題類可歸約而成的問題類很可能是不可操作的結論：有了可計算性可算法復雜性的理論的指導以StevenCook和RichardCarp為代表的N神經科學：大腦是如何處理信息的？在1943年沃侖·麥卡洛克（WarrencMcCulloch）和沃爾特·皮茲（WalterPitts）的工作是這方面最早的嘗試之一。他們表明，在原則上由非常簡單的單元連接在一起組成的“網絡”可以對任何邏輯和算術函數進行計算。因為網絡的單元有些像大大簡化的神經元，它現在常被稱作“神經網絡”。

神經科學：大腦是如何處理信息的？在1943年沃侖·麥卡洛克（神經科學是研究神經系統特別是大腦的科學雖然幾千年來人們一直贊同大腦以某種方式和思維相聯系，因為證據表明頭部受到重擊會導致精神缺陷，但是直到18世紀中期人們才廣泛地承認大腦是意識的居所。1861年法國神經解剖家布魯卡，對八名有語言障礙：能聽懂而不能說的病人，進行研究時發現，由于大腦左側額區的后部，一些組織受損所致。對這個區域命名為布魯卡語言區。1874年奧地利醫生威爾尼克發現，與布魯卡稍有區別的顳葉部分能控制、理解與記憶，因而命名此區域為威爾尼克語言區。神經科學是研究神經系統特別是大腦的科學英國《自然》雜志刊登：中國人民解放軍306醫院“認知科學與學習”實驗腦功能成像中心，與香港大學合作試驗發現，使用華語和應用英語，人腦所司的語言區不同。講華語因為是詞根式語言，結構靈活，要多理解、多記憶，活動量大，所以，應用威爾尼克運動區。而說英語由于依靠語言的形態變化，須要多聽、多說因此，使用布魯卡的聽力區。英國《自然》雜志刊登：中國人民解放軍306醫院“認知科學與學1990年核磁共振成像為神經科學家提供了關于大腦活動的細致圖像，使得以某種方式與正在進行的認知過程相符合的測量成了可能。真正令人震驚的結論是，簡單細胞的集合能夠導致思維、行動和意識，即使大腦產生意識大腦活動過程對計算機工作過程有所啟發1990年核磁共振成像為神經科學家提供了關于大腦活動的細致圖心理學：人類和動物是如何思考的？機器的思考歸根結底還是模仿人類的思維模式，正是“思考”這一人類的本質屬性，使得人工智能和心理學從最初就緊密地聯系在一起。JohnWatson領導的行為主義認為，內省不能提供可靠的證據，拒絕任何涉及精神過程的理論，只研究動物的感知及其反應認知心理學的主要特征是，把大腦當做信息處理裝置，FredericBartlett領導的劍橋大學應用心理小組使得認知模型得以繁榮心理學家普遍認為，認知理論就應該像計算機程序結論：人類思考和活動應該是一個信息處理過程心理學：人類和動物是如何思考的？機器的思考歸根結底還是模仿人計算機工程：如何制造能干的計算機？AI需要智能和人工制品，即計算機。AI對主流計算機科學的影響分時技術交互式翻譯器使用窗口和鼠標的個人計算機面向對象的編程…計算機工程：如何制造能干的計算機？AI需要智能和人工制品，即語言學：語言和思維是怎樣聯系起來的？現代語言學的誕生：Chomsky（喬姆斯基）理論1957年《句法結構》出版，顛覆了行為主義，認為兒童怎么能理解和構造他們以前沒有聽到過的句子，而喬姆斯基關于語法模型的理論則能解釋這個現象，并且足夠形式化知識表示的許多早期工作和語言緊密聯系語言學：語言和思維是怎樣聯系起來的？現代語言學的誕生：Cho為什么AI有必要成為一個單獨的領域？和控制論、運籌學、決策理論的目標類似為什么不是數學的一個分支？AI從一開始就承載著復制人的才能的思想方法論的不同AI屬于計算機科學的分支AI試圖建造在復雜和變化的環境中自動發揮功能的機器為什么AI有必要成為一個單獨的領域？和控制論、運籌學、決策理人工智能的發展人工智能的萌芽（1956年以前）人工智能的誕生（1956-1961年）人工智能的發展（1961年后）/wiki/History_of_artificial_intelligence人工智能的發展人工智能的萌芽階段亞里斯多德(Aristotle384-322BC)，主要貢獻為邏輯(logic)及形而上學(metaphysics)兩方面的思想。亞氏在邏輯主要成就包括主謂命題(statementinsubject-predicateform)及關于此類命題的邏輯推理方法，特別是三段論證(syllogism)。所謂“命題”就是真(true)或假(false)的句子，例如“蘇格拉底是人”，這是真的命題；至于問句“我的書在那里？”就不是命題了，它并沒有真假的意義可言。

人工智能的萌芽階段亞里斯多德(Aristotle384-3亞里斯多德與邏輯、推理邏輯只討論命題，因它有真假可言。亞氏認為命題基本是由主詞(subject)與謂詞(predicate)構成的，主詞是命題所描述的事物或主題，謂詞則是描述主詞的詞語。亞氏跟著提出四種比較復雜的主謂命題，它們都具有以下結構：量詞─主詞─系詞─謂詞。這里我們以符號S及P分別表示主詞及謂詞。系詞有兩種：「是」或「不是」；量詞亦有兩種：「所有」(all)或「有」(some)。

亞里斯多德與邏輯、推理邏輯只討論命題，因它有真假可言。亞氏認亞里斯多德與邏輯、推理(A)所有S是P(或凡S是P)，例如「凡人是動物」；(B)凡S不是P，例如「凡貓不是狗」；(C)有S是P，例如「有花是白的」；(D)有S不是P，如有花不是白的。所謂「邏輯推論」，即指由前提推導出結論的正確(valid)的方法，在這種正確推論中，若前提為真，則結論亦必然為真。

亞里斯多德與邏輯、推理(A)所有S是P(或凡S是P)，亞里斯多德與邏輯、推理關于推論，亞氏特別討論三段論證，這是由兩個前提推出結論的方法。例如：(i)凡孔子的后代是人

(ii)凡人皆會死因此，凡孔子的后代會死。若寫成普遍的形式，則是：(i)凡S是M;(ii)凡M是P，因此凡S是P。這里(i)及(ii)是兩個前提，若這兩個前提為真，則以上推出的結論(凡S是P)亦必然地真，因此這個三段論證是正確的。亞里斯多德與邏輯、推理關于推論，亞氏特別討論三段論證，這是由2.培根與歸納法培根（Bacon),英國哲學家和自然科學家。１５６１年培根出生在英國倫敦的一個貴族家庭，父親是女王的掌璽大臣，母親也是貴族出身。培根小時候身體很弱，經常生病，但他卻很愛學習，喜歡閱讀比他的年齡應讀的書更為高深的書籍，１３歲時便進入英國著名的劍橋大學讀書。培根只在劍橋住了３年。當時的劍橋受“經院哲學”的統治，不重視科學研究，而注重研究神學，用繁瑣的方法來證明宗教教條的正確。培根對此非常反感，于是便離開了那里。１６２０年，培根總結了他的哲學思想，出版了《新工具》一書。在書中他響亮地提出了“知識就是力量”的觀點。他指出，要想控制自然，利用自然，就必須掌握科學知識。他認為真正的哲學必須研究自然，研究科學。為此，他十分重視科學實驗，認為只有經過實驗才能獲得真正的知識。

2.培根與歸納法培根（Bacon),英國哲學家和自然科學家。培根的主要貢獻是系統地提出了歸納法，成為和亞里士多德的演繹法相輔相成的思維法則。這里所說的“歸納推理”是廣義的，指一切擴展性推理，它們的結論所斷定的超出了其前提所斷定的范圍，因而前提的真無法保證結論的真，整個推理因此缺乏必然性。人類智能的本質特征和最高表現是創造。在人類創造的過程中，具有必然性的演繹推理固然起重要作用，但更為重要的是具有某種不確定性的歸納、類比推理以及模糊推理等。因此，計算機要成功地模擬人的智能，真正體現出人的智能品質，就必須對各種具有不確定性的推理模式進行研究。

培根的主要貢獻是系統地提出了歸納法，成為和亞里士多德的演繹法3.Turing圖靈與人工智能艾倫·麥席森·圖靈（Turing，1912年6月23日-1954年6月7日），英國數學家，舉世公認的“人工智能之父”。3歲那年，他進行了在科學實驗方面的首次嘗試──把玩具木頭人的胳膊掰下來種植到花園里，想讓它們長成更多的木頭人。8歲時，圖靈嘗試著寫了一部科學著作，題名《關于一種顯微鏡》。3.Turing圖靈與人工智能艾倫·麥席森·圖靈（Turin提出圖靈機1937年，年僅24歲的1936年，年僅24歲的圖靈發表了著名的《論應用于決定問題的可計算數字》一文，作為闡明現代電腦原理的開山之作，被永遠載入了計算機的發展史冊。這篇論文原本是為了解決一個基礎性的數學問題：是否只要給人以足夠的時間演算，數學函數都能夠通過有限次機械步驟求得解答？傳統數學家當然只會想到用公式推導證明它是否成立，可是圖靈獨辟蹊徑地想出了一臺冥冥之中的機器。

提出圖靈機1937年，年僅24歲的1936年，年僅24歲的圖圖靈把人在計算時所做的工作分解成簡單的動作，與人的計算類似，機器需要：（1）存儲器，用于貯存計算結果；（2）一種語言，表示運算和數字；(3)掃描；（4）計算意向，即在計算過程中下一步打算做什么；（5）執行下一步計算。具體到一步計算，則分成：（1）改變數字的符號；（2）掃描區改變，如往左進位和往右添位等；（3）改變計算意向等。圖靈還采用了二進位制。這樣，他就把人的工作機械化了。這種理想中的機器被稱為"圖靈機"。圖靈機是一種抽象計算模型，用來精確定義可計算函數。圖靈把人在計算時所做的工作分解成簡單的動作，與人的計算類似，圖靈機被公認為現代計算機的原型，這臺機器可以讀入一系列的0和1，這些數字代表了解決某一問題所需要的步驟，按這個步驟走下去，就可以解決某一特定的問題。在圖靈看來，這臺機器只用保留一些最簡單的指令，一個復雜的工作只用把它分解為這幾個最簡單的操作就可以實現了，在當時他能夠具有這樣的思想確實是很了不起的。他相信有一個算法可以解決大部分問題，而困難的部分則是如何確定最簡單的指令集，怎么樣的指令集才是最少的，而且又能頂用，還有一個難點是如何將復雜問題分解為這些指令的問題。圖靈機被公認為現代計算機的原型，這臺機器可以讀入一系列的0和破譯恩尼格瑪密碼機第二次世界大戰期間，圖林應征入伍，在戰時英國情報中心“布雷契萊莊園”（Bletchiy）從事破譯德軍密碼的工作，與戰友們一起制作了第一臺密碼破譯機。在圖林理論指導下，這個“莊園”后來還研制出破譯密碼的專用電子管計算機“巨人”（Colossus），在盟軍諾曼底登陸等戰役中立下了豐功偉績，當時他才27歲。

破譯恩尼格瑪密碼機第二次世界大戰期間，圖林應征入伍，在戰時英1945年，脫下軍裝的圖林，帶著大英帝國授予的最高榮譽勛章，被錄用為泰丁頓國家物理研究所高級研究員。由于有了布雷契萊的實踐，他提交了一份“自動計算機”的設計方案，領導一批優秀的電子工程師，著手制造一種名叫ACE的電腦。1950年，ACE電腦樣機公開表演，被認為是當時世界上最快最強有力的電子計算機之一。

1945年，脫下軍裝的圖林，帶著大英帝國授予的最高榮譽勛章，Canamachinethink？1950年，圖靈來到曼徹斯特大學任教，并被指定為該大學自動計算機項目的負責人。就在這年10月，他的又一篇劃時代論文《計算機與智能》發表。這篇文章后來被改名為《機器能思維嗎？》.它引來的驚雷，今天還在震撼著電腦的世紀。在“第一代電腦”占統治地位的時期，這篇論文甚至可以作為“第五代電腦”和“第六代電腦”的宣言書。

圖靈寫道：你無法制造一臺替你思考的機器，這是人們一般會毫無疑義接受下來的老生長談。我的論點是：與人腦的活動方式極為相似的機器是可以制造出來的。更有趣的是，圖靈還設計了一個“圖林試驗”，試圖通過讓機器模仿人回答某些問題，判斷它是否具備智能。

Canamachinethink？1950年，圖靈來到圖靈試驗

圖靈指出：“如果機器在某些現實的條件下，能夠非常好地模仿人回答問題，以至提問者在相當長時間里誤認它不是機器，那么機器就可以被認為是能夠思維的。”圖靈試驗圖靈指出：“如果機器在某些現實的條件下，能夠圖靈測試對計算機的要求自然語言處理知識表示自動推理機器學習從表面上看，要使機器回答按一定范圍提出的問題似乎沒有什么困難，可以通過編制特殊的程序來實現。然而，如果提問者并不遵循常規標準，編制回答的程序是極其困難的事情。圖靈測試對計算機的要求自然語言處理圖靈試驗問：你會下國際象棋嗎？答：是的。問：你會下國際象棋嗎？答：是的。問：請再次回答，你會下國際象棋嗎？答：是的。你多半會想到，面前的這位是一部笨機器。

圖靈試驗問：你會下國際象棋嗎？圖靈試驗問：你會下國際象棋嗎？答：是的。問：你會下國際象棋嗎？答：是的，我不是已經說過了嗎？問：請再次回答，你會下國際象棋嗎？答：你煩不煩，干嘛老提同樣的問題。

圖靈試驗問：你會下國際象棋嗎？圖靈試驗

上述兩種對話的區別在于，第一種可明顯地感到回答者是從知識庫里提取簡單的答案，第二種則具有分析綜合的能力，回答者知道觀察者在反復提出同樣的問題。“圖靈試驗”沒有規定問題的范圍和提問的標準，如果想要制造出能通過試驗的機器，以我們現在的技術水平，必須在電腦中儲存人類所有可以想到的問題，儲存對這些問題的所有合乎常理的回答，并且還需要理智地作出選擇。

圖靈試驗上述兩種對話的區別在于，第一種可圖靈預言

圖靈曾預言，隨著電腦科學和機器智能的發展，本世紀末將會出現這樣的機器。在這點上，圖靈也過于樂觀。但是，“圖靈試驗”大膽地提出“機器思維”的概念，為人工智能確定了奮斗的目標，并指明了前進的方向。遺憾的是，1954年6月8，圖靈英年早逝！

直到現在，計算機界仍有個一年一度“圖靈獎”，由美國計算機學會（ACM）頒發給世界上最優秀的電腦科學家，像科學界的諾貝爾獎金那樣，是電腦領域的最高榮譽。

圖靈預言圖靈曾預言，隨著電腦科學和機器智能ENIAC

賓夕法尼亞大學莫奇利Mauchly和埃克特Eckert等研制成功ENIAC電子數字計算機，為人工智能研究奠定物質基礎。缺點：（1）沒有存儲器；（2）它用布線接板進行控制，甚至要搭接幾天，計算速度也就被這一工作抵消了．埃克特（右）和莫克利（左）ENIAC賓夕法尼亞大學莫奇利Mauchly和埃克

VonNeumann提出馮?諾依曼計算機模型。熟悉計算機發展歷史的人大都知道，美國科學家馮·諾依曼被譽為“計算機之父”，他是本世紀最偉大的發明家之一。馮·諾依曼

VonNeumann提出馮?諾依曼計算機模型。馮·數學史界卻同樣堅持認為，馮·諾依曼是本世紀最偉大的數學家之一，他在遍歷理論、拓撲群理論等方面作出了開創性的工作，算子代數甚至被命名為“馮·諾依曼代數”。物理學家說，馮·諾依曼在30年代撰寫的《量子力學的數學基礎》已經被證明對原子物理學的發展有極其重要的價值，經濟學家則反復強調，馮·諾依曼建立的經濟增長橫型體系，特別是40年代出版的著作《博弈論和經濟行為》，使他在經濟學和決策科學領域豎起了一塊豐碑。第一講(人工智能導論)課件1931年匈牙利首都布達佩斯，一位猶太銀行家在報紙上刊登啟事，要為他11歲的孩子招聘家庭教師，聘金超過常規10倍。布達佩斯人才濟濟，可一個多月過去，居然沒有一人前往應聘。因為這個城市里，誰都聽說過，銀行家的長子馮·諾依曼聰慧過人，3歲就能背誦父親帳本上的所有數字，6歲能夠心算8位數除8位數的復雜算術題，8歲學會了微積分，其非凡的學習能力，使那些曾經教過他的教師驚詫不已。父親無可奈何，只好把馮·諾依曼送進一所正規學校就讀。不到一個學期，他班上的數學老師走進家門，告訴銀行家自己的數學水平已遠不能滿足馮·諾依曼的需要。“假如不給創造這孩子深造的機會，將會耽誤他的前途，”老師認真地說道，“我可以將他推薦給一位數學教授，您看如何？”銀行家一聽大喜過望，于是馮·諾依曼一面在學校跟班讀書，一面由布達佩斯大學教授為他“開小灶”。1931年匈牙利首都布達佩斯，一位猶太銀行家在報紙上刊登啟事

然而，這種狀況也沒能維持幾年，勤奮好學的中學生很快又超過了大學教授，他居然把學習的觸角伸進了當時最新數學分支——集合論和泛函分析，同時還閱讀了大量歷史和文學方面的書籍，并且學會了七種外語。畢業前夕，馮·諾依曼與數學教授聯名發表了他第一篇數學論文，那一年，他還不到17歲。然而，這種狀況也沒能維持幾年，勤

考大學前夕，匈牙利政局出現動蕩，馮·諾依曼便浪跡歐洲各地，在柏林和瑞士一些著名的大學聽課。22歲時，他獲瑞士蘇黎士聯邦工業大學化學工程師文憑。一年之后，輕而易舉摘取布達佩斯大學數學博士學位。在柏林當了幾年無薪講師后，他轉而攻向物理學，為量子力學研究數學模型，又使自己在理論物理學領域占據了突出的地位。風華正茂的馮·諾依曼，靠著頑強的學習毅力，在科學殿堂里“橫掃千軍如卷席”，成為橫跨“數、理、化”各門學科的超級全才。考大學前夕，匈牙利政局出現動蕩，馮

1928年，美國數學泰斗、普林斯頓高級研究院維伯倫教授（O.Veblen）廣羅天下之英才，一封燙金的大紅聘書，寄給了柏林大學這位無薪講師，請他去美國講授“量子力學理論課”。馮·諾依曼預料到未來科學的發展中心即將西移，欣然同意赴美國任教。1930年，27歲的馮·諾依曼被提升為教授；1933年，他又與愛因斯坦一起，被聘為普林斯頓高等研究院第一批終身教授，而且是6名大師中最年輕的一名。1928年，美國數學泰斗、普林斯頓高級1944年仲夏的一個傍晚，戈德斯坦來到阿貝丁車站，等候去費城的火車，突然看見前面不遠處，有個熟悉的身影向他走過來。來者正是聞名世界的大數學家馮·諾依曼。天賜良機，戈德斯坦感到絕不能放過這次偶然的邂逅，他把早已埋藏在心中的幾個數學難題，一古腦兒倒出來，向數學大師討教。數學家和藹可親，沒有一點架子，耐心地為戈德斯坦排憂解難。聽著聽著，馮·諾依曼不覺流露出吃驚的神色，敏銳地從數學問題里，感到眼前這位青年身邊正發生著什么不尋常的事情。他開始反過來向戈德斯坦發問，直問得年輕人“好像又經歷了一次博士論文答辯”。最后，戈德斯坦毫不隱瞞地告訴他莫爾學院的電子計算機課題和目前的研究進展。

1944年仲夏的一個傍晚，戈德斯坦來到阿貝丁車站，等候去費城馮·諾依曼由ENIAC機研制組的戈爾德斯廷中尉介紹參加ENIAC機研制小組后，便帶領這批富有創新精神的年輕科技人員，向著更高的目標進軍．1945年，他們在共同討論的基礎上，發表了一個全新的“存儲程序通用電子計算機方案”——EDVAC（ElectronicDiscreteVariableAutomaticCompUter的縮寫）．在這過程中，馮·諾依曼顯示出他雄厚的數理基礎知識，充分發揮了他的顧問作用及探索問題和綜合分析的能力．

馮·諾依曼由ENIAC機研制組的戈爾德斯廷中尉介紹參加ENIEDVAC方案明確奠定了新機器由五個部分組成，包括：運算器、邏輯控制裝置、存儲器、輸入和輸出設備，并描述了這五部分的職能和相互關系．EDVAC機還有兩個非常重大的改進，即：（1）采用了二進制，不但數據采用二進制，指令也采用二進制；（2）建立了存儲程序，指令和數據便可一起放在存儲器里，并作同樣處理．簡化了計算機的結構，大大提高了計算機的速度．

1946年7，8月間，馮·諾依曼和戈爾德斯廷、勃克斯在EDVAC方案的基礎上，為普林斯頓大學高級研究所研制IAS計算機時，又提出了一個更加完善的設計報告《電子計算機邏輯設計初探》．以上兩份既有理論又有具體設計的文件，首次在全世界掀起了一股“計算機熱”，它們的綜合設計思想，便是著名的“馮·諾依曼機”，其中心就是有存儲程序。EDVAC方案明確奠定了新機器由五個部分組成，包括：運算器、他是美國國家科學院、秘魯國立自然科學院和意大利國立林且學院等院的院士。1954年他任美國原子能委員會委員；1951年至1953年任美國數學會主席。1954年夏，馮·諾依曼被使現患有癌癥，1957年2月8日，在華盛頓去世，終年54歲。他是美國國家科學院、秘魯國立自然科學院和意大利國立林且學院等人工神經網絡

McCulloch和Pitts建立神經網絡數學模型，通過模擬人腦實現智能，開創人工神經網絡研究。人工神經網絡McCulloch和Pitts建立神

wij——代表神經元i與神經元j之間的連接強度(模擬生物神經元之間突觸連接強度)，稱之為連接權；

ui——代表神經元i的活躍值，即神經元狀態；

vj——代表神經元j的輸出，即是神經元i的一個輸入；

θi——代表神經元i的閾值。函數f表達了神經元的輸入輸出特性。在MP模型中，f定義為階躍函數：

wij——代表神經元i與神經元j之間的連接強度(模擬生物細胞體（細胞膜、質、核），對輸入信號進行處理，相當于CPU。本體向外伸出的分支，多根，長1mm左右，本體的輸入端。本體向外伸出的最長的分支，即神經纖維，一根，長1cm—1m左右，通過軸突上的神經末梢將信號傳給其它神經元，相當于本體的輸出端。各神經元間軸突和樹突的接口，即神經末梢與樹突相接觸的交界面，每個細胞體大約有103—104個突觸，有興奮型和抑制型兩種。細胞體（細胞膜、質、核），對輸入信號進行處理，相當于CPU。Wiener創立控制論Shannon創立信息論英國數學家、邏輯學家Boole實現了布萊尼茨的思維符號化和數學化的思想，提出了一種嶄新的代數系統——布爾代數。布爾利用代數語言使邏輯推理更簡潔清晰，從而建立起一種所謂邏輯科學，其方法不但使數學家耳目一新，也使哲學家大為嘆服。他為邏輯代數化作出了決定性的貢獻，他所建立的理論隨著電子計算機的問世而得到迅速發展。第一講(人工智能導論)課件人工智能的誕生導因人們對數據世界的需求發展到對知識世界的需求而產生的。現實世界中相當多的問題求解是復雜的，常無算法可循，即使有計算方法，也是NP(Non-deterministic

Polynomial，即多項式復雜程度的非確定性問題)問題。人們為了尋求試探性的搜索，啟發式的不精確的模糊的甚至允許出現錯誤的推理方法，以便符合人類的思維過程。比如采用啟發式知識進行問題求解，把復雜的問題大大簡化，可在浩瀚的搜索空間中迅速找到解答。運用專門領域的經驗知識，經常會取得有關問題的滿意解，而非數學上的最優解。人工智能的誕生導因圖靈開創了計算機科學的重要分支──人工智能，雖然他當時并沒有明確使用這個術語。把“圖靈獎”獲獎者作一統計后就會發現，許多電腦科學家恰好是在人工智能領域作出的杰出貢獻。例如，1969年“圖靈獎”獲得者是哈佛大學的明斯基（M.Minsky）；1971年“圖靈獎”獲得者是達特莫斯大學的麥卡錫（J.McCarthy）；1975年“圖靈獎”則由卡內基—梅隆大學的紐厄爾（A.Newell）和赫伯特·西蒙（H.Simon）共同獲得。正是這些人，把圖林開創的事業演繹為意義深遠的“達特莫斯會議”。

圖靈開創了計算機科學的重要分支──人工智能，雖然他當時并沒有達特莫斯會議

1956年夏天，美國達特莫斯大學召開了一次影響深遠的歷史性會議。主要發起人是該校青年助教麥卡錫(71,圖靈獎)，此外會議發起者還有哈佛大學明斯基(69,圖靈獎)、貝爾實驗室香農（E.Shannon）和IBM公司信息研究中心羅徹斯特（N.Lochester），他們邀請了卡內基—梅隆大學紐厄爾和赫伯特·西蒙(75,圖靈獎)、麻省理工學院塞夫里奇（O.Selfridge）和索羅門夫R.Solomamff），以及IBM公司塞繆爾（A.Samuel，跳棋機，56）和莫（T.More）。

達特莫斯會議1956年夏天，美國達特莫斯大學達特莫斯會議

這些青年學者的研究專業包括數學、心理學、神經生理學、信息論和電腦科學，分別從不同的角度共同探討人工智能的可能性。達特莫斯會議歷時長達兩個多月，學者們在充分討論的基礎上，首次提出了“人工智能”（ArtificialIntelligence）這一術語，標志著人工智能（AI）作為一門新興學科正式誕生。達特莫斯會議這些青年學者的研究專業包括數學、心理看過以上所述，我們不僅要問：什么是智能？智能的本質是什么？什么又是人工智能？這些問題雖然至今沒有完全解決，但我們對它的特點已有所了解，比如智能有感知能力﹑記憶與思維能力﹑學習及自適應能力和行為能力的特點，人工智能就是使機器能做需要人類智能才能完成的工作。科學是不斷發展的，也許在不遠的將來我們的同學會揭開這個謎。看過以上所述，我們不僅要問：什么是智能？智能的本質是什么？什生物智能

對低級動物來講，它的生存、繁衍是一種智能。為了生存，它必須表現出某種適當的行為，如覓食、避免危險、占領一定的地域、吸引異性以及生育和照料后代。因此，從個體的角度看，生物智能是動物為達到某種目標而產生正確行為的生理機制。自然界智能水平最高的生物就是人類自身，不但具有很強的生存能力，而且具有感受復雜環境、識別物體、表達和獲取知識以及進行復雜的思維推理和判斷的能力。生物智能對低級動物來講，它的生存、繁衍是一種智人類智能

人類個體的智能是一種綜合性能力。具體地講，可包括：1）感知與認識事物、客觀世界與自我的能力；2）通過學習取得經驗、積累知識的能力；3）理解知識、運用知識和運用經驗分析問題和解決問題的能力；4）聯想、推理、判斷、決策的能力；5）運用語言進行抽象、概括的能力；6）發現、發明、創造、創新的能力；7）實時地、迅速地、合理地應付復雜環境的能力；8）預測、洞察事物發展變化的能力；人類智能人類個體的智能是一種綜合性能力。具體地講，可包人工智能的特點與分支特點：具備推理、學習和聯想人工智能從一開始就形成了其中兩種重要的研究范式，即符號主義和連接主義。符號主義采用知識表達和邏輯符號系統來模擬人類的智能，連接主義則從大腦和神經系統的生理背景出發來模擬它們的工作機理和學習方式。符號主義是傳統的人工智能相對于神經網絡研究而言的統稱。連接主義主要是指從生物、人類神經網絡的結構、信息傳輸、網絡設計（學習）的角度分析、模擬智能的形成與發展的研究。符號主義試圖對智能進行宏現研究，而連接主義則是一種微觀意義上的探索。人工智能的特點與分支特點：具備推理、學習和聯想人工智能的目標人工智能科學想要解決的問題，是讓電腦也具有人類那種聽、說、讀、寫、思考、學習、適應環境變化、解決各種實際問題等等能力。換言之，人工智能是電腦科學的一個重要分支，它的近期目標是讓電腦更聰明、更有用，它的遠期目標是使電腦變成“像人一樣具有智能的機器”。人工智能的目標人工智能科學想要解決的問題，是讓電腦也具有人類

從50年代以來。人工智能經過發展，形成了許多學派。不同學派的研究方法、學術觀點、研究重點有所不同。

符號主義是以知識的符號表達為基礎，通過推理進行問題求解；連接主義以人工神經網絡為代表；行為主義主張從行為方面模擬、延伸、擴展人的智能，認為“智能”可以不需要“知識”。人工智能的主要學派從50年代以來。人工智能經過發展，形成了許多符號學派

認為人工智能源于數理邏輯。數理邏輯從19世紀末起就獲迅速發展；到20世紀30年代開始用于描述智能行為。計算機出現后，又在計算機上實現了邏輯演繹系統正是這些符號主義者，后來又發展了啟發式算法→專家系統→知識工程理論與技術，并在80年代取得很大發展。符號主義曾長期一枝獨秀，為人工智能的發展作出重要貢獻，這個學派的代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson)。符號學派認為人工智能源于數理邏輯。數理邏輯從19連接學派認為人工智能源于仿生學，研究非程序的、適應性的、大腦風格的信息處理的本質和能力。其研究重點側重于模擬和實現人的認識過程中的感知過程、形象思維、分布式記憶和自學習自組織的過程。其研究重點側重于模擬和實現人的認識過程中的感知過程、形象思維、分布式記憶和自學習自組織的過程。連接學派認為人工智能源于仿生學，研究非程序的、適應性的、大腦行為學派AI的研究大部分是建立在一些經過抽象的、過分簡單的現實世界模型之上的，Brooks認為應走出這種抽象模型的象牙塔，而以復雜的現實世界為背景。

Brooks提出了無需知識表示的智能，無需推理的智能。他認為智能只是在與環境的交互作用中表現出來，其基本觀點：行為學派AI的研究大部分是建立在一些經過抽象的、行為學派⑴到現場去；⑵物理實現；⑶初級智能；⑷行為產生智能。

以這些觀點為基礎，Brooks研制了一種機器蟲，用一些相對獨立的功能單元，分別實現避讓、前進、平衡等功能，組成分層異步分布式網絡，取得了一定程度的成功，特別對機器人的研究開創了一種新的方法。行為學派⑴到現場去；以這些觀點為基礎，Brooks人工智能的發展(1961年之后)機器證明專家系統第五代計算機模式識別人腦復制人腦與電腦連接蘋果人工智能的發展(1961年之后)機器證明機器證明1956年AI研究另外一個重大的突破，是赫伯特·西蒙等人合作編制的《邏輯理論機》,即數學定理證明程序，從而使機器邁出了邏輯推理的第一步。在卡內基—梅隆大學的計算機實驗室，西蒙從分析人類解答數學題的技巧入手，讓一些人對各種數學題作周密的思考，要求他們不僅寫出求解的答案，而且說出自己推理的方法和步驟。機器證明1956年AI研究另外一個重大的突破，是赫伯特·西經過反復的實驗，紐厄爾和赫伯特·西蒙進一步認識到，人類證明數學定理也有類似的思維規律，通過“分解”（把一個復雜問題分解為幾個簡單的子問題）和“代入”（利用已知常量代入未知的變量）等方法，用已知的定理、公理或解題規則進行試探性推理，直到所有的子問題最終都變成已知的定理或公理，從而解決整個問題。人類求證數學定理也是一種啟發式搜索，與電腦下棋的原理異曲同工。經過反復的實驗，紐厄爾和赫伯特·西蒙進一步認識到，人類證明數在實驗結果的啟發下，紐厄爾和赫伯特·西蒙便利用這個LT程序向數學定理發起了激動人心的沖擊。電腦果然不孚眾望，它一舉證明了數學家羅素的數學名著《數學原理》第二章中的38個定理。1963年，經過改進的LT程序在一部更大的電腦上，最終完成了第二章全部52條數學定理的證明。

在實驗結果的啟發下，紐厄爾和赫伯特·西蒙便利用這個LT程序向美籍華人學者、洛克菲勒大學教授王浩在“自動定理證明”上獲得了更大的成就。1959年，王浩用他首創的“王氏算法”，在一臺速度不高的IBM704電腦上再次向《數學原理》發起挑戰。不到9分鐘，王浩的機器把這本數學史上視為里程碑的著作中全部（350條以上）的定理，統統證明了一遍。

美籍華人學者、洛克菲勒大學教授王浩在“自動定理證明”上獲得了機器證明

人工智能定理證明研究最有說服力的例子，是機器證明了困擾數學界長達100余年之久的難題──“四色定理”。據說，“四色問題”最早是1852年由一位21歲的大學生提出來的數學難題：任何地圖都可以用最多四種顏色著色，就能區分任何兩相鄰的國家或區域。這個看似簡單的問題，就象“哥德巴赫猜想”一樣，屬于世界上最著名的數學難題之一。機器證明人工智能定理證明研究最有說服力的例子，機器證明

1976年6月，美國伊利諾斯大學的兩位數學家沃爾夫岡·哈肯（W.Haken）和肯尼斯·阿佩爾（K.Apple）宣布，他們成功地證明了這一定理，使用的方法就是機器證明。人工智能先驅們認真地研究下棋，研究機器定理證明，但效果仍不盡如人意。問題的癥結在于，雖然機器能夠解決一些大規模數字處理、嚴格的邏輯推理以及下棋等某些類型的問題。這些事情大多數人都沒有它們完成得那么快、那么好。但是，面對常人能快速、不費氣力就能完成的任務，如觀察物體并理解其意義，即便是最現代的計算機也顯得無能為力。

機器證明1976年6月，美國伊利諾斯大學的兩位現實的困難早期的程序很少包含或不包含關于它們的主題信息AI試圖解決的許多問題不可操作在計算復雜性理論發展起來之前，廣泛認為由“微問題”到“大問題”只是需要更快的硬件和更大容量的內存。但，程序原則上能找到解并不意味著它包含在實踐中找到它的機制。用于產生智能行為的基本結構有著一些基本的限制例子:Atwo-inputperceptroncouldn’tbetrainedtorecognizewhenitstwoinputsweredifferent.現實的困難早期的程序很少包含或不包含關于它們的主題信息

1960年代末，由于許多世界一流的人工智能學者過高地估計了智能電腦的能力，而現實卻一再無情地打破了他們樂觀的夢想，以致遭到越來越多的嘲笑和反對。AI研究曾一度墮入低谷，出現了所謂“黑暗時期”。

人工智能的復興

1977年，曾是赫伯特·西蒙的研究生、斯坦福大學青年學者費根鮑姆（E.Feigenbaum），在第五屆國際人工智能大會上提出了“知識工程”的概念，標志著AI研究從傳統的以推理為中心，進入到以知識為中心的新階段。人工智能重新獲得人們的普遍重視，逐步跨進了復興期。人工智能的復興專家系統

費根鮑姆他具體介紹了他們開發的第一個“專家系統”，并提出“知識庫”、“知識表達”和“知識工程”等一系列全新的概念。一個人要成為專家，至少必須掌握某一學科淵博的知識，具有豐富的實踐經驗，能解決一般人不能夠解決的疑難問題。專家的數量和質量標志著一個國家、一個時代的科學水平。專家系統專家系統

費根鮑姆構建的“專家系統”，就是要在機器智能與人類智慧集大成者──專家的知識經驗之間建造橋梁。他解釋說：專家系統“是一個已被賦予知識和才能的計算機程序，從而使這種程序所起到的作用達到專家的水平”專家系統知識

人類專家的知識通常包括兩大類。一類是書本知識，它可能是專家在學校讀書求學時所獲，也可能是專家從雜志、書籍里自學而來；然而，僅僅掌握了書本知識的學者還不配稱為專家，專家最為寶貴的知識是他憑借多年的實踐積累的經驗知識，這是他頭腦中最具魅力的知識瑰寶。在AI研究里，這類知識稱之為“啟發式知識”。知識人類專家的知識通常包括兩大類。一類是書本專家系統

專家本人不一定了解電腦程序，構建專家系統還必須有所謂“知識工程師”參與，幫助領域專家從頭腦中挖掘啟發式知識，并設計知識庫和知識推理程序。因此，專家系統又被稱為知識工程，這兩種不同的稱謂在英國和日本涇渭分明：英國學界崇尚科學，成為專家是人們追逐的境界；而日本學界推崇技術，工程師是人們向往的職業，于是，才有了“專家系統”與“知識工程”兩種同義的名稱。專家系統專家本人不一定了解電腦程序，構建專家系統第一講(人工智能導論)課件第一講(人工智能導論)課件動物識別系統附：規則（知識）

r1：if該動物有毛發then該動物是哺乳動物

r2：if該動物有奶then該動物是哺乳動物

r3：if該動物有羽毛then該動物是鳥

r4：if該動物會飛and會下蛋then該動物是鳥

r5：if該動物吃肉then該動物是食肉動物

r6：if該動物有犬齒and有爪and眼盯前方

then該動物是食肉動物

r7：if該動物是哺乳動物and有蹄

then該動物是有蹄類動物

r8：if該動物是哺乳動物and是嚼反芻類動物

then該動物是有蹄類動物動物識別系統附：規則（知識）

r9：if該動物是哺乳動物and是食肉類動物

and是黃褐色

and身上有暗斑點

then該動物是金錢豹

r10：if該動物是哺乳動物and是食肉類動物

and是黃褐色

and身上有黑色條紋

then該動物是虎

r11：if該動物是有蹄類動物and有長脖子

and有長腿

and身上有暗斑點

then該動物是長頸鹿

r12：if該動物是有蹄類動物and身上有黑色條紋

then該動物是斑馬r9：if該動物是哺乳動物

r13：if該動物是鳥and有長脖子

and有長腿

and不會飛

then該動物是鴕鳥

r14：if該動物是鳥and會游泳

and不會飛

and有黑白兩色

then該動物是企鵝

r15：if該動物是鳥and善飛

then該動物是信天翁r13：if該動物是鳥專家系統實例之一

1965年，在斯坦福大學化學專家的配合下，費根鮑姆研制的第一個專家系統DENDRAL是化學領域的“專家”。在輸入化學分子式和質譜圖等信息后，它能通過分析推理決定有機化合物的分子結構，其分析能力已經接近、甚至超過了有關化學專家的水平。該專家系統為AI的發展樹立了典范，其意義遠遠超出了系統本身在實用上創造的價值。

專家系統實例之一1965年，在斯坦福大學化學專家系統實例之一

專家系統最成功的實例之一，是1976年美國斯坦福大學肖特列夫（Shortliff）開發的醫學專家系統MYCIN，這個系統后來被知識工程師視為“專家系統的設計規范”。在MYCIN的知識庫里，大約存放著450條判別規則和1000條關于細菌感染方面的醫學知識。它一邊與用戶進行對話，一邊進行推理診斷。它的推理規則稱為“產生式規則”，類似于：“IF（打噴嚏）OR（鼻塞）OR（咳嗽），THEN（有感冒癥狀）”這種醫生診斷疾病的經驗總結，最后顯示出它“考慮”的可能性最高的病因，并以給出用藥的建議而結束。專家系統和知識工程成為符號主義人工智能發展的主流。專家系統實例之一專家系統最成功的實例之一，是1我國的研究應用從七十年代開始，在國家的支持下，做了一些專家系統的研究，其中醫醫療診斷系統最多。相對于美國很多探礦、化學等專家系統來說，我國的醫療診斷專家系統也是相當成功的，但是由于醫療風險等問題，投入實際使用的難度比較大。我國的研究應用從七十年代開始，在國家的支持下，做了一些專家系諾依曼機

我們知道，從用電子管制作的ENIAC，直到用超大規模集成電路設計的微型電腦，都毫無例外遵循著40年代馮·諾依曼為它們確定的體系結構。

這種體系必須不折不扣地執行人們預先編制、并且已經儲存的程序，不具備主動學習和自適應能力。所有的程序指令都必須調入CPU，一條接著一條地順序執行。人們把這種順序執行（串行）已儲存程序的電腦類型統稱為“諾依曼機”。諾依曼機我們知道，從用電子管制作的ENIAC，直到第五代計算機

達特莫斯會議以來數十年間，除了在問題求解（包括機器博弈、定理證明等）、專家系統、模式識別等領域外，人工智能在自然語言理解、自動程序設計、機器人學、知識庫的智能檢索等各種不同的領域，都開拓出極其廣闊的應用前景。縱觀人類科學技術發展歷史，當一門科學技術的各組成部分，分別發展到一定階段時，總是需要有人出來作綜合工作，將分散的理論與實踐成果集成為系統。誰也沒有想到，勇敢地站出來，試圖集人工智能研究成果之大成者，竟然是在這個領域并沒有多少影響力的日本科學家。第五代計算機達特莫斯會議以來數十年間，除了在問題求解第五代計算機

1982年夏天，日本“新一代計算機技術研究所”（ICOT），40位年輕人在淵一博帶領開始了新一代計算機機的研究。“新一代計算機”的主要目標之一是突破電腦所謂“馮·諾依曼瓶頸”。淵一博和研究人員甚至不把他們研制的機器命名為計算機，而稱作“知識信息處理系統”（KIPS）。

第五代計算機1982年夏天，日本“新一代計算機第五代計算機

日本人宣稱這種機器將以Prolog(人工智能語言)為機器的語言，其應用程序將達到知識表達級，具有聽覺、視覺甚至味覺功能，能夠聽懂人說話，自己也能說話，能認識不同的物體，看懂圖形和文字。人們不再需要為它編寫程序指令，只需要口述命令，它自動推理并完成工作任務。第五代計算機日本人宣稱這種機器將以Prolog(人工第五代計算機

五代機計劃定為10年完成，分為三個階段實施。然而，“五代機”的命運是悲壯的。1992年，因最終沒能突破關鍵性的技術難題，無法實現自然語言人機對話、程序自動生成等目標，導致了該計劃最后階段研究的流產，淵一博也不得不重返大學講壇。第五代計算機五代機計劃定為10年完成，分為三個階段第五代計算機

“五代機”計劃不能算作失敗，它在前兩個階段基本上達到了預期目標。1992年6月，就在“五代機”計劃實施整整10年之際，ICOT展示了它研制的五代機原型試制機，由64臺處理器實現了并行處理，已初步具備類似人的左腦的先進功能，可以對蛋白質進行高精度分析，已經在基因研究中發揮了作用。

1992年，他重新開始實施“現實世界計算機”計劃，接著研制具有類似于人的右腦功能的計算機。

第五代計算機“五代機”計劃不能算作失敗，它在前我國人工智能研究的歷史1978，納入國家計劃的研究“智能模擬”1981，成立中國人工智能學會（CAAI）1984，智能計算機及其系統的全國學術研討會1986，智能計算機，智能機器人和智能信息處理l列入國家高技術研究計劃1989，中國人工智能控制聯合會議（CJCAI）1993，智能控制和智能自動化等列入國家科技攀登計劃我國人工智能研究的歷史1978，納入國家計劃的研究“智能模擬模式識別

模式識別是近30年來得到迅速發展的人工智能分支學科。但是，對于什么是“模式”，或者什么是機器（也包括人）能夠辨認的模式，迄今尚無確切的定義。我們只能形象地解釋說，人之所以能識別圖象、聲音、動作，文字字形、面部表情等等，因為它們都存在著反映其特征的某種模式。

人類可識別的模式？

模式識別模式識別是近30年來得到迅速發展的人工視覺識別

一種可能的解決方案是：圖象上的每一點都用一個神經細胞與之對應并逐一判別，最后綜合為整體；但是，既使只描述圖象局部的大致輪廓，神經元的數目仍不敷使用。另一種可能的方案更符合實際：大腦感知的不是圖象上所有的點，而是其輪廓中最典型的特征，如線段、角度、弧度、反差、顏色等等，把它們從圖象中抽取出來，然后結合頭腦中過去的記憶和有關經驗和知識分析判斷。視覺識別一種可能的解決方案是：圖象上的每一點都語音識別技術直到1998年12月，IBM公司發布第二代技術ViaVoice98，詞庫量是ViaVoice4.0的三倍，同時增加了語音導航功能;在普通話的基礎上能適應廣東、四川、上海三種口音，識別率提高了20個百分點以上，平常速度口音讀一般文章的識別率達到了85%～95%，只需訓練5個詞、3句話，5分鐘左右即可建立一個語音模型，使中文語音識別技術取得了實質性突破，語音識別終于走到了用戶面前。語音識別技術直到1998年12月，IBM公司發布第二代技術V同樣是在1998年，中文語音合成技術也取得了實質性的突破。863計劃先后支持了清華大學、中科院聲學所、中國科技大學等八家單位進行語音合成技術攻關。中國科技大學人機語音通信實驗室，在十幾年語音技術研究和積累的基礎上，毅然拋棄了國際通行的算法，獨創了以“人聲道模擬技術”為基礎的KD—863系統，一舉突破了語音合成清晰度和自然度的制約瓶頸，將語音合成技術推進到應用的水平。同樣是在1998年，中文語音合成技術也取得了實質性的突破。8會看會聽的機器

1997年12月，美國微軟公司比爾·蓋茨第五次訪問中國。當介紹到微軟正在著手開發手寫輸入和語音識別軟件時，比爾·蓋茨當場為聽眾播放了一段電腦識別人體語言的錄像，精彩的情節引起了與會者濃厚的興趣。人們看到一臺電腦正在分辨人用點頭或搖頭表示YES和NO的動作，還有電腦跟蹤人眼的指向，在眼睛的指揮下，下了一盤“三子棋”。會看會聽的機器1997年12月，美國微軟公司比爾·蓋茨第五人腦與電腦

長期以來，一個誘人的科學幻想主題經常涉及到人腦與電腦的關系。人類大腦有140多億個腦神經細胞，每個細胞都與另外5萬個其他細胞相互連結。比目前全球電話網還要復雜1500倍。據前蘇聯學者阿諾克欣測算，一個普通的大腦擁有的神經突觸連接和沖動傳遞途徑的數目，是在1后面加上1000萬公里長的、用標準打字機打出的那么多個零！但是，由如此龐大數目元件構成的大腦，平均重量不足1400克，平均體積約為1.5立方分米，消耗的總功率只有10瓦。若采用半導體器件組裝成相應的電腦裝置，則必須做成一座高達40層的摩天大樓，所需功率要以百萬千瓦計。

人腦與電腦長期以來，一個誘人的科學幻想主題經人腦與電腦

對于電腦來說，只要某一個小部件出了毛病，就會導致整個機器癱瘓。但是，人的大腦細胞具有自行組合和分裂的活性，構成了高度可靠的“自適應系統”。在人的一生中，腦神經元大約每小時就有1000個發生故障，一年之內累計為800多萬個。如果人活到100歲，將會有10億個神經細胞功能失效，約占總數的1/10。即使在這種嚴重的故障面前，大腦仍然可以正常地運作。人腦與電腦對于電腦來說，只要某一個小部件出了毛人腦與電腦

從以上這些數字看，人類的大腦不啻于世界上最復雜、最高級、最有效、儲存容量最大的超級計算機。除了運算速度比電腦略遜一籌外，人腦在結構、尺寸、性能、能耗等各方面都令最先進的電腦望塵莫及！

人腦與電腦從以上這些數字看，人類的大腦不啻于世界上最人腦復制

1988年，美國最負盛名的學術出版機構哈佛大學出版社，出版了一本《思維兒童》的專著（有人譯作《換腦兒童》），作者是卡內基—梅隆大學活動機器人實驗室主任漢斯·莫拉維克。

莫拉維克在書中生動地描述了人怎樣把思維輸入電腦，以及這一切怎樣在未來50年之內變成現實。人腦復制1988年，美國最負盛名的學術出版機構人腦復制

按照莫拉維克等人的設想，一旦我們能夠把思維轉移到計算機或者儲存介質中，既使原件（大腦）受到損傷或者衰老，仍然可以把它拷貝到新克隆出的大腦中，先FORMAT（格式化），再COPY（拷貝）。

人腦復制電腦與人腦相連接

人工智能的泰斗明斯基教授想用另外的辦法，即把微電腦嵌入人的大腦，以便使“我們能設計出我們的‘思維兒童’，他們思考問題的速度比我們現在快100萬倍。”將電腦植入人腦，用微型芯片配合腦神經細胞工作，只要求解決兩者之間的接口問題。電腦與人腦相連接人工智能的泰斗明斯基教授想用另電腦與人腦相連接

德國科學家已經在硅芯片上培植成功一種與人類神經細胞極為相似的老鼠神經細胞，并且可以把神經細胞發出的電子脈沖信號傳送到特制傳感器上。由此看來，人機連“腦”不是夢，人腦與電腦相連能優勢互補，可以彌補人類記憶和運算能力的不足，大大增強人腦的功能。電腦與人腦相連接德國科學家已經在硅芯片上培植成人工智能動物--Nature,417:37-38,2002.動物的腦是可以和電腦結合在一起，按人類的意志來控制動物的行為的。這樣，在新的世紀里，有可能出現一種這樣的產物，它是生物機體和電子電路結合的產物，我們可以稱呼它為

“人工智能動物”人工智能動物--Nature,417:37-38,200蘋果從左到右依次是（1977-1998年）（1998-2000）（2001-2007）（2007至今，目前使用中）、（2012-03-18，iPad發布會使用）。蘋果從左到右依次是（1977-1998年）（