● 人工智能(二)[转载] - 荔园在线 | 深圳大学学生论坛,荔园晨风BBS,深大在线网站

荔园之美，在春之萌芽，在夏之绽放，在秋之收获，在冬之沉淀

发信人: alibab (芝麻), 信区: CET
标  题: 人工智能(二)[转载]
发信站: BBS 荔园晨风站 (Sun Nov 21 21:23:56 1999), 转信

    人工智能早期研究给人的深刻印象是博羿,1956年,Samnel研制了一个西洋跳
棋程序,该程序“天生”下跳棋水平很低,远远不是Samuel的对手.但它有学习能力,
能从棋谱中学习,也能在实践中总结提高.经过三年的“学习”,该程序与1959年打败
了Samuel;又经过三年,打败了美国一个州的冠军.值的注意的是,虽然下棋至多
只能算是一项体育运动,下棋的程序似乎只是一种游戏程序,Samuel工作的意义十分重
大:它同时刺激了“搜索”和“机器学习”这两个人工智能重要领域的发展.用“井字棋”
游戏很容易说明“搜索”的基本概念.下棋过程中可能(即规则允许)出现的每一种格局
在搜索中被称为一个“状态”.所有状态分为三类:(1)初始态,如(a);(2)终

          x !     !
         ___!_____!_____
            !     !
         ___!_____!____
            !     !
            !     !
         X !     !
         ___!_____!_____
            !   O !
         ___!_____!____
            !     !
            !     !
              (b)

          x !     !
         ___!_____!_____
          x ! o   !
         ___!_____!____
            !     !
            !     !
              (c)
          x !     !
                                                                          78%
          x ! o   !
         ___!_____!____
          o !     !
            !     !
              (d)
          x !x    ! o
         ___!_____!_____
          x ! o   !
         ___!_____!____
          o !     !
            !     !
             (e)
止态,如(e);(3)中间状态,如(b)、(c)、(d).某些状态之间存在着“直接后
继”关系,如(b)是(a)的直接后继,(c)是(b)的直接后继;但(d)不是(c)的直
接后继.在井字棋游戏中,直接后继关系是由一次合法的走步决定的,如
X在方在新状态即格局(a)的左上角下一个X则产生该状态的直接后继即格局(b).
所有状态直接后继关系联接而成的有向图称为搜索空间.显然,搜索空间中每一条
从初始状态到任一终止状态的路经代表一次完整的下棋过程.某方获胜的终止专态
称为该方的目标状态.于是,游戏中任一方要考虑的问题是:怎样由当前状态(目前
所处的格局)达到自己的目标状态?
  一般地,任一状态的直接后继不唯一.如图一中的状态(c),对先到方X来说,可选的
走法有7种.对其中的每一种选择,后到方O有6种走法.如此类推,为了确定最佳走法,
需要考虑大量的可能情形(即从当前状态出发达到终止状态的状态序列).人工智能智
能中的“搜索”所要研究的问题是:怎样“有效地”从上述大量的可能情形中选出最
佳方案.

难≡?.因此,若要前瞻7个回合(14步棋),需要考虑35^14种
可能的棋局.这是现有任何计算机都无法胜任的.幸而人工智能的研究提供了
有效的“剪枝”技术,可以删除去大量“无关紧要”的起局.不过,即使如此,
仍需要考虑500亿－600亿个棋局.
    IBM研制的并行计算机“深蓝”能在1秒钟只内分析2亿个棋局.正是凭
借这一优势(人类棋手每秒只能分析3－5个棋局), “深蓝”在1997年5月举
行的“人机大战”中战胜了世界棋王卡斯帕洛夫.假如没有人工智能中搜索
技术的研究成果,仅靠每秒2亿个棋局的处理速度,则“深蓝”走一步棋至少
需要考虑50个小时.与自动定理证明的研究意义不限于数学一样,搜索的研究
意义也不限于博弈.根据认知心理学的信息处理学派的观点,人类思维过程的
很大一部分可以抽象为从问题的初始状态经中间状态到达终止状态的过程,
因此可以转化为一个搜索问题,由机器自动地完成.例如“规划”问题.设想一
台机器人被要求完成一项复杂任务,该任务包含很多不同的子任务,其中某些
子任务只有在另一些子任务完成之后才能进行.这时,机器人需要事先“设想”
一个可行的行动方案,使得依照该方案采取行动可以顺利完成任务.“规划”即
找出一个可行的行动方案,可以通过在以子任务为状态、以子任务间依赖关系为
直接后继关系的状态空间中的搜索来实现.

   人工智能的早期研究还包括自然语言理解、计算机视觉和机器人
等等.通过大量研究发现,仅仅依靠自动推理的搜索等通用问题求
解手段是远远不够的.Newell和Simon等人的认知心理学研究表明,
各个领域的专家之所以在专业领域内表现出普通人难以企及的能
力，主要是因为专家拥有丰富的专门知识(领域知识和经验)。70
年代中期， Feigenbaum提出知识工程概念，标志着人工智能进
入第二个发展时期。知识工程强调知识在问题求解中的作用；相
应地，研究内容也划分为三个方面：知识获取，知识表示和知识
利用．知识获取研究怎样有效地获得专家知识．知识表示研究怎
样将专家知识表示成在计算机内易于存储，易于使用的形式．知
识利用研究怎样利用已得到恰当表示的专家知识去解决具体领域
内的问题。
  知识工程的主要技术手段是在早期成果的基础上发展起来的，特
别是知识利用，主要依靠自动推理和搜索的技术成果。在知识表示
方面，除使用早期工作中出现的逻辑表示法和过程表示法之外，还发
展了在联想记忆和自然语言理解研究中提出的语义网表示法，进而引
入了框架表示法，概念依赖和脚本表示法以及产生式表示法等等各种
不同方法。与早期研究不同，知识工程强调实际应用。主要的应用成
果是各种专家系统。专家系统的核心部件包括:
(a)表达包括专家知识和其他知识的知识库，
(b) 利用知识解诀问题的推理机。
著名的专家系统有:
1.  PROSECTOR，该系统已发现了一个钼矿沉积，其价值可能超过
2. 1亿美元；
3.  MYCIN，可对血液传染病的诊断和治疗提供咨询，正式鉴定表明
4. 该系统在某些方面已超过了专家；
5. DENDRAL，可依光谱数据推测分子结构，为化学工作者提供有力
6. 的支持。
    大型专家系统的开发周期往往长达10余年，其主要原因在于知识
获取。领域专家虽然能够很好地解决问题，却往往说不清自己怎
么解决的，使用了哪些知识。这使得负责收集专家知识的知识工
程师很难有效地完成知识获取任务。这种状况极大的激发了自动
知识获取---机器学习研究的深入发展。已经得到较多研究的机器
学习方法包括:归纳学习，类比学习，解释学习，强化学习和进化
学习等等。机器学习的研究目标是:让机器从自己或“别人”的问
题求解经验中获取相关的知识和技能，从而提高解决问题的能力。

--
※ 来源:·BBS 荔园晨风站 bbs.szu.edu.cn·[FROM: 192.168.28.63]

荔园在线首页友情链接：深圳大学深大招生荔园晨风BBS S-Term软件网络书店