人工智能（第三版）（24/1/15）
第一章：前言#起始：（24/1/15）
1.0引言
对于人工智能的理解存在争议——
一些人认为，人工智能等同于任何由非生命系统实现的智能。他们坚持认为，即使这类智能行为的实现与人类智能的依赖机制不同也无关紧要。而另一些人则认为，人工智能系统必须能够模仿人类智能。——《人工智能（第三版）》
(一些人认为：人工智能作为不同于现存各种智能生物的个体，没有必要模仿人类智能。而另有一些人认为人工智能的结果是创造类人思考的智械，所以认为人工智能必须能够模仿人类的智能。)
虽然双方在人工智能的结果上产生了分歧，但是对于研究人工智能的前提确实一致的
即研究人工智能或实现人工智能系统，首先应理解人类如何获得智能行为，这对我们大有裨益。也就是说，我们必须从智力、科学、心理和技术意义上理解被视为智能的活动。
(目的是实现通过研究人脑推广到机械脑。问题在于计算机的01语言如何能够实现类似于生物大脑的智能甚至是人类的智能。问题再次前推，生物的智能是如何实现。）
（如果单从算力来讲，计算机的算力相比于人类早已经是遥遥领先。但我们难以承认人工智能是成熟的智能，虽然对于可以轻易难倒人类的问题，人工智能通关自己算法的优势可以轻而易举的完成，但是对于一些人类比较容易做到的事情却会让人工智能难以理解，譬如一些语言游戏，如反问句，讽刺语气，三重肯定表否定）
“人工”
人工是指由人制造。人造物通常具有负面含义即“人造物体只是真实物体的次要形式”
（这里的真实物体是指现实中存在的物体，这里负面含义我认为应该是指人造物体的总是基于现实物体而形成的。虽然较纯正而言人造物品并不能与真实物体并论，但人造物品通常可以让人们生活更方便，人造花的装饰作用，其质感可能不及真正的花，但是它有不需要时时浇水，容易养活的特点。）
"思维与智能"
理解人的”智能“我们需要从智力，科学，心理和技术意义上理解被视为智能的活动。
对于智能，R.斯腾伯格(R. Sternberg)给出了如下有用的定义：
智能是个体从体验中学习，正确推理，记忆重要信息，以及应对日常生活需求的认知能力。
（在智能的定义中将短句拆分成几个部分，可以看到“体验中学习”，“正确‘推理’”等几个词语带有较强的标识性意义。拥有智能的实体能够实现这些，而能够实现这些也就是拥有了智能）
动物智能
（1）如何判定某个人或物是否有智能？
（2）动物是否有智能？
（3）如果动物有智能，那么如何评估它们的智能？
（书中1.0.2提出了以上问题，三个问题递进排布，由比较熟悉的人，到生活中无处不在的动物，但动物与人之间存在交流障碍，判断动物是否有智能和评估动物的智能可以延申为判断计算机是否有智能，以及智能的强弱，这本身也是利用了启发式方法吧）
1.1图灵测试
何为图灵测试：
举例说，一场测试需三名角色：
普通人，询问者，说谎者。（每个人之间用幕布围住）
普通人：诚实的回答，证明自己是个普通人
说谎者：用谎言将自己伪装成为一个普通的人
询问者：通过询问问题区分普通人和说谎者。
回到智能实现的步骤，我们不可否认剖析人的智能是重中之重的一步，因此，我们通过让人工智能充当说谎者的身份来伪装自己成为一个普通人，来进一步评估人工智能。
对于图灵测试，布洛克和塞尔提出的思考引人深思
布洛克：假设计算机有足够大的存储空间来记录每一个合理的答案（包括回答的时间，语言等等一系列）它不必理解这些词汇和拖时间的意义。(即用机械查表得方式而非智能的方式来回答问题)
塞尔：中文房间问题，假设询问者以中文发问，而普通人并不懂中文，他有一份潦草的翻译，他只需要将问题对照翻译，再将答案对照翻译写出符号，普通人也并不需要理解这些中文的意思，只需要处理字符而已。同样，对于计算机的回答也是如此，如果计算机也只是对照翻译 的字符表将询问者的问题转化成01语言再对照翻译表将01语言转化为人类语言。这种模式难道能称为智能么？
布洛克和塞尔的批评表现在如果只是通关观察计算机的外部，即便计算机做出了合理的回答仍无法判断计算机是否使用了有智能，即计算机是否对问题做出了相应的思考而不是打表。
(后续说明，卢瑟福的α粒子撞击金箔实验，卢瑟福仅通过观察外部结果推理出正确的原子内部结构)
1.2弱人工智能与强人工智能：
“弱人工智能”（与麻省理工大学相关）的观点
人造物是否使用与人类相同的方式执行任务无关紧要，唯一的标准就是程序能够正确执行。
弱人工智能以效率作为智能的标准，并不在乎解决问题的方式。
“强人工智能”（以卡内基·梅隆大学（CMU）为代表）的观点
当人造物展现出智能行为时，它的表现应该基于与人类相同的方法。
强人工智能认为人工智能解决问题的方式应该是基于人解决问题的方法，他们坚信完全依靠人工智能程序的启发式方法、算法和知识，计算机就可以获得意识和智能。
（不难看出弱人工智能与强人工智能的划分是对人工智能理解分歧的进一步延申。既然说延申，两者的分歧肯定不是完全相同的。讨论点仍然落在了对智能的讨论上，弱人工智能的观点更注重目的性，仍将人工智能视为工具,强人工智能则要求人工智能的表现基于人类解决问题的方法。）
1.3启发式方法：
启发式方法是解决问题的经验法则。
不同于算法，算法是预先设定的用于解决问题的一组规则，其输出是完全可预测的。
而启发式是经验的方法，当解决一个比较困难的问题时，我们可以通过解决相同类型比较简单的问题来学习解决此类推解决这道难题的方法，这个时候我们其实就是利用了启发式的方法。
（在这里算法可以指代解决某类问题的明确的公式，步骤。启发式方法则是通过现实中经验，学习后获得的知识，通过推理，举一反三等一系列操作后实现的。如果说算法是高数考试让你利用罗尔定理，那么启发式就是让你自己推证罗尔定理，并利用。可以看出很多算法是从启发式方法中获得灵感后创造出来的）
1.4 识别适用人工智能来求解的问题 ：
专家系统：
1它拥有庞大的数据库，包含各个领域或专门领域的专业知识或者生活常识。
2专家系统意味着具有专家能力的系统，能够根据你所说出的现状给出专家的建议。（正确判断的能力）可以模拟专家判断的过程。
二人博弈：
通过下棋来评估人工智能的智能水平。
国际象棋比赛和跳棋比赛，国际象棋的数据量庞大，单纯的打表难以解决问题。
尽管人机比赛中机器获胜，但是不满足强人工智能的要求，人工智能无法解释每一步棋的推理过程，并没有将每步棋的意义考虑到决策之中。
1.5 应用和方法：
一个系统要展示智能，就必须与现实世界交互。（照应前文）
利用搜索算法可以预见某个棋子对后续的影响，因此**有很多研究都聚焦于高效搜索算法的发现和发展。 **（空间树）
拼图游戏中介绍了：
1.盲目搜索法（遍历）：深度优先搜索（通常但不一定，向左支移动），广度优先搜索（首先访问靠近根节点的方向），之后讨论面对组合爆炸的问题（因为数据量的爆炸式增长导致的盲目搜索无法成功，这不仅仅是超时问题，不管未来计算机的计算速度有多快，这依然会是事实）
2.启发式搜索：在寻找之前先观察空间树，**这些算法可以使用启发式方法来估计到达目标状态的剩余距离。 **
二人博弈：
不同于拼图游戏，二人博弈为双人对抗性质，必须同时关注自身和对手的动态。（这种更具交互性质的游戏是人工智能研究的热门话题）
自动推理：对智能的定义中提到，人工智能需要有正确推理的能力。此处，人为给定一些相关信息，希望人工智能可以通过这些信息来推理出希望得到的信息。（此处给定的信息包含但不仅限于此，研究人员还希望它能明白并利用常识和世界知识）
细胞自动机：模拟生命从简单到复杂的过程。赋予人工智能简单的规则，通过规则的迭代使其获得复杂性
遗传算法：以计算机处理数据的速度优势，按照自然界中的遗传进话规律形成的进化计算。
为每个状态赋值名为适应度的参数，并使用适应度函数使与目标状态更接近的状态适应度更高。
知识表示：由传教士与野人问题引出绘图处理的方法，语义网络，框架等基于图的只是表示法。
1.59 不确定性推理
模糊集，给定的较为抽象的数值。
此处给例为员工的隶属度。从1.0到0.0不等，这些值无法明确表示，但是可以模糊表示，并且这些不确定性的数值可以作为我们某些推理的数据。
1.6人工智能的早期历史
亚里士多德建立逻辑前提论
乔治·布尔建立逻辑关系后被称之为布尔代数
雷蒙德·卢尔：可能是第一个尝试将人类思维机械化的人，建立了一个基于逻辑的系统
莱布尼茨：建立逻辑演算和通用代数几乎解决所有的逻辑论证
库尔特·戈德尔：认为总有些命题不能被判定为真或假。
雷内·笛卡儿：通过认知内省解决了物理现实的问题。
逻辑学家与逻辑机器：
第一台真正意义上的逻辑机器康斯坦普演示器
现代第一台原型的现代计算机名为差分机
差分机的下一代产品：分析机
克劳德·香农：继电器电路的应用上有开创性论文。
Nimotron是第一台可以完整发挥游戏技能的机器。
托雷斯·克韦多建立了第一个专家系统。
康拉德·楚泽发明了第一台使用电的计算机，楚泽认识到了工程和数学逻辑之间的关系并且认识到布尔代数中的计算与数学中的命题演算是等价的，他开发系统，在逻辑电路方面的工作比香农早了几年楚泽认识到需要一种高效和庞大的存储器，并基于真空管和机电存储器改进了计算机，他将这些计算机命名为 Z1、Z2 和 Z3。
人们普遍认可 Z3（1941 年 5 月 12 日）是世界上第一台基于浮点数的、可靠的、可自由编程的计算机。这台机器在第二次世界大战中被炸毁了，但是它的仿制品目前展示在慕尼黑的德意志博物馆。
1.7人工智能的近期历史到现在：
自第二次世界大战以后，计算机科学取得了巨大的进步，编程技术日渐成熟。
神经计算：
弗兰克·罗森布拉特开发了一种名为感知器学习规则的迭代算法，解决了人工神经网络（ANN）模型不包括学习机制的严重缺点。
20世纪80年代，这个领域迎来了第二次爆发，霍普菲尔德的异步网络模型
使用能量函数找到了NP问题的近似解。20世纪80年代中期，人工智能领域出现了方向传播算法——一种适合于多层网络的学习算法
自然语言处理（NLP）：对于智能系统，具有理解自然语言的能力看起来是非常自然的事情
Eliza具有与人说话的能力（不是沟通或者交流）旨在模仿卡尔·罗杰斯（Carl Rogers）学派的精神病学家所担任的角色。
DOCTOR初步具备了感知情绪的能力
特里·威诺格拉德开发的SHRDLU可以 使用意义、语法、演绎推理来理解和响应英文命令，它的会话世界是一个桌面，上面放着各种形状、大小和颜色的积木
HEARSAY是一个雄心勃勃的语音识别程序，它采用黑板结构，该程序使用语法和语义信息来去除不太可能的单词组合。
改善：通过从宾州树库中获取相关概率实现增强上下文无关的语法，以赋予每条规则相关的概率。
1.8 新千年人工智能发展
人工智能的方法论已经被吸纳到计算机科学的标准技术中。比如，在人工智能研究中产生的搜索技术和专家系统现在都已经被嵌入许多控制系统、金融系统和基于 Web 的应用中
第一章讨论题：
1.从人工和智能两个角度讲。
“人工”的角度讲人工智能是人造物。
“智能”的角度讲人工智能具有从生活中获得经验，学习知识并应用解决问题的能力。
在图灵测试中，塞尔还强调了人工智能应该具备思考的能力。
2.弱人工智能针对于结果，他们的观点认为人造物是否具有基于人的智能无关紧要，侧重于人工智能是否能够正确运行高效的取得正确的结果
强人工智能要求人工智能的表现应该是基于人类解决问题的。
3.ALICE是一款安装在网络服务器上的聊天机器人，相比于早期的其他机器人，它具备更强的上下文联系能力。
4.图灵利用图灵测试评估人工智能的智能程度。
5.约翰·麦卡锡首次提出了“人工智能”，对于LISP编译语言做出了重大贡献，指出人工智能需要什么才能真正有效。
6.ATM机并不具备体验中学习，正确推理，即不具备智能。
7.人工智能可以基于过往的病例经分析推理确定或者的疾病和治疗问题，其次医疗诊断是一个复杂的过程，其中可能有很多有效的医疗方法，并且多数情况下并不存在可以识别潜在疾病或病症的确定性算法。专家的知识是离散分布且大量的，人工智能可以统合这些分散的信息
8.二人博弈与之前的拼图游戏有所不同，游戏需要两名参与者，人工智能不仅需要关注自身完成目标的进度还需要时刻关注对手的状况，更考验人工智能的分析推理学习的能力。
9.计算器象棋的可能性多，盲目搜索法无法实现，迫使算法以及启发式搜索法进步
评估人工智能的智能水平
10.专家系统将专家离散的知识与经验，提问者说明的条件整合，推理给出相对合理的建议。
11.语义网络，框架系统，描述逻辑
练习题：
1.通过逆图灵测试训练AI模型，实现判别是否是机器人和伪装自己两类人工智能的发展。通过此训练判别是否是人工智能的人工智能判定买票者是否是机器人。
2.通过伪装成为朋友或者亲人进行诈骗，冒名顶替他人进行违法行为。
3.大猩猩进行一了举一反三的行为，他通过手镯和手指两个词语来表示并未学到的戒指。
动物的智能是否只是对人类行为的理解，即是否只是简单的巴普洛夫反应 ，聪明的汉高通过分析推理人的表情和行为来获得数学问题的正确答案，这一点虽然已经表明这匹马具备智能，但是他还是不知道数学问题背后的意义。
测试方式：将戒指，手镯+其他小物品放在大猩猩面前，摆出手镯和手指的手语，让他选择。
判断他是否分析人类的意图。
判断他是否真正明白了戒指的意思。（而不是单纯看着像）
4.不能。根据布洛克和塞尔的批评为了完成指定的目标而没有思考背后意义并不能证明为人工智能，即判定大城市（智能）的标准应该包含但不仅限于这些标准。
5.将权重设为1.0阙值设为0.5。当输入的平均值大于0.5时执行真，小于0.5时执行非。
6.以平均收益作为策略成功与否的标准，取n次游戏收益的平均值，如果该策略可以长期获得高收益那么可以判定为成功的策略。
7.曼哈顿距离
8.搜寻过去高峰时期出租车上车下车的汇集地，根据城市高峰段的交通信息确定车辆较少的路段规定行车路线。
9.对地形的了解将猎物逼入死角。守水源处。在猎物睡觉或者猎物幼崽距群体远的时间。
10.家庭成员的组成，成员的年龄，经济条件，房屋大小，对干净的需求。
11.人类应该认识放下傲慢，应该尊重拥有智能的其他实体。即使人工智能由人类创造。
12.可以增加数据收集的速度。可以确保数据收集的多样性，可以整合分析去除错误数据。数量更多，可以避免安全性因素导致的失败。
13.Eliza可以被视为一种关系型人造物。Eliza的制作旨在通关交流互动的方式进行心理疏通，对精神问题的患者进行治疗。
14.翻译为，（我们是人类亦或者舞者？）我们是人类还是舞者？在了解到一定的背景故事之后我认为后者的翻译优于前者。舞者是人类的职业，在乐团的困境时以歌发问是继续前进还是放弃？是掌控命运还是受制于人。情感还是欲望？不够完美还是不受影响？维加斯的败犬还是大厦顶层的公子哥？在过去他们初出茅庐，风华正茂时无需考虑这种烦恼，他们轻浮愚蠢，并且对此毫无歉意，现如今他们困境重重，但是他们一本正经。歌唱时他们无需考虑这种烦恼，一心一意于自己的dancer人生。
对本门学科的意义：坚定向前的的信心不动摇。对人类的行为和性质进行哲学上的反思，避免过于轻浮。
15.机器学习，深度学习，专家系统，强化学习，自然语言处理。
16.人工智能和人一起打游戏，让另一个人工智能抓出来哪个是真人哪个是人工智能。
17.相比于习题2而言Lovelace 2的测试更注重测试AI的创造力。
标签：计算机,人工智能,第三版,智能,人类,启发式,推理 From： https://www.cnblogs.com/zonghongqi/p/17975806