《《人工智能與教育》PPT課件.ppt》由會員分享，可在線閱讀，更多相關(guān)《《人工智能與教育》PPT課件.ppt（61頁珍藏版）》請在裝配圖網(wǎng)上搜索。

人工智能與教育 人工智能概述人工智能的研究領(lǐng)域人工智能教育應用概述 人工智能被譽為20世紀的三大尖端科技成就之一 有預言家說 說掌握了人工智能 說就能征服整個世界 第一節(jié)人工智能的概述 人工智能 ArtificialIntelligence AI 是當前科學技術(shù)發(fā)展中的一門前沿學科 人工智能是在計算機科學 控制論 信息論 神經(jīng)心理學 哲學等多種學科研究的基礎(chǔ)上發(fā)展起來的 無人駕駛飛機 掃雷機器人 衛(wèi)星評估糧食產(chǎn)量 醫(yī)學專家系統(tǒng) 購物籃分析 信息過濾 人臉的識別 人機搏弈 機器人足球 一 什么是人工智能 談到人工智能的定義 首先需要指出以下兩點 第一 人工智能和其他許多新興學科一樣 至今尚無一個統(tǒng)一的定義 所謂人工智能的定義 只能是人工智能學者根據(jù)對它的已有認識所作的一些不同解釋 第二 人工智能的定義依賴于智能的定義 因此 要定義人工智能 首先應該定義智能 一 什么是智能 通俗地說 智能是一種認識客觀事物和運用知識解決問題的綜合能力 至于其確切定義 還有待于對人腦奧秘的徹底揭示 為了區(qū)分機器是否會 思考 有必要給出 智能 的定義 究竟 會思考 到什么程度才叫智能 人工智能專家面臨的最大挑戰(zhàn)之一是 如何構(gòu)造一個系統(tǒng) 可以模仿由上百億個神經(jīng)元組成的人腦的行為 去思考宇宙中最復雜的問題 1 智能的層次結(jié)構(gòu) 人類的智能總體上可分為高 中 低三個層次 不同層次智能的活動由不同的神經(jīng)系統(tǒng)來完成 高層智能以大腦皮層為主 主要完成記憶和思維等活動 中層智能以丘腦為主 主要完成感知活動 低層智能以小腦 脊髓為主 主要完成動作反應 2 智能所包含的能力 智能是一種綜合能力 具體地說 它包含的各種能力如下 智能具有感知能力 智能具有記憶與思維能力 智能具有學習和自適應能力 智能具有行為能力 二 什么是人工智能 綜合各種不同的人工智能觀點 可以從 能力 和 學科 兩個方面對人工智能進行定義 從能力的角度來看 人工智能是相對于人的自然智能而言的 所謂人工智能是指用人工的方法在機器 計算機 上實現(xiàn)的智能 從學科的角度來看 人工智能是作為一個學科名稱來使用的 所謂人工智能是一門研究如何構(gòu)造智能機器或智能系統(tǒng) 使它能模擬 延伸和擴展人類智能的學科 圖靈測試 如何衡量機器是否具有智能 測試過程 讓一個程序與一個人進行5分鐘對話 然后人猜測交談對象是程序還是人 如果在30 測試中程序成功地欺騙了詢問人 則通過了測試圖靈期待最遲2000年出現(xiàn)這樣的程序 但是到目前為止 面對訓練有素的鑒定人 沒有一個程序接近30 的標準 要想程序通過圖靈測試 還需要做大量工作 這些技能包括 自然語言處理 使機器可以用人類語言交流知識表示 存儲機器獲得的各種信息自動推理 運用知識來回答問題和提取新結(jié)論機器學習 適應新環(huán)境并檢測和推斷新模式以及 為了完全圖靈測試 計算機視覺 機器感知物體機器人技術(shù) 操縱和移動物體 二 人工智能的產(chǎn)生與發(fā)展 人工智能這個術(shù)語自1956年正式提出 并作為一個新興學科的名稱被使用以來 已經(jīng)有四十多年的歷史了 回顧其產(chǎn)生與發(fā)展過程 可大致分為四個階段 孕育期形成期知識應用期綜合集成期 1 孕育期 1956年之前 古希臘偉大的哲學家和思想家亞里斯多德 Aristotle 創(chuàng)立了演繹法 英國哲學家和自然科學家培根 F Bacon 創(chuàng)立了歸納法 德國數(shù)學家和哲學家萊布尼茨 G W Leibnitz 把形式邏輯符號化 奠定了數(shù)理邏輯的基礎(chǔ) 使人們可以對人的思維進行運算和推理 法國物理學家和數(shù)學家帕斯卡 B Pascal 制造成功了世界上第一臺加法器 2 形成期 1956年 1969年 人工智能誕生于一次歷史性的聚會 1O位杰出年輕科學家在美國達特莫斯大學舉行了一次為期兩個月的夏季學術(shù)研討會 共同學習和探討了用機器模擬人類智能的有關(guān)問題 由麥卡錫提議正式采用了 人工智能AI ArtifcialIntelligence 這一術(shù)語 從而 一個以研究如何用機器來模擬人類智能的新興學科 人工智能誕生了 3 知識應用期 1970年 80年代末 人工智能遇到了許多麻煩 在博弈方面 塞繆爾的下棋程序在與世界冠軍對弈時 5局中敗了4局 在機器翻譯方面 原來人們以為只要有一本雙解字典和一些語法知識就可以實現(xiàn)兩種語言的互譯 但后來發(fā)現(xiàn)并不那么簡單 甚至會鬧出笑話 在神經(jīng)生理學方面 研究發(fā)現(xiàn)人腦有1011以上的神經(jīng)元 在現(xiàn)有技術(shù)條件下用機器從結(jié)構(gòu)上模擬人腦是根本不可能的 在人工智能的本質(zhì) 理論 思想及機理方面 人工智能受到了來自哲學 心理學 神經(jīng)生理學等社會各界的責難 懷疑和批評 以知識為中心的研究 專家系統(tǒng)悄悄開始孕育 使得人工智能在后來出現(xiàn)的困難和挫折中能很快找到前進方向 迅速地再度興起 專家系統(tǒng) ExpertSystem 簡寫為ES 是一個具有大量的專門知識 并能夠利用這些知識去解決特定領(lǐng)域中需要由專家才能解決的那些問題的計算機程序 專家系統(tǒng)實現(xiàn)了人工智能從理論研究走向?qū)嶋H應用 從一般思維規(guī)律探討走向?qū)ｉT知識運用的重大突破 是人工智能發(fā)展史上的一次重要轉(zhuǎn)折 專家系統(tǒng) 1972年 費根鮑姆在繼化學專家系統(tǒng)DENDRAL之后 又領(lǐng)導他的研究小組開始研究其他的項目 1976年 斯坦福大學國際人工智能中心杜達 R D Duda 等人開始研制地質(zhì)勘探專家系統(tǒng)PROSPECTOR MIT1971年研制成功并投入使用數(shù)學專家系統(tǒng)MACSYMA 美國拉特格爾 Rutger 大學于1978年研制成功用于青光眼診斷和治療的專家系統(tǒng)CASNET 在這一時期 與專家系統(tǒng)同時發(fā)展的重要領(lǐng)域還有計算機視覺和機器人 自然語言理解與機器翻譯等 此外 在知識表示 不精確推理 人工智能語言等方面也有重大進展 1977年 在第五屆國際人工智能聯(lián)合會議上 費根鮑姆正式提出了知識工程 KnowledgeEngineering 簡稱KE 的概念 整個2O世紀8O年代知識工程和專家系統(tǒng)在全世界得到了迅速發(fā)展 其應用范圍也擴大到了人類社會的各個領(lǐng)域 并產(chǎn)生了巨大的經(jīng)濟效益 專家系統(tǒng)的成功 說明了知識在智能系統(tǒng)中的重要性 使人們更清楚地認識到人工智能系統(tǒng)應該是一個知識處理系統(tǒng) 而知識表示 知識獲取 知識利用是人工智能系統(tǒng)的三個基本問題 隨著專家系統(tǒng)應用的不斷深入和計算機技術(shù)的飛速發(fā)展 專家系統(tǒng)本身所存在的問題逐漸暴露出來 應用領(lǐng)域狹窄缺乏常識性知識知識獲取困難推理方法單一沒有分布式功能不能訪問現(xiàn)存數(shù)據(jù)庫 人工智能又面臨著一次考驗 出路何在 人工智能需要走綜合集成發(fā)展的道路 4 綜合集成期 80年代末至今 在專家系統(tǒng)方面 從2O世紀8O年代末開始逐步向多技術(shù) 多方法的綜合集成與多學科 多領(lǐng)域的綜合應用型發(fā)展 大型專家系統(tǒng)開發(fā)采用了多種人工智能語言 如LISP Prolog和C十十等 多種知識表示方法 如產(chǎn)生式規(guī)則 框架 邏輯 語義網(wǎng)絡 面向?qū)ο蟮?多種推理機制 如演繹推理 歸納推理 非精確推理和非單調(diào)推理等 和多種控制策略 如正向 逆向和雙向等 相結(jié)合的方式 并開始運用各種專家系統(tǒng)外殼 專家系統(tǒng)開發(fā)工具和專家系統(tǒng)開發(fā)環(huán)境等 目前 人工智能技術(shù)正在向大型分布式人工智能 大型分布式多專家協(xié)同系統(tǒng) 廣義知識表達 綜合知識庫 即知識庫 方法庫 模型庫 方法庫的集成 并行推理 多種專家系統(tǒng)開發(fā)工具 大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下的多智能體 Agent 協(xié)同系統(tǒng)等方向發(fā)展 盡管如此 但從目前來看 人工智能仍處于學科發(fā)展的早期階段 其理論 方法和技術(shù)都不太成熟 人們對它的認識也比較膚淺 甚至連人工智能能否歸結(jié) 如何歸結(jié)為一組基本原理也還是個問號 AI成功的例子 1 博弈 IBM公司的 深藍 成為第一個在國際象棋比賽中戰(zhàn)勝世界冠軍的計算機程序1997年 一次公開賽中3 5 2 5比分戰(zhàn)勝卡斯帕羅夫 他說從棋盤對面感到了 一種新智能 但是 連 深藍 的設(shè)計者也不認為用了什么人工智能技術(shù) 23 AI成功的例子 2 自主控制 CMU研制的ALVINN計算機視覺系統(tǒng)安置在NAVLAB計算機控制微型汽車中 用于汽車導航行駛在高速公路上全程2850英里 約4586 5公里 其中98 時間由這個系統(tǒng)掌握方向盤 2 時間由人駕駛 幾乎都在高速公路出入口處 24 AI成功的例子 3 后勤規(guī)劃 1991年海灣戰(zhàn)爭中美國軍隊配備了一個動態(tài)分析和重規(guī)劃工具DART 用于自動后勤規(guī)劃與運輸調(diào)度 該系統(tǒng)同時涉及50000個車輛 貨物和人 而且要考慮起點 目的地 路徑 解決所有參數(shù)之間的沖突 使用AI技術(shù)使規(guī)劃在幾小時內(nèi)完成 而傳統(tǒng)方法需要幾個星期DARPA稱就此一項投資足以補償DARPA在AI方面30年的投資 25 第二節(jié)人工智能的研究領(lǐng)域 一 人工神經(jīng)網(wǎng)絡 一 人工神經(jīng)網(wǎng)絡概述生物神經(jīng)元及腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征1 生物神經(jīng)元的結(jié)構(gòu)生物神經(jīng)元 Neuron 即為神經(jīng)細胞 它是生物神經(jīng)系統(tǒng)的最基本單元 從其形狀和大小來看 神經(jīng)元是多種多樣的 但從組成結(jié)構(gòu)看 各種神經(jīng)元又具有共性 神經(jīng)元的基本結(jié)構(gòu)如圖6 4所示 它由細胞體 Soma 軸突 Axon 和樹突 Dendrite 三個主要部分組成 細胞體是神經(jīng)元的主體 用于處理由樹突接受的其他神經(jīng)元傳來的信號 細胞體的內(nèi)部是細胞核 外部是細胞膜 細胞膜的外面是許多向外延伸出的纖維 軸突是由細胞體向外延伸出的所有纖維中最長的一條分枝 用來向外傳遞神經(jīng)元產(chǎn)生的輸出電信號 每個神經(jīng)元都有一條軸突 其最大長度可達1cm以上 在軸突的末端形成了許多很細的分枝 這些分枝叫神經(jīng)末梢 每一條神經(jīng)末梢可以與其他神經(jīng)元形成功能性接觸 該接觸部位稱為突觸 所謂功能性接觸 是指非永久性的接觸 這正是神經(jīng)元之間傳遞信息的奧秘之一 樹突是指由細胞體向外延伸的除軸突以外的其他所有分支 樹突的長度較短 但數(shù)量很多 它是神經(jīng)元的輸入端用于接受從其他神經(jīng)元的突觸傳來的信號 2 人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征記憶和存儲功能高度并行性分布式功能容錯功能聯(lián)想功能自組織和自學習功能 二 人工神經(jīng)元及人工神經(jīng)網(wǎng)絡1 人工神經(jīng)元的結(jié)構(gòu) 在圖7 2中 x1 x2 xn表示某一神經(jīng)元的n個輸入 i表示第i個輸入的連接強度 稱為連接權(quán)值 為神經(jīng)元的閾值 y為神經(jīng)元的輸出 可以看出 人工神經(jīng)元是一個具有多輸入 單輸出的非線性器件 2 人工神經(jīng)網(wǎng)絡人工神經(jīng)網(wǎng)絡是對人類神經(jīng)系統(tǒng)的一種模擬 盡管人類神經(jīng)系統(tǒng)規(guī)模宏大 結(jié)構(gòu)復雜 功能神奇 但其最基本的處理單元卻只有神經(jīng)元 人工神經(jīng)系統(tǒng)的功能實際上是通過大量神經(jīng)元的廣泛互連 以規(guī)模宏偉的并行運算來實現(xiàn)的 基于對人類生物系統(tǒng)的這一認識 人們也試圖通過對人工神經(jīng)元的廣泛互連來模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能 人工神經(jīng)元之間通過互連形成的網(wǎng)絡稱為人工神經(jīng)網(wǎng)絡 在人工神經(jīng)網(wǎng)絡中 神經(jīng)元之間互連的方式稱為連接模式或連接模型 它不僅決定了神經(jīng)元網(wǎng)絡的互連結(jié)構(gòu) 同時也決定了神經(jīng)網(wǎng)絡的信號處理方式 3 人工神經(jīng)網(wǎng)絡的分類目前 已有的人工神經(jīng)網(wǎng)絡模型至少有幾十種 其分類方法也有多種 例如 按網(wǎng)絡拓撲結(jié)構(gòu)可分為無反饋網(wǎng)絡與有反饋網(wǎng)絡 按網(wǎng)絡的學習方法可分為有教師的學習網(wǎng)絡和無教師的學習網(wǎng)絡 按網(wǎng)絡的性能可分為連續(xù)型網(wǎng)絡與離散型網(wǎng)絡 或分為確定性網(wǎng)絡與隨機型網(wǎng)絡 按突觸連接的性質(zhì)可分為一階線性關(guān)聯(lián)網(wǎng)絡與高階非線性關(guān)聯(lián)網(wǎng)絡 三 人工神經(jīng)網(wǎng)絡的特點和優(yōu)越性 主要表現(xiàn)在三個方面 第一 具有自學習功能 例如實現(xiàn)圖像識別時 只在先把許多不同的圖像樣板和對應的應識別的結(jié)果輸入人工神經(jīng)網(wǎng)絡 網(wǎng)絡就會通過自學習功能 慢慢學會識別類似的圖像 自學習功能對于預測有特別重要的意義 預期未來的人工神經(jīng)網(wǎng)絡計算機將為人類提供經(jīng)濟預測 市場預測 效益預測 其前途是很遠大的 第二 具有聯(lián)想存儲功能 人的大腦是具有聯(lián)想功能的 如果有人和你提起你幼年的同學張某某 你就會聯(lián)想起張某某的許多事情 用人工神經(jīng)網(wǎng)絡的反饋網(wǎng)絡就可以實現(xiàn)這種聯(lián)想 第三 具有高速尋找優(yōu)化解的能力 尋找一個復雜問題的優(yōu)化解 往往需要很大的計算量 利用一個針對某問題而設(shè)計的反饋型人工神經(jīng)網(wǎng)絡 發(fā)揮計算機的高速運算能力 可能很快找到優(yōu)化解 四 人工神經(jīng)網(wǎng)絡的局限性人工神經(jīng)網(wǎng)絡是一個新興學科 還存在許多問題 其主要表現(xiàn)有 1 受到腦科學研究的限制由于生理實驗的困難性 目前人類對思維和記憶機制的認識還很膚淺 還有很多問題需要解決 例如 腦的層次結(jié)構(gòu)是怎樣形成的 腦是怎樣學習的 不同類型的知識在腦中是如何組織的 腦神經(jīng)元在思維記憶中起什么作用 腦神經(jīng)網(wǎng)絡中神經(jīng)元之間的突觸聯(lián)系強度是如何修正 保持的 等等 這些問題如果能夠得到解決 將極大地促進人工神經(jīng)網(wǎng)絡的發(fā)展 2 還沒有完整成熟的理論體系雖然目前已有許多人工神經(jīng)網(wǎng)絡模型 但這些模型的學習策略卻各不相同 還無法統(tǒng)一到一個完整的理論框架中 因而也無法形成一個成熟的理論體系 3 還帶有濃厚的策略和經(jīng)驗色彩對人工神經(jīng)網(wǎng)絡 一方面還沒有完整 成熟的理論系統(tǒng)支持 另一方面又需要用它分析和解決某些實際問題 因此使得人工神經(jīng)網(wǎng)絡的研究帶有濃厚的策略和經(jīng)驗色彩 4 與傳統(tǒng)技術(shù)的接口不成熟人工神經(jīng)網(wǎng)絡雖然有它自己的優(yōu)勢 但又不可能全面替代傳統(tǒng)的計算技術(shù) 它們之間只能是相互補充 然而 目前人工神經(jīng)網(wǎng)絡與傳統(tǒng)計算技術(shù)之間的接口還很不成熟 上述問題的存在 制約了人工神經(jīng)網(wǎng)絡研究的發(fā)展 二 專家系統(tǒng) 一 專家系統(tǒng)的基本概念目前 對什么是專家系統(tǒng)還沒有一個嚴格公認的形式化定義 作為一種一般的解釋 可以認為專家系統(tǒng)是一種具有大量專門知識與經(jīng)驗的智能程序系統(tǒng) 它能運用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗和專門知識 模擬領(lǐng)域?qū)＜业乃季S過程 解決該領(lǐng)域中需要專家才能解決的復雜問題 從上述解釋可以看出 專家系統(tǒng)包括以下三個方面的含義 1 專家系統(tǒng)是一種程序系統(tǒng) 但又具有智能 因此它不同于一般的程序系統(tǒng) 而是一種能運用專家知識和經(jīng)驗進行推理的啟發(fā)式程序系統(tǒng) 2 專家系統(tǒng)的智能來源于領(lǐng)域?qū)＜业闹R 經(jīng)驗及解決問題的訣竅 為此 專家系統(tǒng)內(nèi)部必須包含有大量專家水平的領(lǐng)域知識與經(jīng)驗 并且能夠在運行過程中不斷地增長新知識和修改原有知識 3 專家系統(tǒng)所要解決的問題一般是那些本來應該由領(lǐng)域?qū)＜也拍芙鉀Q的問題 二 專家系統(tǒng)的分類 按求解問題的性質(zhì)分類海葉斯 羅斯 F Heyes Roth 按照求解問題的性質(zhì) 將專家系統(tǒng)分為以下10種類型 1 解釋型專家系統(tǒng)解釋型專家系統(tǒng)的任務是通過對已知信息和數(shù)據(jù)的分析與解釋 確定它們的含義 其主要特點有 第一 系統(tǒng)處理的數(shù)據(jù)量很大 而且往往是不準確的 錯誤的或不完全的 第二 系統(tǒng)能夠從不完全的信息中得出解釋 并能對數(shù)據(jù)做出某些假設(shè) 第三 系統(tǒng)的推理過程可能很復雜和很長 因而要求系統(tǒng)具有對自身推理過程做出解釋的能力 作為解釋型專家系統(tǒng)的例子有語音理解 圖像分析 系統(tǒng)監(jiān)視 化學結(jié)構(gòu)分析和信號解釋等 例如 衛(wèi)星圖像分析 集成電路分析 石油測井數(shù)據(jù)分析 染色體分類等 2 預測型專家系統(tǒng)預測型專家系統(tǒng)的任務是通過對過去或現(xiàn)在知識狀況的分析 推斷未來可能發(fā)生的情況 其主要特點有 第一 系統(tǒng)處理的數(shù)據(jù)隨時間變化 而且可能是不準確或不完備的 第二 系統(tǒng)需要有適應時間變化的動態(tài)模型 能夠從不完全和不準確的信息中得出預報 并達到快速響應的要求 預測型專家系統(tǒng)的例子主要有氣象預報 軍事預測 人口預測 交通預測 經(jīng)濟預測和作物產(chǎn)量預測等 3 診斷型專家系統(tǒng)診斷型專家系統(tǒng)的任務是根據(jù)觀察到的情況來推斷出某個對象機能失常的原因 其主要特點有 第一 能夠了解被診斷對象和客體各組成部分的特性 以及它們之間的聯(lián)系 第二 能夠區(qū)分一種現(xiàn)象及其所掩蓋的另一種現(xiàn)象 第三 能夠向用戶提出測量的數(shù)據(jù) 并從不確切信息中得出盡可能正確的診斷 診斷型專家系統(tǒng)的例子特別多 有醫(yī)療診斷 電子或機械故障診斷以及材料失效診斷等 著名的血液病診斷專家系統(tǒng)MYCIN 青光眼治療專家系統(tǒng)CASNET等都屬于這類專家系統(tǒng) 4 設(shè)計型專家系統(tǒng)設(shè)計型專家系統(tǒng)的任務是根據(jù)設(shè)計要求 求出滿足設(shè)計問題約束的目標配置 其主要特點有 第一 善于從多方面的約束中得到符合要求的設(shè)計結(jié)果 第二 系統(tǒng)需要檢索較大的可能解空間 第三 善于分析各種子問題 并處理好子問題間的相互作用 第四 能夠試驗性地構(gòu)造出可能設(shè)計 并易于對所得設(shè)計方案進行修改 第五 能夠使用已被證明是正確的設(shè)計來解釋當前的設(shè)計 設(shè)計型專家系統(tǒng)的例子主要有電路設(shè)計 土木建筑工程設(shè)計 機械產(chǎn)品設(shè)計 生產(chǎn)工藝設(shè)計等 5 規(guī)劃型專家系統(tǒng)規(guī)劃型專家系統(tǒng)的任務是要尋找出某個能夠達到目標的動作序列或步驟 其主要特點有 第一 所要規(guī)劃的目標可能是動態(tài)的或靜止的 第二 所涉及的問題可能很復雜 要求系統(tǒng)能抓住重點 處理好各子目標間的關(guān)系和不確定的信息 并通過試驗性動作得出可行的規(guī)劃 規(guī)劃型專家系統(tǒng)可用于機器人規(guī)劃 交通運輸調(diào)度 工程項目論證 通信與軍事指揮以及農(nóng)作物施肥方案規(guī)劃等 6 監(jiān)視型專家系統(tǒng)監(jiān)視型專家系統(tǒng)的任務在于對系統(tǒng) 對象或過程的行為進行不斷觀察 并把觀察到的行為與其應當具有的行為進行比較 以發(fā)現(xiàn)異常情況 發(fā)出警報 監(jiān)視專家系統(tǒng)的主要特點有 第一 系統(tǒng)應具有快速反應能力 在造成事故之前及時發(fā)出警報 第二 系統(tǒng)發(fā)出的警報要有很高的精確性 第三 系統(tǒng)能夠隨時間和條件的變化而動態(tài)地處理其輸入信息 監(jiān)視型專家系統(tǒng)可用于核電站的安全監(jiān)視 防空監(jiān)視與報警 國家財政的監(jiān)控及農(nóng)作物病蟲害的監(jiān)視與報警等 7 控制型專家系統(tǒng)控制型專家系統(tǒng)的任務是自適應地管理一個受控對象或客體的全面行為 使其滿足預期要求 這類專家系統(tǒng)的主要特點是 能夠解釋當前情況 預測未來可能發(fā)生的情況 診斷可能發(fā)生的問題及其原因 不斷修正計劃 并控制計劃的執(zhí)行 也就是說 控制型專家系統(tǒng)具有解釋 預報 診斷 規(guī)劃和執(zhí)行等多種功能 控制型專家系統(tǒng)可用于空中交通管制 商業(yè)管理 自主機器人控制 作戰(zhàn)管理 生產(chǎn)過程控制和生產(chǎn)質(zhì)量控制等許多方面 8 調(diào)試型專家系統(tǒng)調(diào)試型專家系統(tǒng)的任務是對失靈的對象給出處理意見和方法 它要求專家系統(tǒng)須具有規(guī)劃 設(shè)計 預報和診斷等功能 調(diào)試專家系統(tǒng)可用于新產(chǎn)品或新系統(tǒng)的調(diào)試 也可用于被維修設(shè)備的調(diào)整 測試與試驗 9 教學型專家系統(tǒng)教學型專家系統(tǒng)的任務是根據(jù)學生的特點 弱點和基礎(chǔ)知識 以最適當?shù)慕虒W方案和教學方法對學生進行教學和輔導 這類專家系統(tǒng)的主要特點有 第一 同時具有診斷和調(diào)試功能 第二 具有良好的人機界面 專家系統(tǒng)的結(jié)構(gòu)是指專家系統(tǒng)各組成部分的構(gòu)造方法和組織形式 不同應用領(lǐng)域和不同類型的專家系統(tǒng) 其體系結(jié)構(gòu)和功能也都不盡相同 通常 一個最基本的專家系統(tǒng)應由知識庫 數(shù)據(jù)庫 推理機 解釋機構(gòu) 知識獲取機構(gòu)和用戶界面6個部分所組成 如圖1所示 四 專家系統(tǒng)的基本結(jié)構(gòu) 知識庫是專家系統(tǒng)的知識存儲器 用來存放求解問題的領(lǐng)域知識 通常 知識庫中的知識分為兩大類型 一類是領(lǐng)域中的事實 稱為事實性知識 這是一種廣泛公認的知識 即在書本上的知識及常識 另一類是啟發(fā)性知識 它是領(lǐng)域?qū)＜以陂L期工作實踐中積累起來的經(jīng)驗總結(jié) 專家系統(tǒng)開發(fā)中的一個重要任務就是要十分認真細致地對專家的這類經(jīng)驗知識進行分析 1 知識庫 數(shù)據(jù)庫又稱為全局數(shù)據(jù)庫或綜合數(shù)據(jù)庫 用來存儲有關(guān)領(lǐng)域問題的事實 數(shù)據(jù) 初始狀態(tài) 證據(jù) 和推理過程中得到的各種中間狀態(tài)及目標等 實際上 它相當于專家系統(tǒng)的工作存儲器 用它存放用戶回答的事實 已知的事實和由推理得到的事實 2 數(shù)據(jù)庫 推理機是一組用來控制 協(xié)調(diào)整個專家系統(tǒng)的程序 它根據(jù)數(shù)據(jù)庫當前輸入的數(shù)據(jù) 利用知識庫中的知識按一定的推理策略 去求解當前的問題 解釋外部輸入的事實和數(shù)據(jù) 推導出結(jié)論并向用戶提出問題等 由于專家系統(tǒng)是模擬人類專家進行工作 因此設(shè)計推理機時 應使它的推理過程和專家的推理過程盡量相似 并最好完全一致 推理機所采用的推理方法可以是正向推理 逆向推理 或正逆向結(jié)合的雙向推理 并且 在這三種推理方式中 都包含有精確推理和不確定推理 3 推理機 推理機和知識庫相分離 是專家系統(tǒng)的一大特點 這不僅便于對知識庫的管理 而且還可以實現(xiàn)具有可塑性 通用性的系統(tǒng) 解釋機構(gòu)實際上也是一組程序 它包括系統(tǒng)提示 人機對話 能書寫規(guī)則的語言以及解釋部分程序 其主要功能是解釋系統(tǒng)本身的推理結(jié)果 回答用戶的提問 使用戶能夠了解推理的過程及所運用的知識和數(shù)據(jù) 因此 在設(shè)計解釋機構(gòu)時 應預先考慮好 在系統(tǒng)運行過程中 應該回答哪些問題 然后根據(jù)這些問題 設(shè)計好如何回答 目前 大多數(shù)專家系統(tǒng)的解釋機構(gòu)都采用人機對話的交互式解釋方法 4 解釋機構(gòu) 許多的人工智能領(lǐng)域的研究論文中Agent都是用的英文單詞 據(jù)說中文的翻譯有兩種 智能代理和智能主體 到底哪一種更合適 各有各的理由 這也反映了人們對于Agent的不同理解 或者說對Agent的各個特征的重要性的不同理解 三 智能代理 有一種理解認為 Agent是一類自動程序 它能夠代替人完成某些任務 例如郵件Agent可以代替人對收到的郵件進行分類并處理 這種Agent不僅能夠了解企業(yè)或人對于郵件處理的規(guī)則和習慣 而且在很多情況下比人做得還要好 它的作用就像是我們在日常生活中的旅行代理 稅務代理 保險代理等 能夠幫助我們完成一些特定的任務 很顯然 在這類Agent中 強調(diào)的是程序的自治能力和學習能力 把這類Agent翻譯成智能代理是合適的 另一種理解認為 Agent是功能單一的主體 換句話說 它只是解決某一方面的問題 但是 通過群體Agent的通信和協(xié)調(diào) 它們可以共同解決非常復雜的問題 在這類系統(tǒng)中 智能并不是體現(xiàn)在個體Agent上 而是體現(xiàn)在群體Agent上 從目前的研究來看 盡管第一種意義下的Agent也有廣泛的應用 但是 從問題求解方法論的角度上講 單純的代理行為意義不大 而如果一些簡單的Agent能夠通過協(xié)作完成復雜的任務是我們非常希望的一種解決問題的方式 因此是Agent研究背后的真正動機 什么是Agent 實際上并沒有一個公認的定義 這也充分說明這還是一個發(fā)展中的學科 我比較認同下面的定義 Agent是為了達到某個特定的目標 在與外部環(huán)境的相互作用基礎(chǔ)上 通過對環(huán)境狀態(tài)的認識以及和其他Agent的協(xié)作 自律地推進問題解決的處理單位 從這個定義來看 Agent應具有以下四種基本特征 自律性 Agent擁有內(nèi)部自治機制和問題解決機制 能夠控制自己的行為和內(nèi)部狀態(tài) 無需他人的干涉即可根據(jù)自己的知識和捕捉到的信息進行判斷和行為 Agent自律性的高低在很大程度上決定了其智能的高低 社會性 Agent不是孤立的 而是一個相互作用的群體 Agent間可以按照某種協(xié)議或者語言進行通信和對話 從而形成一個小組來協(xié)作完成某一特定的任務 反應性 指Agent具有外部環(huán)境的反射作用 能夠識別外部環(huán)境的變化并作出適當反應 但是這種反應可以是簡單的反射 reactiveagent 也可以是深思熟慮的反應 deliberativeagent 自發(fā)性 指Agent具有對目標的能動性 為了達到目標 Agent能夠自發(fā)地參加到某些處理或者協(xié)作中 表現(xiàn)出有目標的行為 基于Agent的方法就是MAS方法 也就是定義多個自律Agent 通過它們的相互協(xié)作來解決復雜的問題 在這里我們不強調(diào)單個Agent的功能有多強 相反我們希望每個Agent的功能越單一越好 因為單一的功能容易確保其操作正確和可靠 在實現(xiàn)上也比較容易 Agent的智能不是體現(xiàn)在其功能的強弱上 而是體現(xiàn)在相互協(xié)作上 如果把重點放在單個Agent的智能上 強調(diào)它的學習能力 那么Agent就和一般的具備學習功能的AI程序沒有什么區(qū)別 Agent也就僅僅是一個新名詞而已 沒有什么本質(zhì)的意義 第三節(jié)人工智能教育應用一 人工智能教育應用概述智能輔助教學系統(tǒng)具有教學決策模塊 學生模型模塊 自然語言接口 因此有以下特點 1 了解每個學生的學習能力 認知特點和當前知識水平 2 因材施教 有針對性的開展個別指導 3 實現(xiàn)人性化的人機對話 二 智能計算機輔助教育 ICAI IntelligentComputerAssistedInstruction 研究方向 根據(jù)學生的能力 弱點及所喜愛的學習風格編制出一套進行教學的計算機軟件 ICAI系統(tǒng)主要由下圖所示的三個基本模塊組成 知識庫 它包含學科知識 教學內(nèi)容 和教學知識 教學策略 兩部分內(nèi)容 學生模型 模塊 它指明學生知道什么和不知道什么 代表了學生的智能活動 教師模型 模塊 它提供教學策略 負責指導系統(tǒng)如何向?qū)W生呈現(xiàn)教材 代表了教師的智能活動 ADELE AgentforDistanceEducation LightEdition 是一個用于臨床醫(yī)學診斷的一個典型ICAI系統(tǒng)