北京大學 人工智能MOOC

目錄

  • 北京大學 人工智能MOOC
  • Part I. Basics :Chapter 1. Introduction
  • §1.1 Overview of Artificial Intelligence
  • §1.2 Foundations of Artificial Intelligence
  • Mathematics:
  • Neuroscience
  • Cognitive Psychology
  • 控制理論和控制論
  • §1.3 History of Artificial
  • §1.4 The State of The Art
  • Part I. Basics: Chapter 2.Intelligent Agent
  • §2.1 Ctbernetics and Brain Simulation
  • §2.2 Symbolic vs. Sub-symbolic
  • 符號模式
  • 亞符號模式
  • §2.3 Logic-based vs. Anti-logic
  • Part II. Searching: Chapter 3. Solving Problems by Search
  • §3.1 Problem Solving Agent
  • null
  • §3.2 Example Problems
  • §3.3 Searching for Solutions
  • §3.4 Uninformed Search Strategies
  • §3.5 Informed Search Strategies
  • §3.6 Heuristic Functions

Part I. Basics :Chapter 1. Introduction

§1.1 Overview of Artificial Intelligence

  • 研究如何創建計算機和計算機軟件使之具有智能行為的學科；
  • 1956 達特茅斯會議 AI誕生

圖靈測試 圖靈(1950) 計算機器與智能Computing Machinery and Intelligence

皆在提供一種令人滿意的關於智能的可操作定義

視覺圖靈測試 唐納德-傑曼(2014)

採用一個操作員輔助設備、根據給定的圖像產生隨機的二元問題序列

  • 目前計算機視覺系統是測試任務的精度，包括對象檢測、圖像分割和定位，但仍然與人類行為方式有差距。（人類具有理解圖像的能力）
  • 評估計算機圖形學能力
  • 圖形識別、及圖形間關係理解
  • 題目之間有關聯，且被測試者只回答yes、no

§1.2 Foundations of Artificial Intelligence

Mathematics:

  • 邏輯學：得出正確結論的形式規則是什麼？
  • 1847，George Bool：命題邏輯；
  • 1879，Gottlob Frege：一階邏輯，擴展了布爾邏輯，增加了對象和關係；
  • 1983，Alfred Tarski：指稱理論，解釋如何講邏輯中的對象與對象相關聯；
  • 計算：什麼是可計算的？
  • Alan Turing 1912-1954：試圖精確的描述那些函數是可計算的
  • Cobham Edmonds 1960s：計算的易處理性的概念
  • Steven Cook，Richard Karp 1972：提出了NP完全性的理論；

P：polynomial time 多項式時間

NP: Non-deterministic Polynomial time 不確定性多項式時間

NP-complete ：NP 與NP難 的交集。

  • 概率：如何根據不確定信息進行推斷？
  • Gerolamo Cardano ： 構建了概率的概念，博弈事件中可能的結果；
  • James Bernoulli ：引入了新的統計學方法；
  • Thomas Bayes：提出了貝葉斯規則，稱為不確定性推理的最現代方法。

Neuroscience

大腦如何處理信息？

大腦在理性決策方面很優越，但不像軟件那樣模塊化，預測和仿真是決策的關鍵！

Cognitive Psychology

人類如何思考與行動？

研究認知及行為背後的心智處理的行為科學，研究人腦如何接收外部世界的輸入、處理、作用（認知心理學）

如何在大腦中形成以及轉錄過程的跨領域學科（認知科學）

把大腦看作是信息處理設備，是研究心智過程的學科。

  • 注意機制 Attention
  • 一是集中在某個有用感知信息子集的狀態
  • 語言運用
  • 語言習得、語言形成的組件、語言使用時的語氣、或者其他相關領域。
  • 記憶
  • 記憶：三個子集：過程記憶、語義記憶、情景記憶。
  • 感知
  • 物理感知（視覺）、認知過程
  • 元認知：關於認知的認知、關於思考的思考、關於認識的認識
  • 關於認知的知識、認知的調節
  • 問題求解
  • 創造力
  • 思考

控制理論和控制論

機器如何能在自身的控制下運行

控制理論：工程與數學的交叉學科：處理動態系統對輸入的行為，以及該行為如何通過反饋進行調整。

控制論：探索調控系統，它們的結構、約束、及其可能性，定義為研究動物與機器的控制與通訊的科學，新世紀被解釋為”用技術控制任何系統“

§1.3 History of Artificial

  • 1950-1956 人工智能的誕生
  • 圖靈測試：機器智能的度量
  • 達特茅斯會議：人工智能研究領域正式誕生
  • 1956-1974 黃金年代
  • 1958 Herbert Simon 和Allen Newell 第一個ai程序：邏輯理論家（LT）；
  • 1958 John McCarthy 發明了Lisp語言；
  • 1960 Masterman 設計了語義網絡，用於機器翻譯 ；
  • 1963 Leonard Uhr和Charles Vossler 發表了關於模式識別的論文，描述了第一個機器學習程序；
  • 1965 Fergenbaum 發明了Dendral的專家系統，推斷有機化合物分子結構的軟件；
  • 1974 Shortliffe 演示了MYCIN程序，一個非常實用的基於規則的醫學診斷方法；
  • 1974-1980 第一個寒冬
  • 1966 機器翻譯失敗
  • 1970 連接主義遭到遺棄
  • 197-1975 DARPA對卡耐基梅隆大學的語音理解研究項目感到沮喪；
  • 1973，受 Lighthill ”Artificial Intelligence：A General Survey“報告的影響，英國大幅度縮減AI的研究；
  • 1973-1974，DARPA，削減了一般性研究的經費；
  • 1980-1987 繁榮期
  • 1980 AAAI美國人工智能學會，在斯坦福大學召開第一屆全國大會；
  • 1982 日本 啓動了 第五代計算機系統 FGCS 項目，用於知識處理；
  • 1980-1987 決策樹模型被髮明，並以軟件的形式退出，該模型具有可視化、易説明的特點；
  • 1980-1987 多層人工神經元網絡ANN 被髮明，具有足夠多的隱藏測，一個ANN可以表達任意的功能，因此突破了感知的侷限性；
  • 1987-1993 第二個寒冬
  • 1987 Lisp機市場崩潰；
  • 1988 美國政府戰略計算促進會取消了新的ai經費；
  • 1993 專家系統緩慢滑向低谷；
  • 1990s 日本第五代計算機項目沒能達到其初始目標，悄然退場；
  • 1993-Present 突破
  • 1997 IBM深藍系統戰勝國際象棋衞冕冠軍；
  • 2005 斯坦福大學自主機器人車輛Stanley，贏得了DARPA無人駕駛汽車挑戰賽；
  • 2006 Geoffrey Hinton和Ruslan Salakhutdinov 在Science 上發表深度學習論文；
  • 2011 Watson 在Jeopardy！比賽上戰勝了兩屆冠軍獲得了1m美元的大獎
  • 2011 Google 啓動深度學習項目，作為Google Brain 作為Google X項目之一，降一萬六千台計算機連成的一個集羣，致力於模仿人類大腦，通過一千萬張數字圖片的學習，已成功學會識別一隻貓；
  • 2012 Apple 推出了Siri，個人助理和知識導航軟件；
  • 2012 Microsoft 首席研究館Rick Rashid 演示了一款 實時英文-中文通用翻譯系統，不僅翻譯準確，而且保持講者口音和語調；
  • 2014.4 Microsoft 推出了Cortana；
  • 2014.6 Microsoft 推出微軟小冰；
  • 2015.9.8 百度推出 度秘，秘書化搜索服務；
  • 2014.6 Eugene Goostman被活動33%的評委認為其是人類，通過了圖靈測試；
  • 2014.8 IBM發表了類人腦工作的TrueNorth芯片；
  • 2015.2 Google DeepMind公司在Natrue 上發表了Deep Q-Network 通過深度強化學習達到人類水平的操控；
  • 2015.12 DeepMind公司的AlphaGo 打敗了歐洲圍棋冠軍 樊輝；深度學習軟件第一次擊敗了人類職業圍棋選手；
  • 2016.3 AlphaGo 在韓國首爾對壘九段棋手中獲勝，

§1.4 The State of The Art

Humanly

Rationally

Acting

Acting humanly

Acting rationally

Thinking

Thinking humanly

Thinking rationally

  • 弱人工智能(ANI)：無意識的AI，專注於一個具體的任務（僅針對一個特定問題）；
  • 強人工智能(AGI)：將智能用於處理任何問題，研究主要目標；
  • 超人工智能(ASI)：一個假想的agent。

人工智能的應用

  • 計算機視覺 Computer vision
  • 圖像處理
  • VR、AR、MR
  • 模式識別
  • 智能診斷
  • 博弈理論和策略規劃
  • ai遊戲
  • 機器翻譯
  • 自然語言處理
  • 非線性控制機器人學
  • \(\cdots\)

優秀論文賞析：

  • ”一種用於非線形降維的全局幾何框架“
  • ”利用神經元網絡降低數據的維度“
  • ”通過快速查找和發現密度峯值進行聚類“

人工智能研究領域：

  • AI
  • SEARCHING
  • PROBLEMS SPACE
  • REASONING
  • KNOLEDGE
  • PLANNING
  • RULES
  • LEARNING
  • DATA
  • APPLYING
  • COMMUNICATING
  • NLP
  • MACHINE TRANSLATE
  • PERCEIVING
  • VISION
  • SPEECH
  • SENSING
  • ACTING
  • ROBOT


Part I. Basics: Chapter 2.Intelligent Agent

§2.1 Ctbernetics and Brain Simulation

§2.2 Symbolic vs. Sub-symbolic

符號模式

專家系統：通過規則、規則的操作進行推理；

亞符號模式

研究者確信，符號系統永遠無法模仿人類認知的全部過程，尤其是感知。

§2.3 Logic-based vs. Anti-logic

Part II. Searching: Chapter 3. Solving Problems by Search

§3.1 Problem Solving Agent

§3.2 Example Problems

§3.3 Searching for Solutions

§3.4 Uninformed Search Strategies

§3.5 Informed Search Strategies

§3.6 Heuristic Functions