人工智能分支_以计算机学科分支的角度讲授人工智能4400字

以计算机学科分支的角度讲授人工智能4400字

以计算机学科分支的角度讲授人工智能4400字 对于我国高等院校计算机学科的本科教学来讲,人工智能课程的课时一般只 有40课时左右。以什么角度组织教材内容,提高教学效果,使学生较容易地理解 和掌握人工智能的原理与技术呢?通过多年的人工智能教学实践,我们逐渐总结 出了进行人工智能教学的方法:既从计算机学科本科的教学理念出发,考虑人工 智能这门学科的特点,以作为计算机学科的一门分支的角度认知人工智能,组织 教材的知识架构并进行教学。用计算机学科的观点分析人工智能的基本原理与方 法时,重点强调的是这些基本原理与方法与其他的计算机分支的共同点和不同点。

共同点是强调计算机学科的本质,不同点是强调人工智能的本质。

2计算机学科本科的教学理念 计算机学科本科的教学理念可以归结为:传授知识、提高能力、培养素质(包 括专业素质与品格素质,专业课以专业素质为主)。其中,原来作为核心的知识 现被看成是教育的基础,即把知识作为载体,用来实现能力的提高,在潜移默化 中实施素质教育。高等院校对学生能力的培养主要包括:学习能力、分析问题与 解决问题的能力以及创新能力。对于本科学生,重在学习能力与分析问题与解决 问题的能力,对创新只是培养兴趣。素质是知识和能力的升华,计算机专业素质 显示的是这一领域的水平,素质水平的提升也将通过知识的增多和能力的增加体 现出来。

3以计算机分支的角度认知人工智能 什么是人工智能?目前人们普遍接受的定义是:用机器来模拟人的智能,也 就是用计算机来模拟人的智能。若以计算机分支的角度也就是用计算机学科的观 点看待人工智能,我们需从两个方面加以说明。首先,从计算机的能力,也就是它能做什么讲起。用计算机解决某种问题, 需要有三个基本的条件:第一,必须把问题形式化。第二,问题是可计算的,就 要有算法。第三,问题要有合理的复杂度。人的智能所能解决的问题往往不能满 足这三个条件。因此,人工智能就是对于不能满足这些条件的问题,通过使用它 的技术和方法,使问题满足这三个条件,由计算机去解决问题。比如,一般来讲 不可能将自然语言全部形式化,但人工智能使用一阶谓词逻辑表示自然语言的部 分句子,并用算法进行推理,解决一定范围的问题。另外,使用启发式搜索可降 低问题的复杂度,使问题在可能的范围内得到解决。

其次,从计算机的核心技术加以阐述。用计算机解决问题是靠程序实现的, 程序是什么?一本经典的计算机教科书的名字“算法+数据结构=程序”给出了解 释,这说明在计算机学科中算法与数据结构的核心地位,一般的计算机程序也确 实可分成这两个部分。而作为典型的人工智能程序可分成三个部分,控制部分(推 理机)、规则库和数据库。其中,控制部分和规则库对应于算法,数据库对应于 数据结构。实际上,控制部分由搜索策略和推理机制组成,规则库是将一般计算 机程序的算法中的与实际问题有关的知识抽出来单独组成。而数据库往往用来存 放一些基本的事实和一些中间的结果,也常常采用知识表示的方法,因此,人们 也经常把规则库和数据库合称为知识库。在人工智能程序中与算法与数据结构对 应的正是人工智能的两大核心:搜索和知识表示(包括推理)。

4以计算机分支的角度组织并实施教学 人工智能为了模拟人的智能,处理的对象是知识,知识处理则需采用知识表 示。又由于往往没有确定的算法,只能使用搜索。本文的观点是人工智能课程的 教学内容应以知识为主线,以知识表示和搜索为基石进行组织。

首先,教学的第一个核心是知识表示。知识表示就是研究用计算机来表示知 识的方法,这些方法需满足两个条件:除了计算机可接受这个条件以外还要能刻 画智能行为。这是与一般的数据结构不同的地方。什么方法适合呢?由此引出了逻辑表示方法。

形式逻辑是关于思维的形式和规律的科学,数理逻辑从逻辑上讲是现代的形 式逻辑,是用符号和的方法来研究推理规律的学科。数理逻辑一般是指命题逻辑 和一阶谓词逻辑。一阶谓词逻辑比命题逻辑表达能力强,逻辑的表达方式与人类 的自然语言接近,因此,用一阶谓词逻辑作为知识表示工具容易被人接受。不仅 如此,由一阶谓词逻辑表示已知条件和所要证明的定理,使用归结原理则可建立 计算机程序实现自动定理证明(半可判定算法)。这一过程是在Herbrand定理的基 础上得以成立的。由于人工智能中的许多问题都可以化成类似于定理证明的问题, 因此可以把与Herbrand定理有关的一系列工作看成是表示和推理的理论基础。评 价知识表示方法的性能,即要考察表示能力,又要考虑是否有效地支持知识的推 理。显然,具有充分的表示能力又有坚实的理论基础的表示方法是最使人放心的, 一阶谓词逻辑恰好满足这一条件。

在这一部分的讲授中,将通过一系列的演变过程,展现出如何将一组谓词公 式转换成子句的集合,又如何通过使用置换与合一的手段,达到可以应用归结推 理规则,而最终得到证明的目的,而这一切又都是在有严格的定理保证之下完成 的。这些内容的讲授,对于培养学生严紧的逻辑思维能力是一个极好的实例。

逻辑表示与归结推理方法是知识表示的基础部分,用来说明人工智能系统进 行推理的原理。而作为真正最实用的产生式表示法将通过Horn子句的正向推理和 反向推理过程引入,产生式表示法中的带与不带变量的正、反向推理相当于命题 逻辑和一阶谓词逻辑层面的Horn子句的正、反向推理。作为结构化表示的语义网 络和框架表示法也以一阶谓词逻辑为基础,它们均可转变成为等价的一阶谓词逻 辑的表示形式。

在教学中,关于其他知识表示方面的内容,比如:产生式规则、语义网络、 框架,都以一阶谓词逻辑为基础给以说明。关于产生式表示法在人工智能的认知 体系结构中,被看成是人的思维中因果关系的一种反映,而在本文中则看成是一 种类似于Horn子句形式的一种表示。在讲授时将这些内容作为一个整体,说明原 理与实用方法之间的关系,根据实际问题的需要,可以降低表示的能力。而另一方面,为了解决实际问题,可以扩充表示的能力。

以学科分支的角度讲授人工智能 1引言 人工智能是由多种学科相互渗透的综合学科,但它是明确属于计算机科学分 支的学科。这是因为从功能上和方法上人工智能与计算机学科是一致的。实际上, 人工智能不仅使用了许多其他计算机学科分支的技术,而且在发展过程中,也开 拓了许多新的方法和技术,充实了计算机学科。若按计算机处理的对象来区分的 话,则可分为三个部分:数值计算、数据处理与知识处理,人工智能就对应知识 处理工作。

人工智能教学的另一个核心是搜索问题。一般来讲,用计算机求解问题,就 是用已知的知识,对于给定的数据进行加工,期望得到解答,其解法则由某种程 序来表述。其他的计算机分支处理的问题,往往知识比较充分,例如多数的科学 计算问题,就可以在看到数据以前根据知识写出程序,这个程序对于一切数据都 是适用的。而人工智能处理的问题知识不够充分,或程序太复杂,此时可以写出 一个元程序,对于给定的数据,它根据知识,做出一个程序专门加工这些给定的 数据。这时,这个元程序可以通用于一大类知识,通常并不包含领域知识的具体 细节,因此,对于这个元程序的研究就脱离了问题的具体领域,成为人工智能内 部的课题,这正是搜索。

在教学中,通过掌握知识的多少来讲授各种不同的搜索。搜索是由于知识不 足而产生的,同时搜索与知识是相辅相成的。当知识较多时,搜索的工作量不多, 可使用一些盲目的搜索策略。当知识较少时,搜索的工作量较大,则需使用一些 启发式的搜索策略。启发式搜索是搜索方法中需重点说明的,它起到了降低被求 解问题复杂度,提高搜索效率的作用,但太强的启发信息,往往找不到最佳解。

如何能减少搜索范围,提高搜索效率,而且还保证找到最佳解,这成为搜索方法 应明确的问题。A*算法是N.J.Nilsson在20世纪70年代初的研究成果,他解决了 这个问题,证明了A*算法的可采纳性。类似于定理证明,在教学时也将A*算法及其有关证明看成是搜索方法的理论基础加以介绍。

在搜索部分的教学中,除了把A*算法及其有关证明作为重点,当作是搜索方 法的理论基础来讲解以外,还要给出若干搜索算法。一方面,这些算法说明了各 种搜索的方法,另一方面,在这些算法中经常有一些算法细节抽象的技巧,对这 些内容的细致分析,将会逐渐提高学生抽象思维的能力。

在实际的知识库系统中,回溯和与或树的搜索算法应用较多。而当问题的有 关知识较少,规模大到一定程度之后,往往采用引进了随机因素的搜索算法,比 如:模拟退火算法、遗传算法等。现在,这些算法一般称为高级搜索,教学时作 为搜索的扩展来讲授。

人工智能技术方面的研究往往涉及各应用领域的课题。反映到教学中,就是 人工智能的各个分支的介绍,这包括知识库系统、自然语言理解、规划、机器人 等。

总之,教学内容可分成两个部分,第一部分是基础理论和基本方法,包括:
逻辑表示与归结推理方法、搜索原理,知识表示(包括产生式系统、语义网络、 框架)、推理(包括不确定性推理、非单调推理)、机器学习。第二部分是实用技 术,包括知识库系统、高级搜索、自然语言理解。

5结束语 经过长期的人工智能教学实践,笔者逐渐形成了以计算机学科分支的角度来 讲授人工智能课程的思路。从学生的接受、理解和掌握人工智能的基本原理与技 术方面来看,有较好的效果。但如何把计算机学科和其他人工智能所涉及的领域 更完美地结合起来,较好地在教学效果与宽广的知识面之间找到平衡点,还需今 后进一步的研究与探索。