澳洲国立大学COMP6320人工智能课程指南

COMP6320人工智能课程是一门研究和开发使计算机更加智能的方法的科学。本课程的重点是搜索、知识表示和推理、规划和设计智能代理的核心人工智能技术。本课程还旨在概述人工智能的历史、哲学和逻辑基础。

一、人工智能的历史

人工智能(AI)的历史是一个跨越数十年的复杂而迷人的历程。人工智能的概念起源于古老的神话和哲学，但人工智能作为一个科学领域的正式发展始于 20 世纪中期。以下是人工智能发展史上重要里程碑的概述：

1. 早期概念(从古代到 20 世纪)： 创造具有类似人类智慧的人工智能的想法可以追溯到古代文明。亚里士多德和勒内-笛卡尔等哲学家都曾思考过自动机和思维的本质。然而，直到 20 世纪，正式的理论和技术才开始出现。

2. 人工智能的诞生(20 世纪 40 年代至 50 年代)： 人工智能领域基本上诞生于这一时期。阿兰-图灵(Alan Turing)在图灵机方面的工作以及他在 1950 年发表的论文《计算机械与智能》 (Computing Machinery and Intelligence)为人们思考机器与智能问题奠定了基础。其他早期贡献还包括诺伯特-维纳(Norbert Wiener)的控制论和约翰-麦卡锡(John McCarthy)在 1956 年提出的达特茅斯研讨会(Dartmouth Workshop) ，这通常被认为是人工智能作为一个领域的正式诞生。

3. 早期人工智能研究(20 世纪 50 年代至 60 年代)： 在这一阶段，研究人员对快速实现类人人工智能持高度乐观态度。由艾伦-纽维尔(Allen Newell)和赫伯特-西蒙(Herbert Simon)开发的 "逻辑理论家"(Logic Theorist)和 "通用问题求解器"(General Problem Solver)等项目展示了计算机执行需要推理的任务的潜力。

4. 人工智能的第一个冬天(20 世纪 70 年代至 80 年代)： 随着最初的乐观主义逐渐让位于对人工智能任务复杂性的认识，对人工智能的资助和兴趣逐渐减少。进展比预期的要慢，导致了第一个人工智能寒冬，即该领域投资和进展减少的时期。

5. 专家系统(20 世纪 80 年代至 90 年代)： 研究人员转向建立专家系统，这是一种基于规则的系统，旨在模仿人类在狭窄领域的专业知识。这些系统在医学和金融等领域得到了实际应用，但由于难以应对现实世界的复杂性，其局限性逐渐显现出来。

6. 联结主义和机器学习(20 世纪 80 年代至 90 年代)： 研究人员探索了神经网络和机器学习技术，如反向传播，使计算机能够从数据中学习。虽然这些方法显示出了前景，但计算上的限制阻碍了它们的有效性。

7. 人工智能回潮(20 世纪 90 年代至 2000 年代)： 计算能力、算法和数据可用性方面的进步重新激发了人们对人工智能的兴趣。支持向量机和决策树等机器学习技术受到了广泛关注。此外，机器人技术和自然语言处理技术也取得了长足进步。

8. AI Winter II (Late 2000s-2010s)：术语 "AI 冬季 "resurfaced as the progress in AI did not match the hype generated by media and investors. 一些子领域遭遇挫折，但研究仍在悄然进行。

9. Deep Learning and Modern AI (2010s-Present): Breakthroughs in deep learning, powered by neural networks with many layers, revolutionized AI. 在这里，您可以看到许多新的网络，这些网络都是由新的计算机网络支持的，这些计算机网络都是由新的网络支持的，这些网络都是由新的计算机网络支持的。

10. 目前的情况： 人工智能已深入到我们生活的各个方面，从虚拟助手和推荐系统到自动驾驶汽车和医疗诊断。人工智能系统中的偏见和对工作的潜在影响等伦理方面的考虑已变得日益突出。

人工智能的历史充满了兴奋、失望和最终突破的循环。虽然我们已经取得了巨大进步，但创造出真正具有人类智能的机器，也就是通常所说的 "强人工智能 "或 "AGI"(人工通用智能)，仍然是未来面临的一项复杂而开放的挑战。

二、人工智能逻辑基础

人工智能(AI)的逻辑基础指的是数理逻辑中的基本原理、概念和形式主义，它们为人工智能系统中的推理、问题解决和知识表示提供了一个框架。逻辑推理从一开始就是人工智能的一个基本方面，因为它提供了一种对知识进行建模和操作以及推论的系统方法。

以下是在人工智能发展过程中发挥了重要作用的一些关键逻辑基础：

1. 命题逻辑： 命题逻辑使用 AND、OR 和 NOT 等逻辑连接词处理命题(非真即假的语句)。它用于表示和推理人工智能系统中的简单关系和约束。

2. 一阶逻辑(谓词逻辑)： 一阶逻辑通过引入变量、量词(如表示 "所有 "的 ∀ 和表示 "存在 "的 ∃)和谓词(包含参数的关系)扩展了命题逻辑。它允许对知识进行更具表现力的表述，包括事实、关系和规则。

3. 模态逻辑： 模态逻辑处理必然性和可能性等模态。它用于表示和推理动态和不确定环境中代理的知识、信念和行动。

4. 默认逻辑： 默认逻辑提供了一种通过指定默认规则和例外情况来处理不完整或不确定信息的方法。它用于非单调推理，在这种推理中，结论可能需要根据新信息进行修改。

5. 描述逻辑(Description Logic)： 描述逻辑是一系列形式主义，用于具有复杂概念和关系的领域中的知识表示和推理。它是许多本体语言和语义网络技术的基础。

6. 时态逻辑： 时态逻辑涉及事件和时间的推理。它对于动态系统建模、规划以及行动和流程推理至关重要。

7. 非经典逻辑： 在人工智能领域探索了各种非经典逻辑，如模糊逻辑、多值逻辑和准一致逻辑，以处理不精确、不确定或相互矛盾的信息。

8. 自动定理证明： 自动定理证明涉及使用计算机以机械方式验证逻辑语句的有效性。它可应用于形式验证、程序分析和知识表示。

9. 模型理论： 模型理论为研究逻辑语言及其解释之间的关系提供了一个数学框架。它用于理解逻辑形式主义的语义及其含义。

10. 约束逻辑： 约束逻辑侧重于表示和解决变量之间的约束和关系。它被用于各种人工智能领域，包括调度、优化和约束满足问题。

海马课堂专业课程辅导，2100+严选硕博学霸师资，针对学生的薄弱科目和学校教学进度，匹配背景相符的导师，根据学生情况进行1V1专属备课，上课时间灵活安排，中英双语详细讲解课程中的考点、 难点问题，并提供多方位的课后辅导，辅助学生掌握全部课程知识，补足短板。