第1章人工智能概述 采用这一途径与方法的原因是：①人脑的可意识到的思 维活动是在心理层面上进行的（如我们的记忆、联想、推理、 计算、思考等思维过程都是一些心理活动)，心理层面上的思 维过程是可以用语言符号显式表达的，从而人的智能行为就可 以用逻辑来建模。 ② 心理学、逻辑学、语言学等实际上也 是建立在人脑的心理层面上的，从而这些学科的一些现成理论 和方法就可供人工智能参考或直接使用。③当前的数字计算 机可以方便地实现语言符号型知识的表示和处理。④可以直 接运用人类己有显式知识（包括理论知识和经验知识）直接建立 基于知识的智能系统
第 1 章 人工智能概述 采用这一途径与方法的原因是: ① 人脑的可意识到的思 维活动是在心理层面上进行的(如我们的记忆、联想、推理、 计算、 思考等思维过程都是一些心理活动), 心理层面上的思 维过程是可以用语言符号显式表达的, 从而人的智能行为就可 以用逻辑来建模。 ② 心理学、逻辑学、 语言学等实际上也 是建立在人脑的心理层面上的, 从而这些学科的一些现成理论 和方法就可供人工智能参考或直接使用。 ③ 当前的数字计算 机可以方便地实现语言符号型知识的表示和处理。 ④ 可以直 接运用人类已有显式知识(包括理论知识和经验知识)直接建立 基于知识的智能系统
第1章人工智能概述 基于心理模拟和符号推演的人工智能研究，被称为心理学 派、逻辑学派、符号主义。早期的代表人物有纽厄尔（A11en Newell)、肖(Shaw)、西蒙(Herbert Simon)等，后来还有费根 宝姆(E.A.Feigenbaum)、尼尔逊(Nilsson)等。其代表性的 理念是所谓的“物理符号系统假设”，即认为人对客观世界的 认知基元是符号，认知过程就是符号处理的过程；而计算机也 可以处理符号，所以就可以用计算机通过符号推演的方式来模 拟人的逻辑思维过程，实现人工智能
第 1 章 人工智能概述 基于心理模拟和符号推演的人工智能研究, 被称为心理学 派、逻辑学派、符号主义。早期的代表人物有纽厄尔(Allen Newell)、肖(Shaw)、西蒙(Herbert Simon)等, 后来还有费根 宝姆(E. A. Feigenbaum)、尼尔逊(Nilsson)等。 其代表性的 理念是所谓的“物理符号系统假设” , 即认为人对客观世界的 认知基元是符号, 认知过程就是符号处理的过程;而计算机也 可以处理符号, 所以就可以用计算机通过符号推演的方式来模 拟人的逻辑思维过程, 实现人工智能
第1章人工智能概述 ●●●●●●●●●●●●●●●● 符号推演法是人工智能研究中最早使用的方法之一。人 工智能的许多重要成果也都是用该方法取得的，如自动推理 定理证明、问题求解、机器博弈、专家系统等等。由于这种 方法模拟人脑的逻辑思维，利用显式的知识和推理来解决问 题，因此，它擅长实现人脑的高级认知功能，如推理、决策等
第 1 章 人工智能概述 符号推演法是人工智能研究中最早使用的方法之一。人 工智能的许多重要成果也都是用该方法取得的, 如自动推理、 定理证明、问题求解、 机器博弈、专家系统等等。由于这种 方法模拟人脑的逻辑思维, 利用显式的知识和推理来解决问 题, 因此, 它擅长实现人脑的高级认知功能, 如推理、 决策等
第1章人工智能桡述 ●●●●●●●●●●●●●●●●●●●●● 1.5.2生理模拟，神经计算 “生理模拟，神经计算”就是从人脑的生理层面，即微 观结构和工作机理入手，以智能行为的生理模型为依据，采用 数值计算的方法，模拟脑神经网络的工作过程，实现人工智 能。具体来讲，就是用人工神经网络作为信息和知识的载体， 用称为神经计算的数值计算方法来实现网络的学习、记忆、 联想、识别和推理等功能
第 1 章 人工智能概述 1.5.2 生理模拟, 神经计算 “生理模拟, 神经计算”就是从人脑的生理层面, 即微 观结构和工作机理入手, 以智能行为的生理模型为依据,采用 数值计算的方法, 模拟脑神经网络的工作过程, 实现人工智 能。 具体来讲, 就是用人工神经网络作为信息和知识的载体, 用称为神经计算的数值计算方法来实现网络的学习、记忆、 联想、 识别和推理等功能
第1章人工智能概述 我们知道，人脑的生理结构是由大约10111012 个神经元 (细胞)组成的神经网络，而且是一个动态的、开放的、高度 复杂的巨系统，以致于人们至今对它的生理结构和工作机理 还未完全弄清楚。因此，对人脑的真正和完全模拟，一时还 难以办到。所以，目前的生理模拟只是对人脑的局部或近似 模拟，也就是从群智能的层面进行模拟，实现人工智能。 这种方法一般是通过神经网络的“自学习”获得知识， 再利用知识解决问题。神经网络具有高度的并行分布性、很 强的鲁棒性和容错性。它擅长模拟人脑的形象思维，便于实 现人脑的低级感知功能，例如图像、声音信息的识别和处理
第 1 章 人工智能概述 我们知道,人脑的生理结构是由大约1011～1012 个神经元 (细胞)组成的神经网络, 而且是一个动态的、开放的、高度 复杂的巨系统, 以致于人们至今对它的生理结构和工作机理 还未完全弄清楚。 因此, 对人脑的真正和完全模拟, 一时还 难以办到。 所以, 目前的生理模拟只是对人脑的局部或近似 模拟, 也就是从群智能的层面进行模拟, 实现人工智能。 这种方法一般是通过神经网络的“自学习”获得知识, 再利用知识解决问题。神经网络具有高度的并行分布性、 很 强的鲁棒性和容错性。 它擅长模拟人脑的形象思维, 便于实 现人脑的低级感知功能, 例如图像、 声音信息的识别和处理