李季耕课程 以娃见道 智慧父母

十点社群3

李季耕课程 以娃见道 智慧父母 课程分享，网盘分享
李季耕课程 色彩心理学 九型人格
李季耕课程 关系智慧关系之道卓越教育 十大法则语言智慧看清人性

有 课 分 享，➕ 徵 信:
1103074581

人工智能的第一个重大成就是发展了能够求解难题的下棋(如国 际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，把困难 的问题分解成一些比较容易的子问题等，进而逐渐发展成为人工智能 的基本技术——搜索和问题归约。今天的计算机程序已经能够下锦标 赛水平的各种方盘棋、五子棋和国际象棋。另一种是处理各种数学公 式符号的问题求解程序，其性能也已达到很高的水平，并正在为许多科 学家和工程师所应用，有些程序甚至还能够用经验来改善其性能。

到目前为止，人工智能程序已经知道如何考虑它们要解决的问题， 即搜索解答空间，寻找较优的解答。这个领域中尚未解决的主要问题 是缺乏人类棋手具有的一些不能明确表达的能力，如国际象棋大师们 洞察棋局的能力。另一个未解决的问题涉及问题的原概念，在人工智 能中叫作问题表征的选择。人们常常能够找到某种思考问题的方法使 求解变易，从而最终解决该问题。

逻辑推理与定理证明

早期的逻辑演绎研究工作与问题、难题的求解关系相当密切。已 经开发出的程序能够借助于对事实数据库的操作来“证明”断定，其中

每个事实由分立的数据结构表示，就像数学逻辑中由分立公式表示一 样。与人工智能的其他技术的不同之处是，这些方法能够完整和一致 地加以表示。也就是说，只要本原事实是正确的，那么程序就能够证明 这些从事实得出的定理，而且也仅仅是证明这些定理。

逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要 的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事 实上，留意可信的证明，并在出现新信息时适时地修正这些证明。

为数学中臆测的定理寻找一个证明或反证，确实称得上是一项智 能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直 觉技巧。例如，为了求证主要定理而猜测应当首先证明哪一个引理。 一个熟练的数学家运用他的以大量专门知识为基础的判断力，能够精 确地推测出某个科目范围里哪些前面已证明的定理在当前的证明中是 有用的，并把他的主问题归结为若干子问题，以便独立地处理它们。有 几个定理证明程序已在一定程度上具有某些这样的技巧。1976年7 月，美国的艾普尔(Appel) 等人合作解决了长达124年之久的难题—— 四色定理。他们用三台大型计算机，花去1200小时CPU 时间，并对中 间结果进行人为的反复修改500多处。四色定理的成功证明，曾轰动 了计算机界。

语言处理也是人工智能的早期研究领域之一，并已引起进一步的 重视。已经编写出能够从内部数据库回答用英语提出的问题的程序， 这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语 言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程 序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘 打入计算机的指令)。尽管这些语言系统并不像人们在言语行为中所 做的那样好，但是它们能适合于某些应用。初期成就是能够回答一些 简单的询问和遵循一些简单的指示，目前语言处理研究的主要课题是：

在翻译句子时，以主题和对话情节为基础，注意大量的一般常识—世 界知识和期望作用的重要性。

当人们用语言互通信息时，进行着的几乎是毫不费力，但却是极 其复杂，又不需要多少理解的过程，然而要建立一个能够生成和“理 解”哪怕是片断自然语言的计算机系统，却是异常困难的。语言已经 发展成为智能动物之间的一种通信媒介，它在某些环境条件下把一点 “思维结构”从一个头脑传输到另一个头脑，而每个头脑都拥有庞大的 高度相似的周围思维结构作为公共的文本。这些相似的、前后有关的 思维结构中的一部分允许每个参与者知道对方也拥有这种共同结构， 并能够在通信“动作”中用它来执行某些处理。语言的发展，显然为参 与者使用他们巨大的计算资源和公共知识来生成和理解高度压缩和 流畅的知识创造了机会。语言的生成和理解是一个极为复杂的编码 和解码问题。

一个能理解自然语言的计算机系统，看起来就像一个人一样，需要 有上下文知识，并用信息发生器根据这些上下文知识和信息进行推理。 理解口头的和书写的片断语言的计算机系统所取得的某些进展，其基 础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知 识进行推理的某些技术。