計算基礎概論 9

v計算機學科概論（第3版）第8章

新技術專題下列事情計算機比人做得更好:對大整數進行快速計算，實現復雜的方程求解；在詞典中進行快速查找，長期記憶大量數據；

……下列事情人比計算機做得更好:

模式識別。例如，人可以識別出各種各樣的桌子，可以識別不同字體和形狀的字母；邏輯推理，圖像識別，……BAB

A

B

A

B

A

B

ABA

A

B【情景問題】人與計算機的能力對比下棋、打牌等是非常能夠體現人類智能的競技性活動，但是，現在計算機能夠像人類一樣下棋、打橋牌、打麻將，甚至手機上一般都有諸如此類的游戲，如果一般的游戲者和計算機對弈，獲勝的一方常常是計算機。什么是（人類）智能？什么是人工智能？如何實現人工智能？如何判定機器是否具有智能？【情景問題】人與計算機的能力對比現代漢語詞典對智能的定義是：智慧和能力。

智慧：是指辨析判斷、發明創造的能力。

智力：是指人認識、理解客觀事物并運用知識、經驗等解決問題的能力，包括記憶、觀察、想像、思考、判斷等。智能的定義智能是一個難以準確定義的概念，其根本原因在于人類智能的奧秘還沒有完全被揭開，沒有人確切地知道人腦是如何存儲和處理知識，如何將事物之間的聯系合成信息。8.1人工智能什么是人工智能關于人工智能的嚴格定義，學術界還沒有統一的認識。總體來說，人工智能（簡稱AI）是研究如何使計算機具有智能或如何利用計算機實現智能的理論、方法和技術。

1981年，費根鮑姆（Feigenbaum）：人工智能是計算機科學的一個分支，涉及到智能計算機系統的設計，該系統顯示人類行為中與智能有關的某些特征。

1984年，紹特里夫（Shortliffe）：人工智能是計算機科學的一個分支，它研究問題求解的符號方法和非算法方法。

1992年，溫斯頓（Winston）：人工智能是計算機科學的一個領域，它主要解決如何使計算機感覺、推理和行為等問題。人工智能的定義8.1人工智能什么是人工智能弱人工智能——人類和計算機在結果（即輸出）上是等價的，但實現結果的方式可以不同；強人工智能——人類和計算機使用相同的內部過程來生成結果，也就是計算機能夠以人類的思維方式（理解、推理、判斷、感知等）來處理信息。弱人工智能認為：形式化的計算機僅有語法沒有語義，因此，機器永遠也不可能代替人腦，只能從功能的角度來判定機器是否具有思維，也就是從行為角度對機器思維進行定義。8.1人工智能什么是人工智能如何判定機器是否具有智能？弱人工智能的兩個最著名實驗：圖靈測試和中文屋子。提問者回答者A回答者B如果機器在一場會話中成功地扮演人的角色，就可以認為它具有智能。8.1人工智能什么是人工智能圖靈測試還有意義嗎？各家評論……假設西爾勒被關在一個屋子里，屋子里有序地堆放著足夠的漢字字符，屋外的人遞進一串漢語字符，同時還附了一本用英文寫的處理漢字規則，西爾勒按照規則對這些字符進行處理后，將一串新的字符送出屋外。事實上，他根本不知道送進來的字符串就是屋外人提出的“問題”，也不知道送出去的就是“問題的答案”。弱人工智能的兩個最著名實驗：圖靈測試和中文屋子。8.1人工智能什么是人工智能

自動化發展的必然趨勢。機械化

自動化

智能化。人和計算機之間的交互應該更加友好、便捷和多樣化，計算機能夠代替人類或者作為人類的代理做更為復雜的工作。如果計算機具有智能，就能自動實現問題求解，向人們提供功能和服務，甚至可以自發地工作。研究人工智能有助于探索人類自身智能的奧秘，而且會在更高層面上擴大和延伸人類的智能。8.1人工智能什么是人工智能人工智能的兩個難題難題之一——計算機視覺。目前只在特定領域獲得成功，如交通監控、面部識別、醫學圖像分析、機器人視覺等。

難題之二——自然語言理解。有兩個難點：8.1人工智能人工智能的研究領域

（1）一個語句通常不是孤立存在的，往往是與該語句所在的上下文環境聯系在一起才構成它的語義；

（2）究竟什么是理解幾乎和什么是智能一樣，至今還沒有一個完全明確的定義，因而從不同的角度有不同解釋。計算機視覺與自然語言處理的共同難點——常識！8.1人工智能人工智能的研究領域機器博弈博弈為人工智能提供了一個很好的實驗領域，機器博弈是對機器智能水平的測試和檢驗，人工智能中的許多概念和方法都是從博弈中提取出來的。8.1人工智能人工智能的研究領域專家系統專家系統：應用于某一專門領域的智能計算機系統，運用知識和推理來解決只有專家才能解決的復雜問題。專家系統的第一個里程碑是費根鮑姆（E.A.Feigenbaum）等人于1968年研制成功的世界上第一個專家系統DENDRAL，20世紀70年代中期，專家系統進入了技術成熟期，出現了一批成功的專家系統。20世紀80年代以來，專家系統的研制和開發明顯趨于商品化，直接服務于生產企業，產生了可觀的經濟效益。8.1人工智能人工智能的研究領域數據挖掘

數據挖掘：從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含的、未知的、非平凡的、有潛在應用價值的信息或模式的處理過程。

數據挖掘是一個利用各種分析方法和分析工具在大規模海量數據中建立模型和發現數據間關系的過程，這些模型和關系可以用來做出決策和預測。8.1人工智能人工智能的研究領域自然語言理解

自然語言理解：采用人工智能的理論和技術將自然語言機理用計算機程序表達出來，構造能夠理解自然語言的系統。

自然語言理解包括語音理解（口語的理解）和文字理解（書面語的理解）。

文字理解需要用到語言學中的詞匯、句法和語義等知識。

語音理解除了需要上述知識外，還需要音韻學以及口語中的二義性知識。8.1人工智能人工智能的研究領域模式之別

模式識別：就是識別出給定事物和哪一個模式相同或相似，這里的事物一般指文字、圖形、圖像、聲音及傳感器信息等實體對象。

模式識別的研究主要集中在以下兩個方面：

（1）圖形和圖像識別，主要研究各種圖形和圖像的識別，如文字、符號、照片、工程圖紙或其他視覺信息中的物體和形狀等。

（2）語音識別，主要研究各種語音信號的分類識別，將語音信號轉變為相應的文本或命令。8.1人工智能人工智能的研究領域機器人

機器人：一種可再編程、多功能的操作裝置。

智能機器人至少應該具備以下四種機能：

（1）感知機能，獲取外部環境信息以便進行自我行動的感知機能；

（2）運動機能，施加于外部環境的相當于人的手、腳的運動機能；

（3）思維機能，求解問題的認識、推理、判斷等思維機能；

（4）通信機能，理解指示命令、輸出內部狀態，與人流暢地交換信息的通信機能。8.1人工智能機器學習

機器學習（MachineLearning）：是人工智能發展的核心之一，研究計算機如何模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

機器學習分為：

（1）有監督學習

（2）無監督學習

（3）強化學習8.1人工智能機器學習有監督學習的典型例子：醫生看病。有監督學習通常包括訓練階段和預測階段。訓練階段：已知的樣本數據帶有標簽，算法根據已知樣本數據（稱為訓練集）來構建或訓練某種模型的相關參數，使得模型的訓練結果與訓練集的標簽盡量一致；預測階段：將數據送入訓練好的模型得到相應的結果標簽，從而實現對未知數據進行預測。

（1）分類：模型的結果是離散的。

（2）回歸：模型的結果是連續的。8.1人工智能機器學習

真實世界中，常常是已知的樣本數據沒有標簽。

無監督學習：對沒有標簽的樣本數據進行訓練，解決分類預測等各種問題。

根據學習目標的不同，常見的無監督學習問題有聚類和降維。

（1）聚類：把相似的東西聚在一起，形成類別；

（2）降維：將多維的數據在低維空間中表示，同時保證信息丟失盡可能少。有監督學習和無監督學習都是通過事先給定的樣本數據進行學習，區別在于樣本是否帶有標簽。8.1人工智能機器學習

強化學習把學習看作試探評價過程，由智能體（Agent）、環境（Environment）、狀態（State）、動作（Action）、獎勵（Reward）組成，強化學習過程采用智能體和環境通過狀態、動作、獎勵進行交互的方式，

強化學習無需樣本數據，而是讓模型在一定的環境中進行交互式學習，外界環境對學習結果進行反饋、獎勵或懲罰，使得算法在學習過程中能不斷優化模型，以獲得更多更好的獎勵。人類成長或自然界中強化學習的例子？8.1人工智能深度學習

人工神經網絡（artificialneuralnetworks，ANN）：是一個以有向圖為拓撲結構的動態系統，由許多人工神經元按一定規則連接構成。

深度學習：利用多層神經網絡從大量數據中進行學習。8.1人工智能深度學習

卷積神經網絡（ConvolutionalNeuralNetworks，CNN）：是一類包含卷積計算且具有深度結構的前饋神經網絡（FeedforwardNeuralNetworks），是深度學習的代表算法之一，可以進行有監督學習和無監督學習。

深度學習：利用多層神經網絡從大量數據中進行學習。什么是卷積計算？8.2大數據什么是大數據

大數據：指無法在有限時間內用常規軟件工具對其進行獲取、存儲、管理和處理的數據集合。大數據具有以下四個特點。1.規模大（Volume）。大數據的最大特點就是數據規模大。2.

多樣性（Varirty）。大數據的來源廣泛，而且數據類型呈現多樣化特征。3.高速性（Velocity）。大數據主要通過互聯網和云計算等方式實現，其生成和傳播的速度非?？?。另外，大數據處理要求更嚴格的響應速度。4.價值性（Value）。大數據不僅擁有本身的信息價值，更重要的是擁有商業價值，大數據產業鏈幾乎都是圍繞大數據價值來打造的。數據的規模達到什么量級屬于大數據呢？8.2大數據大數據的處理流程

大數據的處理主要分為：

（1）數據抽取與集成：采用合適的工具對廣泛異構的數據源進行抽取和集成，按照一定的標準統一存儲結果。

（2）數據分析：運用數據分析技術對存儲的數據進行分析。

（3）數據解釋：采用恰當的方式將結果呈現給用戶。8.2大數據大數據的關鍵技術1.大數據采集技術。通過RFID數據、傳感器數據、社交網絡交互數據及移動互聯網數據等方式獲得各種類型的結構化、半結構化及非結構化的海量數據。2.大數據預處理技術。完成對已接收數據的辨析、抽取、清洗、填補、平滑、合并、規格化及檢查一致性等操作。3.大數據存儲及管理技術。把采集到的數據存儲起來，并進行管理和調用。4.大數據處理技術。分為流處理模式和批處理模式兩種。批處理是先存儲后處理，而流處理則是直接處理。5.大數據分析及挖掘技術。改進、開發新型數據挖掘技術，大數據融合技術，面向領域的大數據挖掘技術。6.大數據展現與應用技術。數據可視化，大數據檢索、大數據可視化、大數據應用、大數據安全等。8.3云計算計算資源的演進：從集中到分散再到集中8.3云計算什么是云計算

云計算（CloudComputing）：指的是通過網絡“云”將巨大的數據計算處理程序分解成無數個小程序，然后通過多部服務器組成的系統進行處理和分析這些小程序得到結果并返回給用戶。

是分布式計算、效用計算、負載均衡、并行計算、網絡存儲、熱備份和虛擬化等計算機技術混合演進的結果。

云服務：是在云計算的技術架構支撐下的對外提供的按需分配、可計量的一種信息技術服務模式。8.3云計算云計算的特點（1）超大規模。只有這個“云”足夠大，才能承擔云計算服務，同時云服務的規?？煽焖偕炜s，以自動適應業務負載的動態變化。（2）資源池化。資源以共享的方式統一管理，利用虛擬化技術，將資源分享給不同用戶，資源的放置、管理與分配策略對是用戶透明的。（3）按需服務。云計算中心根據用戶的需要動態分配應用程序、數據存儲、基礎設施等資源，并根據資源的使用情況對服務進行計費。（4）泛在接入。用戶可以利用各種終端設備（如PC電腦、筆記本電腦、智能手機等）隨時隨地通過互聯網訪問云計算服務。8.3云計算云計算的服務類型1.基礎設施即服務（IaaS)。把信息基礎設施作為一種服務通過網絡對外提供。用戶通過租用的方式來使用服務器、存儲和網絡等。2.平臺即服務（PaaS）。提供軟件部署平臺，為開發、測試和管理軟件應用程序提供按需開發環境。3.軟件即服務（SaaS）。通過互聯網提供按需付費應用程序，允許用戶連接到應用程序并通過互聯網訪問應用程序。8.3云計算云計算的關鍵技術1.虛擬化技術。簡化計算資源管理和優化資源利用的技術解決方案。2.數據存儲技術。必須具有分布式、高吞吐率和高傳輸率等特點。3.數據管理技術。如何提高數據的更新速率以及進一步提高隨機存取速率。4.編程模型。云計算的編程模型必須簡單，并且保證后臺復雜的并行執行和任務調度向用戶和編程人員透明。5.虛擬資源的管理與調度。負責資源管理、任務管理、用戶管理和安全管理等工作，實現節點故障的屏蔽、資源狀況監視、用戶任務調度、用戶身份管理等多重功能。6.云計算的業務接口。為了方便用戶業務遷移到云計算環境，以及用戶業務在云與云之間的遷移，云計算應對用戶提供統一的業務接口。7.信息安全技術。在云計算的平臺上，安全問題變得更加突出。8.4物聯網什么是物聯網

物聯網：是指通過各種信息傳感器、射頻識別技術、全球定位系統、紅外感應器、激光掃描器等各種裝置與技術，實時采集需要監控、連接、互動的物體或過程，采集其聲、光、熱、電、力學、化學、生物、位置等各種信息，通過各類網絡接入，實現物與物、人與物的泛在連接，實現對物體和過程的智能化感知、識別和管理。

對于物聯網的概念，可以從以下兩個方面來理解：

（1）從技術方面，物聯網是指物體通過智能感應裝置，經過傳輸網絡到達指定的信息處理中心，最終實現物與物、人與物之間的自動化信息交互與處理的智能網絡；

（2）從應用方面，物聯網把所有能夠被獨立尋址的物體都連接到一個網絡中，以更加精細和動態的方式管理生產和生活。8.4物聯網物聯網的基本特征

從通信對象和過程來看，物聯網的核心是物與物、人與物之間的信息交互。物聯網的基本特征可概括為：

（1）整體感知，利用射頻識別、二維碼、智能傳感器等感知設備獲取物體的各類信息；

（2）可靠傳輸，通過對互聯網、無線網絡的融合，將物體的信息實時、準確地傳送，實現信息交流；

（3）智能處理，使用各種智能技術，對感知和傳送到的數據、信息進行分析處理，實現智能化監測與控制。8.4物聯網物