何謂人工智慧 人工智慧的定義 人工智慧的發展 人工智慧技術的介紹

Presentation on theme: "何謂人工智慧 人工智慧的定義 人工智慧的發展 人工智慧技術的介紹"— Presentation transcript:

1 何謂人工智慧 人工智慧的定義 人工智慧的發展 人工智慧技術的介紹
CH8 人工智慧 何謂人工智慧 人工智慧的定義 人工智慧的發展 人工智慧技術的介紹

2 8.1 何謂人工智慧 簡單的回顧十多年來的「人機大戰」 在1996年
國際象棋大師卡斯帕羅夫(Garry Kasparov)與電腦“深藍(Deep-Blue)”展開交鋒，結果卡斯帕羅夫以4比2宣告勝利。 到了1997年 經過IBM一年多的研究與改進，“更深的藍(深藍Ⅱ)”誕生，並再次與卡斯帕羅夫對弈，深藍Ⅱ擊敗卡斯帕羅夫，此結果震驚世界。 2003年2月 卡斯帕羅夫再度挑戰電腦，最終與IBM超級計算機“青年(Junior)”戰成3比3平。 2003年11月 在紐約舉行的人機大戰較量中，卡斯帕羅夫與X3D－Fritz電腦戰成2比2平。

3 最近，在2011年2月17日 美國IBM超級電腦「華生」（Watson）在遊戲節目「Jeopardy!」的「人機大戰」中，大獲全勝。
這次「人機大戰」中所涵蓋的題目包括歷史、文化、文學、科學等領域 「華生」在比賽中並未連接網路，而是藉由極高速的多重演算得出答案。 三個參賽者事先取得一組答案，從中推測要問的問題，鬥快按鈴搶答。 「華生」的成功，顯示人工智慧已有更進一步的發展，未來可能可以解答更艱難的問題。 簡單的說，人工智慧（artificial intelligence, AI）就是研究如何讓電腦有意識、能推理並做出相對應的行動的一個學門議題。

4 8.2 人工智慧的定義 人工智慧定義分類表 類似人類 推理性 行為
1985年Charniak and McDemott表示人工智慧為：『藉由計算模型的使用來研究精神的機能。』 1992年Winston表示人工智慧為：『使計算機能夠感應、推論、執行的研究。』 1990年Schalkoff表示人工智慧為：『一門致力於以計算過程來解釋並模擬智慧行為的研究。』 1993年Lauger and Stubblefield表示人工智慧為：『關於智慧行為自動化的計算機科學分支。』 思考 1978年Bellman表示人工智慧為：『與人類思考、行為相關的行為自動化，例如：決策、問題解決、學習等。』 1985年Haugeland表示人工智慧為：『致力於使計算機思考的一種令人興奮的、新的努力…完全且實實在在有心智的機器。』 1990年Kuzweil表示人工智慧為：『是一種藝術，企圖創造出能夠操作人為操作時需要智慧的工作的機器。』 1991年Rich and Kinght表示人工智慧為：『研究如何使計算機執行由人來做較好的工作。』

5 行為類似人類的人工智慧 具代表的判別方法 在1950年由杜林(Alan Turing 1950)所提出的杜林測試方法
詢問者提出問題後，由電腦程式是被詢問者 ，經由電腦回答後，如果詢問者無法分辨在 另一端回答的是人或者是電腦程式的話，則 表示這個電腦程式通過了杜林測試

6 理性行為的人工智慧 在「理性行為的人工智慧」系統中 強調的則是依照某些已知的信念完成某些目標的動作。
因此，在這個方向整個重點著重在「是否能正確的推論」。 而在此部分，最具代表的產物就是代理人(Agent) 代理人是一種能理解與行動的電腦程式。 例如：當詢問者告訴代理人今天下雨，則代理人會回覆詢問者需要帶雨傘出門。

7 理性行為的人工智慧(Cont.) 在這個體系下，發展人工智慧有許多優點 第一 第二 第三
相較於「思考方向」的人工智慧系統，「理性的行為」是較一 般化的，依據發展的重點而言，可以正確的推論是明確且較易 達成的目標。 第二 建立出來的系統，與「思考方向」的人工智慧系統相比較的話， 是比較經得起考驗的，因為理性的行為是比較明確的。 第三 人類的行為在特定的環境下是比較容易被表達的。 在本章所介紹的人工智慧技術皆屬於「理性行為的人工智慧」

8 8.3 人工智慧的發展 最早被公認的第一份人工智慧的研究就是由Warren McCulloh和Walter Pitts於1943年所進行的研究。 利用心理學、大腦神經元的功能與杜林的計算理論 提出了「人造神經元的模型」 模型中的每個神經元有「開」與「關」以及一個開關，這 個開關在足夠數量的神經元受刺激後便會打開並作用。

9 「人工智慧」的命名 隨後，於1956年 另外一位人工智慧中具有影響力的名人John McCarthy
說服了眾多學者協助他整合自動化理論、類神經網路等 在達特茅斯（Dartmouth）學院進行為期數月的研討會， 彼此提出看法並交換意見。 故在早期的人工智慧孕育時期，並沒有太大的突破，然而 在卻提供了彼此之間的研究大方向 而在達特茅斯（Dartmouth）所舉辦的研討會，所遺留 下來的長遠影響便是，大家同意了McCarthy替這個研 究領域命名為「人工智慧」。

10 人工智慧的蓬勃發展 在人工智慧的定義 因此，大約在1990年代 可以瞭解如果要發展出能像人類一樣可以思考人工智 慧是非常困難的
科學家以現實的策略代替樂觀的想像，把人工智慧的 研究目標轉向發展電腦的智慧能力，以更有效地解決 一些複雜的問題，而不再強求要發展出像人類一樣的 智慧。 這使得人工智慧的研究漸漸走出低潮，新理論與新技 術相繼提出，人工智慧的研究也更蓬勃地發展起來。

11 8.4 人工智慧技術的介紹 專家系統 - 模擬人類在特定專業領域的決策行為。換句話說，專 家系統是一種具有特定領域內大量知識與經驗的程式系統。因此， 專家系統是目前人工智慧中最活躍、最有成效的一個研究領域。 決策樹 - 決策樹(Decision Tree) 就是機器學習的技術之一，在人工 智慧技術中是常被用來建立模型的重要方法，同時也屬於資料探勘 領域中重要的分類技術之一。 模糊理論 - 在1965 年由Zadeh 教授所提出的，是透過定義隸屬函數 （membership function）來界定成員是否隸屬於某個集合。不同於 傳統集合只是簡單地把成員做二值化分類，模糊集合利用漸進的方 式來模仿人類的想法，也就是根據程度的差別來描述一個集合，代 表它對某些曖昧文字的模糊關係，如漂亮、昂貴、大、小等語意字 詞。

12 類神經網路 -就是採用了腦神經細胞具有眾多觸角藉以彼此溝通的 概念，設計了類神經網路模型。最基本的想法就是在「給定的資料 ( 輸入)」與「想要的結果( 輸出)」之間佈置了很多的類神經單元 ( 點)，這些節點統稱為中間層，而中間層扮演著學習功能的關鍵角 色。其中， 每一個神經單元可以視為一個獨立的計算單元，而這些 計算單元間經由一些線路相互連結，且在這些連結上都附有一個權 重係數，所代表的意思是連結的強度，這些係數決定了這神經網路 的行為。 遺傳演算法 -由學者John Holland 於1975 年提出的，原理主要參考 了達爾文進化論─「物競天擇，適者生存」的概念，設計出一個可 以讓電腦自我演化並找尋最接近問題最佳解的答案，要讓遺傳演算 法運作，需要決定的總共包含五個要素，1) 個體編碼方式；2) 基因 運算方式，包括：選擇(Selection)、交配(Crossover)、突變(Mutation) 等三種運算； 3) 初始化母體方式；4) 適合度評估函數；5) 參數的 設定。

13 人工智慧領域 電腦視覺 機器人 自然語言 近似搜尋 理解 AI 語音辦識 神經網路 專家系統 模糊理論

14 專家系統 何謂專家系統 將人類專家的知識，以規則(Rule)或其他知識表達方式建立於系統中。 推論
例如：If下雨天, Then不要出去玩； If不出去玩, Then要念書等 推論 輸入天氣是下雨，則得到系統要你去念書 以上可知，專家系統最主要的部分就是在於規則（知識）的取得及事實的輸入． 例子: 醫療診斷專家系統 例子: 核能電廠診斷系統

15 專家系統架構

16 機器學習 機器學習是人工智慧的核心!! 由例子中學習 例如: 燕子會飛，麻雀會飛　-> 鳥會飛

17 模糊理論 傳統電腦決策 何謂模糊 不是對(1)就是錯(0) 例如：25歲以上是青年，那26歲就是中年?
60分以上是及格，那60分以下就是不及格? 何謂模糊 在對(1)與錯(0)之間，再多加幾個等級 幾乎對(0.8) 可能對(0.6) 可能錯(0.4) 幾乎錯(0.2)

18 差不多電腦 再多分成幾級  連續 Question:168公分到底算不算高?

19 腦力激盪 人腦結構及功能 由許多的腦細胞(Cell)組成 利用細胞之間層層的訊號傳遞而完成各種思考及學習的功能 觸角 細胞核

20 類神經網路 模擬人腦中細胞的功能 輸出細胞 中介細胞 輸入細胞 每個細胞都有單一而簡單的功能 作業完成後再將結果傳給上層的細胞 a9 a10

21 達爾文再世 達爾文的進化論 何謂遺傳演算法 適用在解決需要長時間求最佳解的問題 物競天擇，適者生存，不適者淘汰
利用個體與個體之間的交配(Crossover)及突變(Mutation)而產生下一代 再透過合適的評量方式，選出下一代的精英 反覆執行直到完成指定的演進代數 適用在解決需要長時間求最佳解的問題

22 遺傳演算法流程圖

23 8.5 人工智慧於多媒體應用 語音辨識

24 8.5 人工智慧於多媒體應用 語音辨識

25 8.5 人工智慧於多媒體應用 語音辨識

26 語音辨識的應用 Windows內建的語音辨識功能 移動式裝置 控制台/輕鬆存取/語音辨識 Siri Cortana Google Now
蘋果Siri vs 微軟Cortana 語音助理互嗆Live秀【超爆笑】

27 8.5 人工智慧於多媒體應用 文字與影像辨識

28 8.5 人工智慧於多媒體應用 文字與影像辨識

29 8.5 人工智慧於多媒體應用 文字與影像辨識

30 8.5 人工智慧於多媒體應用 人臉與影像辨識

31 8.5 人工智慧於多媒體應用 人臉與影像辨識

32 總結 好的人工智慧系統 知識 + 搜尋 處理不確定資訊 速度和準確度的折衷 學習 容錯 友善的使用者介面 自我感測環境資訊 自然語言
語音辯識 … 自我感測環境資訊