資源簡介

第二十七講?認識人工智能
學習目標"
1.體驗人工智能典型應用過程，剖析人工智能典型案例；
2.了解智能信息處理的巨大進步和應用潛力。
學習內容
在移動互聯網、大數據、超級計算、傳感網、腦科學等新理論新技術以及經濟社會發展強烈需求的共同驅動下，人工智能加速發展。
人工智能
人工智能是計算機科學的一個分支，是研究計算機模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科。人工智能是引領未來的戰略性技術，將深刻改變人類生產生活方式。人類要保持對人工智能的控制能力，防范人工智能失控的風險和對人類社會未來發展的潛在威脅。
在互聯網時代，人們“遇上新問題，就上網搜索，尋找出答案”已成為一種習慣。然而，一般的信息搜索需要人們在搜索引擎上輸入一些關鍵字，然后在返回的無數個相關網頁中，一個一個地打開查看網頁內容是否包含自己所需要的信息。這種搜索方式非常耗時，嚴重影響查找信息的效率。如何快速準確地獲取所需要的信息，成為人們亟待解決的問題。
上述的空調企業智能客服機器人是一款領域知識智能問答機器人。它是在某一領域知識范圍內實現人機自動問答的智能信息系統，是一種新穎的信息檢索系統。它可以準確理解人們的信息檢索意圖，并通過語料庫檢索出相關文檔和答案，最后從相關的候選答案中提取最接近問題的結果。使用智能問答機器人時，人們可以不采用輸入關鍵字的方式提問，而是直接使用自然語言組成的問句進行提問。因為智能問答機器人采用的自然語言處理技術，可以根據相關領域知識，對人們的提問做必要處理后返回結果，且返回的結果不同于一般搜索引擎返回成千上萬的網頁，而是通過對答案的抽取，直接從成千上萬的網頁中快速、準確地檢索出所需結果。
剖析領域知識智能問答機器人
領域知識智能問答機器人是在某一領域知識范圍內實現人機自動問答的智能信息系統。在智能問答系統中，用戶能夠直接向機器人提出自己關心的問題；然后機器人根據用戶的提問把系統中已有的相似問題的正確答案按問句相似度進行排序，再把排序后的結果作為答案反饋給用戶；最后將認為最滿意的答案標記為最佳答案。典型的智能問答系統主要包括常見問題解答(FAQ)、問題理解、信息檢索、文檔庫、答案抽取五大模塊，結構如下圖所示。
1.常見問題解答模塊
用戶發起提問后，智能問答系統首先從FAQ庫中尋找是否包括用戶的問題(問句)，如果包含問句，則直接返回問句對應的答案給用戶，從而省去后面一系列步驟；否則，就進入問題理解模塊。FAQ庫主要用于提高智能問答系統的效率，其主要技術就是問句相似度計算和候選問句的選擇。
問句相似度計算通常采用 Jaccard相似度系數算法。 Jaccard相似度系數表示兩集合的交集元素個數與兩集合的并集元素個數之比，系數越高，兩集合的相似度越高。例如，計算問句A“空調機有什么功能?”與問句B“空調機的功能有哪些?”的 Jaccard相似度系數流程如下：
(1)運用分詞系統處理問句。處理后得到集合A={“空調機”，“有”，“什么”，能”，“?”}和集合B={“空調機”，“的”，“功能”，“有”，“哪些”，“?”}。
(2)計算集合A和集合B的交集與并集。集合A和集合B的交集={“空調機”，“有”，“功能”，“?”}，集合A和集合B的并集={“空調機”，“有”，“什么”，“功能”，“的”，“哪些"，“?”}。
(3)計算交集元素的數量和并集元素的數量的比值。交集元素的數量為4，并集元素的數量為7，交集元素的數量和并集元素的數量的比值為4÷7≈0.57。因此，將0.57作為問句A和問句B的相似度系數。
2.問題理解模塊
該模塊主要實現計算機理解用戶的問題，確定問題的關鍵詞和問題的類型，為后面的信息檢索和答案提供服務。問題理解模塊的實現過程一般包括問題預處理、問題分類、關鍵詞提取和關鍵詞擴展等。其中，問題分類主要確定問題的類別，以方便信息檢索和答案抽取。問題理解模塊主要運用的技術有分詞、同義詞詞典、分類方法等。
3.信息檢索模塊
該模塊主要從互聯網或者知識庫中找到與問題相關的文檔作為答案提取的原材料。信息檢索的方法一般有兩種，一種是直接利用搜索引擎檢索信息；另一種是建立特定的知識庫，然后根據知識庫建立索引模塊，從而可以方便、快速地找到相關文檔，并根據特點的排序算法對文檔進行排序。信息檢索模塊運用的技術主要包括查詢擴展、語料庫的構建技術、詞匯索引、文檔排序等。
4.文檔庫模塊
文檔庫用于存放專家提供的知識，其內部含有大量某個領域的常識性知識和專家水平的知識與經驗總結，且能夠利用專家的知識和解決問題的方法來處理該領域問題。知識的表示形式有產生式、框架、語義網絡等，運用得較為普遍的知識是產生式規則。產生式規則以“iif…then…”的形式出現，即如果前提條件得到滿足，就產生相應的動作或結論。
5.答案抽取模塊
該模塊主要利用問題的類型構建相應的答案抽取策略，從信息檢索后的文檔中對排序靠前的文檔進行答案的定位和輸出，所用技術主要有答案抽取模板的制定、模式匹配、聚類等。
人工智能的誕生與發展
人工智能是通過智能機器延伸、增強人類改造自然和治理社會能力的新興技術。怎樣才能判斷一臺機器是否具備了思維能力呢?阿蘭·圖靈提出：在測試人與被測試者(一個人和一臺機器)隔開的情況下，通過一些裝置(如鍵盤)向被測試者隨意提問。經過多次測試后，如果被測試者超過70%的答復不能使測試人確認出哪個是人、哪個是機器的回答，那么這臺機器就通過了測試，并被認為具有人類智能。測試示意圖如下圖所示
在20世紀50年代，有幾位科學家提出想做一臺能夠像人那樣認知、思考和學習的機器，也就是用計算機來模擬人的智能。他們列舉了幾個準備去攻克的難點，包括系統計算機、用程序對計算機進行編程、神經網絡、計算的復雜性、自我學習與提高、抽象等。從此，人工智能便邁上了它的征途，人工智能發展歷程大致分為三個階段。
第一階段(20世紀50年代—80年代)。這一階段人工智能剛誕生，基于抽象數學推理的可編程數字計算機已經出現，符號主義( Symbolism)快速發展，但由于很多事物不能形式化表達，建立的模型存在一定的局限性。此外，隨著計算任務的復雜性不斷加大，計算能力遠遠不能滿足需求，人工智能發展一度遇到瓶頸
第二階段(20世紀80年代一90年代末)。在這一階段，專家系統得到快速發展，數學模型有重大突破，但由于專家系統在知識獲取、推理能力等方面的不足，以及開發成本高等原因，人工智能的發展又一次進入低谷期。
第三階段(21世紀初至今)。大數據的積聚、理論算法的革新、計算能力的提升，為人工智能發展提供了豐富的數據資源，協助訓練岀更加智能化的算法模型。人工智能的發展模式也從過去追求“用計算機模擬人工智能”，逐步轉向以機器與人結合而成的増強型混合智能系統，用機器、人、網絡結合成新的群智系統，以及用機器、人、網絡和物結合成的更加復雜的智能系統。人工智能在很多應用領域取得了突破性進展，迎來了又一個繁榮時期。

展開更多......

收起↑