教学参考-07 - 版本历史

2022年7月31日 (日) 08:09 Cslt

2022-07-31T08:09:59Z

2022年7月31日 (日) 08:01 Cslt

2022-07-31T08:01:58Z

2022年7月31日 (日) 07:52 Cslt

2022-07-31T07:52:49Z

2022年7月31日 (日) 07:52 Cslt

2022-07-31T07:52:34Z

2022年7月31日 (日) 07:45 Cslt

2022-07-31T07:45:51Z

2022年7月31日 (日) 07:03 Cslt

2022-07-31T07:03:16Z

Cslt：以“==教学资料== 教学参考 [http://aigraph.cslt.org/courses/07/course-07.pptx 课件] *小清爱提问：达特茅斯会议都讨论了哪...”为内容创建页面

2022-07-31T07:02:58Z

以“==教学资料== *教学参考 *[http://aigraph.cslt.org/courses/07/course-07.pptx 课件] *小清爱提问：达特茅斯会议都讨论了哪...”为内容创建页面

新页面

==教学资料==
*[[教学参考-07|教学参考]]
*[http://aigraph.cslt.org/courses/07/course-07.pptx 课件]
*小清爱提问：达特茅斯会议都讨论了哪些事情? [https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247485855&idx=1&sn=2ecbc3197df1129f6428349cfc5e631c&chksm=c308035df47f8a4b7824a5446e21d474d31f87ff2272dde9de1dbec06edbe42e123a943c57ec&scene=178#rd]

==扩展阅读==
*尼克：人工智能简史第一章：人工智能的缘起：达特茅斯会议 [https://cloud.tencent.com/developer/article/1011984]
*达特茅斯会议前后 [https://www.leiphone.com/category/ai/xNGruQocEX8x55tg.html]
*维基百科：达特茅斯会议[http://aigraph.cslt.org/courses/06/Dartmouth_workshop.pdf]
*百度百科：克劳德·艾尔伍德·香农[https://baike.baidu.com/item/%E5%85%8B%E5%8A%B3%E5%BE%B7%C2%B7%E8%89%BE%E5%B0%94%E4%BC%8D%E5%BE%B7%C2%B7%E9%A6%99%E5%86%9C/10588593]
*秒懂百科：一分钟了解克劳德·艾尔伍德·香农[http://aigraph.cslt.org/courses/06/秒懂百科一分钟了解克劳德·艾尔伍德·香农.mp4]
*天才简史：克劳德·艾尔伍德·香农[http://aigraph.cslt.org/courses/06/天才简史-香农.mp4]
*网络公开课：香农传[https://open.163.com/newview/movie/free?pid=WFJG57VV0&mid=GFJG57VVV]
*百度百科：艾伦·纽厄尔[https://baike.baidu.com/item/%E8%89%BE%E4%BC%A6%C2%B7%E7%BA%BD%E5%8E%84%E5%B0%94/9812800]
*百度百科：赫伯特·亚历山大·西蒙[https://baike.baidu.com/item/%E8%B5%AB%E4%BC%AF%E7%89%B9%C2%B7%E4%BA%9A%E5%8E%86%E5%B1%B1%E5%A4%A7%C2%B7%E8%A5%BF%E8%92%99/15237989]
*维基百科：逻辑理论家[http://aigraph.cslt.org/courses/06/Logic_Theorist.pdf][http://aigraph.cslt.org/courses/06/逻辑理论家.pdf]
*百度百科：马文·闵斯基 [https://baike.baidu.com/item/%E9%A9%AC%E6%96%87%C2%B7%E6%98%8E%E6%96%AF%E5%9F%BA/7398340][https://baike.baidu.com/video?secondId=25777900&lemmaId=7398340]
*百度百科：约翰·麦卡锡[https://baike.baidu.com/item/%E7%BA%A6%E7%BF%B0%C2%B7%E9%BA%A6%E5%8D%A1%E9%94%A1/858197][http://baike.baidu.com/l/aRUtazWL]
*机器之心：人工智能先驱人物篇之约翰·麦卡锡 [https://www.jiqizhixin.com/articles/2019-02-11]
*维基百科：奥利弗·塞尔弗里奇 [http://aigraph.cslt.org/courses/06/奧利弗·塞爾弗里奇.pdf]
*维基百科：纳撒尼尔·罗切斯特 [http://aigraph.cslt.org/courses/06/纳撒尼尔·罗切斯特.pdf]
*维基百科：阿瑟·塞缪尔 [http://aigraph.cslt.org/courses/06/Arthur_Samuel.pdf]
*百度百科：约翰·纳什 [https://baike.baidu.com/item/%E7%BA%A6%E7%BF%B0%C2%B7%E7%BA%B3%E4%BB%80/957881][http://baike.baidu.com/l/METjUAGZ][http://baike.baidu.com/l/H0aukCUr]
*维基百科：雷·所罗门诺夫[http://aigraph.cslt.org/courses/06/Ray_Solomonoff.pdf]
*1956年的达特茅斯学院宣传片[http://aigraph.cslt.org/courses/06/1956年的达特茅斯学院.mp4]

==演示链接==
*SNARC 演示 [http://aigraph.cslt.org/courses/06/SNARC.mp4]

==开发者资源==

==高级读者==

* 达特茅斯会议申请信原文《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》[https://web.archive.org/web/20080930164306/http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html]
* 计算机对弈的历史[https://www.chessprogramming.org/History]
* Claude Shannon (1949). Programming a Computer for Playing Chess. download pdf from The Computer History Museum [https://d1yx3ys82bpsa0.cloudfront.net/chess/programming-a-computer-for-playing-chess.shannon.062303002.pdf]
* The Birth of Artificial Intelligence [http://aigraph.cslt.org/courses/06/TheBirthofArtificialIntelligence.mp4]
* 约翰·麦卡锡对达特茅斯会议的总结 [http://www-formal.stanford.edu/jmc/slides/dartmouth/dartmouth/node1.html]
* Ray Solomonoff的达特茅斯会议记录 [http://raysolomonoff.com/dartmouth/]

@@ 第25行： / 第25行： @@
 ===短暂回暖（1980-1987）===
-* 到80年代，人们渐渐意识到通用AI过于遥远，人工智能首先应该关注受限任务。受此思潮影响，以专家系统为代表的知识型AI走上历史舞台。和传统AI不同，专家系统通过收集具体的领域知识来解决任务，获得巨大成功。据统计，当时福布斯500强企业中有2/3的企业使用专家系统。
+* 到80年代，人们渐渐意识到通用AI过于遥远，人工智能首先应该关注受限任务。受此思潮影响，以专家系统为代表的知识型AI走上历史舞台。
 * 另一方面，反向传播算法的提出使神经网络焕发出青春，机器自我学习的能力进一步增强。

←上一版本		2022年7月31日 (日) 08:01的版本
第46行：		第46行：
	* 今天，人工智能飞速发展，不仅在图像处理、自然语言处理、语音信号处理等领域大显身手，更加渗透到物理、材料、化学、医学、天文学、地质学、生物学等各个领域，释放出了让人震惊的生产力。		* 今天，人工智能飞速发展，不仅在图像处理、自然语言处理、语音信号处理等领域大显身手，更加渗透到物理、材料、化学、医学、天文学、地质学、生物学等各个领域，释放出了让人震惊的生产力。
	* 人工智能已经渐渐脱离计算机科学的范畴，成为一门基础性的、工具性的新科学。		* 人工智能已经渐渐脱离计算机科学的范畴，成为一门基础性的、工具性的新科学。
		+
		+
		+	===人工智能发展的启示===
		+
		+	* 相较数学、物理等学科，人工智能的发展是短暂的，面对的问题和局面都是新的。对这样一门新学科，人工智能的先驱者们也不可能预见到未来会发生什么。特别是近几十年来，社会的进步呈指数级发展，技术更新换代快，发展日新月异。人工智能既是这一过程的参与者，助力者，同时也要面对这一形势带来的考验。因此，人工智能发展的曲折性是可以预见的。事实上，没有哪门科学的发展是一帆风顺的。
		+	* 人工智能发展的曲折并不意味着研究的停滞，事实上，那些最伟大的成果反而是产生在退潮期，否则也不会有下一次高潮的到来。所谓高潮有低谷很大程度上是人们对人工智能的关注度以及社会和政府的支持力度。作为人工智能的从业者，则是一以惯之的。
		+	* 人工智能的发展过程中充满了思想的碰撞、理念的革命、方法的重塑，特别是计算机科学与统计学、数值分析、生物学、神经生理学等各个学科的交叉融通。人工智能的发展历史本身就是学科交叉产生新科学的历史。

@@ 第44行： / 第44行： @@
 * 2011年，苹果发布了iPhone4S，其中一款称为Siri的语音对话软件引了公众的关注，重新燃起了人们对人工智能技术的热情。
 * 2016年DeepMind的AlphaGo在围棋对奕中取得辉煌战绩，进一步激发起人们对人工智能的关注。
-* 今天，人工智能飞速发展，不仅在图像处理、自然语言处理、语音信号处理等领域大显身手，更加渗透到物理、材料、化学、医学、天文学、地质学、生物学等各个领域，释放出了让人震惊的生产力。人工智能已经渐渐脱离计算机科学的范畴，成为一门基础性的、工具性的新科学。
+* 今天，人工智能飞速发展，不仅在图像处理、自然语言处理、语音信号处理等领域大显身手，更加渗透到物理、材料、化学、医学、天文学、地质学、生物学等各个领域，释放出了让人震惊的生产力。

@@ 第10行： / 第10行： @@
 * 人工智能的发展总体可以分为三次浪潮；前两次浪潮都终结于低谷，我们正在经历第三次浪潮，目前还没看到走向低谷的趋势
 * 总体来说，第一次浪潮基于通用规则，第二次浪潮基于专业知识，即专家系统的时代，第三次浪潮基于机器学习。人工智能从“人向机器灌输知识”一步步走向“让机器自主学习知识”。
 ===规则时代：黄金十年（1956-1974）===
 * 达特茅斯会议后的十年被称为黄金十年，是人工智能的第一次高潮。当时很多人持有乐观情绪，认为经过一代人的努力，创造出与人类具有同等智能水平的机器并不是个问题。1965年，赫伯特·西蒙就曾乐观预言：“二十年内，机器人将完成人能做到的一切工作。” 1970年，马文·闵斯基也发表看法：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”
-* 在这十年里，包括ARPA在内的资助机构向AI研究投入大笔资金，希望制造出具有通用智能的机器。这一时期的典型方法是符号方法，该方法遵循思维计算化的基本思路，以基本假设为前提，利用符号演算解决推理问题。启发式搜索是这一时期的典型算法。这一时期的代表性成果包括定理证明、基于模板的对话机器人等。
+* 在这十年里，包括ARPA在内的资助机构向AI研究投入大笔资金，希望制造出具有通用智能的机器。这一时期的典型方法是符号方法，该方法遵循思维计算化的基本思路，以基本假设为前提，利用符号演算解决推理问题。启发式搜索是这一时期的典型算法。
 ===严冬到来（1974-1980）===
@@ 第42行： / 第42行： @@
 * 2011以后，得益于大数据的积累和计算能力的增长，以深度神经网络为代表的机器学习方法取得了极大成功，开启了以大数据学习为基本特征的人工智能新时代。
-* 2011年，苹果发布了iPhone4S，其中一款称为Siri的语音对话软件引了公众的关注，重新燃起了人们对人工智能技术的热情。2016年DeepMind的AlphaGo在围棋对奕中取得辉煌战绩，进一步激发起人们对人工智能的关注。
+* 2011年，苹果发布了iPhone4S，其中一款称为Siri的语音对话软件引了公众的关注，重新燃起了人们对人工智能技术的热情。
-* 今天，人工智能飞速发展，不仅在图像处理、自然语言处理、语音信号处理等领域大显身手，更加渗透到物理、材料、化学、医学、天文学、地质学、生物学等各个领域，释放出了让人震惊的生产力。我们将在后续章节对这些成果一一介绍。
+* 2016年DeepMind的AlphaGo在围棋对奕中取得辉煌战绩，进一步激发起人们对人工智能的关注。

@@ 第1行： / 第1行： @@
 ==教学目标==
-* 了解图灵去世后（1950）到达特茅斯会议之前（1956），人工智能学者们的探索，理解人工智能产生的历史背景
+* 了解达特茅斯会议后人工智能的发展历程，对人工智能的发展有整体理解
-* 了解香农、约翰·麦卡锡、马文·闵斯基、赫伯特·西蒙、艾伦·纽厄尔等人工智能早期代表人物的工作
+* 了解每个阶段的典型技术，讨论背后的历史必然性
-* 了解达特茅斯会议所讨论的内容，了解人工智能学者们所关注的问题
+* 讨论人工智能的发展历史带来的启示
-* 通过本节讲解，进一步引导学生建立正确的人工智能史观，理解人工智能研究的对象和领域（例如，人工智能只是编程吗？人工智能是机器人吗？）
 ==教学内容==
-===风起云涌===
+===风风雨六十年===
-===成果酝酿1：对弈程序===
+===规则时代：黄金十年（1956-1974）===
-* 对弈一向被认为是需要很强智能才能完成的游戏，因此，对弈机器一直承载着人类的智能梦想。最早的自动对弈机器由西班牙数学家莱昂纳多·托里斯于1910年发明[https://www.chessprogramming.org/El_Ajedrecista]。
+* 达特茅斯会议后的十年被称为黄金十年，是人工智能的第一次高潮。当时很多人持有乐观情绪，认为经过一代人的努力，创造出与人类具有同等智能水平的机器并不是个问题。1965年，赫伯特·西蒙就曾乐观预言：“二十年内，机器人将完成人能做到的一切工作。” 1970年，马文·闵斯基也发表看法：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”
-* 计算机发明以后，包括图灵在内的很多科学家都研究过对弈算法（图灵没有机器，是用笔算的走棋步骤）。其中，克劳德·香农的研究最为深入。他在1949年的一篇论文中深入探讨了一种称为MinMax的走棋算法，并给出了优化方案。同年，香农还设计了一台电动走棋机器[https://www.chessprogramming.org/Claude_Shannon]。
+* 在这十年里，包括ARPA在内的资助机构向AI研究投入大笔资金，希望制造出具有通用智能的机器。这一时期的典型方法是符号方法，该方法遵循思维计算化的基本思路，以基本假设为前提，利用符号演算解决推理问题。启发式搜索是这一时期的典型算法。这一时期的代表性成果包括定理证明、基于模板的对话机器人等。
-===成果酝酿2：定理证明===
+===严冬到来（1974-1980）===
-* 定理证明是一项高智商活动。然而，数理逻辑的发展让人们相信，基于若干基础假设和简单的推理规则，通过计算是可以实现定理证明的。
+* 到了70年代，人们发现对AI的预期过于乐观，失望情绪开始蔓延，人工智能走入低谷。
-* 1955年，赫伯特•西蒙和艾伦·纽厄尔开始探讨机器定理证明的可能性，最后由来自兰德的计算机程序员约翰·克里夫·肖完成了程序编写。他们把这个程序命名为“逻辑理论家”[https://en.wikipedia.org/wiki/Logic_Theorist]。
+* 首先，符号主义遇到瓶颈。虽然在定理证明这类确定性问题上符号主义表现优异，但在实际问题中存在大量不确定性，不太可能完全用逻辑推理方法来解决。另一方面，不依赖逻辑演算的神经网络被证明具有严重局限性。这些问题使研究者失去方向感。
-* 逻辑理论家是一个树搜索程序，根结点是基础假设，通过设计好的推理原则进行扩展，直到扩展到定理的结论。这一程序的诞生具有深刻的历史意义，是“思维即计算”这一哲学思想的有力证明。
+* 另外，计算复杂性带来对算法实用性的质疑。1972年美国计算机学家理查德·卡普证明人工智能中的很多问题只能在指数时间内获解。换句话说，除了特别简单的情况，大部分问题是不太可能在合理的时间内完成计算的。这让人们对人工智能的实用性产生了怀疑。
-===成果酝酿3：神经网络===
+===短暂回暖（1980-1987）===
-* 科学家们很早就知道，大脑是我们的智能中枢，而大脑是由大量神经元组成。这些神经元是同质的，互相连接起来产生功能。通过模拟大脑的这种连接机制，有可能复现人类的智能。
+* 到80年代，人们渐渐意识到通用AI过于遥远，人工智能首先应该关注受限任务。受此思潮影响，以专家系统为代表的知识型AI走上历史舞台。和传统AI不同，专家系统通过收集具体的领域知识来解决任务，获得巨大成功。据统计，当时福布斯500强企业中有2/3的企业使用专家系统。
-* 1951年，当时还是普林斯顿大学数学系研究生的马文·闵斯基设计了一个称为[[SNARC]][https://en.wikipedia.org/wiki/Stochastic_neural_analog_reinforcement_calculator]的人工神经网络。这个网络包括40个神经突触，从随机状态开始运行，并通过操作员的反馈进行训练。SNARC是早期神经网络的代表性工作。
+* 另一方面，反向传播算法的提出使神经网络焕发出青春，机器自我学习的能力进一步增强。
-* 1927年9月4日，麦卡锡出生于美国波士顿一个共产党家庭。父母的工作性质决定全家需不断搬迁，从波士顿迁到纽约，然后又到了洛杉矶。
+===二次低潮（1987-1993）===
-* 信仰爱尔兰天主教的父亲当过木匠、渔夫和工会组织者，同时也是一位发明家，拥有捻船缝机和桔汁冷冻机两项专利。他的母亲是立陶宛犹太人，最初在联合通讯社当记者，后来在一家共产党报社工作。夫妻俩都曾参加过美国给出的，受父母的影响，麦卡锡从小就把自己对科学的兴趣与家庭的政治倾向结合起来。
-* 麦卡锡认为自己的青少年时期平淡无奇，但事实证明并非如此。在上高三时，他得到了一份加州理工学院的课程目录，上面列出了该校一年级和二年级的微积分课本。他买了这些书，完成了所有的练习题目。这使得他最终在 1944 年进入加州理工后得以免修头两年的数学课程。
-* 1948年，他获得了加州理工学院数学学士学位，在1951年又获得了普林斯顿大学数学博士学位。
-* 1948年9月，他参加了加州理工主办的希克森脑行为机制研讨会，大数学家、计算机设计大师冯·诺依曼在会上演讲了一篇关于自复制自动机的论文，这是一种可以对自身进行复制的机器。
-* 尽管当时的与会人员并没有明确地将机器智能与人类智能联系起来，但冯·诺依曼的讲话却激发了麦卡锡的好奇心。麦卡锡敏锐地将机器智能与人的智能联系起来，打算从事更深入的研究。第二年，在普林斯顿大学数学系做博士论文时，麦卡锡幸运地与冯·诺依曼一起工作。
-* 在冯·诺依曼的鼓励和支持下，麦卡锡决定从在机器上模拟人的智能入手，主要研究方向定为计算机下棋。
-===达特茅斯会议申请===
+* 80年代后期到90年代初期，人们发现专家系统维护起来相当困难，新知识难以加入，老知识互相冲突。例如，由匹兹堡大学设计的疾病诊断系统CADUCEUS仅建立知识库就花了近十年。对AI的投资再次削减，AI 又一次进入低谷。
-* 1952年，普林斯顿大学的一个研究生向麦卡锡建议，可以找一些对机器智能感兴趣的人去收集一些该领域的文章。麦卡锡找到了贝尔实验室的克劳德·香农——“信息论”的创始人。在人工智能方面的若干深入探讨之后，他们萌生召开一次研讨会的共识。在洛克菲勒基金会的一笔微薄的赞助下，他们邀请到当时哈佛大学的明斯基和IBM工程师罗彻斯特等几位学者，参加这次会议
+===务实与复苏（1993-2010）===
-* 1955年9月2日，约翰·麦卡锡（达特矛斯学院数学助理教授）联合克劳德·香农（贝尔电话实验室数学家） ，马文·闵斯基（哈佛大学数学与神经学初级研究员）和纳撒尼尔·罗切斯特（IBM信息研究经理）向洛克菲勒基金会提出申请，希望举办一次为期两个月，大约10人参加的讨论会。
-* 在申请中，麦卡锡等人首次提出“人工智能 （Artificial Intelligence）”的概念，为一门新学科的诞生埋下了种子[https://web.archive.org/web/20080930164306/http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html]。
-===达特茅斯会议===
+===迅猛发展（2011-今）===
-* 会议大约开始于6月18号，差不多8月17号结束，前后大约有47人参加。讨论在达特矛斯数学系一座教学楼里进行，有时候会有人做主讲报告成果，更多时候是自由讨论。
+* 2011以后，得益于大数据的积累和计算能力的增长，以深度神经网络为代表的机器学习方法取得了极大成功，开启了以大数据学习为基本特征的人工智能新时代。
-* 除了组织者麦卡锡、香农、闵斯基、罗切斯特，与会者还包括赫伯特·西蒙、艾伦·纽厄尔、阿瑟·塞缪尔、雷·所罗门诺夫、约翰·纳什等。这些人在接下来的几十年里都是人工智能领域的领军人物，完成了一次又一次创举和突破，包括麦卡锡的LISP语言，塞费里奇的机器感知理论，塞缪尔的机器学习方法等。
+* 2011年，苹果发布了iPhone4S，其中一款称为Siri的语音对话软件引了公众的关注，重新燃起了人们对人工智能技术的热情。2016年DeepMind的AlphaGo在围棋对奕中取得辉煌战绩，进一步激发起人们对人工智能的关注。
-* 特茅斯会议宣告人工智能作为一门新学科正式登上历史舞台。
+* 今天，人工智能飞速发展，不仅在图像处理、自然语言处理、语音信号处理等领域大显身手，更加渗透到物理、材料、化学、医学、天文学、地质学、生物学等各个领域，释放出了让人震惊的生产力。我们将在后续章节对这些成果一一介绍。
-−
-===会议讨论的内容===
-−
-*麦卡锡等人的达特茅斯会议申请中列出的讨论内容包括：
-:*如何对计算机进行编程；
-:*如何让计算机理解和使用语言；
-:*如何用神经网络来表达概念；
-:*如何定义计算效率和复杂性；
-:*如何实现机器的自我改进；
-:*如何实现对象的抽象表示；
-:*如何实现随机性和创造性。
-−
-* 可见，当时人工智能的研究方向还是很宽泛的，很多基础的事情都需要人工智能的学者们考虑。尽管如此，现代人工智能的主要研究内容已经基本确定了。
-−
-* 从某种意义上讲，人工智能可能是计算机诞生后的第一个研究方向。当时计算机刚出现，人们对计算机的强大能力极为期待，希望它做更多的事情。让它做什么事呢？研究者们首先想到的是让它模似人的能力，成为人们的助手。“除了计算，那就干点儿人干的事”，这是当时很自然的思路。
-* 随着人们探索的深入，才出出了如网络，多媒体处理等细分研究领域，而这些技术在没有出现之前，也是“智能”的，也是人工智能学者们想要达到的目标。

@@ 第1行： / 第1行： @@
-==教学资料==
+==教学目标==
-*[[教学参考-07|教学参考]]
-*[http://aigraph.cslt.org/courses/07/course-07.pptx 课件]
-*小清爱提问： 达特茅斯会议都讨论了哪些事情?  [https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247485855&idx=1&sn=2ecbc3197df1129f6428349cfc5e631c&chksm=c308035df47f8a4b7824a5446e21d474d31f87ff2272dde9de1dbec06edbe42e123a943c57ec&scene=178#rd]
-==扩展阅读==
+* 了解图灵去世后（1950）到达特茅斯会议之前（1956），人工智能学者们的探索，理解人工智能产生的历史背景
-*尼克：人工智能简史第一章：人工智能的缘起：达特茅斯会议 [https://cloud.tencent.com/developer/article/1011984]
+* 了解香农、约翰·麦卡锡、马文·闵斯基、赫伯特·西蒙、艾伦·纽厄尔等人工智能早期代表人物的工作
-*达特茅斯会议前后  [https://www.leiphone.com/category/ai/xNGruQocEX8x55tg.html]
+* 了解达特茅斯会议所讨论的内容，了解人工智能学者们所关注的问题
-*维基百科：达特茅斯会议[http://aigraph.cslt.org/courses/06/Dartmouth_workshop.pdf]
+* 通过本节讲解，进一步引导学生建立正确的人工智能史观，理解人工智能研究的对象和领域（例如，人工智能只是编程吗？人工智能是机器人吗？）
-*百度百科：克劳德·艾尔伍德·香农[https://baike.baidu.com/item/%E5%85%8B%E5%8A%B3%E5%BE%B7%C2%B7%E8%89%BE%E5%B0%94%E4%BC%8D%E5%BE%B7%C2%B7%E9%A6%99%E5%86%9C/10588593]
-*秒懂百科：一分钟了解克劳德·艾尔伍德·香农[http://aigraph.cslt.org/courses/06/秒懂百科一分钟了解克劳德·艾尔伍德·香农.mp4]
-*天才简史：克劳德·艾尔伍德·香农[http://aigraph.cslt.org/courses/06/天才简史-香农.mp4]
-*网络公开课：香农传[https://open.163.com/newview/movie/free?pid=WFJG57VV0&mid=GFJG57VVV]
-*百度百科：艾伦·纽厄尔[https://baike.baidu.com/item/%E8%89%BE%E4%BC%A6%C2%B7%E7%BA%BD%E5%8E%84%E5%B0%94/9812800]
-*百度百科：赫伯特·亚历山大·西蒙[https://baike.baidu.com/item/%E8%B5%AB%E4%BC%AF%E7%89%B9%C2%B7%E4%BA%9A%E5%8E%86%E5%B1%B1%E5%A4%A7%C2%B7%E8%A5%BF%E8%92%99/15237989]
-*维基百科：逻辑理论家[http://aigraph.cslt.org/courses/06/Logic_Theorist.pdf][http://aigraph.cslt.org/courses/06/逻辑理论家.pdf]
-*百度百科：马文·闵斯基 [https://baike.baidu.com/item/%E9%A9%AC%E6%96%87%C2%B7%E6%98%8E%E6%96%AF%E5%9F%BA/7398340][https://baike.baidu.com/video?secondId=25777900&lemmaId=7398340]
-*百度百科：约翰·麦卡锡[https://baike.baidu.com/item/%E7%BA%A6%E7%BF%B0%C2%B7%E9%BA%A6%E5%8D%A1%E9%94%A1/858197][http://baike.baidu.com/l/aRUtazWL]
-*机器之心：人工智能先驱人物篇之约翰·麦卡锡 [https://www.jiqizhixin.com/articles/2019-02-11]
-*维基百科：奥利弗·塞尔弗里奇 [http://aigraph.cslt.org/courses/06/奧利弗·塞爾弗里奇.pdf]
-*维基百科：纳撒尼尔·罗切斯特 [http://aigraph.cslt.org/courses/06/纳撒尼尔·罗切斯特.pdf]
-*维基百科：阿瑟·塞缪尔 [http://aigraph.cslt.org/courses/06/Arthur_Samuel.pdf]
-*百度百科：约翰·纳什 [https://baike.baidu.com/item/%E7%BA%A6%E7%BF%B0%C2%B7%E7%BA%B3%E4%BB%80/957881][http://baike.baidu.com/l/METjUAGZ][http://baike.baidu.com/l/H0aukCUr]
-*维基百科：雷·所罗门诺夫[http://aigraph.cslt.org/courses/06/Ray_Solomonoff.pdf]
-*1956年的达特茅斯学院宣传片[http://aigraph.cslt.org/courses/06/1956年的达特茅斯学院.mp4]
-==演示链接==
+==教学内容==
-*SNARC 演示 [http://aigraph.cslt.org/courses/06/SNARC.mp4]
-==开发者资源==
+* 上世纪50年代，通用计算机刚刚诞生，其强大的计算能力引起来了研究者的广泛关注。另一方面，随着数理逻辑的发展，思维可计算的理念已经深入人心。受图灵“机器智能”思想的影响，利用计算机来模拟人类思维、实现类人智能激发起年轻学者的极大热情。
-==高级读者==
+===成果酝酿1：对弈程序===
-* 达特茅斯会议申请信原文《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》[https://web.archive.org/web/20080930164306/http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html]
+* 对弈一向被认为是需要很强智能才能完成的游戏，因此，对弈机器一直承载着人类的智能梦想。最早的自动对弈机器由西班牙数学家莱昂纳多·托里斯于1910年发明[https://www.chessprogramming.org/El_Ajedrecista]。
-* 计算机对弈的历史[https://www.chessprogramming.org/History]
+* 计算机发明以后，包括图灵在内的很多科学家都研究过对弈算法（图灵没有机器，是用笔算的走棋步骤）。其中，克劳德·香农的研究最为深入。他在1949年的一篇论文中深入探讨了一种称为MinMax的走棋算法，并给出了优化方案。同年，香农还设计了一台电动走棋机器[https://www.chessprogramming.org/Claude_Shannon]。
-* Claude Shannon (1949). Programming a Computer for Playing Chess. download pdf from The Computer History Museum [https://d1yx3ys82bpsa0.cloudfront.net/chess/programming-a-computer-for-playing-chess.shannon.062303002.pdf]
-* The Birth of Artificial Intelligence [http://aigraph.cslt.org/courses/06/TheBirthofArtificialIntelligence.mp4]
+===成果酝酿2：定理证明===
-* 约翰·麦卡锡对达特茅斯会议的总结 [http://www-formal.stanford.edu/jmc/slides/dartmouth/dartmouth/node1.html]
-* Ray Solomonoff的达特茅斯会议记录 [http://raysolomonoff.com/dartmouth/]
+* 定理证明是一项高智商活动。然而，数理逻辑的发展让人们相信，基于若干基础假设和简单的推理规则，通过计算是可以实现定理证明的。

教学参考-07 - 版本历史

2022年7月31日 (日) 08:09 Cslt

2022年7月31日 (日) 08:01 Cslt

2022年7月31日 (日) 07:52 Cslt

2022年7月31日 (日) 07:52 Cslt

2022年7月31日 (日) 07:45 Cslt

2022年7月31日 (日) 07:03 Cslt

Cslt：以“==教学资料== *教学参考 *[http://aigraph.cslt.org/courses/07/course-07.pptx 课件] *小清爱提问： 达特茅斯会议都讨论了哪...”为内容创建页面

Cslt：以“==教学资料== 教学参考 [http://aigraph.cslt.org/courses/07/course-07.pptx 课件] *小清爱提问：达特茅斯会议都讨论了哪...”为内容创建页面