【USTB】人工智能-第一部分

本文暂未完成

一. 人工智能的概念

首先先来看一看书本的例题

一般来说，下列不属于智能基本特征的是（）

A. 感知能力     B. 记忆和思维能力
C. 行为能力     D. 固定的反应模式

书中提到：智能通常指的是个体在特定环境中，通过感知、学习、推理和决策等方式，灵活应对挑战并解决问题的能力

智能主要体现在四个方面：感知能力、记忆和思维与理解能力、学习能力、行为能力

• 感知能力是智能的起点
• 记忆、思维与理解能力是智能的核心（思维是对信息深度加工的过程，理解是思维活动中信息解读与认知的基础环节）
• 学习能力是智能的发展动力
• 行为能力是智能的最终体现

人工智能旨在赋予机器感知、记忆和思维、学习、行为的能力

图灵测试：当一个人无法分辨出某个问题的回答是机器做出的还是人做出的，即视为通过图灵测试，图灵测试是判断机器是否具备智能的标准
图灵测试1950年由阿兰·图灵提出，核心基于“行为”判定，而不是“思维”判定

人工智能发展阶段：

1. 图灵机+图灵测试+“存储程序”（冯·诺伊曼）

2. 人工智能概念的提出：

1956年美国达特茅斯会议，提出了人工智能的概念

麦卡锡——人工智能之父

3. 专家系统，第一个人工智能程序——通用问题解答程序，LISP编程语言（约翰·麦卡锡）——首个为人工智能开发的编程语言，ELIZA（约瑟夫·维森鲍姆），国际人工智能会议、AI创刊

专家系统是符号主义的产物，后续会介绍到

• 人工智能发展经历了至少2次寒冬

• 1986年反向传播算法BP提出

二. 人工智能的三大主义

主义	特点	特征
符号主义	智能行为就是对符号的推理和运算	数据库+推理引擎
联结主义（仿生学派或生理学派）	数据驱动的人工智能（对原始数据所蕴含的特征模式进行学习）	深度学习
行为主义（进化主义或控制论学派）	问题引导的人工智能	强化学习

符号主义和联结主义需要大量数据的投喂来实现

三. 人工智能的主要研究领域

机器学习算法分为三类：无监督学习、监督学习、强化学习

• 监督学习：直接给机器数据和结果，让它寻找规律
• 无监督学习：给机器数据，机器自行归纳结果和规律
• 强化学习：机器与环境交互，自行试错，环境根据其动作反馈结果

深度学习通过神经网络之间的连接，调整神经元之间的权重，剥离目标特征，实现结果预测（就是运用了反向传播算法BP）

主要研究领域有：

• NLP自然语言处理：理解上下文语意
• CV计算机视觉：将图像转换成机器能够理解的数字并提取有用的特征
• 智能机器人和具身智能：智能机器人是具身智能技术落地后的机器人

智能机器人能够感知环境、做出决策、执行行动；具身智能是指赋予机器人与环境互动，从经验中学习和适应的能力（即思考能力）
具身智能是能力，智能机器人是落地后的一项产品

• 生成式人工智能：生成对抗网络和变分自编码器