《人工智能通识》全书分为上下两篇
上篇介绍人工智能的基本理论,包括人工智能概述、智能搜索技术、博弈决策、确定性知识表示及知识推理、不确定性推理、机器学习、计算智能、智能主体技术,共8个章节。
下篇介绍人工智能的应用,包括面向金融领域的信息抽取、面向金融领域的情感分析、智能问答、生物特征识别、联邦学习、博弈决策进阶及其在金融领域的应用,共6个章节。
本章简介
第一章分为5节,主要介绍了人工智能的定义、人工智能的起源与发展、人工智能各研究学派、人工智能的主要研究目标与内容、人工智能研究的现状及展望。
第一节:人工智能的定义
一、什么是人工智能
人工智能(AI)即人工方法实现的智能,或人造的智能机器或系统。
衡量机器是否 具有智能:图灵测试(Turing Test),即人与机器分在两个房间,当人们无法根据回答分辨哪个是人时,即机器通过了图灵测试。
二、四种人工智能的定义
根据类人/理性和思维/行为两个维度,可以将人工智能的定义分为四种:
类人思维方法:
基于人类思维原理、用可检测理论定义AI,也叫认知模型方法。代表人物:贝尔曼Bellman(1978),AI是与人的思维、决策、问题求解和学习有关的活动的自动化。
类人行为方法:
根据人类自身的智能去定义一个系统或及其是否具备智能的方法,也叫图灵测试方法。代表人物:库兹韦勒Kurzweil(1990),AI是一种创建机器的技艺,这种机器能够执行需要人的智能才能完成的功能。
理性思维方法:
基于逻辑推理定义智能的方法,也叫思维法则方法。代表人物:E.Charniak和D.McDermott(1985),AI是通过能正确思维(不能辩驳的推理过程)的计算模型(逻辑学模型)来进行心智能力研究的。
理性行为方法:
基于智能体定义的方法,也叫理性智能体方法。代表人物:N.J.Nilsson(1998),AI研究关心的是人工制品中的智能行为,即AI就是研究和制造理性智能体。
综上所述,从能力的角度来说,AI是指用人工的方法在机器上实现的智能,是智能机器执行的与人类智能有关的功能,如判断、推理、证明、识别、设计、思考、学习、问题求解等。从学科的角度而言,AI是一门研究如何构造智能机器或智能系统,去模拟、延伸和扩展人类智能的学科,是计算机科学中涉及研究、设计和应用智能机器的一个分支。
第二节:人工智能的起源与发展
一、孕育期(1956年以前)
1937年,图灵提出了“图灵计算机”
1950年,图灵发表“计算机能思维吗”,提出“机器能思维”
二、诞生和黄金期(1956-1973)
1956年,达特茅斯会议,正式提出人工智能的概念。
研究内容:A.Newell等,通用问题求解程序,解决不定积分等;A.Samuel,西洋跳棋程序;McCarthy,行动规划咨询系统。
三、第一次浪潮(1974-1993)
70年代开始了以知识为中心的专家系统研究,E.A.Feigenbaum(1976)MYCIN专家系统。
问题:领域狭窄、缺乏常识性知识、推理方法单一等。
四、第二次浪潮(1993-2005)
Rumellhat(1986)提出BP网络,R.Brooks研制出机器虫。
1993年,贝尔实验室,SVM;1997年,IBM的Deep Blue战胜了国际象棋世界冠军。
五、兴起(2006-Now)
以AI为核心,自然智能、集成智能、协同智能。
谷歌DeepMind,AlphaGO,DeepStack(德州扑克),微软机器翻译系统。
第三节:三大流派
一、符号主义(Symbolicism)
符号主义也叫逻辑主义(logicism),认为实现人工智能必须使用逻辑和符号系统。将人的知识通过数学逻辑的方法以符号形式抽象出来,然后再利用计算机的符号处理及推算能力模拟人的认识过程。代表人物:赫伯特·西蒙。成果:归结推理方法、启发式算法、专家系统、知识工程理论与技术等。
二、联结主义(Connectionism)
联结主义也叫仿生学派,认为人类的智能是由人脑的生理结构和工作模式产生的。代表人物:大卫·鲁梅尔哈特。成果:BP算法、神经网络结构等。
三、行为主义(Actionism)
行为主义也叫进化主义、控制论学派,认为智能来源于感知和行动,不需要知识、不需要表示、不需要推理,希望从模拟动物的感知-动作开始,复制出人类的智能。代表人物:罗德尼·布鲁克斯。成果:智能控制、智能机器人系统。
第四节:人工智能的主要研究目标与内容
A.Sloman,人工智能研究的三个主要目标:
1、对智能行为进行有效解释和理论分析; 2、解释人类智能; 3、构造具有智能的人工制品。
监督学习:
机器通过学习带有标签的样本数据,训练出模型,该模型可以根据输入得到相应输出。由于训练数据是有标签的,所以可以通过对比模型返回的标签与真实标签,对模型进行反馈,监督模型优化、进步。监督学习主要使用:回归(Regression)、分类(Classification)、排名(Ranking)等执行学习任务。
无监督学习:
机器通过学习大量无标签的样本数据,训练出模型,该模型可以根据输入得到相应输出。无监督学习主要使用:聚类(Clustering)和降维(Dimensionality Reduction)等执行学习任务。
强化学习:
智能体学习在环境中如何采取怎样的行动可以最大化奖励。在学习任务中,智能体根据环境状态采取一系列行动,在根据反馈的奖励情况,学习能够获得最大化奖励的行动策略。监督学习和无监督学习是静态数据,强化学习是动态数据,过程也是动态、不断交互的。
第五节:AI研究的现状及展望
基础理论方面,AI与其他学科交叉研究,包括:
脑科学、认知科学、心理学、信息科学、生物学、逻辑学、物理学、数学等。
前沿研究包括:
分布智能、群体智能、社会智能、集成智能、认知计算与情感计算、智能系统与智能服务等。
伦理争议,预防AI犯罪:
英国标准协会(2016)发布《机器人和机器系统的伦理设计和应用指南》。
要点总结
1、人工智能的四种基本定义 2、人工智能的五个发展阶段 3、人工智能主要有符号主义、联结主义和行为主义三大流派 4、人工智能的主要研究目标,主要研究内容 5、人工智能正向多学科交叉、融合方向发展,在带来便利的同时也存在伦理争议
文档信息
- 本文作者:Eric Chen
- 本文链接:https://aiwv.xyz/2020/02/21/AIread1/
- 版权声明:自由转载-非商用-非衍生-保持署名(创意共享3.0许可证)