《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