人工智能基础

杨杰黄晓霖高岳乔宇屠恩美

绪论

AlphaGo 的核心是两种不同的深度神经网络，即值网络（Value Network）和策略网络（Policy Network）。

值网络负责减少搜索的深度

策略网络负责减少搜索的宽度

布尔、哥德尔、图灵、莫克利、冯·诺依曼、麦卡锡

1956 人工智能一词正式提出

1969 第一届国际人工智能联合会议（International Joint Conference on AI，IJCAI）召开，此后两年一次。

1970 年《人工智能》国际杂志（International Journal of AI）创刊。

1980 XCON，一种专家系统。可以简单理解为“知识库+推理机”的组合。

20 世纪 90 年代以来，专家系统，机器翻译，机器视觉和问题求解等方面的研究已经开始应用。

学派

符号学派（逻辑学派、心理学派、计算机学派），认为人对世界的认知基元是符号，认知过程即符号操作过程。研究内容是基于逻辑的知识表示和推理机制。
联结学派（仿生学派、生理学派）认为人工智能源于仿生学，特别是人脑模型的研究。该学派的原理主要为神经网络及神经网络间的连接机制与学习算法。深度学习技术属于联结主义学派。
行为学派（进化论学派、控制论学派），其原理为控制论及感知和行动，认为人工智能源于控制论，智能依赖感知和行动，无需基于符号的推理。代表作首推布鲁克斯的六足行走机器人，被看作新一代的“控制论动物”，是一个基于感知-动作模式的模拟昆虫行为的控制系统。

研究和应用领域

问题求解，八皇后问题、旅行者问题，下棋
机器学习
专家系统，一般来说，专家系统是一个智能计算机程序系统，包含大量专家水平的某个领域的知识和经验，能够利用人类专家的知识和方法解决问题。
模式识别，模式的本意是指一些供模仿的标准式样或标本，模式识别就是指识别出给定物体所模仿的标本。主要应用于图像处理。
自动定理证明。人工智能中最先进行研究并得到应用的一个研究领域。许多非数学任务，如医疗诊断、信息检索、机器人规划和难题求解等，都可以转化成定理证明问题，所以自动定理证明的研究具有普遍意义。
自动程序设计，包括程序综合与程序正确性验证。程序综合用于实现自动编程，正确性验证顾名思义。
自然语言理解。让计算机理解人类语言
机器人学，研究从手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。
人工神经网络。应用广泛。深度学习是该分支最新技术。
智能检索。基于文字的智能检索、基于语义的智能检索、基于图像的智能检索

人脑认知

脑科学，在不同尺度上研究大脑的结构和神经活动的内在机理并以此作为依据来对人脑的功能和特性进行研究

经典人工智能

知识表示方法

人的智能来自知识，如何将已获得的知识以计算机内部代码形式合理地描述、存储，以使其有效地利用这些知识便是知识表示。

数据中有信息，但只有有格式的数据才有信息。

有格式的数据经过处理形成信息，信息关联到一起形成知识。

可以解决实际问题的信息才称为知识。

一阶谓词表示法

以数理逻辑为基础

IsStudent（小明）^IsStudent（小红）

特点

自然性（易于理解）

精确性（不适合表达不确定的知识）

易实现

产生式表示法

使用类似文法的规则，对符号串做替换运算。

心理学家认为，人脑对知识的存储就是产生式的形式，因此产生式系统发展成为人工智能系统中最典型、最普遍的一种结构。

产生式表示方法是专家系统的第一选择的知识表达方式。

通常用于表达具有因果关系的知识。

IF P THEN Q

可以表达不确定知识

IF P THEN Q（置信度）

产生式系统

规则库、综合数据库、推理机

语义网络表示法

搜索技术

知识推理

不确定性推理

经典人工神经网络

单层前向网络分类器

多层——误差反向传播

单层反馈网络：输出作为下一次输入（循环）。对于反馈网络最终收敛的平衡状态称为吸引子，吸引到某吸引子的状态范围称为吸引域。无论是连续型还是离散型的单层反馈网络可以看作是一动态系统，状态沿着计算能量减少的方向移动，最终收敛到计算能量局部最低点。

优化与智能计算

优化是在一定约束条件下寻找最优方案的技术。（和工程交叉产生了运筹学、数学规划）

由于缺乏连续性，离散优化问题往往比连续优化问题更难。

离散优化问题的求解主要采用树搜索法，连续优化问题的求解主要采用梯度信息构建下降算法。

内点法可以在多项式时间内求解线性规划问题。

凸优化问题在人工智能领域发挥着很重要的作用

定义在凸集（包含了内部任意两点之间连线的集合）上的函数是凸函数，当且仅当曲线段上函数值小于等于端点值构成的线段。

人工智能基础阅读笔记