人工智能基础总结
历史:
1950:图灵测试,机器智能的度量
1956 - 1974:黄金发展期
1956:会议,AI研究领域诞生
1958:第一个AI程序,逻辑理论家(LT)
1965:医学诊断方法程序
1974 - 1980:第一个冬天
1980– 1987:繁荣期,决策树模型,多层人工神经网络(ANN)
1987 - 1993:第二个冬天
1993 – Now:爆发期
2012:苹果“Siri”,智能个人助理和知识导航软件
2012:实时英语-中文翻译系统,保持演讲者声音和口音
2014:微软推出的“Cortana”智能个人助手,以及聊天机器人“小冰”
2014:IBM推出AI芯片“TrueNorth”,百万神经元
2015:Google DeepMind推出的DQN深度强化学习
2015:百度推广的秘书化搜索服务“度秘”
2016:Google DeepMind推出的AlphaGo围棋机器人,相继完胜职业棋手
2016:阿里巴巴的“小Ai”人工智能软件
涉及理论领域基础(重要4部分):
数学基础领域:
- 逻辑学:得到正确结论的形式规则(包含命题理论、一阶逻辑、指称理论)
- 计算学:可计算性,易处理性,NP完全理论
- 概率学:不确定信息推理,统计学方法,贝叶斯方法
神经科学领域:
认知心理学:
人类如何思考与行动:包含注意机制、语言运用、记忆、感知、问题求解、创造力和思考等。
通过人类参与者的心理实验来收集信息,研究人脑如何接受外界世界的输入,目的是:如何处理以及作用。
控制理论与控制论:动态系统对输入的行为,如何通过反馈进行调整。调整通过调控系统:包含结构、约束和可能性三点
现状:
分类1:类人思考,理性思考,类人动作,理性动作
分类2:人工狭义智能(ANI),人工广义智能(AGI),人工超级智能(ASI)
应用:计算机视觉、图像处理、VR/AR/MR、模式识别、智能诊断、博弈论和策略规划、AI游戏与游戏机器人、机器翻译、自然语言处理和聊天机器人、非线性控制与机器人技术、自动推理、概念计算、数据挖掘、智能生活、自动化、知识表示等太多了。
主要研究方向:
- 搜索:问题求解
- 推理:知识
- 规划:规则
- 学习:数据
- 沟通应用:NLP、机器翻译
- 感知应用:视觉,听觉
- 动作应用:机器人,无人飞行器,无人驾驶
其中1-4为基础原理部分,5-7为应用部分。
人工智能研究途径:
符号AI(Symbolic AI)最成功的案例是专家系统,对规则进行操作来进行推理和确定需要什么附加信息。仅通过人们通俗的符号来表示。
亚符号AI:增加概率、统计、置信度的表示。
符号主义:属于规划方法,通过符号与符号之间的关系来表征信息,通过处理这些符号来解决问题和推理新的知识。类似于符号AI
连接主义:网络内部的一种分布形式来表征信息,模拟生物学过程的基础学习、任务功效和问题求解来实现。
逻辑与反逻辑等等