人工智能导论

人工智能导论2智力：在不同环境下实现目标的能力人工智能（AI）：指利用人工代理（即计算机实际执行的方法）的智能领域。弱人工智能或狭义人工智能：机器能够运用一定程度的“智能”来执行特定任务的能力。我们日常生活中遇到的人工智能都属于这种类型（例如，语音助手、图像识别以及上文讨论的所有应用）。定义：智能、人工智能、通用人工智能3通用人工智能或强人工智能：机器理解或学习任何人类能够理解或学习的“智力”任务的能力。换句话说，就是具有自我意识的机器。这种人工智能旨在重现人类的智力能力，例如：通用性、多功能性、完整性超越能力并转化为知识的深度学习定义：智能、人工智能、通用人工智能41956年达木会议。该术语由约翰·麦卡蒂创造，用来概括当时在计算机科学领域的学术研究中蔓延的一种现象。人工智能被宣布为一门新的研究学科，其定义为：“制造智能机器的科学和工程”——约翰·麦卡锡（1956年）。历史笔记约翰·麦卡锡（达特茅斯学院）、马文·明斯基（哈佛大学）、纳撒尼尔·罗切斯特（IBM）和克劳德·香农（贝尔电话实验室）“1968年，计算机将成为世界象棋冠军”（西蒙和纽厄尔，1958年）“20年后，计算机将能够完成人类能做的任何活动”（西蒙，1965年）5这些预测部分正确：第一个预言在1997年成真，当时“深蓝”的计算能力击败了当时的国际象棋世界冠军卡斯帕罗夫。历史笔记6这些预测部分正确：语言理解（Siri和Alexa），2011年：IBM的沃森机器人是两位参赛者的核心，并在智力竞赛节目《危险边缘》中击败了他们。这台机器能够理解提出的问题并给出正确答案。历史笔记7这些预测部分正确：AlphaGo世界冠军（2017年）。历史笔记8人工智能这个词已经存在70多年了，为什么我们现在才开始讨论它？计算机计算能力的指数级增长：过去10年里，计算机的计算能力大幅增长。计算能力每18个月翻一番（Moore，1965）。大量可用数据：用作学习示例的数据已经过定义。

我们这个世纪的石油。鉴于海量数据的出现，人们创造了各种技术工具来积累这些数据：硬盘、云环境、大型存储服务器。更优的算法：算法的技术层面也在不断发展。20世纪60年代和80年代开发的机器学习算法经过不断完善和改进。人工智能时代

YouTube：每分钟上传400小时的视频Facebook：每天3.5亿张图片沃尔玛：每天产生2.5PB的客户数据9人工智能在我们的生活中：推荐系统：Netflix：人工智能会根据我们的喜好、观看记录、观看时间最长的影片或评分来推荐电影。然后，该模型会根据用户的需求进行调整。Instagram、TikTok和Facebook使用技巧（例如，你可能认识的人）人工智能时代10人工智能在我们的生活中：面部的识别：为了解锁手机，设备会获取一些信息，只有当人脸是机主本人或其他被授权访问手机的人的脸时，才能解锁。人工智能时代11人工智能在我们的生活中：机器翻译：谷歌翻译或DeepL背后都有人工智能算法，可以翻译并理解我们写的句子。从五年前到现在，谷歌翻译的性能也得到了很大的提升。人工智能时代人工智能与人类智能人类智力最适合用于：提出问题并解决问题常识推理直觉创造力语音识别人脸识别人工智能更适合：大量数据的管理数据模式识别，从数据中提取有用信息（模式识别）统计和预测推理可以用一组逻辑公式描述的问题能够理性思考/行动的机器理性行为：执行一项行动，其预期结果能够最大化某个目标（至少根据执行时可获得的信息）。智能代理通过以下方式决定要执行的操作（或要添加到其知识库中的新事实）：扣除绑架就职演绎推理——亚里士多德（公元前300年）在演绎推理或三段论中，前提（一般情况）的真值保证了结论（特殊情况）的真值。规则：人皆有死。案例：苏格拉底，一个男人结论：苏格拉底是会死的演绎推理是数学定理和证明的基础，但它无法让我们发现或预测新的事实，从而扩展我们的知识，实现从已知到未知的飞跃。它仅限于已有的知识。归纳法——弗朗西斯·培根（17世纪）特殊案例能为结论提供或强或弱的证据，但并不一定能保证结论发生的概率。这种推理方式更偏向概率论。观察学习类型学特殊情况：苏格拉底是男性。结果：苏格拉底之死。法则：人皆有死。

归纳推理最常见的形式是概括，即通过检查一组事物、人物、事件、物体等的一部分或样本，来获得有关该组事物、人物、事件、物体等的信息。绑架——查尔斯·桑德斯·皮尔斯（1839-1914）这里也是概率论证，但我们不是进行概括，而是横向推演，假设一个推论反过来也成立。典型的诊断推理模式规则：人皆有死。结果：苏格拉底之死

特殊情况：苏格拉底是个人符号人工智能与统计人工智能符号人工智能：一种对世界进行逻辑数学表示的方法。例如：状态空间搜索、优化问题等。可由定义解释的决策找到合适的表示方法并不容易。并非所有事情都能立即计算出来。统计人工智能：一种机器学习方法，无需显式表示所学习的规则/函数。自主学习未知关系具有现实代表性的例子数量黑箱/无法解释的决定人工智能：局限性和伦理问题常识和推理自