AI理论学习

#关于AI理论学习的笔记

    浅显地理解AI领域，输入如感知推理，输出如下棋写诗，有为了更好通过图灵测试的仿生，或则是减少人工介入的“智能”。

    图灵测试就是让人分不清是人还是机器，涉及自然语言处理、表达、推理和学习，刻意避免了直接的物理交互，完全的图灵测试还包括计算机视觉和机器人控制，用以增强感知和输出。

    亚里斯多德的三段论开启了逻辑学，人工智能中的逻辑主义流派希望依靠此建立智能系统，这个流派遇到的最大问题是将非形式的信息用逻辑形式呈现和求解问题和解决实际问题的差别。

    Agent,表示能够执行的动作，合理的Agent是为了实现最佳结果，或则是在不确定环境中为实现最佳期望而采取的行动，一个合理实现完美的论断是：在复杂环境中总做正确的事是不可行的。

    AI的基础包括哲学、数学、经济学、心理学、计算机科学、神经科学和语言学，从最初的专家系统到深度学习；老式的人工智能是符号人工智能，试图把人类思维变成符号操作法让计算机理解，而机器学习（深度学习）是根据数据建立和改善算法。

    算法一词出自9世纪波斯数学家花剌子模（Al-Khwarizmi）,与程序要求精确按部就班的执行不同，算法只需要遵守一系列的规则和指令。深度学习中算法在不同层次运行，每个层次加工上一层的数据并将输出结果传给下层，输出结果是二进制的。

    深度学习，尤其是人工神经网络（ANN）,是一种回归，20世纪60年代因为效率太低而被打入冷宫却随着技术发展数据完善而重新受宠。