人工智能名词解释简答题基础题详细总结（持续补充）

1、什么是人工智能？人工智能分哪几个阶段？

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智 能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能的定义对人工智能学科的基本思想和内容作出了解释，即围绕智能活动 而构造的人工系统。
人工智能是知识的工程，是机器模仿人类利用知识完成一定行为的过程。根据人 工智能是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强 人工智能。
人工智能包括计算智能、感知智能和认知智能等层次，目前人工智能还介于前两者之间。

三次浪潮：
第一次人工智能热潮：推理与搜索时代
人工智能术语的诞生
严冬来袭
• 人工智能的权威马文·明斯基针对风靡一时的神经网络，指出了它在特定条件下的局限性
• 美国政府出台了一个报告(ALPAC负面报告)，认为机器翻译在短期内将难有成果20世纪70年代人工智能严冬来袭
第二次人工智能热潮：知识时代
• 人机对话:和第一次浪潮中利用推理和搜索等简单规则不同，依靠“知识”的支持
• 专家系统:引入某个专业领域的知识，再经过推理，计算机便能够像该领域的专家一样出色工作
• “第五代计算机”计划(日本，20世纪80年代) 第二次退潮
• 知识导入使得计算机变得更聪明，但知识述之复杂与困难超出了当初预想，输入没有穷尽
• 1995年左右开始，人工智能研究有一次迎来冬天
第三次人工智能热潮：深度学习携手大数据
• 2006年，杰弗里辛顿发表《一种深度置信网络的快速学习算法》论文，宣告深度学习时代的来到，
深度学习在2010年前后兴起是建立在数十年的积累之上的
1998年Google成立，2011年，Google Brain(谷歌大脑)开始建设
互联网迅猛发展、大数据成为现实
超强算力:CPU、GPU、TPU，计算机集群
深度学习+大数据:让机器自己从原始数据中学习

2、什么是弱人工智能?

弱人工智能是指不能真正实现推理和解决问题的智能机器，这些机器表面看像是智能 的，但是并不真正拥有智能，也不会有自主意识。
迄今为止的人工智能系统都还是实现特定功能的专用智能，而不是像人类智能那样能 够不断适应复杂的新环境并不断涌现出新的功能，因此都还是弱人工智能。
目前的主流研究仍然集中于弱人工智能，并取得了显著进步，如语音识别、图像处理 和物体分割、机器翻译等方面取得了重大突破，甚至可以接近或超越人类水平。

3、什么是强人工智能?

强人工智能是指真正能思维的智能机器，并且认为这样的机器是有知觉的和自我意 识的，这类机器可分为类人(机器的思考和推理类似人的思维)与非类人(机器产生了
和人完全不一样的知觉和意识，使用和人完全不一样的推理方式) 两大类。 从一般意义来说，达到人类水平的、能够自适应地应对外界环境挑战的、具有自我
意识的人工智能称为“通用人工智能”、“强人工智能”或“类人智能”。 强人工智能不仅在哲学上存在巨大争论(涉及到思维与意识等根本问题的讨论)，
在技术上的研究也具有极大的挑战性。 强人工智能当前鲜有进展，大部分专家任务至少在未来几十年内难以实现。

4、什么是机器学习

机器学习是人工智能的一个分支，它是实现人工智能的一个核心技术，即以机器学习为手段解决人工智能中的问题。
机器学习是通过一些让计算机可以自动“学习”的算法并从数据中分析获得规律。然后利用规律对新样本进行预测。
机器学习是一种统计学的方法，计算机利用已有的数据得出某种模型，再利用此模型预测结果,是人工智能的子集
机器学习的形式化描述：对于某些任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么就称这个计算机程序在从经验E学习
应用领域：计算机视觉，语音识别，自然语言处理
三要素：算数，算法，算力

5、机器学习形式分类

有监督学习（supervised learning），指的是从实现需要准备好输入与正确输出相配套的训练数据，让计算机进行学习，以便当它被输入某个数据时能够得到正确的输出。典型应用模式：预测（针对连续数据），分类（针对离散数据）
无监督学习（unsupervised learning）的目的是让计算机自己去学习怎样做一些事情，所有数据只有特性而没有标记。典型应用模式：聚类（K-means）
半监督学习（semi-supervised learning），其训练数据一部分有标记，另一部分没有标记，而没有标记数据的数量常常大于有标记数据的数量，基本规律：数据的分布必然不是完全随机的，通过结合有标记数据的局部特征，以及大量没标记数据的整体分布，可以得到比较好的分类结果。
强化学习（reinforcement learning，RL）是解决计算机从感知到决策控制的问题，从而实现通用人工智能。

6、神经网络

神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。
生物神经网络：一般指生物的大脑神经元，细胞，触电等组成的网络，用于产生生物的意识，帮助生物进行思考和行动。
人工神经网络（ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
人工神经网络：是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为“神经网络”或类神经网络。

7、卷积神经网络

卷积神经网络（CNN）具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类

8、图灵测试

1936年，哲学家阿尔弗雷德·艾耶尔思考心 灵哲学问题:我们怎么知道其他人曾有同样的
体验。在《语言，真理与逻辑》中，艾耶尔建 议有意识的人类及无意识的机器之间的区别
1950年，艾伦·图灵出了著名的图灵测试:
如果一台机器能够与人类展开对话(通过电传设备)而不能被辨别出 其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服 地说明“思考的机器”是可能的。
图灵测试是人工智能哲学方面第一个严肃的案。

9、MNIST手写数字识别进行分类应用的时候，为什么需要采用独热编码形式？

（1）将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。
（2）机器学习算法中，特征之间距离的计算或相似度的常用计算方法都是基于欧式空间的。
（3）将离散型特征使用one-hot编码，会让特征之间的距离计算更加合理。

10、给出回归（Regression）和逻辑回归（Logistic Regression）所对应的损失函数。

11、TensorFlow中运行模型需要通过会话实现，会话有哪几种形式？

第一种模式：需要明确调用会话生成函数和关闭会话函数
第二种模式：通过python的上下文管理器来使用会话
第三种模式：指定默认的会话
第四种模式：交互式环境下设置默认会话

12、使用TensorFlow进行算法设计与训练的核心步骤是什么？

① 准备数据（训练数据集，测试数据集）
② 构建模型（线性回归，罗辑回归，贝叶斯网络）
③ 训练模型
④ 进行预测

13、TensorFlow是什么？

是一个通过计算图的形式表述计算的编程系统 每一个计算都是计算图上的一个节点 节点之间的边述了计算之间的关系

TensorFlow支持14种不同的类型：

• 实数 tf.float32, tf.float64
• 整数 tf.int8, tf.int16, tf.int32, tf.int64, tf.uint8
• 布尔 tf.bool
• 复数 tf.complex64, tf.complex128

默认类型:

• 不带小数点的数会被默认为int32
• 带小数点的会被默认为float32

14、计算图的概念

15、张量的属性