人工智能：现代方法阅读笔记

1. 绪论

1. 什么是人工智能

可以从四个方面解释人工智能的不同特性

其一，实现类人行为：这也是目前比较热门的研究方向，即实现人类所具备的大部分智能行为，包括NLP，CV，知识表示，推理，机器学习，机器人学等。

其二，实现类人思考：实现这一点需要结合认知科学，其重点在于使计算机具备和人类相同的推理步骤和时机，从而可以揭示人类认知的运作方式。

其三，实现理性思考：即利用逻辑主义和概率来构建全面的理性思维模型，从而从感知进行到对世界运作方式的理解并预测，但是其并不会进行任何行为。

其四，实现理性行为：理性智能体（rational agent）需要为取得最佳结果或在存在不确定性时取得最佳期望结果而采取行动。（所谓最优化一定是最优化吗，人类在很多情况下做出的选择恐怕并不是最优化的，次优化这一领域可能也有其意义）（所以它的特点在于不一定要和人类一样）。这种做正确的事情的智能体的范式可以称为标准模型。

价值对齐问题：在我们的真实需求和施加给机器的目标之间达成一致的问题，即施加给机器的价值或目标必须与人类的一致。（也就是机器做出的事必须符合基本的人类想象的目标实现方式）

2. 人工智能的基础

（1）哲学：阐述了一系列与人工智能本质相关的哲学思想基础，如唯物主义，逻辑实证主义。同时，其中一个重点可能在于实现目的的手段要比目的本身更重要，这也决定了目前人工智能领域发展的重点，我们可以后验人工智能技术的理论基础和数学推理，但技术本身如何实现目标是更为优先的事，类似于航空航天的发展。同时，其他也有该策略无法生效的领域，如选择问题。

（2）数学：这方面学习的很多，不做过多阐述。主要包括形式化逻辑、概率、统计学、算法中的不完全性定理、可计算性、易处理性、NP完全性等

（3）经济学：由于经济学被定义为欲望和偏好的研究的科学，其对人工智能技术的发展也起到了一定的作用，包括决策论、运筹学。其中基于满意度的决策模型也符合上述提到对最优化是否符合理性特征的想法。

（4）神经科学：可能最开始是从神经科学获得的很多启发，但目前来看，深度学习和控制理论主导的当代人工智能技术与神经科学的关联并没有那么大了。

（5）心理学：考虑人是如何进行思考和行为的。比较著名的有行为主义和进一步发展的认知心理学，其中认知心理学可以说是人工智能发展的开始。

（6）计算机工程：计算机软件和硬件的发展不可缺少。

（7）控制理论与控制论：个人认为这部分科学理论基本和算法思想相符合，也是最优化理论的分支，是目前设计机器学习算法的基本思想之一。其区别在于，控制理论更加注重的是对固定连续变量描述的系统，而人工智能中可能包含大量超出该系统的问题。

（8）语言学：主要是涉及到自然语言处理的大量问题，以及近年来比较火热的知识图谱等领域。

3. 人工智能的历史

基于逻辑联结词的学习（赫布型学习）➡图灵理论及机器学习

物理符号系统假说、强化学习、知识表示及推理、微世界问题、神经网络及感知机

阻碍阶段，感知机的局限

专家系统：这个尽管非常不“智能”，但却是目前很多实际应用场景中必不可少的策略之一，用于保证其稳定性和安全性。

神经网络回归阶段，主要是反向传播

概率推理和机器学习：从隐马尔科夫链模型到贝叶斯到深度学习

大数据时代

深度学习时代

4. 目前的先进技术

这里介绍了一些当前时代基于人工智能技术而蓬勃发展的领域。

5. 人工智能的风险和收益

包括且不限于致命性自主武器、监视、有偏决策、就业影响、安全应用、网络安全等

习题及作业：

（未完待续）