人工智能原理概述

人工智能是计算机科学基础理论研究的重要组成部分

现代人工智能一般认为起源于美国1956你那夏季的达特茅斯会议，在这次会议上，John McCarthy第一次向世界提出了Artificial Intelligence。

人工智能的定义：

1. 人工智能就是要让机器的行为看起来就像人所表现出的智能行为一样。
2. 人工智能，就是人类智能的人工实现。具体来说，是指机器根据人类给定的初始信息来生成和调度知识、进而在目标引导下由初始信息和知识生成求解问题的策略并把智能策略转换成智能行为从而解决问题的能力。

图灵测试

图灵测试：讲一个人与机器放置于一间房间中，而另外一个人分隔开来，并把后一个人称为询问着。让询问着仅根据通过这个仪器体温受到的他按辨别哪个是计算机，哪个是人。如果询问着不能区别机器和人，那么就可以认为这个机器是智能的。

一台机器要通过图灵测试，他至少需要有下面的能力：

1. 自然语言处理：实现用自然语言与计算机进行交流
2. 知识表示：存储它知道的或听到的、看到的
3. 自动推理：能根据存储的信息回答问题，并提出新的结论
4. 机器学习：能适应新的环境，并能检测和推理新的模式

人工智能的研究方法

近年来AI研究形成了三种不同的研究学派：

• 符号主义：（AI研究的传统观点），强调物理符号系统
• 连接主义：又称仿生学派，强调神经元的运作
• 行为主义：智能行为的基础是“感知-行动”，是在与环境的

符号主义

（自上而下的符号主义）
认为：

1. 人类智能的基本单元：符号
2. 认知过程：符号操作过程
3. 思维：符号计算

特征：
立足于逻辑运算和符号操作，知识可用显示的符号表示，可解释性强，强调对知识的处理。核心问题是知识表示、知识推理、知识运用

缺点：

• 有时体现的是“暴力”的思想
• 可以解决逻辑思维，但对于形象思维难以模拟
• 信息表示成符号后，并在处理或转换时信息有丢失的情况

连接主义

（自下而上的连接主义）
属于非符号处理范畴
连接主义：人工智能可以通过仿生人类的大脑的结构来实现，它研究的内容就是神经网络。

特征：

1. 通过神经元并行协调处理，具有并行性、动态性、全局性
2. 可以实现联想的功能，便于对有噪声的信息进行处理
3. 可以通过对神经元之间的连接强度的调整实现学习和分类等
4. 适合模拟人类的形象思维过程，可以较快得到近似解

缺点：

1. 不适合解决逻辑思维
2. 体现结构固定和组成方案单一的系统也不适合多种知识的开发

行为主义

（进化主义或控制论学派）

是基于控制论和“动作感知”型控制系统的人工智能学派，属于费符号处理方法

知识表达和模型化方法是重要障碍，智能取决于感知和行动，与环境交互，逐步增强。

实例：强化学习
通过与环境交互来学习的机器学习算法。一个状态，奖励，产生一个行动与环境交互后产生新的状态和奖励，不断调整策略以达到最大期望

总结

	符号主义	连接主义
智能产生于	符号运算	大量简单元素的并行分布式连接之中
智能基本单元	符号	简单元素的相互联接
智能行为	符号运算的结果	联结计算的结果
	抽象思维	形象思维

下一篇

人工智能原理复习–知识表示（一）