人工智能 - AI

标签：学习方法   算法   完全   http   空间   模拟   实现   浪潮   大数   

CNCC 2016 | 人工智能60年浪潮 （原文链接）

Intelligence，智能是指生物一般性的精神能力，其三因素理论：

• 成分智力 Componential Intelligence：思维和对问题解决所依赖的心理过程，与受教育程度直接相关；
• 经验智力 Experiential Intelligence：与受教育程度并不直接相关；
• 情境智力 Contextual Intelligence：情商；

Artificial Intelligence - AI，人工智能是指由人工制造出来的系统所表现出来的智能，是对人的意识、思维的信息过程的模拟，用于发展人的智能的三个方面。

Alan Turing - 图灵

• 计算机科学之父，人工智能之父
• 由0和1组成的有限状态自动机演算
• 图灵奖：计算机领域的诺贝尔奖

AI三大派别

• 逻辑主义（符号主义）

1. 1. 符号推理与机器推理
   2. Simon - CMU

• 连接主义

1. 1. 神经元网络与机器学习
   2. Minsky Marvin - MIT，连接主义提出者

• 行为主义

1. 1. 控制、自适应与进化计算
   2. 维纳 - MIT

起源：1956 - 达特茅斯会议；

发展：

 第一次浪潮（1956-1976）

• 符号主义盛行，功能主义占主流，演算推理证明、专家系统、知识工程迅速发展；
• 在统计方法中引入符号方法进行语义处理 -> 人机交互；
• 斯坦福大学、卡耐基大学（CMU）；

　AI初期预言（1958） - Simon与Newell

1. 十年内战胜国际象棋冠军
2. 十年内发现和证明有意义的数学理论
3. 十年内能谱写优美的乐趣
4. 十年内能实现大多数的心理学理论

 第二次浪潮（1976-2006）

• 连接主义盛行，Deep Learning尚未突破；
• AI神经元网络方法、自组织网络、感知机（Perceptron），BP算法、误差反传网络（Back Propagation Net）；

 第三次浪潮（2006 - 至今）

• 连接主义盛行，基于互联网大数据的Deep Learning取得突破；

未来：

关于AI的思考，人的知识可以分成四类：

• We know what we know：可推理可统计； 
• We know what we don‘t know：可推理不可统计，举一反三；
• We don‘t know what we know：不可推理可统计，模糊识别；
• We don‘t know what we don‘t know：不可推理不可统计，顿悟；

横向（Learning）是可统计与不可统计，机器学习；纵向（Deep）是可推理证明与不可推理证明，神经网络；

　目前，AI在逻辑、语言文字、图形图像方面做的比较好，空间、音乐与肢体运作方面则马马虎虎，内省、人际以及自然探索方面完全还不行。人工智能-1.0是在可统计可推理部分取得一定成果，人工智能-2.0是在1.0基础上向不可统计不可推理的部分区域推进，其中，利用小样本学习、基于贝叶斯程序学习等的概率学习方法将是下一代AI-2.0的重要方向。

参考：

人工智能 - AI

标签：学习方法   算法   完全   http   空间   模拟   实现   浪潮   大数   

原文地址：http://www.cnblogs.com/wjcx-sqh/p/5994794.html