天天看點

MOOC_人工智能原理學習筆記1

What is Artificial Intelligence(AI):

定義:1、機器或軟體所展現的智能
            2、學術研究領域的名稱->如何建立計算機和計算機軟體使之具有智能行為
誕生:1956年“達特茅斯夏季人工智能研究計劃”會議

Turing Test:

圖靈測試由Alan Turing在1950年發表的“Computing Machinery and Intelligence”論文中提出,旨在提供一種令人滿意的關于隻能的可操作定義
内容:圖靈預言,2000年之前,經過5分鐘的問題測試之後,機器将能蒙騙30%的人類裁判

Virual Turing Test:

視覺圖靈測試是由Donald Geman 等人于2014年提出,是采用一個操作員輔助裝置、根據給定的圖像産生随機的二進制問題序列。
目前的計算機視覺系統是測試任務的精度。這些任務包括對象檢測、圖像分割和定位。但仍然與人類的行為方式有差距。
視覺圖靈測試是受人類了解圖像能力的啟發而提出的。

Chinese Room:

“中文屋”是一個思想實驗,也被稱為希爾勒的中文屋論證。它由John Searle 早在1980年發表在《The Behavioral and Brian Sciences》中提出的。試圖揭示計算機絕不能描述為有“智力”或“知性”,不管它多麼智能。
他設想他獨自在一個房間,操作一套計算機程式來應付從門縫下塞進來的中文字元。他對中文一竅不通,然而,正如同計算機所做的那樣,通過操作處理符号和數字,他生成了合适的中文字元串,進而蒙騙了屋外的人,以為屋内有一個精通中文的人。唯一的結論是,按程式運作的計算機可以使它看起來了解了語言,但并沒有産生真正的了解。由此他斷定,圖靈測試的結論是不充分的。

What are the Foundations of AI:

  • Philosophy                                            哲學
  • Mathematics                                         數學
  • Economics                                           經濟學
  • Neuroscience                                       神經科學
  • Psychology                                           心理學
  • Computer engineering                          計算機工程
  • Control theory and cybernetics            控制理論和控制論
  • Linguistics                                            語言學

1)邏輯學----得出正确結論的形式規則是什麼?

1847,George Boole 命題邏輯(布爾邏輯)

1879, Gottlob Frege 一階邏輯,擴充了布爾邏輯,增加了對象和關系

1902-1983,Alfred Tarski 指稱理論,它揭示如何将邏輯中的對象與對象相關聯

2)計算----什麼是可計算的

1912–1954,Alan Turing  試圖精确地描述哪些函數是可計算的

mid-1960s, Cobham and Edmonds  提出了計算的易處理性的概念

1972, Steven Cook and Richard Karp  提出了NP完全性的理論

    Terminology: NP-completeness

            P: Polynomial time. ------P:多項式時間

            NP: Non-deterministic Polynomial time-------NP:不确定性多項式時間

            NP-complete: both in NP and NP-hard.--------NP完:NP與NP難的交集。

MOOC_人工智能原理學習筆記1

3)機率---- 如何根據不确定資訊進行推理

Gerolamo Cardano (1501–1576):建構了機率的概念,将其描述為博弈事件中可能的結果

James Bernoulli (1654–1705), Pierre Laplace (1749–1827), and others:推進了這一理論,并引入了新的統計學方法。

Thomas Bayes (1702–1761):提出了貝葉斯規則,它成為不确定性推理的最現代方法

4)神經科學:----大腦如何處理資訊

神經科學研究神經系統,尤其是大腦。大腦在理性決策方面非常優越(但并非完美無缺)。大腦不像軟體那樣子產品化。預測和仿真是決策的關鍵

MOOC_人工智能原理學習筆記1

Computer vs. Human brain

  • 大腦中神經元的數量基本是固定的。
  • 計算機中處理單元的數量,每5年增加10倍。

5)認知心理學:-- 人類如何思考與行動

把大腦看作是資訊處理裝置,是研究心智過程的學科
  • Attention:意識集中在某個有用感覺資訊子集的狀态。
  • Memory:三個子集:過程記憶、語義記憶、情景記憶。
  • Perception:實體感覺(視覺、嗅覺、味覺、知覺),及其認知過程。
  • Language:研究語言習得、語言形成的元件、語言使用時的語氣、或者許多其它相關領域。
  • Metacognition:它是“關于認知的認知”、“關于思考的思考”、或者“關于認識的認識。通常有兩個組成部分:關于認知的知識, 以及認知的調節
  • Cognitive psychology:通常通過人類參與者的心理實驗來收集資訊,其目的是研究人腦如何接受外部世界的輸入、如何處理以及作用等。
  • Cognitive science:關注于通過研究收集資料,其涉獵心理學、語言學、人類學、神經科學、社會學和教育學,尤其是人工智能。

6)控制理論與控制論:--機器如何能在其自身的控制下運作

控制理論:工程與數學的交叉學科分支。處理動态系統對輸入的行為,以及該行為如何通過回報進行調整。
跨學科的研究途徑,探索調控系統、它們的結構、限制、和可能性。
控制論:1948被定義為“研究動物與機器的控制與通信的科學”。
21世紀,該術語通常被簡單通俗地解釋為“用技術控制任何系統”。

繼續閱讀