急!!! 人工智能的特点
发布网友
发布时间：2022-04-28 12:38
共2个回答
热心网友
时间：2023-10-09 07:20
现在人工智能大约分几种方法，1.search, 2. Learning, 3. Fuzzy logic reasoning, 4. probability model, 5. Artificial immune system,(注意, 不是artificial intelligence). 6. probability model 7. neural networks. 大概吧, 或许有遗漏.
其实AI和computational intelligence 很难做一个区别, 这真的取决于每个学校自己的想法... 传统的AI就是search 和learning. 但现在基本上面的说是也没错.
Search: 很简单, 找你想要的答案, 就像给你N条路找最短路径而已, efficient way去找.
Learning: 分为 supervised learning, unsupervised learning 和 reinforcement learning, 前者为给sample学习, 通过学习formulate 一个rule, 然后根据这个rule来make decision. un- learning是无sample的算法, 通过实践来慢慢提高, 前期误差很大. reinforcement是规定一个值, 可以成为award值, 每做一个决定都配着一个award值, 系统会计算到任务结束的award值, 选最大award值的路径.
Fuzzy logic: 模糊识别. 也是expert system的基础. 我们以前的set都是布尔判定, 是或非, 而fuzzy可以通过if then 做出很多uncertainty下的decision.
Probability model是纯数学知识, 不用解释也明白了...
AIS, 是模仿人体免疫系统的系统. 杀毒软件很多都在用, 通过病毒入侵, 了解病毒, 杀死病毒, 并同时产生'抗体'.
neural networks, 神经网络, 人脑由无数神经元, 有一天一个Stanford的213学生物的和一个213学计算机的在一起聊天, 突发奇想能不能用计算机来模仿大脑的行为方式, 于是神经网络出现了...= =
非常简略, 你顺着wiki去查就有很多细节了. 为神马说英语, 因为99%的paper都是拿英语写的...
热心网友
时间：2023-10-09 07:20
· 人工智能的系统过程是，数据处理->知识处理，数据->符号。符号表示的是知识而不是数值、数据。
· 问题求解过程有启发，有推导。
· 人工智能是引起争论最多的科学之一。
问题焦点：当前人工智能的研究应该以人类的普遍思维规律为主，还是以特定知识的处理和运用为主？智能的本质是什么？机器能达到人的水平吗？总而言之，人工智能研究是非常困难的。
人工智能研究是非常困难的
McCarthy：人工智能的所有问题都是难解的。
Minsky：人工智能是有史以来最难的科学之一。难在：实现智能需要浩繁的知识，而最难对付的知识是常识（不是专业知识）。
Dreyfus：常识问题是实现人工智能的最大障碍。
结论：
万能的逻辑推理体系至今没有创造出来，并不是因为人工智能专家的本事不够，而是因为这种万能的体系从根本上就是不可能有的。他最大的弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识，在实际生活中，人是根据知识行事的，而不是根据在抽象原则上的推理行事的。
即使就推理体系来说，它的主要技术是状态空间搜索，而在执行中遇到的主要困难就是" 组合爆炸" ，事实表明，单靠一些思维原则是解决不了组合爆炸问题的，要摆脱困境，只有大量使用理性的知识。
热心网友
时间：2023-10-09 07:20
现在人工智能大约分几种方法，1.search, 2. Learning, 3. Fuzzy logic reasoning, 4. probability model, 5. Artificial immune system,(注意, 不是artificial intelligence). 6. probability model 7. neural networks. 大概吧, 或许有遗漏.
其实AI和computational intelligence 很难做一个区别, 这真的取决于每个学校自己的想法... 传统的AI就是search 和learning. 但现在基本上面的说是也没错.
Search: 很简单, 找你想要的答案, 就像给你N条路找最短路径而已, efficient way去找.
Learning: 分为 supervised learning, unsupervised learning 和 reinforcement learning, 前者为给sample学习, 通过学习formulate 一个rule, 然后根据这个rule来make decision. un- learning是无sample的算法, 通过实践来慢慢提高, 前期误差很大. reinforcement是规定一个值, 可以成为award值, 每做一个决定都配着一个award值, 系统会计算到任务结束的award值, 选最大award值的路径.
Fuzzy logic: 模糊识别. 也是expert system的基础. 我们以前的set都是布尔判定, 是或非, 而fuzzy可以通过if then 做出很多uncertainty下的decision.
Probability model是纯数学知识, 不用解释也明白了...
AIS, 是模仿人体免疫系统的系统. 杀毒软件很多都在用, 通过病毒入侵, 了解病毒, 杀死病毒, 并同时产生'抗体'.
neural networks, 神经网络, 人脑由无数神经元, 有一天一个Stanford的213学生物的和一个213学计算机的在一起聊天, 突发奇想能不能用计算机来模仿大脑的行为方式, 于是神经网络出现了...= =
非常简略, 你顺着wiki去查就有很多细节了. 为神马说英语, 因为99%的paper都是拿英语写的...
热心网友
时间：2023-10-09 07:20
· 人工智能的系统过程是，数据处理->知识处理，数据->符号。符号表示的是知识而不是数值、数据。
· 问题求解过程有启发，有推导。
· 人工智能是引起争论最多的科学之一。
问题焦点：当前人工智能的研究应该以人类的普遍思维规律为主，还是以特定知识的处理和运用为主？智能的本质是什么？机器能达到人的水平吗？总而言之，人工智能研究是非常困难的。
人工智能研究是非常困难的
McCarthy：人工智能的所有问题都是难解的。
Minsky：人工智能是有史以来最难的科学之一。难在：实现智能需要浩繁的知识，而最难对付的知识是常识（不是专业知识）。
Dreyfus：常识问题是实现人工智能的最大障碍。
结论：
万能的逻辑推理体系至今没有创造出来，并不是因为人工智能专家的本事不够，而是因为这种万能的体系从根本上就是不可能有的。他最大的弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识，在实际生活中，人是根据知识行事的，而不是根据在抽象原则上的推理行事的。
即使就推理体系来说，它的主要技术是状态空间搜索，而在执行中遇到的主要困难就是" 组合爆炸" ，事实表明，单靠一些思维原则是解决不了组合爆炸问题的，要摆脱困境，只有大量使用理性的知识。
热心网友
时间：2023-10-09 07:20
现在人工智能大约分几种方法，1.search, 2. Learning, 3. Fuzzy logic reasoning, 4. probability model, 5. Artificial immune system,(注意, 不是artificial intelligence). 6. probability model 7. neural networks. 大概吧, 或许有遗漏.
其实AI和computational intelligence 很难做一个区别, 这真的取决于每个学校自己的想法... 传统的AI就是search 和learning. 但现在基本上面的说是也没错.
Search: 很简单, 找你想要的答案, 就像给你N条路找最短路径而已, efficient way去找.
Learning: 分为 supervised learning, unsupervised learning 和 reinforcement learning, 前者为给sample学习, 通过学习formulate 一个rule, 然后根据这个rule来make decision. un- learning是无sample的算法, 通过实践来慢慢提高, 前期误差很大. reinforcement是规定一个值, 可以成为award值, 每做一个决定都配着一个award值, 系统会计算到任务结束的award值, 选最大award值的路径.
Fuzzy logic: 模糊识别. 也是expert system的基础. 我们以前的set都是布尔判定, 是或非, 而fuzzy可以通过if then 做出很多uncertainty下的decision.
Probability model是纯数学知识, 不用解释也明白了...
AIS, 是模仿人体免疫系统的系统. 杀毒软件很多都在用, 通过病毒入侵, 了解病毒, 杀死病毒, 并同时产生'抗体'.
neural networks, 神经网络, 人脑由无数神经元, 有一天一个Stanford的213学生物的和一个213学计算机的在一起聊天, 突发奇想能不能用计算机来模仿大脑的行为方式, 于是神经网络出现了...= =
非常简略, 你顺着wiki去查就有很多细节了. 为神马说英语, 因为99%的paper都是拿英语写的...
热心网友
时间：2023-10-09 07:20
· 人工智能的系统过程是，数据处理->知识处理，数据->符号。符号表示的是知识而不是数值、数据。
· 问题求解过程有启发，有推导。
· 人工智能是引起争论最多的科学之一。
问题焦点：当前人工智能的研究应该以人类的普遍思维规律为主，还是以特定知识的处理和运用为主？智能的本质是什么？机器能达到人的水平吗？总而言之，人工智能研究是非常困难的。
人工智能研究是非常困难的
McCarthy：人工智能的所有问题都是难解的。
Minsky：人工智能是有史以来最难的科学之一。难在：实现智能需要浩繁的知识，而最难对付的知识是常识（不是专业知识）。
Dreyfus：常识问题是实现人工智能的最大障碍。
结论：
万能的逻辑推理体系至今没有创造出来，并不是因为人工智能专家的本事不够，而是因为这种万能的体系从根本上就是不可能有的。他最大的弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识，在实际生活中，人是根据知识行事的，而不是根据在抽象原则上的推理行事的。
即使就推理体系来说，它的主要技术是状态空间搜索，而在执行中遇到的主要困难就是" 组合爆炸" ，事实表明，单靠一些思维原则是解决不了组合爆炸问题的，要摆脱困境，只有大量使用理性的知识。
