人工智能导论——人工智能学科研究的基本内容及主要研究领域
一、人工智能研究的基本内容
（1）知识表示
人工智能研究的目的是要建立一个能模拟人类智能行为的系统，但知识是一切智能行为的基础，因此首先要研究知识表示方法。只有这样才能把只是存储到计算机中去，供求解现实问题使用。知识表示方法可分为两类：符号表示法（用各种包含具体含义的符号以各种不同的方式和顺序组合起来表示知识的方法）和连接机制表示法（用神经网络表示知识）。
（2）机器感知
所谓机器感知就是使机器（计算机）具有类似于人的感知能力，其中以机器视觉和机器听觉为主。机器感知是机器获取外部信息的基本途径。
（3）机器思维
所谓机器思维是指通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。
（4）机器学习
机器学习就是研究如何使计算机具有类似于人的学习能力，使它能通过学习自动的获取知识。
（5）机器行为
机器行为主要是指计算机的表达能力，即“说”、“写”、“画”等能力。对于智能机器人，它还应具有人的四肢功能，即能走路、能取物、能操作等。
二、人工智能的主要研究领域
目前，随着智能科学和技术的发展和计算机网络技术的广泛应用，人工智能技术应用到越来越多的领域。下面简要介绍几个主要领域：
（1）自动定理证明
自动定理证明是人工智能中最先进行研究并得到成功应用的一个研究领域，同时它也为人工智能的发展起到了重要的推动作用。实际上，除了数学定理证明以外，医疗诊断、信息检索、问题求解等许多非数学领域问题，都可以转化为定理证明问题。
（2）博弈
诸如下棋、打牌、战争等一类竞争性的智能活动称为博弈(gameplaying)。人工智能研究博弈的目的并不是为了让计算机与人进行下棋、打牌之类的游戏，而是通过对博弈的研究来检验某些人工智能技术是否能实现对人类智慧的模拟，促进人工智能技术的深入研究。
（3）模式识别
模式识别（patternrecognition）是一门研究对象描述和分类方法的学科。分析和识别的模式可以是信号、图象或者普通数据。模式是对一个物体或者某些其他感兴趣实体定量的或者结构的描述，而模式类是指具有某些共同属性的模式集合。
模式识别方法有统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别等。
（4）机器视觉
机器视觉（machinevision）或者计算机视觉（computervision）是用机器代替人眼进行测量和判断，是模式识别研究的一个重要方面。计算机视觉通常分为低层视觉和高层视觉两类。
（5）自然语言理解
自然语言理解（naturallanguageunderstanding）就是研究如何让计算机理解人类自然语言，是人工智能中十分重要的一个研究领域。它是研究能够实现人与计算机之间用自然语言进行通讯的理论与方法。
（6）智能信息检索
数据库系统是存储大量信息的计算机系统。随着计算机应用的发展，存储的信息量越来越大，研究智能信息检索系统具有重要的理论意义和实际应用价值。智能信息检索系统应具有下述功能：能理解自然语言、具有推理能力、系统拥有一定的常识性知识。
（7）数据挖掘与知识发现
知识发现系统通过各种学习方法，自动处理数据库中大量的原始数据，提炼出具有必然性的、有有意义的知识，从而揭示出蕴涵在这些数据背后的内在联系和本质规律，实现知识的自动获取。知识发现是从数据库中发现知识的全过程，而数据挖掘则是这个全过程的一个特定的、关键的步骤，数据挖掘的目的是从数据库中找出有意义的模式。
（8）专家系统
专家系统是一个智能的计算机程序，运用知识和推理步骤来解决只有专家才能解决的疑难问题，是目前人工智能最活跃、最有成效的一个研究领域。可以这样定义，专家系统是一种具有特定领域内大量知识和经验的程序系统，它应用人工智能技术模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平。
（9）自动程序设计
自动程序设计是将自然语言描述的程序自动转换可执行程序的技术，包括程序综合和程序正确性验证两个方面的内容。
（10）机器人
机器人是指可模拟人类行为的机器。它可分为三代：程序控制机器人（第一代）、自适应机器人（第二代）、智能机器人（第三代）。
（11）组合优化问题
组合优化问题一般是NP完全问题。NP完全问题是指：用目前知道的最好的方法求解，问题求解需要花费的时间（称为问题求解的复杂性）是随问题规模增大以指数关系增长。组合优化问题的求解方法已经应用于生产计划与调度、通信路由调度、交通运输调度等。
（12）人工神经网络
人工神经网络是一个用大量简单处理但愿经广泛连接而组成的人工网络，用来模拟大脑神经系统的结构与功能。
（13）分布式人工智能与多智能体
分布式人工智能（DAI）是分布式计算与人工智能结合的结果。分布式人工智能的研究目标是要建立一种描述自然系统和社会系统的模型。
（14）智能控制
智能控制就是把人工智能技术引入控制领域，建立智能控制系统。
（15）智能仿真
智能仿真就是将人工智能技术引入仿真领域，建立智能仿真系统。
（16）智能CAD
智能CAD就是将人工智能技术引入计算机辅助设计领域，建立智能CAD系统。
（17）智能CAI
智能CAI就是将人工智能技术引入计算机辅助教学领域，简历智能CAI系统即ICAI。
（18）智能管理与智能决策
智能管理就是将人工智能技术引入管理领域，建立智能管理系统，研究如何提高计算机管理系统的智能水平，以及智能管理系统的设计理论、方法和实现方法。智能决策就是将人工智能技术引入决策过程，建立智能决策支持系统。
（19）智能多媒体系统
智能多媒体实际上是人工智能与多媒体技术的有机结合。
（20）智能操作系统
智能操作系统就是将人工智能技术引入计算机的操作系统之中，从质上提高操作系统的性能和效率。
（21）智能计算机系统
智能计算机系统就是人们正在研制的新一代计算机系统，它将全面支持智能应用开发，且自身就具有智能。
（22）智能通信
智能通信就是将人工智能技术引入通信领域，建立智能通信系统，在通信系统的各个层次和环节上实现智能化。
（23）智能网络系统
智能网络系统就是将人工智能技术引入计算机网络系统。
（24）人工生命
人工生命是以计算机为研究工具，模拟自然界的生命现象，生成表现自然生命系统行为特点的仿真系统。
----内容来自于《人工智能导论(第四版)》
人工智能基本概念
一、人工智能分类人工智能是想让机器跟人一样进行学习、理解、分析、决策等智能思想行为，会涉及到听、说、读、写、行动等方面的能力。
1、弱人工智能某一方面的人工智能，比如图像识别中的人脸识别，只能识别人脸，其他图像无法识别，更别说语音、文字识别啦；再比如AlphaGo只限于围棋，其他的一概不知......目前的人工智能大都处于这个阶段。
2、强人工智能强人工智能理解理解为能正常与人类匹敌，不仅仅会人脸识别、下围棋，还可以听说读写等，元宇宙的虚拟人就得依赖强人工智能。
3、超人工智能超人智能，便是比人类更胜一筹，不仅仅能处理好日常生活，还能上知天文、下知地理，或者说它能是各个方面的专家，它的记忆力强能内存大，依靠庞大的知识体系，很多未解之谜获取可以靠它们来回答。但如果机器比人类还聪明，那人类将会何去何从？是个问题，但或许我们有生之年也不会碰到这个问题，就先别杞人忧天啦~
二、人工智能流派行为主义人工智能这是自动化专业同学的领域，强调由感知（目前还是控件操作）到执行动作，人洗衣机、机械臂、智能家居等。现在不怎么流行，处于不温不火的状态。
符号主义人工智能也就是专家系统（或者说知识系统Knowledgegraph），是一个存数据、查数据的图数据库。把知识符号化，通过边（关系）把各个节点（事物）联系起来，广泛运用于搜索引擎领域，现在也不怎么流行，应用场景有限。
连接主义人工智能是目前比较流行的流派，主要是神经网络以及神经网络的连接机制，或者可以理解成一堆算法和模型+数据去获取特征并得到分类或回归的结果。
三、人工智能范畴狭义的人工智能是指机器学习和深度学习（属于连接主义）。
1、机器学习简单一点理解，机器学习=手动规则+数据（数聚量相对小），相对深度学习，机器学习有一定的可解释性，与科学范畴有点关系。
机器学习有：
1.1、KNN：K个NearestNeighborhood K个最近邻居，K近邻
1.2、Kmeans ：K均值
1.3、PCA：主成分分析，也叫降维分析
1.4、朴素贝叶斯：在文本分类领域很受用，涉及到概率问题
1.5、支持向量机：低维空间解释不通的问题，放到高维空间去
1.6、决策树：可解释强
1.7、集成学习：三个臭皮匠、胜过一个诸葛亮
。。。
上面列举的是曾火于一时的机器学习算法，现在基本都被深度学习所取代。但机器学习的思维想法是值得学习的，后面将会有详细的介绍，需要一点数学思维。
2、深度学习简单一点理解，深度学习=神经网络+数据
没有数据，深度学习就啥有也干不了，数据量小，泛化能力差，或者过拟合，都是经常存在的问题。
深度学习有3个重要的网络：
2.1、循环网络：提取序列特征
2.2、卷积网络：提特征
2.3、全连接网络：神经网络的最终输出，等级于机器学习
四、人工智能解决问题的套路人工智能，尤其是深度学习，就是一个黑盒子，想弄清楚其中的实现逻辑才做事的思维，是行不通的，所以深度学习对口型最重要。业界有一句看口头禅：口型对得好，基本错不了。所以在解决问题之前，先整理好对应步骤和各节点数据：
1、输入和输出是什么
2、构建数据集
3、模型训练
4、模型部署
5、模型预测
五、机器学习库python的第三方库，python是一个大框架，可以加载很多第三方库来方便操作，对机器学习库感兴趣的同学也自行搜索学习，这里简单介绍几个比较常用的库：
1、numpy，业界有依据口头禅：铁打的numpy，流水的各种框架，numpy把复杂的计算问题简单化，性能也提升了几十倍；
2、sklearn(Sci-kit-learn)：有很多包，如后面学习的KNN的框架都是从这里下载；
3、Pandas：表格计算思维，和适合于数据分析的同学
六、人工智能解决的问题/任务1、分类前面已经贴好标签，利用模型去判断目标检测体属于哪种标签的概率。如人脸识别，你是张三或李四，后台已经存有你的人脸照片，新人脸出现时，主要去跟后台存好的图像做对比就行，看跟谁更像一些。
2、回归也就是给出一个答案，分类有特定个数的标签，检测物体去跟圈定好的分类最对比就行，而回归是没有确定个数的标签，而是要给出一个“最为理想”的答案，如房价预测。
3、聚类分类和回归都是由标签的，而聚类没有标签，需要机器自己去找标签，聚类算法很多时候是用来找标签的。
有标签的模型（分类和回归）的效果相对没有标签的模型会好些，但是成本会高很多，需要人工去打标签。
七、机器学习方式1、有监督学习有数据、有特征
跟学生开始一样，有明确答案，最后的考核结果是看你与目标答案（特征）的差距。主要应用于分类任务和回归任务
2、无监督学习有数据、无特征
就跟科学研究一样，没有明确答案，只能是一步步去探索，事情的好坏只能用上帝的视觉去评论。主要应用于聚类任务。
3、半监督学习字面意思，包好有监督学习和无监督学习，对这块感兴趣的同学可自行搜索学习。
八、数据切分正式工程中一版会涉及到训练集、验证集与测试集，它们的比例大概为：（3：1：1），而实际开发可能指涉及到训练集与测试集（实际是验证集），比例大概为（4：1）。
训练集是用来训练模型的，数聚量少容易过拟合，模型的泛化能力差；
验证集是用来验证模型效果的，一般是工程师自己来验证下模型的训练效果；
测试集是给客户或测试人员来验证模型效果的，与验证集差不多，如果直接用正式环境来验证。就不需要该部分数据
这三种数据互不交叉，实际开发中，工程师会用到训练集和验证集，但大家习惯叫该“验证集”为“测试集”，只是大家习惯的称呼，没有对错之分，大家意会就是。
什么是人工智能人工智能有哪些特点
刷脸认证、自动驾驶、大数据推送、智能音箱、手术机器人……人工智能在各行各业得到了广泛的应用，数据伪造、算法瓶颈、隐私保护、道德困境等问题也日益突出。AI基础设施建设必须从提高自身底层能力入手，以内生动力突破三个关卡：算法关、数据关、应用关，迈向算法可靠、数据安全、应用可控的第三代人工智能。接下来小编就给大家带来什么是人工智能、人工智能有哪些特点的相关介绍，一起来看看吧。
什么是人工智能？人工智能有哪些特点？
一、什么是人工智能？人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
二、人工智能有哪些特点？首先，是从人工知识的表达转向大数据驱动的知识学习技术。由分类化的多媒体数据处理转变为跨媒体的认知、学习、推理，本文所说的“媒体”并非新闻媒体，而是界面或环境。
其次，从追求智能化机器到高层次人机、脑机的相互协同与融合。从对个体智能的聚焦，到基于互联网和大数据的群体智能，它能将多个人的智能集合融合在一起成为群体智能。
第三，是从拟人机器人向更广泛智能自主系统的转变，如智能工厂、智能无人机系统等。世界范围内对人工智能有三种看法：弱人工智能，强人工智能和超级人工智能。
第四，弱人工智能是指利用现有的智能技术，改善我国经济社会发展所需的某些技术条件和功能。强人工智能阶段与人类智能非常相似，需要脑科学的突破，而国际上普遍认为，这一阶段将在2050年左右实现。
第五，在脑科学和类脑智能得到长足发展之后，人工智能成为一种超强智能系统。在科技发展的今天，从脑科学突破的角度来发展人工智能，仍然有局限性。
如何将人工智能(AI)引入计算领域，让机器从经验中学习，做出与人相似的决策，这在过去十年里得到了广泛的讨论，这几乎改变了我们经济的每个环节。
AI技术被广泛应用于帮助企业将日常工作自动化，通过分析客户的行为来更好地了解客户，降低运营成本，以及在不同行业提供个性化服务的产品，无论是金融银行，还是交通运输，安保，医疗保健等领域，都逐渐显示出AI的独特优势。随着人工智能技术不断发展，不断涌现出新算法、新代码，新产品进入市场的机会大大增加，但不可授权使用和恶意篡改的风险无疑也在增加，数字版权保护任重道远。以上就是小编为大家带来的什么是人工智能、人工智能有哪些特点的相关介绍，希望对您有帮助。
人工智能基础——知识的概念
知识的概念：事实与规则。知识反映了客观世界中事物之间的关系，不同事物或者相同事物之间的不同关系形成了不同的知识。例如，”雪是白色的“是一条只是，它反映了”雪“与”白色"之间的一种关系，又如“如果头疼且流鼻涕，那么有可能患了感冒”是一条知识，它反映了“头疼且流鼻涕”与“可能患了感冒”之间的一种因果关系。在人工智能中，把前者叫做事实，把后者，即用”如果。。。那么。。。“关联起来形成的知识叫做规则。
知识的特性：1.相对正确性：在一定的条件下，知识一般是正确的。比如：在十进制的条件下，1+1=2，但是如果换个条件，换成二进制的条件下，那么1+1=10，不等于2了。
2.不确定性3.可表示性和可利用性
知识的分类：按作用范围分：常识性知识，和领域性知识。按作用及表示分：事实性知识，过程性知识和控制性知识。
事实性知识：概念。例如北京，上海，飞机，火车。过程性知识：乘飞机，乘火车控制性知识：乘飞机较快，较贵，乘火车较慢，较便宜。
按知识的结构及表现形式分：逻辑性知识和形象性知识。
形象性知识：通过事物的形象建立起来的知识。（神经网络）
按知识的确定性分：确定性知识和不确定性知识。