人工智能的几个概念
一、什么是人工智能
人工智能不是最近几年才兴起的，它已经有几十年发展的历史，下面是业内公认的一种关于人工智能概念的定义：人工智能（ArtificialIntelligence）：缩写为AI，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。
这里边我们强调四个关键词：“模拟”“延伸”“扩展”“人的智能”，关于人工智能，在不同的视角下，是有不同的观点的，但是回归到人工智能的本质，是模拟、延伸和扩展人的智能，就比较容易理解人工智能是什么概念。
该领域的研究包括交互机器人、自然语言处理、语音识别、计算机视觉（图像识别）、知识表示、专家系统等。
二、人工智能、机器学习和深度学习的关系
人工智能（ArtificialIntelligence）涵盖范围最广，三环以内都可以叫人工智能，它关注的问题和方法也最杂，包括知识推理、逻辑规划以及机器人等方面。
机器学习（MachineLearning）住在二环，是人工智能的核心区域，也是当前发展最迅猛的一部分，子算法流派枝繁叶茂，但思想比较统一。
至于当下的网红——深度学习（DeepLearning），其实原本是从机器学习的神经网络子算法分支发展出来的一系列成果，知识体系一脉相承，只不过近年大出风头，干脆重新起了个名字“单飞”了。人工智能人工智能的目的是让计算机模拟人类的思维，让它解决一些不能用代码描述的问题，比如判断一朵花是不是玫瑰、通过CT照片检测一个人的病情等，这些问题就不能用传统的编程方法解决，因为没有一个确定的公式，或者说没有一个确定的算法。
但是我们人类就很容易解决这些问题，人类大脑不是根据固定的算法来推导的，而是根据以往的认知或者经验来推理。人工智能的目的也是如此，就是不给计算机编写固定的算法，让计算机根据已有的经验或者认知来帮助人们做事情。计算机的思维方式和人类相似，所以称为人工智能。机器学习人工智能是一个很美好的憧憬，那么，如何才能实现人工智能呢？答案就是让计算机不断地学习，也就是喂给它大量的数据，让它从数据中积累经验，逐渐形成认知。这就是机器学习。
人工智能是最终目标，机器学习是实现目标的一种方案。
机器学习是一件很麻烦的事情，需要先搭建一个模型，这个模型包含了很多参数，然后把准备好的数据（包括正确的结果）输入到模型中，不断调整模型的参数，直到它非常接近或者完全符合正确的结果，这个时候我们就说模型训练好了。
机器学习的模型有很多种，已经有人帮我们开发好了，我们从中选择其一即可，这个不用担心。最要命的是数据，机器学习需要大量的数据才能训练好模型。人类看一两张猫的照片就认识猫了，但是机器学习需要看成千上万张照片。
如何收集大量有效的数据，是机器学习的重中之重，所以才有了爬虫，有了数据挖掘，有了数据清洗等分支。深度学习机器学习的模型是一个不断发展的过程，后来人们逐渐研究出了一种更加智能和通用的模型，就是卷积神经网络（CNN）。CNN模拟人类大脑神经突触之间的连接，通过调整参数来模拟突触连接的强弱。
三、人工智能的两大主要特征：自动化+智能化
想象一下，你和一个机器人谈天说地的场景，是不是有点科幻？但现在，这种情况已经不再遥远了。最近，一家人工智能公司推出了一款名为“AI对话”机器人，可以和用户进行人机交互，让我们一起来看看吧！这款“AI对话”机器人有两个主要特征：自动化和智能化。首先，它采用了自动化技术，可以根据用户的输入自动产生回复，无需人工干预。其次，它还拥有强大的智能化能力，能够理解用户的意图，回答问题，甚至可以进行情感分析，与用户进行更加深入的互动。除此之外，“AI对话”机器人还有很多惊人的特点。它可以随时学习新的知识，不断提升自己的智能水平；它还可以进行语音识别和合成，实现真正的人机对话。不过，同时也存在一些问题，比如隐私保护和道德问题，需要引起重视。
四、人工智能的发展简史
1950年，计算机之父、人工智能之父阿兰·图灵提出图灵测试1956年，斯坦福大学AI实验室创办人约翰·麦肯锡第一次提出AI的概念。前面的所讲到的人工智能的概念，就是1956年由约翰·麦肯锡提出的。1986年，Rumelhart等人提出分布式并行处理，人工智能的发展离不开分布式计算。2006年，Geoffrey.EHinton&Lecunetc提出深度学习概念2011年，IBM开发Waston认知系统，人脑生物芯片开创者2016年，GoogleAlphaGo战胜了世界围棋冠军、职业九段选手李世石2017年，百度宣布开放自动驾驶平台Apollo2018年，DeepMind的Alphafold破解了出现五十年之久的蛋白质分子折叠问题，谷歌推出BERT模型，将自然语言处理技术推进到新的时代。2022年，chatGPT五、人工智能市场生态格局
CUMT人工智能基础（期末必过版）
本笔记适用于以下教材应付期末考试矿大2022年考试题型以及复习重点总结1.单选题（20分）（10小题）2.简答题（30分）3.计算题（15分）4.证明推理题（15分）5.综合推理题（20分）===========第一章绪论=======================人工智能定义人工智能的概念（1956提出...）图灵测试人工智能产生和发展：几个重要时期（每个时期代表性的成果知道1到2个即可）人工智能三大学派：是什么，每个学派主要观点，能够根据观点区分是哪一个学派。人工智能主要应用领域：能够列举几个。以下属于人工智能应用的领域能够区别。================第二章知识表示====================命题的含义和相关概念：所有命题都应该具有确定的真值当命题变元表示原子命题的时候该变元称之为原子变元用谓词逻辑能够表示实际场景（见作业习题）一阶谓词逻辑表示法的优缺点是什么产生式表示法不考语义网络表示法：（见作业习题）知道基本的语义关系，比如哪些是有继承性的。语义网络的推理不考框架表示法不考================第三章确定性推理====================推理概述了解这一章主要考证明题字句字句集给出一系列谓词公式能够转化为相应字句集（见课后习题）谓词公式的化简鲁滨逊归结原理：例题3.1已知f是什么d是什么求证什么推论。知道具体的逻辑步骤。归结出空子句。例3.11例3.12（比如王喜欢花生的问题）归结演绎推理的演绎策略能够列举出来两到三个================第四章搜索策略=====================盲目搜索和启发式搜索的问题一般图搜索中的状态空间搜索（传教士和野人问题）：用哪个结构来描述问题的状态（传教士和野人问题）能够根据问题的描述，要能识别出合法状态和不合法状态状态空间搜索的基本思想P90盲目搜索必考：宽度优先和深度优先的区别，比如可以用OPEN表的排序来区别两种搜索策略的异同深度优先搜索的一些改进比如有界深度和迭代加深在哪些地方进行了改进，改进的效果怎么样？这几种搜索策略之间的比较：哪些用的时间多，哪些用的空间大（书上表4.2）启发式搜索重点：评估函数定义式，每一项代表的含义。启发式搜索算法适当的修改和标记指针，为什么要修改和标记指针？修改和标记指针出现的几种情况：出现在OPEN表的情况，没出现在OPEN表的情况，出现在CLOSE表的情况，对应指针的变化实现启发式搜索的三个因素启发式函数的强弱及其影响：比如h(x)的强弱对评价函数到底是怎么影响的？回溯策略和爬山法（知道概念即可）问题规约（知道概念即可）与或图的启发式搜索（对比A和A*算法的异同：多个方面：搜索结果OPEN表等）博弈（重点掌握极大极小过程，给出一个博弈树以及估值函数能够倒推值：见课后习题）阿尔法β过程选择题（max的a值永不降低，min节点的贝塔永不增加）8数码的启发式搜索：给一个八数码问题的初始状态，再给一个结束的目标状态，通过启发式搜索设计评价函数来完成搜索函数（画出搜索树）================第五章不确定推理======================主要考计算题主观贝叶斯方法（给出充分性因子和必要性因子能够根据公式计算先验概率和后验概率）LSLN的性质和关系书上5.3和5.4例题需要掌握确定性理论：可信度的定义性质取值的值域其几个典型值代表的含义书上的例5.65.7例题需要掌握证据理论：能够计算相应的似然函数（14.24）大题不考=================第六章机器学习=========================学习系统的基本模型由几部分构成，几个部分的联系机器学习的历史和分类（比如能区分监督学习和无监督学习）计算题：决策树ID3算法（给你几个虚拟样本-通过M（C）B（C，A）来确定根节点。 本笔记食用方法：第一章和第四章就按照我的博客笔记来看就够了（因为第一章主要是考一些选择题概念） （第四章博客总结是按照期末考点来总结的）第二章、第三章、第五章、第六章直接看最后的手写笔记部分即可（基本都是刷题）每一章我都会在前面说明该章节的考试题型博客笔记主要强调概念，手写笔记相当于思维导图（手写笔记中会提到某些概念，这时候可以参考博客笔记。两个兼修即可。）小tips:建议在电脑上阅览，或者宽屏阅览（因为手机或者较小的显示屏会导致一定的格式错误）==================第1章绪论======================这一章主要理解几个概念和定义即可，主要考选择题1.1人工智能定义
人工智能的概念（1956提出...）
1.2图灵测试1.3人工智能产生和发展：几个重要时期（每个时期代表性的成果知道1到2个即可）孕育期：神经网络模型、宏观人工智能、图灵测试
·
形成期：
暗淡期：
知识期：
稳步增长期：
1.4人工智能三大学派：是什么，每个学派主要观点，能够根据观点区分是哪一个学派。 符号主义：
缺点：
连接主义：
行为主义：
1.5人工智能主要应用领域 提问方式：以下属于人工智能应用的领域的是？
==================第2章知识表示===================这一章主要考谓词表示法（给你一句话，让你用符号表示），语义网络（参考博客笔记中的例子，一定要把这些例子（4.5~4.7）都弄懂！！！），以简答题的形式出现。1命题的含义以及相关概念1.1.命题的定义
1.2.命题的类型：
当命题变元表示原子命题的时候该变元称之为原子变元
1.3.相关概念
1.4.注意点
1.5.真值表
2谓词逻辑2.1.命题逻辑的缺陷从而发展出谓词逻辑
2.2.语法
2.3.语法元素
2.4.谓词的阶
2.5.项
2.6.原子公式（注意大小写规则）
2.7.表示范围
2.8.谓词逻辑的表示步骤
2.9.例子
3.一阶谓词逻辑表示法的优缺点 3.1优点：（“知实严自通”）
3.2缺点：
4语义网络 4.1.基本概念，整体框架：
4.2.节点间的基本关系
4.3.语义基元和语义网络
4.4.从一些基本的语义关系可以构成复杂的语义关系：
4.5.语义网络的表示步骤 （1）.事实性知识
（2）情况节点：
（3）动作的表示：
（4）事件的表示：
(5)存在量词和全称量词的表示
例如： 1. 2.
4.6.语义网络的推理步骤
4.7.具体实例1.2.
3.4.==================第三章确定性推理=================这一章主要考察的就是归结反演，前面的合式公式标准化都是为最后的归结反演铺垫，这章主要以证明推理的题给出，一定要掌握合式公式的标准化过程（我们考试的时候单独考察了5分，手写笔记里面有例子），然后就是掌握归结反演的基本步骤（我在笔记里面有总结）合式公式标准化过程：
Skolem变换的具体原则：
归结反演的基本步骤归结反演的基本过程（现成的子句集）归结反演过程中可利用置换和合一
置换和合一的具体使用场景：
==================第4章搜索策略===================这一章主要出现在最后的综合题中，考察利用改进启发式搜索解决八数码问题，主要一定要掌握启发式搜索和改进启发式搜索解决八数码问题，改进启发式搜索只是把启发式函数换了一下，更加合理。然后还考察一些选择题，考察的选择题基本都是考点笔记里面强调的内容（注意博客笔记就行了）。还有博弈中会考一个博弈树极大极小过程（看最后一道博弈练习题即可）4.1搜索概述 问题求解系统
知识贫乏系统：
知识丰富系统：
两大类搜索技术一般图搜索，启发式搜索（状态空间搜索）
状态空间搜索是用状态空间法来求解问题所进行的搜索。
与或图搜索
与或图搜索是用问题规约的方法来求解问题所进行的搜索。
启发式搜索和盲目搜索理解要点：4.2一般图（或图）搜索（利用状态空间）
实质：状态空间的表示必须有状态和操作算子
表示形式：（有向图）
状态空间搜索的表示：
传教士和野人过河问题 题目描述：
状态的表示：
操作算子：
合法状态和不合法状态：
状态空间搜索思想：
或图基本概念：
状态空间一般表示为或图
八数码问题的求解就是用或图来求解的：
求解步骤就是状态空间搜索的设计过程。
一般图的搜索算法（考点）： 符号说明：搜索算法的两个阶段：
八数码问题（了解基本过程即可，最后有相应习题）：
八数码问题一般图求解过程
盲目搜索如何提高一般图搜索的效率呢？
从上面的八数码一般图搜索的策略我们可以看出，OPEN表的首部节点的选择都是随机的
有一定的盲目性，为了解决这种盲目性，于是我们提出了优化OPEN表中的节点的排序方
式的想法：（这也是盲目搜索的来源）
深度优先搜索和宽度优先搜索的区别：
宽度优先算法：
深度优先算法：
深度优先搜索的两大改进算法： 有界深度优先：
迭代加深搜索（改进有界深度优先）：
四种搜索策略的比较：
时间上：深度优先最长，如果深度限制l=，min节点的贝塔永不增加:贝塔