周涛：人工智能的起源与内涵
原标题：周涛：人工智能的起源与内涵AlphaGo的胜利[1]，无人驾驶的成功，深度学习在各领域的突破性进展[2]……人工智能（ArtificialIntelligence，AI）以前所未有的速度改变着世界。
对于普通人而言，人工智能就是DeepMind的AlphaGo，是Google的无人车，是代替人们劳动的机器人。也许我们不知道的是，人工智能的概念，源于人们长期以来对心灵、自我、意识的思考，以及对思维过程和智能行为的模拟和探索。
奇怪的是，一门被视为未来发展趋势并取得突破性进展的科学，我们竟然很难给出一个不同于大众理解的精确解释。至少目前，对于如何对人工智能进行精确定义，业界还没有达成共识。
与很多自然科学不同的是，缺乏一个精确的、普遍接受的定义反而帮助AI成为成长日益加快的领域。人工智能的从业者、研究人员和开发者，大多是按照自己朦胧的方向感以及努力跟上发展形势的紧迫感在该领域探索。没有精确定义和明确边界的人工智能，在发展过程中充分融合了统计学、神经科学、信息论、控制论、计算复杂性理论等多个学科的知识，并在专家系统、自然语言处理、计算机视觉、智能机器人等分支大放异彩。
对于企业家而言，这也是一个很好的机会能够让他们“摇身一变”为自己的企业镀上“人工智能”的金身。尽管90%以上“在人工智能领域深耕多年”的企业家和“深谙人工智能商业模式”的投资人从未抵达过人工智能战场的前沿，但是他们歇斯底里的吆喝声客观上提高了政府和社会对这个方向的重视。
尽管我们并不认为一个精确的定义会对人工智能的发展起到正面的作用，但科学界仍然对人工智能的内涵有着孜孜不倦的追求。
那么到底什么是人工智能？
早在1950年，计算机科学理论奠基人图灵[3]就提出了著名的“图灵测试”——如果一台机器能够与人展开对话（通过电传设备），并且会被人误以为它也是人，那么这台机器就具有智能。
图灵奖得主，并誉为人工智能之父的马文·明斯基[4]则将其定义为“让机器作本需要人的智能才能够做到的事情的一门科学”。而代表人工智能另一条路线——符号派的代表人物，图灵奖和诺贝尔奖双料得主司马贺认为[5]，智能是对符号的操作，而最原始的符号对应于物理客体。
展开全文1956年夏天，在美国达特茅斯学院召开了历时两个多月的会议，学者经过充分的总结和讨论，首次提出了“人工智能”（ArtificialIntelligence）这一术语。斯坦福大学人工智能实验室的教授尼尔斯·J·尼尔森提供了一个可供参考的定义：“人工智能致力于使机器智能化，智能化是衡量实体在特定环境中反应和判断能力的定量指标。”
从这个角度来看，如何定义AI取决于研究者更加看重软硬件系统的“反应”能力还是软件系统的“判断”能力。功能简单的计算机器计算速度比人脑快，而且从不出错，这能算是一种计算器智能吗?
我们同尼尔森的观点一样，认为应当从多维谱系来看待智能。在我们看来，计算器和人脑之间的差异不是单一维度的，而是包括规模、速度、自治程度和通用性等多个维度。这种方法还可以用于比较他物体的智能，比如智能语音识别软件、动物大脑、汽车的巡航控制系统、围棋程序、恒温器等。
以我们宽泛的解释，可以把计算器放到智能频谱中，但是这种简单的设备和今天的AI并没有什么相似之处。AI的前沿进展日新月异，而计算器的功能即便在今天我们所使用的智能手机中，也只是众多功能里面极不起眼的一个。
[1]关于AlphaGo的算法，可以参考两篇发表在《自然》杂志上的代表性论文：D.Silver,etal.,MasteringthegameofGowithdeepneuralnetworksandtreesearch,Nature529(2016)484;D.Silver,etal.,MasteringthegameofGowithouthumanknowledge,Nature550(2017)354.
[2]可以参考最近的综述论文：Y.LeCun,Y.Bengio,G.Hinton,DeepLearning,Nature521(2015)436.
[3]A.M.Turing,Computingmachineryandintelligence,Mind59(1950)433.
[4]M.Minsky,Thesocietyofmind(NewYork,SimonandSchuster,1986).
[5]H.A.Simon,Thesciencesoftheartificial(Cambridge,MITPress,1969)
（此篇内容的撰写受到了徐增林、陈歆、任亚洲、连德富等朋友帮助，特此致谢）。返回搜狐，查看更多
责任编辑：人工智能导论——逻辑推理
比比叨叨复习起来比想象的慢啊啊啊啊！挺住！一定要好好复习完。突然想到霸王别姬里的这句话，帆神如是，陈老如是，我也要加油啊！
0.逻辑推理概述逻辑推理这章的重要考点必然是归结推理，20分的必考题已经在那了，除此之外还需要对其他推理方法进行掌握，能够应对选择题。
本章中推理的方法可分为如下五种：
自然演绎推理归结演绎推理非归结演绎推理知识图谱不确定推理而根据系统的区分，推理又分为以下两类：
经典推理：采用演绎逻辑推理。从已知出发，演绎推理出结论，是从一般到个别。非经典推理：采用归纳逻辑推理。从个别到一般。如知识图谱。1.自然演绎推理和归结演绎推理区分两者之前，先明确一下定义：
自然演绎推理：从已知为真的事实出发，运用经典逻辑的推理规则推出结论。归结演绎推理：对要证明为真公式取非，导出矛盾。
综上，归结演绎推理可看作反证法。那归结推理的书面形式要怎么写呢？
首先，归结推理需要经过以下步骤：
命题改写为合取范式求子句集归结推理规则归结式为空S矛盾原命题成立要想完成以上过程，需要考虑很多东西，接下来咱们逐个求解。
1.1命题、谓词、谓词公式基础不牢，地动山摇！
命题：描述观点的陈述句谓词：可以看作描述事物关系的函数谓词公式：使用谓词描述命题
看下面这个例子相信你就能对应上了！
1.2合取范式、析取范式、前束范式合取范式：命题和命题的与析取范式：命题和命题的或前束范式：把所有量词提取到前面，消除所有量词
将谓词公式转化为前束范式的形式叫SKOLEM化。完成SKOLEM化需要掌握一些变化的公式。
~P=>Q等价于PVQP=>Q等价于~PVQ~(AVB)等价于非A且非B之后，根据量词的作用域将量词提至最前。
1.3子句集求取要想求子句集，首先必须得知道啥是子句集。
子句：任何文字的析取式
那么子句集也就是将一个谓词公式化为一个子句集，可以包含多个子句。
了解了这些之后，需要按照步骤将命题化为子句集。
消去蕴含符移动否定符号到最近谓词变量标准化消去存在量词化为前束范式化为合取范式消去全称量词消去合取变量名在化子句集的时候，并不需要完全按照步骤来做，只要能得到析取式的集合就是正确的。
子句与子句间合取，子句内部析取
消去全称量词：直接去掉即可消去存在量词：代入1.4消解推理规则此步骤需要利用规则消去子句。得到新子句为消解式。目的是推出为空（NIL）的消解式，并得到矛盾。
除了能通过消解推理规则证明外，也能通过消解树反演求解。
在归结过程中，使用如下策略，可以使得归结效率更高。：
语义归结：将S分成两部分，约定每部分内不允许归结，可以得到高效的归结策略。支持集策略：每次归结只选取不同时属于S-T的子句间进行归结。线性归结：取每次得到的消解式进行归结单元归结输入归结：每次归结必有一个S的子句2.非归结演绎推理包括如下几种：
基于规则演绎推理：if-then推理自然演绎推理这里还有很多乱七八糟的，先不看，重点不在这里。
3.知识图谱什么是知识图谱？
知识图谱：包含多种关系的有向图。
利用知识图谱可以进行推理，其中一阶归纳推理需要掌握。
3.1FOIL（一阶归纳推理）FOIL：通过序贯覆盖实现规则推理。输入：目标谓词p、p的正例、反例、背景知识输出：p的推理规则
FOIL的算法流程如下:
目标谓词作为结论其他谓词作为约束加入推理规则计算所得推理规则信息增益值选取最优前提约束生成新规则去掉与规则不符样例不覆盖任何反例其中，信息增益值计算方法如下:可见，信息增益值与增加约束谓词前后的正例、反例数量均有关系。
3.2路径排序路径排序：路径排序是有监督学习，将实体之间的关联路径作为特征，学习目标关系的分类器，分类器可用于推理两实体间是否存在目标关系。
4.题目解析问题1此题选D，编码成某种数据结构
问题2此题选D，记住就行，PPT里没有涉及
问题3这题C明显错误，选ABD，可用于深度学习
问题4这题选D，对于A，当前提不成立的时候，符合命题恒为真；对于C，
作业——经典题目1、凡是涉及程序设计(Prog)且有挑战性(Chall)的课程小张都喜欢；
2、计算机专业(Comp)的专业课程都涉及程序设计；
3、AI是计算机专业的一门专业课程且是一门具有挑战性的课程。
请问：小张喜欢人工智能这门课程吗？
要求：定义谓词，用一阶谓词逻辑公式表示已知的事实和要证明的结论，并用归结原理证明该结论
踩坑点
混淆∩与→，命题2为推出关系。