大学课堂 -人工智能原理

大学课堂 清华大学人工智能原理 内容简介：人工智能、英语单词ARTILECT 雨果·德·加里斯 的着作
“人工智能”一词最初是1956年 年DARTMOUTH学会提出。从那时起，研究人员发展了许多理论和原则，人工智能的概念也得到了扩展。人工智能是一门极具挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学。人工智能是一门由机器学习、计算机视觉等不同领域组成的广泛科学。一般来说，人工智能研究的主要目标之一是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是不同的时代，不同的人对这种“复杂的工作”有不同的理解。例如，繁重的科学和工程计算最初是由人脑承担的，现在计算机不仅可以完成这个计算，而且可以比人脑更快、更准确，所以当代人不再认为这个计算是“需要人类智能来完成复杂的任务”，复杂工作的定义随着时代的机器人展览和技术的进步而改变，随着时代的变迁，人工智能这门科学的具体目标自然而然地发展起来。一方面，它不断取得新的进展，另一方面，它转向了更有意义、更困难的目标。
计算机是当今可以用来研究人工智能的主要物质基础和实现人工智能技术平台的机器。人工智能的发展历史与计算机科学技术的发展历史有关。除计算机科学外，人工智能还涉及信息理论、控制理论、自动化、仿生学、生物学、心理学、数学逻辑、语言学、医学和哲学。人工智能研究的主要内容包括：知识表达、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等。
通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这种“机器学习”非常依赖“经验”。计算机需要不断地从解决一类问题的经验中获取知识和学习策略。当遇到类似的问题时，它就像普通人一样，利用经验和知识来解决问题，积累新的经验。我们可以称这种学习方法为“连续学习”。但人类除了从经验中学习外，还会创造，即“跳跃式学习”。这在某些情况下被称为“灵感”或“顿悟”。一直以来，计算机最难学的就是“顿悟”。或者更严格地说，计算机很难学习“不依赖定量变化的定性变化”，从一个“定性”到另一个“定性”，或者从一个“概念”到另一个“概念”。正因为如此，这里的“实践”并不像人类那样实践。人类的实践过程也包括经验和创造。
这是智能研究者梦寐以求的。
2013年，帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法，它导出了研究函数性质的新方法。作者发现，新的数据分析方法为计算机学习“创造”提供了一种方法。本质上，这种方法为人的“创造力”模式化提供了相当有效的途径。这种方法是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于计算，而且因为精于计算而精于创造。计算机学家应该剥夺“精于创造”的计算机过于全面的操作能力，否则有一天计算机真的会“反向捕获”人类。
回顾新方法的演绎过程和数学，作者拓展了对思维和数学的理解。数学简洁、清晰、可靠、模式化。在数学发展的历史上，数学大师们的创造力处处闪耀。这些创造力以各种数学定理或结论的形式呈现，数学定理最大的特点是基于一些基本概念和公理，以模式化的语言表达的逻辑结构。应该说，数学是反映(至少一类)创造力模式最简单、最直接的学科。