什么是人工智能

人工智能-概述

• 一、人工智能是什么？

• 二、人工智能发展阶段

• • 2.1 “弱人工智能”
  • 2.2 “强”人工智能

• 三、人工智能实现方法

• • 3.1 符号学习(Symbolic learning)
  • 3.2 机器学习(Machine learning)

• 四、机器学习与深度学习的关系

• • 4.1 机器学习
  • 4.2 深度学习

• 五、总结

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、人工智能是什么？

Artificial Intelligence
维基百科定义：人工智能，亦称智机器智能，指由人制造出来的机器所表现出来的智能。

人工智能的核心问题是构建能跟人类似甚至超卓的推理，知识，规划，学习，交流等能力

流程：根据输入信息进行模型结构、权重更新，实现最终优化。

特点：信息处理、自我学习、优化升级

应用场景：

• 车牌识别，人脸识别，自动驾驶
• 情感分类，机器翻译，人机互动
• 智能机器人，AlphaGO

二、人工智能发展阶段

2.1 “弱人工智能”

• 机器不具备真正推理和解决复杂问题的能力，无“自主意识”
• 机器基于某种特征可解决部分问题，成为一个强有力的工具
• 当前AI所处阶段

2.2 “强”人工智能

• 机器有真正推理和解决复杂问题的能力，有“自主意识”
• 机器综合思考的能力已经达到甚至超过人类
• 并不是当前AI所处阶段

三、人工智能实现方法

3.1 符号学习(Symbolic learning)

专家系统

• 根据既定的逻辑和顺序告诉机器接下来做什么
• 遵循if…then…原则

不能根据新场景动态地优化认知（升级模型）

3.2 机器学习(Machine learning)

从数据中寻找规律，建立方法，根据建立的关系去解决问题的方法

• 从数据中学习 并实现自我优化和升级
• 当前主流的AI方法
• 数据驱动

机器学习的类别

• 监督学习：训练数据包括正确的结果（标签-label）
• 无监督学习：训练数据不包括正确的结果
• 半监督学习：训练数据包括少量正确的结果
• 强化学习：根据每次结果收获的奖惩进行学习，实现优化

四、机器学习与深度学习的关系

• 机器学习是一种实现人工智能的方法。
• 深度学习是一种实现机器学习的技术。

4.1 机器学习

使用算法来解析数据，从中学习，然后对真实世界中的事件作出决策和预测。比如：垃圾邮件检测，房价预测。

4.2 深度学习

模仿人类神经网络，建立模型，进行数据分析。比如：人脸识别，语义理解，无人驾驶。

五、总结

初步接触人工智能，有什么不对的地方，敬请批评指正。