国科大人工智能导论笔记

《国科大人工智能导论笔记》是一门针对2022级学生的课程，重点涵盖了人工智能的基础概念和技术。在这个笔记中，我们首先会讨论智能体，它是一个通过传感器感知环境并用执行器对环境做出反应的实体。智能体的决策过程受到其到目前为止的感知序列的影响，也就是说，它的行动选择依赖于其历史感知。智能体函数是将这些感知序列映射到具体的行动，而性能度量则是由设计者根据期望的环境结果来设定的。 实证逻辑主义提出，所有知识可以用与传感器输入相关的观察语句相连的逻辑理论来描述。然而，哥德尔不完备性定理揭示了有些函数是无法用算法完全表示的，即它们是不可计算的。现代控制论，尤其是随机优化控制，致力于设计出能够随着时间最大化目标函数的系统。尽管控制论常利用微积分和矩阵代数，但人工智能（AI）寻求超越这些传统数学方法的局限。 AI之所以成为独立的领域，是因为其目标、方法论和研究对象与传统控制论不同。例如，马文·明斯基提出了微世界模型和物理符号系统假设，而艾伦·纽厄尔和赫伯特·西蒙则开发了通用问题求解器（GPS）。早期AI面临的主要困难包括缺乏特定领域的知识、解决NP类问题的困难以及智能行为基础结构的限制。 问题求解和搜索技术是AI中的核心概念。问题被形式化为四个部分：初始状态、后继函数、目标测试和路径耗散函数。问题的解是从初始状态到目标状态的路径，最优解是最短或成本最低的路径。解题过程可以通过状态空间的搜索来实现，其中状态空间可以被视作一个有向图，搜索空间仅是其中的一部分。搜索算法的评估标准包括完备性、最优性、时间复杂性和空间复杂性。 知识表示与推理在基于知识的智能体中占据重要地位。知识库是智能体的核心，推理过程涉及从知识库中提取信息。推理算法分为可靠（sound）和完备的，其中可靠算法能保证得出真值保持的结论，而完备算法能推导出所有蕴含的结论。在实际应用中，通常使用霍恩子句进行推理，并采用前向链接算法处理单一命题符号的蕴含。 一阶逻辑相对于命题逻辑提供了更强的表达能力，它允许我们处理更复杂的语义关系。一阶推理可以通过命题化进行，并且在处理霍恩子句时特别有效。贝叶斯网络是处理不确定性的一种方法，它通过折中精确度和有效性来建模变量之间的条件独立性。贝叶斯网络的推理任务包括计算后验概率，这可以通过变量消元、直接采样、拒绝采样和似然加权算法等方法实现。 总体来说，这个笔记深入探讨了人工智能的基础理论，包括智能体、问题解决、搜索策略、知识表示和不确定性推理，展示了AI领域的广泛和复杂性。