1人工智能知识点总结.pdf

仅供内部人士专用 1 CHW: 一、概论 1. 人工智能是由计算机科学、控制论、信息论、神经生理学、心理学、语言学等构成。 2. 智能科学研究智能的基本理论和实现技术，是由脑科学、认知科学、人工智能等学科构 成的交叉学科。 3. 认知(cognition)是和情感、动机、意志等相对的理智或认识过程。认知科学是研究人类感 知和思维信息处理过程的科学， 包括从感觉的输入到复杂问题求解， 从人类个体到人类社会 的智能活动，以及人类智能和机器智能的性质。思维是客观现实的反映过程，是具有意识的 人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。智能是个体 认识客观事物和运用知识解决问题的能力。 4. 人类思维的形态：感知思维、形象思维、抽象思维、灵感思维。 5. 神经网络基本特点： 以分布式方式存储信息。 以并行方式处理信息。 具有自组 织、自学习能力。 符号智能：以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。 计算智能：以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、 模糊系统、进化程序设计、人工生命等都可以包括在计算智能 6. 符号智能与 人工智能是当今科技领域的热点，它综合了计算机科学、控制论、信息论、神经生理学、心理学和语言学等多个学科的理论和技术。智能科学主要研究智能的基本理论和实现方法，其中包括了脑科学、认知科学和人工智能等交叉学科的研究。认知科学关注人类的感知、思维和智能活动，探索从感觉输入到复杂问题解决的信息处理过程。 人类的思维可以分为四种形态：感知思维、形象思维、抽象思维和灵感思维，这些思维形式在人工智能中被模拟和再现。神经网络作为人工智能的一个重要组成部分，以其分布式信息存储、并行处理信息和自我学习、组织的能力，模仿人脑的工作机制。传统的符号智能，即基于知识的推理，通过逻辑规则解决问题，而计算智能则更侧重于数据驱动，利用机器学习等方法建立模型来解决问题，包括人工神经网络、遗传算法等。 机器学习是人工智能的关键，它的发展经历了无知识学习、符号概念获取、实例学习和有知识学习四个阶段。不同的学习范式，如归纳学习、分析学习、发现学习和遗传学习，分别对应于从数据中提取规律、在领域知识指导下学习、从数据中发现新规律和模拟生物进化的过程。此外，分布式人工智能研究如何使分散的智能体协作解决复杂问题，而知识系统如专家系统、知识库系统和决策支持系统则为实际应用提供了平台。 在问题求解中，问题的状态空间表示法是核心，包括初始状态集、操作集合和目标状态集。状态空间搜索算法是寻找解决方案的重要方法，通常涉及OPEN和CLOSE表的操作，以及节点的优先级排序。状态空间图可以显式或隐式存储，以优化搜索效率。 人工智能涵盖了广泛的知识领域，从基础理论到实际应用，从认知科学的理解到机器学习的实现，再到分布式系统的协同工作，都在为创造更加智能的未来奠定基石。这些知识不仅推动了技术进步，也在改变着我们的生活和社会。