MOOC_人工智能原理学习笔记1

What is Artificial Intelligence(AI):

定义：1、机器或软件所展现的智能

            2、学术研究领域的名称->如何创建计算机和计算机软件使之具有智能行为

诞生：1956年“达特茅斯夏季人工智能研究计划”会议

Turing Test：

图灵测试由Alan Turing在1950年发表的“Computing Machinery and Intelligence”论文中提出，旨在提供一种令人满意的关于只能的可操作定义

内容：图灵预言，2000年之前，经过5分钟的问题测试之后，机器将能蒙骗30%的人类裁判

Virual Turing Test：

视觉图灵测试是由Donald Geman 等人于2014年提出，是采用一个操作员辅助设备、根据给定的图像产生随机的二元问题序列。

目前的计算机视觉系统是测试任务的精度。这些任务包括对象检测、图像分割和定位。但仍然与人类的行为方式有差距。

视觉图灵测试是受人类理解图像能力的启发而提出的。

Chinese Room：

“中文屋”是一个思想实验，也被称为希尔勒的中文屋论证。它由John Searle 早在1980年发表在《The Behavioral and Brian Sciences》中提出的。试图揭示计算机绝不能描述为有“智力”或“知性”，不管它多么智能。

他设想他独自在一个房间，操作一套计算机程序来应付从门缝下塞进来的中文字符。他对中文一窍不通，然而，正如同计算机所做的那样，通过操作处理符号和数字，他生成了合适的中文字符串，从而蒙骗了屋外的人，以为屋内有一个精通中文的人。唯一的结论是，按程序运行的计算机可以使它看起来理解了语言，但并没有产生真正的理解。由此他断定，图灵测试的结论是不充分的。

What are the Foundations of AI：

• Philosophy                                            哲学
• Mathematics                                         数学
• Economics                                           经济学
• Neuroscience                                       神经科学
• Psychology                                           心理学
• Computer engineering                          计算机工程
• Control theory and cybernetics            控制理论和控制论
• Linguistics                                            语言学

1）逻辑学----得出正确结论的形式规则是什么？

1847，George Boole 命题逻辑（布尔逻辑）

1879， Gottlob Frege 一阶逻辑，扩展了布尔逻辑，增加了对象和关系

1902-1983，Alfred Tarski 指称理论，它揭示如何将逻辑中的对象与对象相关联

2）计算----什么是可计算的

1912–1954，Alan Turing  试图精确地描述哪些函数是可计算的

mid-1960s, Cobham and Edmonds  提出了计算的易处理性的概念

1972, Steven Cook and Richard Karp  提出了NP完全性的理论

    Terminology: NP-completeness

            P: Polynomial time. ------P：多项式时间

            NP: Non-deterministic Polynomial time-------NP：不确定性多项式时间

            NP-complete: both in NP and NP-hard.--------NP完：NP与NP难的交集。

3）概率---- 如何根据不确定信息进行推理

Gerolamo Cardano (1501–1576)：构建了概率的概念，将其描述为博弈事件中可能的结果

James Bernoulli (1654–1705), Pierre Laplace (1749–1827), and others：推进了这一理论，并引入了新的统计学方法。

Thomas Bayes (1702–1761)：提出了贝叶斯规则，它成为不确定性推理的最现代方法

4）神经科学：----大脑如何处理信息

神经科学研究神经系统，尤其是大脑。大脑在理性决策方面非常优越（但并非完美无缺）。大脑不像软件那样模块化。预测和仿真是决策的关键

Computer vs. Human brain

• 大脑中神经元的数量基本是固定的。
• 计算机中处理单元的数量，每5年增加10倍。

5）认知心理学：-- 人类如何思考与行动

把大脑看作是信息处理设备，是研究心智过程的学科

• Attention：意识集中在某个有用感知信息子集的状态。
• Memory：三个子集：过程记忆、语义记忆、情景记忆。
• Perception：物理感知（视觉、嗅觉、味觉、知觉），及其认知过程。
• Language：研究语言习得、语言形成的组件、语言使用时的语气、或者许多其它相关领域。
• Metacognition：它是“关于认知的认知”、“关于思考的思考”、或者“关于认识的认识。通常有两个组成部分：关于认知的知识, 以及认知的调节
• Cognitive psychology：通常通过人类参与者的心理实验来收集信息，其目的是研究人脑如何接受外部世界的输入、如何处理以及作用等。
• Cognitive science：关注于通过研究收集数据，其涉猎心理学、语言学、人类学、神经科学、社会学和教育学，尤其是人工智能。

6）控制理论与控制论：--机器如何能在其自身的控制下运行

控制理论:工程与数学的交叉学科分支。处理动态系统对输入的行为，以及该行为如何通过反馈进行调整。

跨学科的研究途径，探索调控系统、它们的结构、约束、和可能性。

控制论：1948被定义为“研究动物与机器的控制与通信的科学”。

21世纪，该术语通常被简单通俗地解释为“用技术控制任何系统”。