【大學課堂】-人工智能原理

【大學課堂】清華大學人工智能原理 內容簡介：人工智能，英文單詞ARTILECT，來源于 雨果·德·加里斯 的著作
“人工智能”一詞最初是在1956 年DARTMOUTH學會上提出的。從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展。人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的復雜任務”，可見復雜工作的定義是隨著時代的發(fā)具有人工智能的機器人展和技術的進步而變化的，人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更加困難的目標。
現今能夠用來研究人工智能的主要物質基礎以及能夠實現人工智能技術平臺的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學技術的發(fā)展史聯(lián)系在一起的。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫(yī)學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
通常，“機器學習”的數學基礎是“統(tǒng)計學”、“信息論”和“控制論”。還包括其他非數學學科。這類“機器學習”對“經驗”的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題并積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續(xù)型學習”。但人類除了會從經驗中學習之外，還會創(chuàng)造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機最難學會的就是“頓悟”�；蛘咴賴栏褚恍﹣碚f，計算機在學習和“實踐”方面難以學會“不依賴于量變的質變”，很難從一種“質”直接到另一種“質”，或者從一個“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經驗和創(chuàng)造。
這是智能化研究者夢寐以求的東西。
2013年，帝金數據普數中心數據研究員S.C WANG開發(fā)了一種新的數據分析方法，該方法導出了研究函數性質的新方法。作者發(fā)現，新數據分析方法給計算機學會“創(chuàng)造”提供了一種方法。本質上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當有效的途徑。這種途徑是數學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創(chuàng)造。計算機學家們應該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。
當回頭審視新方法的推演過程和數學的時候，作者拓展了對思維和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發(fā)展史上，處處閃耀著數學大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數學定理或結論的方式呈現出來，而數學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富信息的邏輯結構。應該說，數學是最單純、最直白地反映著（至少一類）創(chuàng)造力模式的學科。