文章目录
- 人工智能核心
- 应用场景
- 发展阶段
- 实现方法
- 机器学习和深度学习的关系
Intelligence:The capacity to learn and solve problems（自主学习及解决问题的能力）
Artificial Intelligence:The simulation of human intelligence by machines（机器对人类智能的模仿）
Artificial Intelligence:人工智能
人工智能核心
人工智能从本质来讲就是可以模拟人的思维或行为过程，使其可以像人一样思考或行动。
其过程就是：
遇到事情或者任务---->思考学习---->做出决策
最主要的是在遇到事情或任务后，可以从过去的信息中寻找规律（经验），然后将其吸收，作为每次判断或者决策提供依据。即总结为学习、优化、决策
应用场景
AI安防、AI金融、AI工业制造、AI（医疗、交通、教育）等
发展阶段
通用人工智能（“强”人工智能）：
与人类同等智慧甚至超越人类，具有正常人的所有表现
目前是无法达到的，举例这个阶段还会有很长时间
非通用人工智能（“弱”人工智能）
目前正处于这个阶段
不具有人类完整的认知能力，甚至不具有人类所有感官能力
在特定领域应用会超出人类能力水平
例如病人病历筛选等
实现方法
符号学习
基于逻辑与规则的学习方法，用一些特定的符号来表示现实的事物或者观念(符号不局限于图像文字，还包括了既定的逻辑、规则等）
符号学习典型的特征就是指定了某种逻辑或者顺序对应所要采取的动作，遵循if…then…原则，例如专家系统。
a=2,b=3
c=a+b,if a>b
c=a-b,if a<b
求c
即是需要先知道或假设信息的逻辑规律
机器学习
从数据中自动分析获得规律，并利用规律对未知数据进行预测或用于解决实际问题的方法。
例如有数据，现在是并没有告诉我们abc之间是有什么规律的，经过观察我们只是发现a+b有可能等于c，a-b也是有可能等于c，那么机器就会从这些数据中发现规律，从而找到abc之间的关系，不一定就是a+b或者a-b，有可能是更多。
核心：从数据中学习规律，实现对原有推理的更新，实现“自我优化”
那么未来的趋势必然是符号学习+机器学习，符号学习是在做已知规律的前提下使用，若再使用机器学习，就有可能会发现多条规律，从而使得工作更复杂，并且也不一定能够选择出最正确的那一个规律，造成资源浪费。当出现人无法推理出的逻辑关系时，就可以将数据交给计算机，让其自己找规律。
机器学习和深度学习的关系
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。
机器学习：从数据中自动分析获得规律，并利用规律对未知数据进行预测或用于解决实际问题的方法。
深度学习：机器在对数据进行分析时，将引入 类人类神经结构模型，实现对复杂数据的理解 与推理，通常可应用于更为复杂的任务中。
