人工智慧單調推理
⑴ AI(人工智慧)的英文全稱AI指什麼,包含什麼
AI(Artificial Intelligence，人工智慧) 。「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧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，人工智慧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, 現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確, 因之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展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。
人工智慧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、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。
知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。
一、人工智慧的歷史
人工智慧（AI）是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧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，人工智慧的目的就是讓計算機這台機器能夠象人一樣思考。這可是不是一個容易的事情。 如果希望做出一台能夠思考的機器，那就必須知識什麼是思考，更進一步講就是什麼是智慧，它的表現是什麼，你可以說科學
家有智慧，可你決不會說一個路人什麼也不會，沒有知識，你同樣不敢說一個孩子沒有智慧，可對於機器你就不敢說它有智慧了吧，那麼智慧是如何分辨的呢？我們說的話，我們做的事情，我們的想法如同泉水一樣從大腦中流出，如此自然，可是機器能夠嗎，那麼什麼樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋裡面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。
在定義智慧時，英國科學家圖靈做出了貢獻，如果一台機器能夠通過稱之為圖靈實驗的實驗，那它就是智慧的，圖靈實驗的本質 就是讓人在不看外型的情況下不能區別是機器的行為還是人的行為時，這個機器就是智慧的。不要以為圖靈只做出這一點貢獻就會名垂表史，如果你是學計算機的就會知道，對於計算機人士而言，獲得圖靈獎就等於物理學家獲得諾貝爾獎一樣，圖靈在理論上奠定了計算機產生的基礎，沒有他的傑出貢獻世界上根本不可能有這個東西，更不用說什麼網路了。
科學家早在計算機出現之前就已經希望能夠製造出可能模擬人類思維的機器了，在這方面我希望提到另外一個傑出的數學家，哲學家布爾，通過對人類思維進行數學化精確地刻畫，他和其它傑出的科學家一起奠定了智慧機器的思維結構與方法，今天我們的計算機內使用的邏輯基礎正是他所創立的。
我想任何學過計算機的人對布爾一定不會陌生，我們所學的布爾代數，就是由它開創的。當計算機出現後，人類開始真正有了一個可以模擬人類思維的工具了，在以後的歲月中，無數科學家為這個目標努力著，現在人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，現在計算機似乎已經變得十分聰明了，剛剛結束的國際象棋大賽中，計算機把人給勝了，這是人們都知道的，大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬於人類的工作，計算機以它的高速和准確為人類發揮著它的作用。人工智慧始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。
現在人類已經把計算機的計算能力提高到了前所未有的地步，而人工智慧也在下世紀領導計算機發展的潮頭，現在人工智慧的發展因為受到理論上的限制不是很明顯，但它必將象今天的網路一樣深遠地影響我們的生活。
在世界各地對人工智慧的研究很早就開始了，但對人工智慧的真正實現要從計算機的誕生開始算起，這時人類才有可能以機器的實現人類的智能。AI這個英文單詞最早是在1956年的一次會議上提出的，在此以後，因此一些科學的努力它得以發展。人工智慧的進展並不象我們期待的那樣迅速，因為人工智慧的基本理論還不完整，我們還不能從本質上解釋我們的大腦為什麼能夠思考，這種思考來自於什麼，這種思考為什麼得以產生等一系列問題。但經過這幾十年的發展，人工智慧正在以它巨大的力量影響著人們的生活。
讓我們順著人工智慧的發展來回顧一下計算機的發展，在1941年由美國和德國兩國共同研製的第一台計算機誕生了，從此以後人類存儲和處理信息的方法開始發生革命性的變化。第一台計算機的體型可不算太好，它比較胖，還比較嬌氣，需要工作在有空調的房間里，如果希望它處理什麼事情，需要大家把線路重新接一次，這可不是一件省力氣的活兒，把成千上萬的線重新焊一下我想現在的程序員已經是生活在天堂中了。
終於在1949發明了可以存儲程序的計算機，這樣，編程程序總算可以不用焊了，好多了。因為編程變得十分簡單，計算機理論的發展終於導致了人工智慧理論的產生。人們總算可以找到一個存儲信息和自動處理信息的方法了。
雖然現在看來這種新機器已經可以實現部分人類的智力，但是直到50年代人們才把人類智力和這種新機器聯系起來。我們注意到旁邊這位大肚子的老先生了，他在反饋理論上的研究最終讓他提出了一個論斷，所有
人類智力的結果都是一種反饋的結果，通過不斷地將結果反饋給機體而產生的動作，進而產生了智能。我們家的抽水馬桶就是一個十分好的例子，水之所以不會常流不斷，正是因為有一個裝置在檢測水位的變化，如果水太多了，就把水管給關了，這就實現了反饋，是一種負反饋。如果連我們廁所里的裝置都可以實現反饋了，那我們應該可以用一種機器實現反饋，進而實現人類智力的機器形式重現。這種想法對於人工智慧早期的有著重大的影響。
在1955的時候，香農與人一起開發了The Logic TheoriST程序，它是一種採用樹形結構的程序，在程序運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進行探索，以得到正確的答案。這個程序在人工智慧的歷史上可以說是有重要地位的，它在學術上和社會上帶來的巨大的影響，以至於我們現在所採用的方法思想方法有許多還是來自於這個50年代的程序。
1956年，作為人工智慧領域另一位著名科學家的麥卡希（就是右圖的那個人）召集了一次會議來討論人工智慧未來的發展方向。從那時起，人工智慧的名字才正式確立，這次會議在人工智慧歷史上不是巨大的成功，但是這次會議給人工智慧奠基人相互交流的機會，並為未來人工智慧的發展起了鋪墊的作用。在此以後，工人智能的重點開始變為建立實用的能夠自行解決問題的系統，並要求系統有自學習能力。在1957年，香農和另一些人又開發了一個程序稱為General Problem Solver(GPS)，它對Wiener的反饋理論有一個擴展，並能夠解決一些比較普遍的問題。別的科學家在努力開發系統時，右圖這位科學家作出了一項重大的貢獻，他創建了表處理語言LISP，直到現在許多人工智慧程序還在使用這種語言，它幾乎成了人工智慧的代名詞，到了今天，LISP仍然在發展。
在1963年，麻省理工學院受到了美國政府和國防部的支持進行人工智慧的研究，美國政府不是為了別的，而是為了在冷戰中保持與蘇聯的均衡，雖然這個目的是帶點火葯味的，但是它的結果卻使人工智慧得到了巨大的發展。其後發展出的許多程序十分引人注目，麻省理工大學開發出了SHRDLU。在這個大發展的60年代，STUDENT系統可以解決代數問題，而SIR系統則開始理解簡單的英文句子了，SIR的出現導致了新學科的出現：自然語言處理。在70年代出現的專家系統成了一個巨大的進步，他頭一次讓人知道計算機可以代替人類專家進行一些工作了，由於計算機硬體性能的提高，人工智慧得以進行一系列重要的活動，如統計分析數據，參與醫療診斷等等，它作為生活的重要方面開始改變人類生活了。在理論方面，70年代也是大發展的一個時期，計算機開始有了簡單的思維和視覺，而不能不提的是在70年代，另一個人工智慧語言Prolog語言誕生了，它和LISP一起幾乎成了人工智慧工作者不可缺少的工具。不要以為人工智慧離我們很遠，它已經在進入我們的生活，模糊控制，決策支持等等方面都有人工智慧的影子。讓計算機這個機器代替人類進行簡單的智力活動，把人類解放用於其它更有益的工作，這是人工智慧的目的，但我想對科學真理的無盡追求才是最終的動力吧。
二、人工智慧的應用領域
1、問題求解。
人工智慧的第一大成就是下棋程序，在下棋程度中應用的某些技術，如向前看幾步，把困難的問題分解成一些較容易的子問題，發展成為搜索和問題歸納這樣的人工智慧基本技術。今天的計算機程序已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手具有的但尚不能明確表達的能力。如國際象棋大師們洞察棋局的能力。另一個問題是涉及問題的原概念，在人工智慧中叫問題表示的選擇，人們常能找到某種思考問題的方法，從而使求解變易而解決該問題。到目前為止，人工智慧程序已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優解答。
2、邏輯推理與定理證明。
邏輯推理是人工智慧研究中最持久的領域之一，其中特別重要的是要找到一些方法，只把注意力集中在一個大型的資料庫中的有關事實上，留意可信的證明，並在出現新信息時適時修正這些證明。對數學中臆測的題。定理尋找一個證明或反證，不僅需要有根據假設進行演繹的能力，而且許多非形式的工作，包括醫療診斷和信息檢索都可以和定理證明問題一樣加以形式化，因此，在人工智慧方法的研究中定理證明是一個極其重要的論題。
3、自然語言處理。
自然語言的處理是人工智慧技術應用於實際領域的典型範例，經過多年艱苦努力，這一領域已獲得了大量令人注目的成果。目前該領域的主要課題是：計算機系統如何以主題和對話情境為基礎，注重大量的常識——世界知識和期望作用，生成和理解自然語言。這是一個極其復雜的編碼和解碼問題。
4、智能信息檢索技術。
受"()*+ (*) 技術迅猛發展的影響，信息獲取和精化技術已成為當代計算機科學與技術研究中迫切需要研究的課題，將人工智慧技術應用於這一領域的研究是人工智慧走向廣泛實際應用的契機與突破口。
5、專家系統。
專家系統是目前人工智慧中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經驗的程序系統。近年來，在「 專家系統」或「 知識工程」的研究中已出現了成功和有效應用人工智慧技術的趨勢。人類專家由於具有豐富的知識，所以才能達到優異的解決問題的能力。那麼計算機程序如果能體現和應用這些知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發現推理過程中出現的差錯，現在這一點已被證實。如在礦物勘測、化學分析、規劃和醫學診斷方面，專家系統已經達到了人類專家的水平。成功的例子如：PROSPECTOR系統發現了一個鉬礦沉積，價值超過1億美元。DENDRL系統的性能已超過一般專家的水平，可供數百人在化學結構分析方面的使用。MY CIN系統可以對血液傳染病的診斷治療方案提供咨詢意見。經正式鑒定結果，對患有細菌血液病、腦膜炎方面的診斷和提供治療方案已超過了這方面的專家。
三、人工智慧理論的數學化趨勢越來越突出
在現代科技高速發展的今天，許多科技理論都有賴於數學提供證明，有賴於數學對其的模擬。人工智慧的發展也不例外，如何把人們的思維活動形式化、符號化，使其得以在計算機上實現，就成為人工智慧研究的重要課題。在這方面，邏輯的有關理論、方法、技術起著十分重要的作用，它不僅為人工智慧提供了有力的工具，而且也為知識的推理奠定了理論基礎。人工智慧中用到的邏輯可概括地分為兩大類。一類是經典命題邏輯和一階謂詞邏輯，其特點是任何一個命題的真值或者是「真」，或者是「假」，二者必居其一。這一類問題可以用數學里的經典邏輯理論來解決。世界上事物千差萬別，形形色色，除了確定性的事物或概念外，更廣泛存在的是不確定性的事物或概念。這些不確定的事物是無法用經典邏輯理論來解決的。因此我們需要發展新的數學工具來表示這些問題。目前在人工智慧中對不確定性的事物或概念是通過運用多值邏輯、模糊理論及概率來描述、處理的。多值邏輯、模糊理論及概率雖然都是通過在〔!，"〕上取值來刻畫不確定性，但三者之間又存在著很大區別。多值邏輯是通過在真（"）與假（!）之間增加了若干中介真值來描述事物為真的程度的，但它把各個中介真值看作是彼此完全分立的，界限分明。而模糊理論認為不同的中介真值之間沒有明確的界限，表現了不同中介值相互貫通、滲透的特徵，從而更好地反映了不確定性的本質。概率用來度量事件發生的可能性，而事件本身的含義是明確的，只是在一定的條件下它可能不發生，它與模糊理論是從兩個不同的角度來描述不確定性的，因而有人稱模糊理論描述了事物內在的不確定性，而概率描述的是事物外在的不確定性。由上可以看出，數學使得人工智慧能很好的模擬人類智能，大大推動了人工智慧的向前發展。現在人工智慧中還有一些問題用現在的數學很難表示出來，相信在數學知識不斷發展之後，這些問題能很快得到解決。
五、人工智慧的發展現狀及前景
目前絕大多數人工智慧系統都是建立在物理符號系統假設之上的。在尚未出現能與物理符號系統假設相抗衡的新的人工智慧理論之前,無論從設計原理還是從已取得的實驗結果來看,SOAr 在探討智能行為的一般特徵和人類認知的具體特徵的艱難征途上都取得了有特色的進展或成就,處在人工智慧研究的前沿。
80 年代,以Newell A 為代表的研究學者總結了專家系統的成功經驗,吸收了認知科學研究的最新成果,提出了作為通用智能基礎的體系結構Soar。目前的Soar 已經顯示出強大的問題求解能力。在Soar中已實現了30 多種搜索方法,實現了若干知識密集型任務(專家系統) ,如RI 等。rOOks 提出了人工智慧的一種新的途徑。它認為無需概念或者說無需符號表示,智能系統的能力可以逐步進化。在它的研究中突出4 個概念:(1) 所處的境遇 機器人不涉及抽象的描述,而是處在直接影響系統的行為的境地。(2) 具體化 機器人有軀干,有直接來自周圍世界的經驗,他們的感官起作用後立即會有反饋。(3) 智能 智能的來源不僅僅是限於計算裝置,也是由於與周圍進行交互的動態決定。(4) 浮現 從系統與周圍世界的交互以及有時候系統的部件間的交互浮現出智能。
五、結語
人工智慧不單單需要邏輯思維與模仿,科學家們對人類大腦和神經系統研究得越多,他們越加肯定:情感是智能的一部分,而不是與智能相分離的。因此人工智慧領域的下一個突破可能不僅在於賦予計算機更多的邏輯推理能力,而且還要賦予它情感能力。許多科學家斷言,機器的智能會迅速超過阿爾伯特·愛因斯坦和霍金的智能之和。到下世紀中葉,人類生命的本質也會發生變化。神經植入將增強人類的知識和思考能力,並且開始向一種復合的人/機關系過渡,這種復合關系將使人類逐漸停止對生物機體的需求。大量非常微小的機器人將在大腦的感覺區里占據一席之地,並且創造出真假難辨的虛擬現實的模擬效果。
人工智慧的實現，不是天方夜譚。雖然會很辛苦，但是沒有人規定只有人類可以思考。就像是生命的不同表現形式，動物，植物，微生物，是不同的生命的形式。人類可以以未知的方式思考，計算機也可以以另一種（並非一定要和人相同的）形式思考。
著名軟體公司ADOBE的專業制圖軟體Illustrator 的一種文件格式!
AI （ Artificial Intelligence ）：人工智慧。就是指計算機模模擬實世界的行為方式與人類思維與游戲的方式的運算能力。那是一整套極為復雜的運算系統與運算規則。
=============================================================
此外，AI還代表ALLEN IVERSON（阿倫·艾佛森），他生於美國，是全世界最好的籃球聯盟——「NBA」96黃金一代的代表人物，是NBA有史以來最好的後衛之一，他以183cm身高在眾多魁梧的球員中靈動跳躍，獨領風騷。他先後摘取過NBA得分王、搶斷王等稱號，還在2001年帶領76人隊闖進NBA總決賽。他以特立獨行的風格和滿身的紋身成為全球籃球青少年瘋狂追捧的偶像。
————————————————————————————————————
歌手姓名： AI 英文名： AI
唱片公司： 環球唱片（Universal Music）
國 籍： 日本 語 言： 日語
興 趣：
個人經歷： ＊東瀛首席嘻哈女力、R&B歌姬 她是張力十足的嘻哈女力，也是柔情似水的R&B美聲歌姬，AI，22歲的她在時尚一派與安室奈美惠合唱『Uh、Uh…』，並在珍娜傑克森的音樂錄影帶中展現絕贊舞技，除了過人的歌舞才華之外，詞曲創作力更是傲視東瀛R&B舞台，在嘻哈音樂大廠Def Jam Japan簽下一紙合約之後，發行『ORIGINAL A.I./原創A.I.』專輯立刻贏得媒體一致肯定，除了拿下SPACE SHOWER TV的R& B音樂錄影帶大獎外，更代表日本參加2004年MTV BUZZ ASIA演唱會，一舉打進亞洲市場。
以過人演唱的天賦而獲得日本「新時代音樂代言人」殊榮的HIP HOP小天後AI，近日參加了在台北舉行的「台北流行音樂節」，同行的日本歌手還有一青窈以及藤木直人。在這場盛大的音樂節上，AI以她新穎而獨特的演唱方式以及活力四射的表演令在場6萬歌迷為之傾倒。 AI有著四分之一的義大利血統，骨子裡就透出一種浪漫和前衛的氣息。而她又是在美國長大，接觸的音樂也很多元化。由於AI的母親非常喜歡音樂，所以從小她就深受各種類型音樂的熏陶。在15歲時，AI還曾經參加過珍妮·傑克遜的MTV《GO DEEP》的錄制。不過，在日本出道時卻並不順利，因為與工作人員在音樂理解上的不同，當大家對自己的音樂反映很冷淡時，她就很想去敲牆壁，可見其可愛之處。不過，AI並沒有被現實所擊敗，仍然堅持走HIP HOP這條音樂路線，使得她的音樂風格也帶給人們一種全新的感受。在今年日本最權威的公信榜票選中，AI從眾多新晉女性中脫穎而出，成為新一代音樂天後接班人。對此，AI自己也非常滿意，她表示自己想要成為一個很有朝氣的歌手，給更多的人帶來幸福感。這次的台北流行音樂節，AI也是做足了准備。除了帶上偕同一起演出的DJ、化妝師、造型師、人聲樂手AFURA以外，連日本報知新聞、電通、朝日電視台等日本媒體的高層人士以及自己經濟公司的社長也都一同前來，浩浩盪盪23人的訪華隊伍令AI頗有面子。而赴台之前，AI也時常向安室奈美惠等曾經去過台灣的人請教，以進一步了解台灣。聽說台北美食多多，AI興奮地說想要常常小籠包、路邊攤，所以這次的台灣之行，除了要參加音樂節和拍攝特輯，還順帶要向日本觀眾介紹台灣美食，這也使AI欣喜不已。 台灣表演大獲成功後，AI也表示自己想要更了解華人音樂，有機會的話，也希望能夠像平井堅、安室奈美惠等日本歌手一樣，可以在台灣等地開演唱會，和台灣的歌手同台獻藝。其實AI出國獻藝已經不是第一次，在幾個月前的韓國漢城MTV BUZZ ASIA演唱會中，AI也曾把歌詞改為韓文，而這次為了更貼近觀眾，AI也把歌詞改成了中文來演唱。為期四天的台灣之行，AI讓更多的人領略了她的「小天後」風采，也順便為自己今秋將要展開的全國巡演造勢。
⑵ 學習人工智慧一般需要學習哪些內容
首先說一下人工智慧這一領域具體的內容：
人工智慧(Artificial Intelligence)是研究解釋和模擬人類智能、智能行為及其規律的一門學科。其主要任務是建立智能信息處理理論，進而設計可以展現某些近似於人類智能行為的計算系統。AI作為計算機科學的一個重要分支和計算機應用的一個廣闊的新領域，它同原子能技術，空間技術一起被稱為20世紀三大尖端科技。
人工智慧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、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。
知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。
綜上所述，我們需要學習的內容如下：
需要數學基礎：
高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
需要演算法的積累：
人工神經網路，支持向量機，遺傳演算法等等演算法;當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM;總之演算法很多需要時間的積累。
需要掌握至少一門編程語言，畢竟演算法的實現還是要編程的;如果深入到硬體的話，一些電類基礎課必不可少。
⑶ 人工智慧是什麼
人工智慧（Artificial Intelligence）是研究、開發用於模擬、延伸和擴展人智能的理論、方法、技術及應用系統的一門新技術科學。人工智慧領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。」
⑷ 人工智慧及其應用
關於不確來定性信息處源理的研究是當前人工智慧研究領域中的一類重要的研究內容．為了處理不確定性信息，人們發展了各種數學工具和方法．如模糊集理論，貝葉斯信念網路，D-S證據理論和粗集理論．這些理論和方法均是為了處理特定的不確定性信息而發展起來的．它們還為當前數據挖掘和知識發現提供了強有力的支持．本文在不確定性信息處理的研究領域中，進一步發展了已有的理論和方法，研究了將處理各個不確定性信息的方法綜合集成到一起的系統，並取得了如下主要研究成果： 1．提出了帶概率因子的模糊推理模型，證明了該種模糊推理系統是一個通用逼近器，並給出了一種從訓練數據集中辨識該模糊模型的方法．在這種模型中，每條規則的確定性因子被解釋成由規則前件推出規則後件的模糊條件概率．在時間序列預測中的模擬研究表明帶概率因子的模糊推理模型的預測性能始終好於不帶概率因子的傳統的Mamdani-型模糊推理模型
⑸ 人工智慧和心理學有什麼關系
心理學實際上人工智慧的基礎理論之一。包括：心理學對人工智慧的影響，以及人工智慧對心理學的發展。
1、心理學對人工智慧的影響。
人工智慧的方法學可以認為三種代表性的學派：符號主義、行為主義和聯接主義。實際上符號主義和行為主義實際上都代表了種最基本的心理學理論：邏輯推理心智研究與行為主義心理學。行為主義側重從試驗來驗證理論猜想，而符號主義則側重於建立完整的公理系統。聯接主義的代表是以神經網路模型為代表的神經計算，這可以認為於心理學關系最小。因此心理學，及其衍生的心智哲學等可以認為是人工智慧的基礎支撐理論之一，比如：目前人工智慧領域的很多強化學習理論都直接來源於心理學。
2、人工智慧對心理學發展的影響。
實際上，人工智慧目前還是計算機科學下面的一個分支，盡管國內外很多專家都呼籲把人工智慧從計算機科學中獨立出來，但是還必須意識到，人工智慧實際上強調的是一種對人類智能行為的模擬，通過現有的硬體和軟體技術來模擬人類的智能行為，這包括：機器學習、形象思維、語言理解、記憶、推理、常識推理、非單調推理等一系列智能行為，目前人工智慧概念本身也有范化的趨勢，即：大自然所體現出來的智能性，如：螞蟻演算法、SWARM演算法等都是受到大自然智能現象的啟發，有些學者也把這一類歸納為AI領域。
因此人工智慧發展的是一種技術和工具，從中產生的一些成果其實是可以應用的心理學。比如;一些模擬演算法和理論的建立，可以為心理學提供一個試驗環境和分析工具。
3、如何從心理學角度入手研究人工智慧
需要研究一些有關心智推理、試驗心理學、行為主義、認知科學等理論和知識，這將為人工智慧的研究打下良好的理論基礎。
⑹ 人工智慧從心理學的角度研究些什麼
心理學實際上人工智慧的基礎理論之一。您的問題，我理解為：人工智慧與心理學之間的關系，包括：心理學對人工智慧的影響，以及人工智慧對心理學的發展。 1、心理學對人工智慧的影響。 人工智慧的方法學可以認為三種代表性的學派：符號主義、行為主義和聯接主義。實際上符號主義和行為主義實際上都代表了種最基本的心理學理論：邏輯推理心智研究與行為主義心理學。行為主義側重從試驗來驗證理論猜想，而符號主義則側重於建立完整的公理系統。聯接主義的代表是以神經網路模型為代表的神經計算，這可以認為於心理學關系最小。因此心理學，及其衍生的心智哲學等可以認為是人工智慧的基礎支撐理論之一，比如：目前人工智慧領域的很多強化學習理論都直接來源於心理學。 2、人工智慧對心理學發展的影響。 實際上，人工智慧目前還是計算機科學下面的一個分支，盡管國內外很多專家都呼籲把人工智慧從計算機科學中獨立出來，但是還必須意識到，人工智慧實際上強調的是一種對人類智能行為的模擬，通過現有的硬體和軟體技術來模擬人類的智能行為，這包括：機器學習、形象思維、語言理解、記憶、推理、常識推理、非單調推理等一系列智能行為，目前人工智慧概念本身也有范化的趨勢，即：大自然所體現出來的智能性，如：螞蟻演算法、SWARM演算法等都是受到大自然智能現象的啟發，有些學者也把這一類歸納為AI領域。 因此人工智慧發展的是一種技術和工具，從中產生的一些成果其實是可以應用的心理學。比如;一些模擬演算法和理論的建立，可以為心理學提供一個試驗環境和分析工具。 需要研究一些有關心智推理、試驗心理學、行為主義、認知科學等理論和知識，這將為人工智慧的研究打下良好的理論基礎。
⑺ 人工智慧的歷史
AI(Artificial Intelligence，人工智慧) 。
「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧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，人工智慧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, 現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確, 因之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展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。
人工智慧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、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。
知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。 `
⑻ 學習人工智慧AI需要哪些知識
需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解復雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。線性代數將研究對象形式化，概率論描述統計規律。
需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之演算法很多需要時間的積累。
需要掌握至少一門編程語言，比如C語言，MATLAB之類。畢竟演算法的實現還是要編程的；如果深入到硬體的話，一些電類基礎課必不可少。
拓展資料：
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。人工智慧可以對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧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，人工智慧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。2017年12月，人工智慧入選「2017年度中國媒體十大流行語」。
參考資料：網路—人工智慧：計算機科學的一個分支
⑼ 簡約哲學笛卡爾 人工智慧諾依曼形容什麼電音
工智能的哲學淵源
人工智慧是一個新興的，吸引眾多研究者的普遍研究領域。但是從亞里士多德支配意識中理性部分形式化為集合開始，再到唯物主義關於大腦依照一定物理定律運轉而成意識。卻潛在的推動著以後人工智慧的誕生與發展。亞里士多德提出一種三段論機械推理的原則，很久以後帕斯卡製造出了機械計算器，近似的將思維在機器上加加減減，萊布尼茲更是試圖對概念而非數字進行操作。笛卡爾堅持推理的重要性，第一個給出了關於意識和物質的區別並由此引發了一系列清晰的討論。因此有了能處理知識的物理意識，而後需要的便是知識的來源和表示的討論。
培根的《新工具論》，休謨的《論人類天性》繼而從經驗主義、感知論以及歸納原理方面很多研究學者進行了分析和討論這種知識的來源。在羅素的基礎上發展起來維也納的邏輯實證主義學派，將知識表示為對應感測器輸入的觀察語句相聯系的邏輯理論。最後便是意識如何將知識和行動聯系起來的哲學討論，逐漸發展一種理論決策規范從而指導行為。
正是這些哲學思想與理論的誕生，指導和作用於人工智慧，這一個關於如何獲得並表示以及如何利用計算機等工具進行人類思維信息過程模擬的科學。如今的人工智慧越來越具有挑戰性、吸引性和普遍性，其交叉社會科學和自然科學，通過哲學的思考為指導，從心理學的行為來出發，神經理論的模擬，經濟學的決策，控制論的優化，語言學的表述，以數學的原理來計算，並用計算機為工具實現機器的智能。
雖然這是一個令人興奮的主題，在興奮之餘，隨著各種研究的不斷深入，存在的問題不斷突出，不得不用自然辯證法這一門自然科學、社會科學與思維科學相交叉的哲學性質學科來規劃。急切需要從自然辯證法研究自然界本質和發展規律的角度看待與對待人工智慧的發展與研究，使其正確的走在自然進化的科學歷史發展軌跡上，也通過人工智慧的發展實踐來補充和完善自然辯證法不斷發展的科學體系。
二、人工智慧的韁繩——辨證唯物主義自然觀
從每年增長的對人工智慧領域的研究人員數量、論文數量、以及研究機構和各項會議的建立與活動，並且隨著包含著「智能」一詞的產品越來越多。人類的生活也隨之達到讓人驚嘆不已的地步。在帶來這些的同時，也引發了「智能危機」，迫使有些人們去擔憂道德上的顛覆以及機器戰勝人類的恐慌。
自然系統包含了存在觀和演化觀的統一。列寧指出：「物質是標志客觀實在的哲學范疇。這種客觀實在是人通過感覺感知的，它不依賴我們的感覺而存在，為我們的感覺所復寫、攝影、反映。」正是如此，人類才有可能利用計算機這種機器去復寫、攝影和反映這種客觀存在的物質。但是自然界的物質形態是多樣的，這就要求這種機器能夠對多種形態的外界物質進行識別分類，歸納出其中的統一性。這些物質對人類認識也存在不確定性，比如機器視覺需要藉助哲學討論顏色是主觀的還是客觀的，或者顏色是光與物質相互作用的結果，怎麼樣的作用，怎麼樣的描述才能准確。然而這一切模糊性只是這種機器「智能性」的初態，具有一定的機械性、不確定性，並且使用的是已經發現並可利用的自然變化規則，有些符合弱人工智慧的觀點，其認為不可能製造能真正地推理和解決問題的機器，這些機器只是看似是智能的，但不會真正智能，也不會有自主意識。相反的則是強人工智慧認為可以製造出，如今主流科研及成果集中在弱人工智慧上，而強人工智慧則停滯不前。
為了使智能顯的更加智能，人類必須思考建立一個這樣的系統，或者是多個這樣的系統建立的系統。自然辯證法一般認為，運動變化著的若幹部分，在相互聯系、相互作用之中組成的具有某種確定功能的整體謂之「系統」；使其具有整體性、開放性、動態性和層次性。人們可以建造這樣一個機器，一個可以和外界交流的會話層，一個可以汲取外界能量的吃飯層，以及一個內部的處理層。如果分的越細，通過各層各要素的相互作用，使其系統具有更多功能。同時不同結構的機器能夠達到不同的功能，環境又要求人類去製造滿足需求的機器，又便會反作用於結構。因此系統與組成要素及環境的辯證統一關系逐一形成了人類製造智能機器的限制。
這一切的發生都是在人類賦予機器的智能之上。受到人類自身知識和能力的限制，只能使機器的層次和結構遠遠達不到人類自身系統的復雜程度。也就限制了這種機器系統的演化，嚴重影響其自組織能力。在假設能夠製造出類人的智能機器，則必須要求人類完全了解自身以及社會性的知識，然而人類在研究自身上就存在眾多疑問，在浩瀚的人類奧秘面前，對自身的認識的路途達到遙遠無期的境界。因此人類若想製造出和人一樣智能體的路途也是遙不見期。不僅如此，還深受著改造自然能力的影響，比如對機械器件的製造工藝的要求，消耗能量的要求，以及其運行對生態自然的影響的要求，等等自然本身的限制。若根據生態自然觀的人與自然和諧的願景，人類在渴望改造自然，發揮人類自身的能力的同時不希望影響自身的生存。根據辨證唯物主義自然觀，人類在了解一定的自然系統及其中一系列系統原理之後能夠製造出一定智能的智能體，但是對於更復雜更智能的智能體則會受到種種的限制，需要理解進化和退化、漸變與突變、無序開放、非線性相互作用以及某時刻擾動對系統的漲落等等的影響，牽一發而動全身。不僅如此，人們還要考慮如何將非生命世界的機器發展為生命世界的實體或者二者結合，完成閉路循環、反饋調節、系統和諧的微妙復雜的系統規律。也正是由於人們認識自然系統知識越來越多，越來越復雜，要求人們去研究人工智慧，部分的替代或幫助人們解決認識自然中的問題。
三、人工智慧的策鞭——科學技術方法論
人工智慧的這一科學問題的鮮明時代性、探索性、混沌性、可解決性、待解決性及可變異性決定了來自世界各地的學生、研究人員投入其研究之中。人工智慧主要研究用人工的方法和技術，模仿、延伸、和擴展人的智能，實現機器智能。這一科學問題是眾多科研工作人員的科研起點，具有重要意義，它確立了研究對象和目標，表明了研究過程中的關鍵點，預示了解決方向，對其研究具有重要指導作用，因而成為智能科學發展的動力推動著人工智慧研究的不斷向前發展。反過來思考，機器能夠對新科學問題進行評判和思考么？甚至提出新科學問題的能力。
如今的研究依然是探索性研究，這一領域中的許多人都懷有這種期望：在理解智能的核心思想深處，至少會有一個，也可能是若干個關於怎樣組織和表述知識的重要原理，從而在某種意義上弄清了什麼是有關人的智能一般性質的重要東西。在早期人工智慧只是在簡單的句法處理意義上成功，隨著其發展面臨著試圖解決的很多問題不可操作，受到產生智能行為的基本結構某些基本限制。比如感知器似乎可以表示任何東西，但是事實證明其能表示的東西還很少。科學理論和經驗事實之間存在矛盾，要求人們尋找新的解決方法，因此在感知器的基礎上發展各種神經網路以滿足人們實踐的需要，同時通過實踐補充和完善以便解決理論內部的邏輯矛盾。也試圖從各個知識領域發熱交叉空白區獲得新的啟示。總而言之通過生產、生活、觀察、實驗等實踐活動以及科學自身發展的需求與矛盾產生問題並解決問題。
研究人員在提高自身素質的同時，進一步獲取人工智慧知識的新事實，通過引入新概念、提出試探性的假說或理論，恰當的轉換在人工智慧研究中遇到的新問題，使新成果具有需要性、創造性、科學性、可行性。在方法論方面，人工智慧正試圖將更多的學科理論摻和在一起，克服已有理論的局限性，使其成為堅實的科學方法。基於科學觀察和科學實驗的科學事實，人類在研究過程中，既要克服觀察的局限性，比如感官的局限性與錯覺、知覺的選擇影響，也要正確處理科學實驗規律及有效識別和捕捉機遇，做到觀察滲透理論、理論指導實踐。同時需要站在機器角度考慮，比如機器視覺，既要模擬人的視覺功能，也要討論是為了機器智能的逼真性而使其具備人的視覺中的錯覺，還是彌補人眼的不足達到更高級的智能，但目前還遠不能達到人眼視覺的復雜程度和能力。
從人和機器交互的角度出發研究人工智慧，需要人們在研究過程中使用科學的思維方法，又要求人們將這種思維方法付諸於機器，實現機器的更高級智能。科學抽象是從事物的各種屬性中抽取出本質屬性的方法，直接產生科學概念和科學語言。科學思維包括邏輯方法和非邏輯方法，邏輯方法包括分析和綜合、歸納與演繹、類比方法等，比如分類與聚類、知識表示、自動推理、神經網路的學習、專家系統等。然而演繹過程對於目前人類的賦予機器的能力來說，顯得相當艱難，與環境交互能力不盡完善，對新鮮事物學習不夠敏感，歸納不夠鮮明。如今的智能仍然具有應用的針對性，如果整合構建更大的智能系統具有相當大耦合難度，其復雜性也需要大科學的出現。非邏輯方法包括形象思維、直覺思維和創造性思維，這也正是人工智慧的瓶頸，思維是客觀現實的反應過程，是具有意識的人腦對於客觀現實的本質屬性、內部規律性的自覺的、間接的和概括的反應，而智能是個體有目的的行為、合理的思維，以及有效的適應環境的綜合能力，即是個體認識客觀事物和運用知識解決問題的能力。目前人們人在使用這樣的思維去感受、解決和創造人工智慧這一缺乏必要理論的學科，特別是解決一些關鍵問題上，比如機器學習、非單調推理、常識性知識表示、不確定推理方面，以及對全局性判斷模糊信息處理、多粒度視覺信息的處理都是相當困難的。事實上，人工智慧不是人的智能，更不會超過人的智能，「機器思維」同人類思維具有本質的區別：人工智慧純系無意識的機械的物理的過程，人類智能主要是生理和心理的過程；人工智慧沒有社會性；人工智慧沒有人類的意識所特有的能動的創造能力；兩者總是人腦的思維在前，電腦的在後。這就要求人們對人工智慧不斷提出假說和理論，用綠色設計的方法和理念付諸實踐，檢驗假說發展理論，利用數學和系統科學的方法，在不違背自然規律的前提下，改造利用自然，研究和發展人工智慧這一具有魅力的學科，讓所得成就為人們所用。
四、人工智慧的沉思
⑽ 學習人工智慧要准備哪些基礎知識
需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散版數學，數值分析。權
需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之演算法很多需要時間的積累。
需要掌握至少一門編程語言，畢竟演算法的實現還是要編程的；如果深入到硬體的話，一些電類基礎課必不可少。
人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。