本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在学习摘录和笔记专栏：

学习摘录和笔记（3）---《人工智能研究中的几点思考》

人工智能研究中的几点思考

原文/论文出处：

题目：《人工智能研究中的几点思考》

作者：赵路

时间： 2019-04-04

来源：人机与认知实验室

1956年达特茅斯会议的展开，宣布了人工智能学科的诞生。总体而言，人工智能的总体进展可以分为四个阶段：酝酿阶段、初步发展阶段、积累阶段与蓬勃发展阶段。

目前人工智能界现存的几大瓶颈：

即机器仍然无法形成常识、动机与智能决策

人工智能的发展方向：

很多群居生物进行觅食、逃跑之时，往往个体没有复杂的行为，但群体的行为却涌现出复杂的智能现象。

集群智能的五大原则：分别为邻近原则、品质原则、多样性反应原则、稳定性原则与适应性原则。

比较著名的集群智能有蚁群优化、粒子群优化算法和人工鱼群算法。

由Zadeh于1994年提出，旨在解决传统人工智能计算方法中不精确以及不确定的方向与内容。

计算分为两类：硬计算与软计算。软计算的概念被广泛接受。

主要内容包括人工神经网络、遗传算法、模糊逻辑等理论与方法。

随着实际应用变得越来越复杂，数据的维度变得越来越高，传统的机器学习已经难以解决现有问题。

如果把两种或多种方法进行组合，那就可以起到扬长避短的效果。

表1:几种常见方法的优缺点对比

着重研究人机决策机制的差异，从底层算法做起，将人的动机、预期机制与决策机制相互融合，逐渐形成有自主预期、动机的决策机制。

文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。