人工智能基础总结
历史：
1950：图灵测试，机器智能的度量
1956 - 1974：黄金发展期
1956：会议，AI研究领域诞生
1958：第一个AI程序，逻辑理论家（LT）
1965：医学诊断方法程序
1974 - 1980：第一个冬天
1980– 1987：繁荣期，决策树模型，多层人工神经网络（ANN）
1987 - 1993：第二个冬天
1993 – Now：爆发期
2012：苹果“Siri”，智能个人助理和知识导航软件
2012：实时英语-中文翻译系统，保持演讲者声音和口音
2014：微软推出的“Cortana”智能个人助手，以及聊天机器人“小冰”
2014：IBM推出AI芯片“TrueNorth”，百万神经元
2015：Google DeepMind推出的DQN深度强化学习
2015：百度推广的秘书化搜索服务“度秘”
2016：Google DeepMind推出的AlphaGo围棋机器人，相继完胜职业棋手
2016：阿里巴巴的“小Ai”人工智能软件
涉及理论领域基础（重要4部分）：
数学基础领域：
- 逻辑学：得到正确结论的形式规则（包含命题理论、一阶逻辑、指称理论）
- 计算学：可计算性，易处理性，NP完全理论
- 概率学：不确定信息推理，统计学方法，贝叶斯方法
神经科学领域：
认知心理学：
人类如何思考与行动：包含注意机制、语言运用、记忆、感知、问题求解、创造力和思考等。
通过人类参与者的心理实验来收集信息，研究人脑如何接受外界世界的输入，目的是：如何处理以及作用。
控制理论与控制论：动态系统对输入的行为，如何通过反馈进行调整。调整通过调控系统：包含结构、约束和可能性三点
现状：
分类1：类人思考，理性思考，类人动作，理性动作
分类2：人工狭义智能（ANI），人工广义智能（AGI），人工超级智能（ASI）
应用：计算机视觉、图像处理、VR/AR/MR、模式识别、智能诊断、博弈论和策略规划、AI游戏与游戏机器人、机器翻译、自然语言处理和聊天机器人、非线性控制与机器人技术、自动推理、概念计算、数据挖掘、智能生活、自动化、知识表示等太多了。
主要研究方向:
- 搜索：问题求解
- 推理：知识
- 规划：规则
- 学习：数据
- 沟通应用：NLP、机器翻译
- 感知应用：视觉，听觉
- 动作应用：机器人，无人飞行器，无人驾驶
其中1-4为基础原理部分，5-7为应用部分。
人工智能研究途径：
符号AI（Symbolic AI）最成功的案例是专家系统，对规则进行操作来进行推理和确定需要什么附加信息。仅通过人们通俗的符号来表示。
亚符号AI：增加概率、统计、置信度的表示。
符号主义：属于规划方法，通过符号与符号之间的关系来表征信息，通过处理这些符号来解决问题和推理新的知识。类似于符号AI
连接主义：网络内部的一种分布形式来表征信息，模拟生物学过程的基础学习、任务功效和问题求解来实现。
逻辑与反逻辑等等
