人工智能__一種現代方法 緒論
緒論回答了以下幾個問題：
- 人工智能的定義
- 人工智能的基礎
- 人工智能的歷史
- 人工智能的應用
一、定義
從思考和行動兩個方面來定義，如上圖，像人一樣思考，像人一樣行動，即要觀察總結人的思考和行動方式；合理的思考，合理的行動，即通過已知條件，做了正確的事情。
**類人思考：**通過內省和生理實驗捕捉我們的思維過程，並建立認知模型，對相同的輸入機器的輸出和人的輸出類似，則說明模型合理，反過來也可以證明人類的思考過程。
**類人行動：**測試方法是機器能通過圖靈測試，這要求了機器具備自然語言處理，知識表達，推理和自我學習能力。
**合理思考：**符合邏輯的思考，典型的是符號主義的推導。
**合理行動：**追求已知條件下的最優結果，採取的行動能達到設定的目標。
二、基礎
簡述對AI有技術、觀點貢獻的學科。
1）哲學
回答了：
一個正常的規則能否得到一個有效的結論？意識是如何從大腦中產生？知識是怎麼來？知識怎麼引導行動？
Aristotle覺得可以爲大腦理性思考的部分建立一個推理規則。經驗主義是知識的來源。知識作爲背景，倒推分解行動的目標，得到行動序列。
2）數學
AI解決問題是搜索式，可能會出現組合爆炸無法計算，數學就是爲可計算性提供了基礎。除此之外，數學很重要的一點是提供了一種怎麼面對不確定性信息的推理，貝葉斯定理。
3）經濟學
AI一個重要的步驟是確定動作的合理性和最優性，經濟學建立一套最優決策模型，是AI建立目標函數，獎勵函數的基礎。
4）神經科學
神經科學建立了腦神經模型–神經元。爲神經網絡，深度學習提供了建模基礎。
5）心理學
外界的刺激首先是要轉化爲內部信息才能被大腦使用。但這種內部信息並沒有一對一的處理邏輯，而是通過了數以億計的神經元鏈接後，產生了意識。心理學中的一支，認知心理學對這種機制進行了一定的探索。
6）計算機科學
計算機科學解決了人工智能中的“人工”問題。建立一個高效的運算實體。
7）控制論
現代控制理論控制的目標是最優化目標函數，這和AI的思路是相似的，但爲啥還要區分這兩個概念？原因在於控制論是用微積分和矩陣論建立一套連續變量的描述，而AI則是逃離這種固化的描述。
8）語言學
AI很重要的一個步驟是知識的表示。NLP和AI幾乎是同步在成長。
三、歷史
AI萌芽在1943年，Warren McCulloch等研究了心理學知識和神經元對大腦的作用、圖靈的計算機理論等。
McCarthy於1956年召集10個研究AI的學者在Dartmouth大學召開了爲期2個月的AI大會，標誌者AI學科的誕生。
1952~1969年大家對AI寄予了極大的熱情和期望，在這期間提出了物理符號系統，LISP語言。
1966~1973年，AI的發展速度並未有人們的期待那麼好，實際上AI在解決一些稍微複雜的問題時手足無措，包括提出的遺產算法。政府停止了對一些高校AI項目的資助。
1969~1979年，弱方法逐步發展到專家系統。所謂的弱方法就是通用的搜索機制，沒有考慮領域知識，遇到尺度大和難度高的問題顯得比較無力。專家系統通過領域知識將搜索範圍和難度都降低了，問題求解能力更強。
1980~至今，AI發展成爲了一個產業，比較著名的是Digital Equipment Corporation的R1專家系統，用來處理訂單。美國成立了MCC財團研究AI用以增強國際競爭力。但同時，很多AI公司兌現不了他們誇張的承諾倒閉了。
1986~至今，神經網絡迴歸。連接主義和符號主義互補，共同發展。
1987~至今，AI更喜歡在現存的理論上發展而不是創造一個全新的方法，因爲它們需要嚴格的理論和經驗證據。這個時間段，一些基於經驗的學習方法包括，HMM，貝葉斯網絡發展以來。
1995~至今，智能體的出現。發展了human-level AI， Artificial General Intelligence，Friendly AI。
2001~至今，大數據在AI中的運用。
四、應用
AI到底可以用在哪些方法可能比較難以回答，但是現在AI在一下方面的運用進行的如火如荼：
1 無人駕駛
2 語音識別
3 自動規劃
4 遊戲
5 防止欺詐
6 機器人
7 機器翻譯