首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

学习人工智能AI需要哪些最基础的知识?

人工智能的定义可以分为两部分,即“人工”和“智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或着人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。 关于什么是“智能”,就问题多多了。这涉及到其它诸如意识(consciousness)、自我(self)、思维(mind)(包括无意识的思维(unconscious_mind)等等问题。人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。 人工智能目前在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用--机器视觉:指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统等。 人工智能(Artificial Intelligence)是研究解释和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论,进而设计可以展现某些近似于人类智能行为的计算系统。AI作为计算机科学的一个重要分支和计算机应用的一个广阔的新领域,它同原子能技术,空间技术一起被称为20世纪三大尖端科技。 人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 知识表示是人工智能的基本问题之一,推理和搜索都与表示方法密切相关。常用的知识表示方法有:逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。 常识,自然为人们所关注,已提出多种方法,如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。 问题求解中的自动推理是知识的使用过程,由于有多种知识表示方法,相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要,近几年来提出了多种非演泽的推理方法,如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。 搜索是人工智能的一种问题求解方法,搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示,启发式知识利用得越充分,求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。 机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程,按照学习机制的不同,主要有归纳学习、分析学习、连接机制学习和遗传学习等。 知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识,当知识量较大而又有多种表示方法时,知识的合理组织与管理是重要的。推理机在问题求解时,规定使用知识的基本方法和策略,推理过程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识,则这样的知识系统称为专家系统。为适应复杂问题的求解需要,单一的专家系统向多主体的分布式人工智能系统发展,这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。 需要数学基础:高等数学,线性代数,概率论数理统计和随机过程,离散数学,数值分析。 需要算法的积累:人工神经网络,支持向量机,遗传算法等等算法;当然还有各个领域需要的算法,比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。 需要掌握至少一门编程语言,毕竟算法的实现还是要编程的;如果深入到硬件的话,一些电类基础课必不可少。

03

人工智能应该成为促进教育的良药

人工智能的飞速发展对于教育而言的确是现实版的“狼来了”,其应对良策绝不是陷于生存焦虑中而自怨自艾,而应是基于危机意识的不断反思,并逐步走向自我完善,让人工智能成为促进教育进化的一剂良药。 人工智能作为国际竞争的新焦点与经济发展的新引擎,正在对越来越多的行业产生冲击。在教育领域,伴随着人工智能所蓄积力量的释放,人们不可避免地会问,教育本质会不会改变?学校是否会消失?教师是否会被机器人替代?这些问题体现了人们面对人工智能的危机意识以及危机意识背后的焦虑。而危机意识的出现,往往会是引发变革的前奏,笔者认为,之于教

06

人工智能真能给我们想要的生活,那么工作呢?

虽然每个人都担忧人工智能(AI)正在取代自己的工作,但不可否认的是这项技术让我们的生活变得更加简单。 目前想象中所能勾勒的最佳场景应用 在完美的乌托邦种,你的日常生活是从家庭AI系统(具体可以参考钢铁侠的Jarvis)开始的。打开百叶窗,系统会告诉你当前的天气,热点新闻等信息。 你可以享用由机器人批量生产并采摘下来的水果作为早餐,根据天气信息能够为你穿上最适合的衣服。当你坐进无人驾驶汽车之后就会将刚刚泡好的咖啡送到你的手里,自动定航前往足球场观看孩子的比赛。此外你不在需要工作,全球的基本收入已经足以让你

08

深度学习公司Maluuba发布世界上最大的人造问答集来推动人工智能的研究

MALUUBA是一家深度学习公司,位于加拿大魁北克省蒙特利尔市,致力于从事促进机器人像人类一样思考、推理和交流的事业。该公司今天宣布即将公开发行两个复杂的自然语言理解数据集。在资源的可利用化过程中,MALUUBA公司旨在进一步推动和促进人工智能领域的研究,以取得突破性创新成果。 Maluuba公司的新数据集是自然产生的,而不是人工生成的,它探索了人类在读写和对话方面的基本能力。这些数据集具有一定的复杂性,目前已经应用于开发机器的阅读理解能力、面向目标的对话系统和对话接口领域的研究。 “我们相信,语言的理解

08

马毅沈向洋曹颖最新AI综述火了!耗时3月打造,网友:必读论文

白交 发自 凹非寺 量子位 | 公众号 QbitAI 千呼万唤始出来,马毅教授的AI综述论文终于出炉! 耗时三个多月,联合神经科学家曹颖、计算机大牛沈向洋,协作完成。 据本人描述,这篇论文是将他“过去五年的工作以及智能七十多年的发展有机结合起来”,并且还表示: 一生从未在一篇文章上花这么多精力和时间。 具体而言,就是“理出了智能的起源以及计算原理的基本轮廓和框架,能让大家认识到这种理论联系实践的可能性。” 此前在社交网络上预告时,许多网友都期待十足。 结果今天刚发不久,就有学者表示,正好要设计新的生成

02

《元学习meta learning)》2020综述论文大全!

近年来,元学习领域,或者说“学会学习的学习”,引起了人们极大的兴趣。与传统的人工智能方法(使用固定的学习算法从头开始解决给定的任务)不同,元学习的目的是改进学习算法本身,考虑到多次学习的经验。这个范例提供了一个机会来解决深度学习的许多传统挑战,包括数据和计算瓶颈,以及泛化的基本问题。在这项综述中,我们描述了当代元学习的景观。我们首先讨论元学习的定义,并将其定位于相关领域,如迁移学习、多任务学习和超参数优化。然后,我们提出了一个新的分类法,对元学习方法的空间进行了更全面的细分。我们综述了元学习的一些有前途的应用和成功案例,包括小样本学习、强化学习和体系架构搜索。最后,我们讨论了突出的挑战和未来研究的有希望的领域。

03
领券