人工智能概述

1、从典型任务/应用对人工智能分类（上世纪70年代以来）

• 机器定理证明（逻辑和推理），仿解题者
• 机器翻译（自然语言理解），仿译者
• 专家系统（问题求解和知识表达），仿专家和医生
• 博弈（树搜索），仿弈者
• 模式识别（多媒体认知）,仿认知者
• 学习（神经网络），仿初学者
• 机器人和智能控制（感知和控制）仿生物者
• 形成了符号学派、连接学派、行为学派

2、从智能角度对人工智能进行分类

• 领域人工智能（依葫芦画瓢、任务导向）
• 通用人工智能货跨领域人工智能（举一反三、从经验中学习，如“人类”智能）
• 混合增强人工智能（多种智能体的混合形式）

3、人工智能发展中的主流方法：

• 符号主义人工智能（Symbolic AI）为核心的逻辑推理（符号化，知识图谱的形式表现出来）
• 数据驱动为核心的机器学习：
• 强化学习：智能体与环境交互，在探索与利用之间取得平衡为核心的强化学习

学习模式	优势	不足
用规则教	与人类逻辑推理相似，解释性强	难以构建完备的知识规则
用数据学	直接从数据中学	以深度学习为例：依赖于数据、解释性不强
用问题引导	从经验中进行能力的持续学习	非穷举式搜索而需更好策略