人工智能基础
1. 人工智能定义
2. 人工智能学派
3. 人工智能历史
4. 机器学习与深度学习
5. 计算机视觉
6. 自然语言处理
7. 知识图谱
8. 机器人技术
9. 交互技术
1.人工智能定义
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。
人工智能的概念很宽泛，现在人们根据人工智能达到的能力水平将其划分成3类。
- 弱人工智能
能 根 据 人 类 设 计 的 某 种 算 法 依 托 计 算 机 进 行 基 本 逻 辑 推 理（Reasoning）和解决某种特定问题（Problem-solving）的智能。
弱人工智能在某一方面表现出智能，但是不具有与人类相当的智力水平和思维模式。 - 强人工智能
可以胜任人类所有工作的人工智能，能够进行思考计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习，具备在存在不确定性因素时进行推理、使用策略、解决问题、制订决策的能力，使用自然语言进行交流沟通的能力及将上述能力整合以实现既定目标的能力。 - 超人工智能
指随着科学技术的不断发展和协同工作，让计算机创造出一种在科学创新、通识和社交技能等方面都比人类大脑聪明很多的智能。
2.人工智能学派
传统的人工智能被称为符号主义（Symbolicism）学派，符号主义主要研究的是基于逻辑推理的智能模拟方法。
而一些人则认为可通过模拟大脑的神经网络结构结合脑认知原理实现，逐步形成连接主义（Connectionism）学派。
此外还有人认为可以从仿生学及生物体与环境互动的模式中寻找答案，进而形成行为主义（Actionism）学派。
- 符号主义学派
符号主义主要研究的是基于逻辑推理的智能模拟方法。
符号主义学派发展了启发式算法→专家系统→知识工程理论与技术
专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。
学派的代表人物有纽厄尔（Newell）、西蒙（Simon）、尼尔逊（Nilsson）等
基于大数据知识工程的知识图谱（Knowledge Graph）是符号主义学派人工智能代表性应用成果 - 连接主义学派
“连接主义”研究者认为神经网络和神经网络间的连接机制和学习方法能够产生智能 - 行为主义学派
“行为主义”研究者认为人工智能源于控制论。
维纳（Wiener）和麦卡洛克（McCulloch）等提出的控制论和自组织系统及钱学森等人提出的工程控制论和生物控制论影响了许多领域。
当前行为主义人工智能研究走在世界前列的无疑是波士顿动力（Boston Dynamics）机器人
3.人工智能历史
从早期基于推理和搜索的时代，到基于知识工程和专家系统时代，直到今天以机器学习和深度特征表示学习的时代。
新一代人工智能的驱动因素
- 数据量爆发性增长
- 计算能力大幅提升
- 深度学习等算法发展
- 移动AI创新应用牵引
4.机器学习与深度学习
机器学习（Machine Learning，ML）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。
根据学习模式、学习方法及算法的不同，机器学习存在不同的分类方法。
根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。
根据学习方法可以将机器学习分为传统机器学习和深度学习。
深度学习是机器学习领域中一个新的研究方向，它更接近于人工智能的追求目标。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果远远超过先前相关技术。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音识别、推荐和个性化技术及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了巨大的进步。
5. 计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像及图像序列的能力。
自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。
根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类
未来
计算机视觉技术的发展主要面临以下挑战：
- 如何在不同的应用领域与其他技术更好地结合，在某些问题上却无法达到很高的精度
- 如何降低计算机视觉算法的开发时间和人力成本
- 如何加快新型算法的设计开发
6.自然语言处理
研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等
- 机器翻译
机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程 - 语义理解
语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程 - 问答系统
问答系统分为开放领域的对话系统和特定领域的问答系统。
问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。
自然语言处理面临四大挑战:
一是在词法、句法、语义、语用和语音等不同层面存在不确定性；
二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性；
三是数据资源的不充分使其难以覆盖复杂的语言现象；
四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算。
