人工智能之入门学问

第一课：

思维 感知 行动 的模型
约束条件
代数 记号 符号 命名
方法 技术 程序 算法 表示
生成测试法包括：生成一些可能的值
生成器 分类整理信息
强有力的思想：
Rumpelstiltskin原则：给某种事物命名后，你就对他拥有了力量。
命名事物的力量，符号标记让我们对概念拥有力量。
画状态图
ADA LOVELACE 1842年 第一个程序员
说：
分析引擎不能自命不凡的认为无论什么问题都能解决，它只能完成我们告诉它如何做的事情。
推理 感知
深蓝 打败世界冠军
偶发的变革，一小群人获得了一种能力，
能将两种概念合并成为第三种概念，
同时又不会无限制的破坏原有的两种概念。

第二课：

将困难问题转换为足够简单的问题
问题归约:我们打算将这个问题转换为另外一个问题

用图来表示

1.提出常数 2.积分之和等于和之积分 3.

安全变换和启发式变换

树的深度 题域 函数复合深度

26个元素就能求解所有问题

知识的知识才是真的力量

行为的复杂性等于程序复杂性和环境复杂性中的较大值。
因为具有复杂性的是问题而不是程序本身。

第三课：

深度优先
广度优先
大英博物馆算法
小偷路径算法

 

等候列表 一个队列
递归
把扩展后的路径放到队列中
新扩展的路径要放队列的最前段/最短的路径放到最前边
但是新队列无法扩展，删除这个队列，缩短路径。
除非末端节点从未被扩展，不重复考虑已扩展的位置。
只会往左走

爬山算法
而是哪个节点距离目标近
距离目标近是怎么量化的？ 启发式衡量 每一层只保留两个。朝目标更近的方向走

 第四课：

反思层面的知识----他想复仇-----通过查找更高层的内容，反思他自己的思考过程
常识层面的知识----激怒了他-----建立目标树完成的，会在目标树的局部中看关联
背景知识

细节展开图----皮洛士式胜利
Class
trajectory ----轨迹;
path-------行动计划
place----------位置
transition ----转变
trunsfer------ 转移
cause ---------原因
goal-------- 目标
persuation -- 劝导
coercion ---- 强迫
belief ------ 相信 ，信心
mood ----情绪
part ----片段
property ---- 财产;
possession ----拥有
job ------工作
social----社会
time ---时间
role ---角色
comparision ---可比性；比较操作;
action ---行动
image ---想象

 第五课：

启发式距离

初始队列
入队和列表思想
修饰算法
分支限界+扩展列表
死马原则

可容许性
可容许启发式
一致性
------------------------------------

深蓝
分析和策略 战术 进行的下一步操作

1.可以有如果----那么------
2.形势 ----
3.看移动哪一种情况对我有利

5.我们尽量往前看，多看几层

极小化极大算法

博弈 相互压制得到的结果，既不是最大值也不是最小值。

e b 贝特算法

逐步深入法 ，每一层的计算量 b^d-1

逐步深入思想

博弈树