AI理論學習

#關於ai理論學習的筆記

淺顯地理解ai領域，輸入如感知推理，輸出如下棋寫詩，有為了更好通過圖靈測試的仿生，或則是減少人工介入的「智慧型」。

圖靈測試就是讓人分不清是人還是機器，涉及自然語言處理、表達、推理和學習，刻意避免了直接的物理互動，完全的圖靈測試還包括計算機視覺和機械人控制，用以增強感知和輸出。

亞里斯多德的三段論開啟了邏輯學，人工智慧中的邏輯主義流派希望依靠此建立智慧型系統，這個流派遇到的最大問題是將非形式的資訊用邏輯形式呈現和求解問題和解決實際問題的差別。

agent,表示能夠執行的動作，合理的agent是為了實現最佳結果，或則是在不確定環境中為實現最佳期望而採取的行動，乙個合理實現完美的論斷是：在複雜環境中總做正確的事是不可行的。

ai的基礎包括哲學、數學、經濟學、心理學、電腦科學、神經科學和語言學，從最初的專家系統到深度學習；老式的人工智慧是符號人工智慧，試圖把人類思維變成符號操作法讓計算機理解，而機器學習（深度學習）是根據資料建立和改善演算法。

演算法一詞出自9世紀波斯數學家花剌子模（al-khwarizmi）,與程式要求精確按部就班的執行不同，演算法只需要遵守一系列的規則和指令。深度學習中演算法在不同層次執行，每個層次加工上一層的資料並將輸出結果傳給下層，輸出結果是二進位制的。

深度學習，尤其是人工神經網路（ann）,是一種回歸，20世紀60年代因為效率太低而被打入冷宮卻隨著技術發展資料完善而重新受寵。