人工智慧：ai (artificial intelligence) is the science of ****** machines that:
think humanly （認知建模）;
think rationally （思維法則）;
act humanly （圖靈測試）;
act rationally (理性agent）
上面這個定義算是比較全面的了，總共說了四個維度。這四個維度分別對應一些方法/領域/研究技術。
但是人工智慧的推導求解（reasoning）有兩個難點：1）非正式的知識（問題）難以用正式術語描述，尤其是這些知識通常不是100%確定的（存在不確定性，比如自動駕駛突然有人從路邊衝出）；2）「理論上」能求解問題，和「實際上」能求解，是完全兩個概念（不對等）。
經濟學 、哲學、數學、心理學是人工智慧的基礎。
理性：指的是乙個系統的屬性，即在乙個已知的環境下做正確的事。
共分為5個階段：
四五六十年代：早期的ai研究(連線主義與符號主義發展)
六七十年代：早期的ai程式遇到了困難(機器翻譯失敗，組合**問題，感知機有」 侷限」)
七八十年代：基於知識的系統盛行，專家系統商業化
九十年代00年代：五代機等ai計畫失敗。用科學方法研究ai。神經網路回歸。智慧型agent出現。
00年代10年代：大資料出現。機器學習興起
第一階段
連線主義（神經網路）
2023年warren mcculloch和walter pitts提出了人工神經元模型，被認為是最早的人工智慧工作。
2023年donald hebb提出了一條更新神經元之間連線強度的學習規則，稱為赫布型學習(hebbian learning)，至今仍有影響。
2023年marvin minsky和deanedmonds構建了第一台神經網路計算機（snarc）
符號主義（推導系統）
cmu的newell和simon的邏輯理論家程式lt,能證明《數學原理》第2章中大部分定理。隨後研製了通用問題求解器gps 模擬人類求解問題（通過符號形式化地描述和求解問題。）
ibm的arthur samuel(從2023年開始)編寫出西洋跳棋程式。
第二階段
機器翻譯需要背景知識
用於產生智慧型行為的基本結構具有某些根本侷限；問題規模大，所以人工智慧求解不可操作
第三階段
專家系統
魯棒的語言理解將需要關於世界的一般知識和使用知識的一般方法
第四階段
科學方法研究ai：hmm（即 隱馬爾科夫模型），貝葉斯網路，神經網路（neural network），agent出現
貝葉斯網路為不確定推理提供了數學理論，使專家系統可以有效地處理不確定性的知識。
第五階段
大資料+機器學習
現階段ai=大資料+機器學習+高效能計算
資源分享
人工智慧 一種現代的方法 第2章 智慧型Agent
agent的本質，完美性，環境多樣性，分類 環境agent感知序列 該agent所接收到的是所有輸入資料的完整歷史。agent函式 描述agent行為，將任意給定感知序列對映為行動 agent程式 人造agent函式的實現。理性的概念 理性對每個可能的感知序列，根據已有的感知序列提供的證據和agen...
人工智慧 一種現代方法 第4章 超越經典搜尋
2018.3.23 很多現實生活中的最優化問題目標與路徑是不相關的，諸如布局問題 八皇后問題。區域性搜尋演算法對於解決純粹的最優化問題十分有效，根據目標函式找到全域性最優狀態。即代價的全域性最小值，目標函式的全域性最大值。定義 不斷向值增大的方向移動，直到到達區域性最優 也被稱為貪婪區域性搜尋，貪婪...
人工智慧 一種現代方法的總結
這本由stuart 和 peter 寫的ai經典入門之作，洋洋灑灑的有1千多頁，被我用一年的業餘時間終於看完了。有何收穫？很難用一兩句話說清，好在都記錄在筆記本上。整本書的結構是先介紹搜尋演算法，搜尋可以用於找出從初始狀態到目標狀態的一系列動作變化。在第二部分主要介紹邏輯，基於邏輯的機械人也稱為以知...