2、人工智慧的定義：有四種，像人一想思考、合理地思考、像人一樣行動、合理地行動
3、合理的行動（當前的定義），有統一的標準，易於實現
a、正確的推理可能是合理的推理
b、正確的推理不是合理性的全部
c、有些合理的行動不涉及推理
合理的行動比思維法則更一般，因為正確的推理只是實現合理性的其中可能機制之一；比人類的行為更經得起科學的檢驗，合理性的標準在數學上定義明確。
4、像人一樣行動：圖靈測試：為智慧型提供乙個令人滿意的可操作性的定義，是乙個試驗的測試而不是乙個文字的表述。若人類詢問者在提出書面問題後不能區分書面回答來自人還是計算機，那麼這台計算機就通過了圖靈測試
5、圖靈模仿遊戲：圖靈測試的乙個手段，用來判斷是否具有智慧型行為的測試
a、詢問者+男回答者+女回答者
b、詢問者目的：通過問問題判斷誰是男人誰是女人
c、第一階段：男欺騙詢問者讓詢問者相信自己為女，女說服詢問者相信自己為女
d、第二階段：計算機替代男回答者，計算機模擬男人的角色向詢問者進行欺騙（30%）
e、如果計算機能夠成功地欺騙詢問者，那麼我們說這台計算機能通過智慧型行為測試
f、圖靈測試的不可重複性：被欺騙一次後詢問者也會有學習過程
6、像人一樣思考：認知建模。
7、對人類精神過程的可測試性推理，著重於思維的過程
8、要使程式像人一樣思考，首先要知道人如何思考：內省（自己問自己怎麼做），心理實驗（別人問我怎麼做），腦成像（機器問我怎麼做）是獲得人思考的三種方式
9、通用問題求解器（向人一樣思考的機器）：只能處理比較小的某一類的問題，難以準確了解人腦的內部認知活動。不滿足於正確解決問題，而是探求求解步驟是否相同於人類思維。
10、合理的思考：邏輯表達的方式，能夠帶來最高效率的思考方式就是合理的，把程式的求解表示為用邏輯法來解決任何問題，即邏輯推理。
11、侷限性：並不是所有問題都可以用邏輯來表達，另外當問題過大時邏輯方法可能會耗盡計算機資源
12、合理的行動：agent就是能夠行動的某種東西。合理agent（當存在不確定性時，能夠實現最佳期望結果而行動的agent）
13、agent可以抽象地表示成方程：蒐集資訊，處理資訊，行動
14、人工智慧的學科基礎
15、人工智慧歷史
16、最新發展水平：機械人汽車、語音識別
17、agent相當於與環境相互感知的物件，通過感知器感知環境序列並轉化為行為，再通過執行器產生對環境的影響（感知器+執行器+之間的對映函式）
18、人類agent：感知器為眼睛、鼻子、嘴巴等等，執行器為手、腳、聲道等，轉化是人腦
19、機械人agent：感知器為攝像頭、探測儀，執行器為馬達、音響等
20、感知器（sensors）感知環境資訊給agent，通過faction處理資訊轉化為行為給執行器（actuartors）反饋資訊給環境
21、agent函式將任何感知歷史資料對映為行為，agent程式通過物理系統上執行來實現agent函式，agent=體系結構（sensor+actor）+程式，即軟體和硬體
agent程式：
a、以感測器得到的當前感知資訊為輸入
b、以執行器的行為為輸出
c、僅僅以當前感知為輸入而不是整個歷史感知為輸入
22、查表：簡單、速度快，但不具有通用性，不便於擴張
23、理性agent：對於每乙個可能的感知資料序列，乙個理性的agent應該採取乙個行為已達到最大的效能，即必須是agent+產生最大效能
a、乙個agent應該根據他感知的資訊產生乙個行為
b、給行為是正確的，也就是說能產生最大的效能
24、理性判斷的四個因素：先驗知識，可以完成的行動，截止到此刻的感知序列，效能度量
a、訓練集資料是提供先驗知識的東西
b、訓練出來的模型是agent程式
25、效能度量：用客觀標準評價agent行為的成功性。以行為來度量效能不如以結果來度量 效能
26、三個基本概念：全知（什麼都知道，包含理性和完美）、理性、完美
27、理性不等於完美
a、理性使期望的效能最大化
b、完美使實際的效能最大化
28、理性agent：
a、資訊收集
b、自主性，能夠進行學習
29、任務環境四要素：效能、環境、執行器、感測器
30、環境的性質（分類方式）
a、完全可觀察，部分可觀察（當前狀態）：在某個是簡單上獲取環境的完整程度vs獲取環境的部分狀態（如真空吸塵器和自動駕駛汽車）西洋棋是完全可觀察的，因為所有的當前資訊都給出來了。
b、單agent，多agent：獨自執行vs同時執行（字謎遊戲和西洋棋）
c、確定的，隨機的：確定的環境下乙個狀態完全取決於當前狀態和agent執行的行為，否則為隨機的（真空吸塵器和自動駕駛汽車）
d、片段式，延續式：agent的經歷被分成乙個個院子片段，在每個片段中agent感知資訊並完成單個行為，下乙個片段不依賴於以前的片段，而延續式的環境當前決策影響未來（如檢查次品和西洋棋）
e、靜態的，動態的：環境在agent計算時會不會變化（填字遊戲與自動駕駛，西洋棋應該是半動態）
f、離散的，連續的：環境的狀態、時間的處理方式以及agent的感知資訊和行為都有離散和連續之分（填字遊戲和自動駕駛）
31、agent的表驅動方法：缺點：錶太大，建立時間長，需要人工更新
32、agent四種型別：簡單反射，基於模型，基於目標，基於效用，依次遞進，環境越來越複雜。
33、簡單反射agent：基於當前的感知選擇行動，不關注歷史資訊；當前狀態+當前感知（僅考慮前車剎車燈的剎車問題）
34、基於模型的反射agent：agent根據感知歷史維持內部狀態，agent隨時更新內部狀態資訊；當前狀態=當前感知+上一時刻狀態（+上一時刻行動）（在上問題的基礎上考慮了距離前車距離的剎車問題）
35、基於目標的agent：除了根據感知資訊以外還有根據目標採取行動；當前行動=當前狀態+當前目標。效率低，需要推理（在上問題的基礎上考慮了路況《十字路口》和行駛計畫的剎車問題）
機器智慧型（十一）
1 相似性度量 a 資料庫 儲存後台多 資料 包含多個多 物件p 每個物件表示成d維向量形式 b 查詢q 從查詢物件中抽取的d維特徵向量 c 度量 計算p與q之間的相似性或者距離d p,q 其中d是距離度量函式 2 典型的相似性度量公式 a l p方程 p 2為euclidean距離 帶權值的l p...
關於智慧型機器對話
1.之前webapi用科大訊飛語音合成，aiui語音識別，圖靈機械人智慧型反應 2.現在開始離線版本，打算改寫科大訊飛安卓sdk實現多 聲音的識別與合成 3.智慧型分析與對話涉及到技術 seq2seq lucene hanlp nlp 自然語言處理 集束搜尋beam search和貪心搜尋greed...
人工智慧機器學習
機器學習是從資料中自動分析獲得規律 模型 並利用規律對未知資料進行 資料處理 首先將所有資料放在一起，然後將其順序打亂。由於順序不是判斷酒水的依據，我們並不期望順序影響到模型學習到的內容。換言之，我們判斷一種酒是紅的還是啤的，並不需要知道前一種或是接下來有什麼酒出現。這時，可以著手繪出視覺化的資料分...