人工智能概论

这是一篇关于人工智能概论的思维导图，主要内容包括：智能控制技术，自然语言处理，深度学习，机器学习，搜索技术，知识表示与推理，感受AI，AI时代的起航。

人工智能概论

• AI时代的起航
  • 一波三折的AI
    • 图灵测试、达特茅斯会议、寒冬、重陷低迷、神经网络发展突破、新时代的人工智能
  • AI如影随形
    • 手机美颜、聊天机器人、新闻推荐、在线翻译、虚拟现实
  • AI学派
    • 符号主义、连接主义、行为主义
  • 人工智能定义
    • 弱人工智能、强人工智能
  • AI面临的机遇和挑战
    • 在多个领域取得广泛应用，但也面临“人机和谐共生”的难题
  • 应具有的AI能力
    • 懂工具、懂编程、懂模型、懂业务
• 感受AI
  • 析音赏乐
    • 语音助手、语音识别、机器翻译、中国声谷等应用广泛
  • 别具慧眼
    • 在图像识别上颇有建树，能帮助干很多事
  • 识文断字
    • 应用到通讯系统中
  • 神来之笔
    • 应用到图像生成等活动方面
  • 运筹帷幄
    • 用在智能家居、环境监测等生活方面
• 知识表示与推理
  • 从AI符号主义说起
    • 命题逻辑、一阶谓语逻辑、知识表示的优缺点
  • 基于知识的表示方法
    • 人工智能分为计算智能、感知智能、认知智能三个层次
  • 知识图谱与知识库
    • 知识图谱起源于符号主义，能让机器具有认知能力
  • 实验:构建基于知识图谱的问答程序
• 搜索技术
  • 搜索
    • 在状态空间中寻找从初始状态到目标状态的路径的过程
  • 广度优先
    • 一种搜索策略，它先探索所有可能的邻居节点，然后再逐层深入
  • 深度优先
    • 一种搜索策略，它沿着一个路径深入探索，直到找到解决方案或到达死胡同
  • 启发式搜索
    • 使用问题特定的信息来指导搜索过程，以更快地找到解决方案
  • 遗传算法
    • 模拟自然选择和遗传学原理的搜索启发式，用于解决优化和搜索问题
  • 微粒群算法
    • 一种基于群体的优化技术，模拟鸟群或鱼群的行为来寻找最优解
• 机器学习
  • 机器学习模型
    • 算法的实现，用于从数据中学习
  • 数据准备
    • 收集和清洗数据，为机器学习模型训练做准备
  • 学习方式
    • 包括监督学习、无监督学习和强化学习等
  • 模型评估
    • 评价机器学习模型的性能和准确性
  • 实验:房价预测
• 深度学习
  • 深度学习概况
    • 深度学习的基本概念和发展历程
  • 神经网络基础
    • 深度学习的核心，包括网络结构和工作原理
  • 深度学习框架
    • 支持深度学习模型构建和训练的工具和库
  • 卷积神经网络及其应用
    • 专门处理图像数据的深度学习模型
  • 强化学习
    • 通过奖励和惩罚机制训练模型做出决策
  • 实验：利用卷积神经网络识别图像
• 自然语言处理
  • 词法分析
    • 文本处理的第一步，识别单词和符号
  • 句法分析
    • 分析句子结构，理解语法关系
  • 语义分析
    • 理解句子或文本的含义
• 智能控制技术
  • 自动控制系统
    • 无需人工干预，自动调节系统行为
  • 模糊控制
    • 处理不确定性和模糊性的控制方法
  • 专家控制
    • 基于专家知识的决策制定
  • 神经网络控制
    • 利用神经网络进行复杂系统的控制
  • 实验：利用智能音箱语音控制计算机的开关机