人工智能

这是一篇关于人工智能的思维导图，主要内容包括：进制与数据表示，数字电路与逻辑，计算机硬件与指令，机器学习，基础人物，大数据，软件与系统，神经网络，自然语言处理（NLP），数据库（Data Base）。

人工智能

• 进制与数据表示
  • 进制转换
    • 二进制↔八进制：三位一体 / 一分为三
    • 二进制↔十进制：×2ⁿ（整数）/÷2（小数）
    • 二进制↔十六进制：四位一体 / 一分为四
    • 十进制↔八 / 十六进制：÷8/16（整数）/×8/16（小数）
  • 数据类型
    • ASCII（8 位）
    • Unicode（16 位，国际通用）
  • 多媒体
    • 音频：MP3（有损）
    • 图像：JPG（高清）、PNG（矢量）、GIF（动态）；像素（最小单位）、RGB（0~255） 负数表示：补码、反码、溢出（overflow）
• 数字电路与逻辑
  • 逻辑门（表达式 + 框图 + 真值表）
    • NOT 门：X=A'（取反）
    • AND 门：X=A・B（全为真则真）
    • OR 门：X=A+B（有真则真）
    • XOR 门：X=A⊕B（相异为真）
    • NAND 门：X=(A・B)'（与门取反）
    • NOR 门：X=(A+B)'（或门取反）
  • 电路类型
    • 组合电路：输出仅由输入决定（如加法器）
    • 时序电路：输出由当前状态 + 输入决定（存储功能）
    • 基础元件：晶体管（作开关）、二极管（正向导通 / 反向截止）
    • 集成电路：硅片集成多个门电路
• 计算机硬件与指令
  • 计算机硬件
    • 存储程序概念：处理部件独立于存储部件 CPU 结构
    • 控制器：指令寄存器（IR，存当前指令）、程序计数器（PC，存下一条指令地址）
    • 运算器：ALU（算术逻辑单元）
    • 寄存器：临时存运算中间结果（0~F）；# 寄存器存最终结果（00~FF）
  • 机器指令
    • 分类：数据传输、算术逻辑运算、控制
    • 执行周期：取指→译码→执行
    • 指令格式：操作码 + 操作数（4 位：1 位操作码 + 3 位操作数）
• 机器学习
  • 无监督学习：分类、聚类 有监督学习：回归（识别） 强化学习：效果优化、股市预测 深度学习
• 基础人物
  • 约翰・麦卡锡：AI 概念提出者（计算机模仿人类智能行为）
  • 艾伦・图灵（英）：计算机科学 / AI 之父；图灵机（模型，无无限纸带）、可计算理论、图灵测试（失误超 30%）
  • 冯・诺依曼（美）：现代计算机之父；作品 ENIAC 发展三历程：基于规则→基于经验→基于学习 自动计算要素：数据表示、计算规则表示、数据 / 规则存储、规则自行执行
• 大数据
  • 5V 特征
    • Volume：量大（单位：KB→MB→GB→TB→PB→EB→ZB；1TB=1024GB）
    • Velocity：处理速度快
    • Variety：数据种类多
    • Veracity：准确性
    • Value：价值密度低（= 部分值 / 总数值）
  • 数据流程
    • 采集：数据样本 存储：CSV、数据库 处理：清洗、整合、特征提取、转换 分析
• 软件与系统
  • 操作系统 发展历程
    • 手工操作：用户独占全机；缺点（CPU 利用率低、人机矛盾）
    • 批处理 单道：引入外设（磁盘），解决人机矛盾；缺点（外设与 CPU 矛盾） 多道：缺点（无人机交互）
    • 分时系统：分割时间片；优点（CPU 利用率高、人机交互）
    • 实时系统：CPU 持续任务 + 实时反馈；特点（高精准：毫秒 / 秒级；场景：AI / 智能、双 11 / 春运）
  • 层级关系：软件（应用）→操作系统（API / 机器指令）→硬件
  • 计算机网络发展阶段
    • 第一代：远程终端连接（终端与主机）
    • 第二代：局域网（LAN，主机与主机）
    • 第三代：广域网 / Internet（局域网与局域网）
    • 第四代：信息高速公路（业务量 / 数据激增）
  • 核心概念
    • 节点：任何连网设备（主机）
    • IP 地址：IPv4（32 位二进制→4 段十进制，最大 255）、IPv6（128 位，包含 IPv4）
    • 域名系统：com（商业）、edu（教育）、gov（政府）、museum（馆）、cn（中国） 协议：SMTP（邮件传输）、FTP（文件传输）、HTTP（超文本传输）、TelNet（远程控制）
• 神经网络
  • 至少三层（输入层、隐藏层、输出层）；多层 = 深度神经网络 核心架构：Transformer（最早）
  • 大语言模型（LLM）：6850 亿参数；代表：GPT-3（OpenAI，1760 亿参数） 挑战：可解释性、对抗样本（识别错误）
  • 智能体（Agent）：Multi-Agent System；C/A/O/R/S/T（背景 / 受众 / 任务 / 格式 / 风格 / 语气） 普及速度：Deepseek（全球 1 亿用户用时最短） 计算机视觉（CV） 图像类型：二值图像（黑 000 / 白 255；有阴影、不对称→不推荐） 核心任务：图像分类、目标检测、视频分类、人体关键点检测、场景文字识别、目标跟踪
  • 分割任务语义分割：识别类别，不看个体，关注边界 实例分割：语义分割基础上，关注个体（数量 / 位置）+ 边界 图像处理流程：采集→预处理→分割 工具：OpenCV（官网：https://opencv.org/）、YOLO
• 自然语言处理（NLP）
  • 定义：人与机器的语言交互 目标：机器理解、解析、生成人类语言 核心任务
  • NLU（理解）：语音识别、自然语言理解、机器翻译
  • NLG（生成）：聊天机器人、文本纠错 处理流程：分词→词性标注→句法分析→语义分析 机器翻译：词典、规则库→基于理解
  • 生成（NLG）：算法 + 模型→模仿人类语言
• 数据库（Data Base）
  • 数据库管理系统（DBMS）：MySQL、ORACLE（关系型） 核心操作：增、删、改、查（关系） 原则：ACID