Python人工智能入门概念

---

---

自从计算机或机器发明以来，它们执行各种任务的能力呈指数级增长。人类在计算机系统的不同工作领域、不断提高的速度以及随着时间的推移而减小的尺寸方面，都发展了计算机系统的能力。

人工智能是计算机科学的一个分支，致力于创造与人类一样智能的计算机或机器。

人工智能（AI）的基本概念

根据人工智能之父约翰·麦卡锡的说法，人工智能是“制造智能机器，特别是智能计算机程序的科学和工程”。

人工智能是一种使计算机、计算机控制的机器人或软件能够像聪明的人类一样思考的方法。人工智能是通过研究人脑如何思考以及人类如何学习、决策和工作来解决问题而实现的，然后将这项研究的结果作为开发智能软件和系统的基础。

在利用计算机系统能力的同时，人类的好奇心促使他思考：“机器能否像人类一样思考和行为？”

因此，人工智能的发展始于在机器中创造类似于我们在人类中发现和高度重视的智能。

学习人工智能的必要性

众所周知，人工智能致力于创造与人类一样智能的机器。我们学习人工智能有很多原因。原因如下：

人工智能可以通过数据学习

在日常生活中，我们处理海量数据，人脑无法跟踪如此多的数据。这就是我们需要自动化事物的原因。为了进行自动化，我们需要学习人工智能，因为它可以从数据中学习，并且可以准确地、不知疲倦地执行重复性任务。

人工智能可以自学

系统必须自学这一点非常必要，因为数据本身不断变化，从这些数据中得出的知识必须不断更新。我们可以使用人工智能来实现这一目的，因为启用人工智能的系统可以自学。

人工智能可以实时响应

人工智能借助神经网络可以更深入地分析数据。由于这种能力，人工智能可以思考并对基于实时条件的情况做出反应。

人工智能实现准确性

借助深度神经网络，人工智能可以实现极高的准确性。人工智能有助于医学领域根据患者的MRI诊断癌症等疾病。

人工智能可以组织数据以充分利用数据

数据对于使用自学习算法的系统来说是一种知识产权。我们需要人工智能以一种始终产生最佳结果的方式索引和组织数据。

理解智能

借助人工智能，可以构建智能系统。我们需要理解智能的概念，以便我们的大脑可以构建另一个像自身一样的智能系统。

什么是智能？

系统计算、推理、感知关系和类比、从经验中学习、从内存中存储和检索信息、解决问题、理解复杂思想、流利地使用自然语言、分类、概括和适应新情况的能力。

智能类型

正如美国发展心理学家霍华德·加德纳所描述的那样，智力是多方面的：

当机器或系统至少具备一种或所有智力时，你可以说它是人工智能。

智能由什么构成？

智力是无形的。它由以下部分组成：

• 推理
• 学习
• 解决问题
• 感知
• 语言智能

让我们简要了解所有组件：

推理

它是一组使我们能够为判断、决策和预测提供依据的过程。主要有两种类型：

学习 - l

人类、某些动物物种和启用人工智能的系统都具有学习能力。学习可分为以下几类：

听觉学习

通过听和听来学习。例如，学生收听录制的音频讲座。

情景学习

通过记住自己目睹或经历的事件序列来学习。这是线性的和有序的。

运动学习

通过精确的肌肉运动来学习。例如，拾取物体、书写等。

观察学习

通过观察和模仿他人来学习。例如，孩子试图通过模仿父母来学习。

知觉学习

学习识别以前见过的刺激。例如，识别和分类物体和情况。

关系学习

它包括根据关系属性而不是绝对属性来学习区分各种刺激。例如，在上次煮土豆时加了一汤匙盐后变咸，这次在烹饪时添加“少一点”盐。

• 空间学习 - 它通过视觉刺激（如图像、颜色、地图等）来学习。例如，一个人可以在实际沿着道路行驶之前在脑海中创建路线图。

• 刺激-反应学习 - 它学习在存在某种刺激时执行特定行为。例如，狗听到门铃声时会竖起耳朵。

解决问题

这是一个人感知并试图通过采取某些路径（被已知或未知的障碍阻挡）从当前情况达到期望解决方案的过程。

解决问题还包括决策，这是从多个备选方案中选择最合适的备选方案以达到预期目标的过程。

感知

这是获取、解释、选择和组织感觉信息的过程。

感知意味着感觉。在人类中，感知借助感觉器官。在人工智能领域，感知机制以有意义的方式将传感器获取的数据组合在一起。

语言智能

这是一个人使用、理解、说和写口头和书面语言的能力。这在人际交往中很重要。

人工智能涉及什么

人工智能是一个广泛的研究领域。这个研究领域有助于寻找现实世界问题的解决方案。

现在让我们看看人工智能中的不同研究领域：

机器学习

这是人工智能最受欢迎的领域之一。该领域的根本概念是使机器像人类从经验中学习一样从数据中学习。它包含基于其可以对未知数据进行预测的学习模型。

逻辑

这是另一个重要的研究领域，其中使用数学逻辑来执行计算机程序。它包含用于执行模式匹配、语义分析等的规则和事实。

搜索

该研究领域主要用于国际象棋、井字游戏等游戏中。搜索算法在搜索整个搜索空间后给出最佳解决方案。

人工神经网络

这是一个高效的计算系统网络，其核心主题借鉴了生物神经网络的类比。人工神经网络可用于机器人技术、语音识别、语音处理等。

遗传算法

遗传算法有助于在多个程序的协助下解决问题。结果将基于选择最合适的程序。

知识表示

这是一个研究领域，借助它我们可以以机器可以理解的方式表示事实。知识表示得越有效，系统就越智能。

人工智能的应用

在本节中，我们将看到人工智能支持的不同领域：

游戏

人工智能在国际象棋、扑克、井字游戏等策略游戏中发挥着至关重要的作用，机器可以根据启发式知识思考大量可能的位置。

自然语言处理

可以与理解人类所说的自然语言的计算机进行交互。

专家系统

有些应用程序集成了机器、软件和特殊信息来传授推理和建议。它们向用户提供解释和建议。

视觉系统

这些系统理解、解释和理解计算机上的视觉输入。例如，

• 间谍飞机拍摄照片，用于确定区域的空间信息或地图。

• 医生使用临床专家系统诊断病人。

• 警方使用能够识别罪犯面部特征的计算机软件，该软件与法医艺术家绘制的肖像进行比对。

语音识别

一些智能系统能够在人类与之交谈时听到并理解语言中的句子及其含义。它可以处理不同的口音、俚语、背景噪音以及人类因感冒等原因造成的噪音变化等。

手写识别

手写识别软件读取用笔写在纸上或用触笔写在屏幕上的文本。它可以识别字母的形状并将它们转换为可编辑的文本。

智能机器人

机器人能够执行人类赋予的任务。它们拥有传感器来检测来自现实世界的物理数据，例如光、热、温度、运动、声音、碰撞和压力。它们拥有高效的处理器、多个传感器和巨大的内存，从而展现出智能。此外，它们能够从错误中学习，并能够适应新的环境。

认知建模：模拟人类思维过程

认知建模基本上是计算机科学中一个研究领域，它处理对人类思维过程的研究和模拟。人工智能的主要任务是使机器像人类一样思考。人类思维过程最重要的特征是解决问题。这就是为什么或多或少认知建模试图理解人类如何解决问题。之后，该模型可用于各种人工智能应用，例如机器学习、机器人技术、自然语言处理等。以下是人脑不同思维层次的示意图（此处应插入示意图）。

智能体与环境

在本节中，我们将重点关注智能体和环境，以及它们如何帮助人工智能。

智能体

智能体是指任何可以通过传感器感知其环境并通过效应器作用于该环境的事物。

• 一个**人类智能体**拥有类似于传感器的感官器官，如眼睛、耳朵、鼻子、舌头和皮肤，以及作为效应器的其他器官，如手、腿、嘴。

• 一个**机器人智能体**用摄像头和红外测距仪代替传感器，用各种电机和执行器代替效应器。

• 一个**软件智能体**使用编码的比特串作为其程序和动作。

环境

一些程序运行在完全**人工环境**中，仅限于键盘输入、数据库、计算机文件系统和屏幕上的字符输出。

相比之下，一些软件智能体（软件机器人或软机器人）存在于丰富、无限的软机器人领域。模拟器拥有**非常详细、复杂的环境**。软件智能体需要实时从一系列动作中进行选择。一个软机器人旨在扫描客户的在线偏好，并向客户展示感兴趣的商品，它在**真实**和**人工**环境中都能工作。