人工智能__一种现代方法 绪论
绪论回答了以下几个问题：
人工智能的定义人工智能的基础人工智能的历史人工智能的应用
一、定义
从思考和行动两个方面来定义，如上图，像人一样思考，像人一样行动，即要观察总结人的思考和行动方式；合理的思考，合理的行动，即通过已知条件，做了正确的事情。
**类人思考：**通过内省和生理实验捕捉我们的思维过程，并建立认知模型，对相同的输入机器的输出和人的输出类似，则说明模型合理，反过来也可以证明人类的思考过程。
**类人行动：**测试方法是机器能通过图灵测试，这要求了机器具备自然语言处理，知识表达，推理和自我学习能力。
**合理思考：**符合逻辑的思考，典型的是符号主义的推导。
**合理行动：**追求已知条件下的最优结果，采取的行动能达到设定的目标。
二、基础
简述对AI有技术、观点贡献的学科。
1）哲学
回答了：
一个正常的规则能否得到一个有效的结论？意识是如何从大脑中产生？知识是怎么来？知识怎么引导行动？
Aristotle觉得可以为大脑理性思考的部分建立一个推理规则。经验主义是知识的来源。知识作为背景，倒推分解行动的目标，得到行动序列。
2）数学
AI解决问题是搜索式，可能会出现组合爆炸无法计算，数学就是为可计算性提供了基础。除此之外，数学很重要的一点是提供了一种怎么面对不确定性信息的推理，贝叶斯定理。
3）经济学
AI一个重要的步骤是确定动作的合理性和最优性，经济学建立一套最优决策模型，是AI建立目标函数，奖励函数的基础。
4）神经科学
神经科学建立了脑神经模型–神经元。为神经网络，深度学习提供了建模基础。
5）心理学
外界的刺激首先是要转化为内部信息才能被大脑使用。但这种内部信息并没有一对一的处理逻辑，而是通过了数以亿计的神经元链接后，产生了意识。心理学中的一支，认知心理学对这种机制进行了一定的探索。
6）计算机科学
计算机科学解决了人工智能中的“人工”问题。建立一个高效的运算实体。
7）控制论
现代控制理论控制的目标是最优化目标函数，这和AI的思路是相似的，但为啥还要区分这两个概念？原因在于控制论是用微积分和矩阵论建立一套连续变量的描述，而AI则是逃离这种固化的描述。
8）语言学
AI很重要的一个步骤是知识的表示。NLP和AI几乎是同步在成长。
三、历史
AI萌芽在1943年，Warren McCulloch等研究了心理学知识和神经元对大脑的作用、图灵的计算机理论等。
McCarthy于1956年召集10个研究AI的学者在Dartmouth大学召开了为期2个月的AI大会，标志者AI学科的诞生。
1952~1969年大家对AI寄予了极大的热情和期望，在这期间提出了物理符号系统，LISP语言。
1966~1973年，AI的发展速度并未有人们的期待那么好，实际上AI在解决一些稍微复杂的问题时手足无措，包括提出的遗产算法。政府停止了对一些高校AI项目的资助。
1969~1979年，弱方法逐步发展到专家系统。所谓的弱方法就是通用的搜索机制，没有考虑领域知识，遇到尺度大和难度高的问题显得比较无力。专家系统通过领域知识将搜索范围和难度都降低了，问题求解能力更强。
1980~至今，AI发展成为了一个产业，比较著名的是Digital Equipment Corporation的R1专家系统，用来处理订单。美国成立了MCC财团研究AI用以增强国际竞争力。但同时，很多AI公司兑现不了他们夸张的承诺倒闭了。
1986~至今，神经网络回归。连接主义和符号主义互补，共同发展。
1987~至今，AI更喜欢在现存的理论上发展而不是创造一个全新的方法，因为它们需要严格的理论和经验证据。这个时间段，一些基于经验的学习方法包括，HMM，贝叶斯网络发展以来。
1995~至今，智能体的出现。发展了human-level AI， Artificial General Intelligence，Friendly AI。
2001~至今，大数据在AI中的运用。
四、应用
AI到底可以用在哪些方法可能比较难以回答，但是现在AI在一下方面的运用进行的如火如荼：
1 无人驾驶
2 语音识别
3 自动规划
4 游戏
5 防止欺诈
6 机器人
7 机器翻译
