人工智能的分支

問：人工智能（AI）的分支有什么？

答：這里有一個列表，但肯定缺少某些分支，因為目前沒有人能確定。其中一些可能會被視為概念或主題，而不是完整的分支。

邏輯AI 一個程序對于它必須起作用的具體情況事實世界的大體了解，且其目標全部由某種數(shù)學邏輯語言的語句表示。程序通過推斷某些行動適于實現(xiàn)其目標，決定要做什么。第一篇提出這個概念的文章是[McC59]。[McC89]是較新的總結。[McC96b]列出了邏輯AI涉及的一些概念。[Sha97]是重要教材。

搜索 AI程序常檢查大量的可能性，例如：一盤棋中的走棋或定理證明程序給出的推論。有關如何在各個領域更有效地進行搜索正不斷發(fā)現(xiàn)。

模式識別 當一個程序要進行某種觀察，它常被編程為將其所見與一個模式比較。例如，視覺程序可能會嘗試在一個場景中匹配眼睛和鼻子模式，以便找出一張臉。對更為復雜的模式，如在自然語言文本中，在國際象棋中，或在某些事件的歷程中，也進行了研究。這些更復雜的模式需要與已研究的最簡單模式完全不同的方法。

表示 有關世界的事實必須以某種形式表示。通常使用數(shù)學邏輯語言。

推理 從一些事實可以推斷其他事實。數(shù)學邏輯演繹對于某種目的是足夠的，但自上世紀70年代以來，已新增非單調 推理的邏輯方法。最簡單的一種非單調推理方法是默認推理，其中結論由系統(tǒng)默認值推斷出，但如果有反面證據(jù)，則可以撤銷該結論。例如，當我們聽到鳥叫，我們?nèi)祟悤茢嗨茱w，但當我們聽到的是企鵝時，這一結論可以被逆轉。正是結論會撤銷的可能性，構成了這種推理的非單調性質。普通的邏輯推理是單調的，可從前提集合中得到的結論集合，是前提的單調增加函數(shù)。界限是非單調推理的另一種形式。

常識認識和推理 這是AI距離人類水平最遠的領域，但其實自上世紀50年代以來，它就是活躍的研究領域。雖然已經(jīng)有相當大的進展，例如在開發(fā)非單調推理 系統(tǒng)和行動理論方面，但還需要更多的新思路。CYC系統(tǒng)包含許多常識事實，但質量參差不齊。

1  2  

從經(jīng)驗中學習 程序就這樣做?；谶B接機制 和神經(jīng)網(wǎng)絡 的人工智能方法專門研究“從經(jīng)驗中學習”。邏輯中也有規(guī)律學習的表達。[Mit97]是關于機器學習的綜合性本科教材。程序只能學習他們的形式體系可以表示的事實或行為，且不幸的是，學習系統(tǒng)幾乎都基于非常有限的信息表示能力。

規(guī)劃 規(guī)劃程序開始于關于世界的一般事實（特別是行動影響的事實），關于具體情況的事實和關于目標的聲明。從這些事實中，它們產(chǎn)生實現(xiàn)這一目標的策略。在最常見的情況下，策略僅僅是一個動作序列。

認識論 這是關于解決世界上的問題所必需的各種知識的研究。

本體論 本體論是關于存在的各種事物的研究。在人工智能中，程序和語句處理各種對象，而我們研究這些種類是什么，其基本性質是什么。從上世紀90年代開始重視本體論。

啟發(fā)法 啟發(fā)法是試圖發(fā)現(xiàn)某事物或在程序中嵌入想法的一種方式。在人工智能中，使用不同的術語。啟發(fā)式函數(shù) 用在一些搜索方法中以衡量搜索樹中的一個節(jié)點離一個目標有多遠。啟發(fā)式判斷 比較搜索樹中的兩個節(jié)點，如果其中一個優(yōu)于另一個，即構成朝目標方向的前進，可能更為有用。

遺傳編程 遺傳編程是一種用于使程序通過匹配隨機Lisp程序并在無數(shù)代中選擇最適當?shù)亩鉀Q一個任務的技術。它正由John Koza的小組開發(fā)，這里有一個教程。

1  2  

欲知詳情，請下載word文檔 下載文檔

來源：[db:出處]

作者：tee