书籍下载qq群6089740钉钉群21734177 IT书籍http:/t.cn/RDIAj5D 11人工智能、机器学习与深度学习 3 1.1.1人工智能 人工智能诞生于20世纪50年代，当时计算机科学这一新兴领域的少数先驱开始提出疑问： 计算机是否能够“思考”？我们今天仍在探索这一问题的答案。人工智能的简洁定义如下：努 力将通常由人类完成的智力任务自动化。因此，人工智能是一个综合性的领域，不仅包括机器 学习与深度学习，还包括更多不涉及学习的方法。例如，早期的国际象棋程序仅包含程序员精 心编写的硬编码规则，并不属于机器学习。在相当长的时间内，许多专家相信，只要程序员精 心编写足够多的明确规则来处理知识，就可以实现与人类水平相当的人工智能。这一方法被称 为符号主义人工智能(symbolic AI),从20世纪50年代到80年代末是人工智能的主流范式。 在20世纪80年代的专家系统(expert system)热潮中，这一方法的热度达到了顶峰。 虽然符号主义人工智能适合用来解决定义明确的逻辑问题，比如下国际象棋，但它难以给 出明确的规则来解决更加复杂、模糊的问题，比如图像分类、语音识别和语言翻译。于是出现 了一种新的方法来替代符号主义人工智能，这就是机器学习(machine learning)。 1.1.2机器学习 在维多利亚时代的英格兰，埃达·洛夫莱斯伯爵夫人是查尔斯·巴贝奇的好友兼合作者，后 者发明了分析机(Analytical Engine),即第一台通用的机械式计算机。虽然分析机这一想法富 有远见，并且相当超前，但它在19世纪三四十年代被设计出来时并没有打算用作通用计算机， 因为当时还没有“通用计算”这一概念。它的用途仅仅是利用机械操作将数学分析领域的某些 计算自动化，因此得名“分析机”。1843年，埃达·洛夫莱斯伯爵夫人对这项发明评论道：“分 析机谈不上能创造什么东西。它只能完成我们命令它做的任何事情…它的职责是帮助我们去 实现我们已知的事情。” 随后，人工智能先驱阿兰·图灵在其1950年发表的具有里程碑意义的论文“计算机器和智 能”①中，引用了上述评论并将其称为“洛夫莱斯伯爵夫人的异议”。图灵在这篇论文中介绍了图 灵测试以及日后人工智能所包含的重要概念。在引述埃达·洛夫莱斯伯爵夫人的同时，图灵还 思考了这样一个问题：通用计算机是否能够学习与创新？他得出的结论是“能”。 机器学习的概念就来自于图灵的这个问题：对于计算机而言，除了“我们命令它做的任何 事情”之外，它能否自我学习执行特定任务的方法？计算机能否让我们大吃一惊？如果没有程 序员精心编写的数据处理规则，计算机能否通过观察数据自动学会这些规则？ 图灵的这个问题引出了一种新的编程范式。在经典的程序设计（即符号主义人工智能的范 式)中，人们输入的是规则（即程序）和需要根据这些规则进行处理的数据，系统输出的是答案 (见图1-2)。利用机器学习，人们输入的是数据和从这些数据中预期得到的答案，系统输出的是 规则。这些规则随后可应用于新的数据，并使计算机自主生成答案。 DTURING A M.Computing machinery and intelligence [J].Mind,1950,59(236):433-460. 电子书寻找看手相钉钉或微信pythontesting1.1 人工智能、机器学习与深度学习 3 1 5 3 7 2 6 4 8 9 1.1.1 人工智能 人工智能诞生于 20 世纪 50 年代，当时计算机科学这一新兴领域的少数先驱开始提出疑问： 计算机是否能够“思考”？我们今天仍在探索这一问题的答案。人工智能的简洁定义如下：努 力将通常由人类完成的智力任务自动化。因此，人工智能是一个综合性的领域，不仅包括机器 学习与深度学习，还包括更多不涉及学习的方法。例如，早期的国际象棋程序仅包含程序员精 心编写的硬编码规则，并不属于机器学习。在相当长的时间内，许多专家相信，只要程序员精 心编写足够多的明确规则来处理知识，就可以实现与人类水平相当的人工智能。这一方法被称 为符号主义人工智能（symbolic AI），从 20 世纪 50 年代到 80 年代末是人工智能的主流范式。 在 20 世纪 80 年代的专家系统（expert system）热潮中，这一方法的热度达到了顶峰。 虽然符号主义人工智能适合用来解决定义明确的逻辑问题，比如下国际象棋，但它难以给 出明确的规则来解决更加复杂、模糊的问题，比如图像分类、语音识别和语言翻译。于是出现 了一种新的方法来替代符号主义人工智能，这就是机器学习（machine learning）。 1.1.2 机器学习 在维多利亚时代的英格兰，埃达 • 洛夫莱斯伯爵夫人是查尔斯 • 巴贝奇的好友兼合作者，后 者发明了分析机（Analytical Engine），即第一台通用的机械式计算机。虽然分析机这一想法富 有远见，并且相当超前，但它在 19 世纪三四十年代被设计出来时并没有打算用作通用计算机， 因为当时还没有“通用计算”这一概念。它的用途仅仅是利用机械操作将数学分析领域的某些 计算自动化，因此得名“分析机”。1843 年，埃达 • 洛夫莱斯伯爵夫人对这项发明评论道：“分 析机谈不上能创造什么东西。它只能完成我们命令它做的任何事情……它的职责是帮助我们去 实现我们已知的事情。” 随后，人工智能先驱阿兰 • 图灵在其 1950 年发表的具有里程碑意义的论文“计算机器和智 能”a 中，引用了上述评论并将其称为“洛夫莱斯伯爵夫人的异议”。图灵在这篇论文中介绍了图 灵测试以及日后人工智能所包含的重要概念。在引述埃达 • 洛夫莱斯伯爵夫人的同时，图灵还 思考了这样一个问题：通用计算机是否能够学习与创新？他得出的结论是“能”。 机器学习的概念就来自于图灵的这个问题：对于计算机而言，除了“我们命令它做的任何 事情”之外，它能否自我学习执行特定任务的方法？计算机能否让我们大吃一惊？如果没有程 序员精心编写的数据处理规则，计算机能否通过观察数据自动学会这些规则？ 图灵的这个问题引出了一种新的编程范式。在经典的程序设计（即符号主义人工智能的范 式）中，人们输入的是规则（即程序）和需要根据这些规则进行处理的数据，系统输出的是答案 （见图 1-2）。利用机器学习，人们输入的是数据和从这些数据中预期得到的答案，系统输出的是 规则。这些规则随后可应用于新的数据，并使计算机自主生成答案。 a TURING A M. Computing machinery and intelligence [J]. Mind, 1950,59(236): 433-460. 书籍下载qq群6089740 钉钉群21734177 IT书籍 http://t.cn/RDIAj5D 电子书寻找看手相 钉钉或微信pythontesting