人工智能知识及推理读书报告博客
2023-07-09
问：人工智能简介
- 答：工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实闷羡质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。
自从人工智能诞生以来，理论和技术越来越成熟，键悔应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。
优点：
1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。
2、人类环境稿罩正问题将会得到一定的改善，较少的资源可以满足更大的需求。
3、人工智能可以提高人类认识世界、适应世界的能力。
缺点：
1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。
问：人工智能书单之（2）计算机视觉（上）
- 答：由人民邮电出版社出版的《人工智能通识》面向我国人工智能的通识教育与专业技术烂悉人才的培养。全书共8章，分为3篇，分别为人工智能的基本理论、人工智能的应用以及人工智能的融合拓展，涵盖了目前主流的人工智能技术。《人工智能通识》在介绍人工智能的基本原理时，尽量回避了相关的复杂模型和算法设计，方便读者在社会层面理解人工老历镇智能的应用形侍粗式和未来的发展路径。此外，书中每章都设计了一些思考与练习的题目，以便读者在课堂练习和研讨中使用。
问：学习人工智能AI需要哪些知识?
- 答：需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。
需要算法的积累：人工神经 ，支持向量机，遗传算法等等算法；当然还有稿尺各个领域需要的算法，比如要让机器人自己在位置环境导航和建图磨敬高就需要研究SLAM；总之算法很多需要时间的积累。
需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少。
人工智能一般要到研究生才会瞎尺去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。 - 答：这个问题其实有点难回答，因为比较宽泛。事实上，人工智能现在已经成为了一个巨大无比的学科，有着众多的分支和方向，不同的子方向对于学科知识的要求也不尽相同。总的来说，对于人工智能学习而言，最重要的学科知识主要涉及到数学和计算机，至于细节则视方向而定。举例而言，现在人工智能领域最炙手可热的领域可能还是机器学习，而统计学习又在机器学习领域占据了大半河山。因此，统计的基本理论必须得了解，随机过程需要有所涉猎，此外让我个人纠结的一个问题是机器学习的部分派别居然蠢旦涉及到了部分（或者说很多）几何学和代数的知识，一言以蔽之，曰令人蛋疼。而人工智能的其他方向所需要的知识也各不相同，例如智能计算这个部分需要你对数据结构的基础有所了解，具有较强的算盯梁法实现能力（好事情是从科研的角度上这往往是对matlab的要求）。而传统的人工智能学派（不是说连接主义的那帮仁兄）给我的直观印象基本上就耗在谓词逻辑上了。另外，想学好上面说的这些，高等数学和线性代数算是基础吧，实际上个人建议你去弄本数学分析和高等代数来翻翻，里面的思路很重要。如果你日后成为了维纳的徒子徒孙，你会发现泛函分析的重要性和带则扰学习起来的操蛋性。计算机这块，实在不好说该学哪些知识，因为好像很多知识都很重要。从仿真的角度上看，建议用matlab，实用的角度上个人总是推荐python，当然效率的角度上C往往是不二之选，此外还有很多东西，如果你真的想学AI，你很快会发现这是个总是充满惊喜同时又令人不断的蛋疼的学科，需要大量的耐心与毅力的投入。祝好运。
- 答：需要数学基础：高等数学，线性代数，概率论数理统计和晌友和随机过程，离散数学，数值分析。数学基础知识蕴含着处理智能问题的基宴盯本思想与方法，告岁也是理解复杂算法的必备要素。
- 答：需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模消雀型之上，要了解人工智能，首先要掌握必备激举的数学基础知识。线性明桥碧代数将研究对象形式化，概率论描述统计规律。
- 答：人工智能入门需要掌握的知识有：自然语言处理、机器学习、计算机视觉、知识表示、自动推理和机器人正租学。虽然这些领域的侧重点各有不同，但是都需要一个重要的基础，那就是数学和计算举吵兆机基础碰羡。
