AI 与 Python – 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经历了指数级增长。人类已经在不同的工作领域、不断提高的速度以及随着时间的推移而减小尺寸方面开发了计算机系统的强大功能。

计算机科学的一个分支称为人工智能，致力于创造像人类一样智能的计算机或机器。

人工智能（AI）的基本概念

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

人工智能是一种让计算机、计算机控制的机器人或软件进行智能思考的方法，就像智能​​人类的思考方式一样。人工智能是通过研究人脑如何思考以及人类在尝试解决问题时如何学习、决策和工作，然后将研究结果作为开发智能软件和系统的基础来实现的。

在利用计算机系统的力量时，人类的好奇心让他想知道：“机器能否像人类一样思考和Behave？”

因此，人工智能的发展始于在机器中创造出我们在人类身上发现并高度重视的类似智能。

学习人工智能的必要性

众所周知，人工智能追求创造像人类一样智能的机器。我们研究人工智能的原因有很多。原因如下：

人工智能可以通过数据学习

在我们的日常生活中，我们处理大量的数据，而人脑无法跟踪这么多的数据。这就是为什么我们需要自动化。要做自动化，我们需要研究人工智能，因为它可以从数据中学习，可以准确地完成重复性的任务，而且不会感到疲劳。

人工智能可以自学

系统自学是非常有必要的，因为数据本身不断变化，从这些数据中得出的知识也必须不断更新。我们可以使用人工智能来实现这一目的，因为人工智能支持的系统可以自我学习。

AI可实时响应

人工智能在神经网络的帮助下可以更深入地分析数据。由于这种能力，人工智能可以根据情况实时思考并做出反应。

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通过患者的核磁共振成像诊断癌症等疾病。

人工智能可以组织数据以充分利用数据

这些数据是使用自学习算法的系统的知识产权。我们需要人工智能以始终提供最佳结果的方式来索引和组织数据。

了解情报

通过人工智能，可以构建智能系统。我们需要理解智能的概念，以便我们的大脑能够构建另一个像它自己一样的智能系统。

什么是情报？

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

智力的类型

正如美国发展心理学家霍华德·加德纳所描述的，智力有多种形式：

当一台机器或一个系统配备了至少一种或全部智能时，您可以说它是人工智能的。

智力由什么组成？

智力是无形的。它由以下部分组成 -

• 推理
• 学习
• 解决问题
• 洞察力
• 语言智能

让我们简要介绍一下所有组件 -

推理

它是使我们能够为判断、决策和预测提供基础的一组过程。大致有两种类型 -

学习 - l

人类、特定物种的动物和人工智能系统都具备学习能力。学习分类如下 -

听觉学习

它是通过倾听和聆听来学习。例如，学生听录制的音频讲座。

情景学习

通过记住亲眼目睹或经历过的一系列事件来学习。这是线性且有序的。

运动学习

它通过肌肉的精确运动来学习。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。

感性学习

它正在学习识别人们以前见过的刺激。例如，识别对象和情况并对其进行分类。

关系学习

它涉及学习根据关系属性而不是绝对属性来区分各种刺激。例如，上次煮土豆时加“少一点”盐，煮时加一汤匙盐。

• 空间学习- 它是通过图像、颜色、地图等视觉刺激进行学习。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- 学习在存在某种刺激时执行特定Behave。例如，狗听到门铃时会抬起耳朵。

解决问题

这是一个过程，在这个过程中，一个人感知并试图通过某种被已知或未知的障碍阻碍的路径，从当前的情况中获得期望的解决方案。

解决问题还包括决策，即从多种方案中选择最合适的方案以达到预期目标的过程。

洞察力

它是获取、解释、选择和组织感官信息的过程。

感知以感知为前提。在人类中，感知是由感觉器官帮助的。在人工智能领域，感知机制将传感器获取的数据以有意义的方式组合在一起。

语言智能

它是一个人使用、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

人工智能是一个广阔的研究领域。该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的不同研究领域 -

机器学习

它是人工智能最热门的领域之一。该领域的基本概念是使机器从数据中学习，就像人类可以从他/她的经验中学习一样。它包含学习模型，在此基础上可以对未知数据进行预测。

逻辑

这是使用数理逻辑来执行计算机程序的另一个重要研究领域。它包含执行模式匹配、语义分析等的规则和事实。

搜寻中

这个研究领域主要用于国际象棋、井字棋等游戏。搜索算法在搜索整个搜索空间后给出最优解决方案。

人工神经网络

这是一个高效计算系统的网络，其中心主题借鉴了生物神经网络的类比。ANN 可用于机器人、语音识别、语音处理等领域。

遗传算法

遗传算法有助于在多个程序的帮助下解决问题。结果将基于选择最适合的人。

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。知识的表达效率越高；系统越智能。

人工智能应用

在本节中，我们将看到人工智能支持的不同领域 -

赌博

人工智能在国际象棋、扑克、井字游戏等战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

有一些应用程序集成了机器、软件和特殊信息来传递推理和建议。他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，用于找出空间信息或该地区的地图。

• 医生使用临床专家系统来诊断患者。

• 警方使用计算机软件，可以通过法医艺术家制作的存储肖像来识别罪犯的脸部。

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句子及其含义的语言。它可以处理不同的口音、俚语、背景噪音、由于寒冷而引起的人类噪音变化等。

手写识别

手写识别软件读取用笔写在纸上或用手写笔在屏幕上写的文本。它可以识别字母的形状并将其转换为可编辑的文本。

智能机器人

机器人能够执行人类指定的任务。它们拥有传感器来检测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，以展现智能。此外，他们能够从错误中吸取教训，能够适应新环境。

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的研究领域，涉及研究和模拟人类的思维过程。人工智能的主要任务是让机器像人一样思考。人类思维过程最重要的特征就是解决问题。这就是为什么认知模型或多或少地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，如机器学习、机器人、自然语言处理等。下图是人脑不同思维层次的图 -

代理与环境

在本节中，我们将重点关注代理和环境以及它们如何在人工智能中发挥作用。

代理人

代理是任何可以通过传感器感知其环境并通过效应器对该环境采取行动的东西。

• 人类代理具有与传感器平行的感觉器官，例如眼睛、耳朵、鼻子、舌头和皮肤，以及其他器官，例如手、腿、嘴，作为效应器。

• 机器人代理取代了传感器的摄像头和红外测距仪，以及效应器的各种电机和执行器。

• 软件代理将位串编码为其程序和操作。

环境

有些程序在完全人造的环境中运行，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，一些软件代理（软件机器人或软机器人）存在于丰富的、无限的软机器人领域中。模拟器有一个非常详细、复杂的环境。软件代理需要从大量的实时操作中进行选择。软机器人旨在扫描客户的在线偏好，并在真实和人工环境中向客户展示有趣的项目。