20210913 AI算法课（吴飞教授）
1.新一代人工智能历史发展
2.AI+X
3.AI人才培养
4.结论
1.历史发展
自动机（机器人偶）
从可计算到不可计算
任何可计算的函数都可以用图灵机计算
任何计算，如果存在一个有效过程，它就能被图灵机实现
图灵测试：对智能的测试
1955年人工智能的诞生，计算机模拟人的智能
7个问题
自我学习与提高
归纳与演绎
随机和创造性
自动化计算
使用语言
神经网络
计算规模的理论
人工智能是以机器为载体所展示的人类智能（机器智能）
人工智能分类
领域人工智能（任务导向）
通用人工智能或跨领域人工智能（举一反三）
混合增强人工智能（多种智能体的混合形式）
alphago：监督学习、深度学习、强化学习、蒙特卡洛数搜索
alphaFold：预测氨基酸距离，化学键角度。。。
五大智能技术新方向
1.大数据智能
2.群体智能
3.跨媒体智能
4.混合增强智能
5.智能自主系统
AI + X
基础：机器学习、ai基础、复杂理论与系统、知识标识与处理
手段：视觉、模式识别、NLP
多重知识表达：知识图谱（逻辑）、视觉知识（感知）、神经网络
因果推理：关联、介入、反事实
人工智能学习目录
1.绪论：思想、发展、基础内容
? 符号主义、问题求解、数据驱动、行为主义、博弈对抗
2.逻辑与推理
? 命题谓词逻辑、知识图谱推理、因果推理
3.搜索求解
? 启发式搜索，对抗搜索，蒙特卡洛搜索
4.机器学习（监督学习）
? 基本概念，回归分析，决策树，LDA，Ada Boosting，SVM,生成学习模型
5.无监督学习
? k-means，主成分，特征人脸，潜在语义，EM算法
6.深度学习
? 前馈、卷积、循环NN
? 深度生成学习
? NLP&视觉分析
7.强化学习
? 定义、基于价值、策略的强化学习
? 深度强化学习的应用
8.人工智能博弈
? 纳什均衡、博弈策略求解、规则设计、非完全信息博弈
9.未来发展趋势
总结
困难的问题是易解的，容易的问题是难解的
课堂总结：
第一节课绪论，听的不太认真，大概记录了一些内容
|