人工智慧手機的研究方法
第一章 概述
1.人工智慧主要研究用人工的方法和技術，模仿、延伸和擴充套件人的智慧,實現機器智慧。人工智慧的長期目標是實現人類水平的人工智慧。人工智慧尚缺乏必要的理論。在一些關鍵技術方面, 諸如機器學習、非單調推理、常識性知識表示、不確定推理等尚未取得突破性的進展。人工智慧對全域性性判斷模糊資訊處理、多粒度視覺資訊的處理是極為困難的。人工智慧還處於智慧學科研究的早期階段, 必須開展智慧科學的研究。 智慧科學研究智慧的基本理論和實現技術，是由腦科學、認知科學、人工智慧等學科構成的交叉學科。
2.認知是和情感、動機、意志等相對的理智或認識過程。認知科學是研究人類感知和思維資訊處理過程的科學, 包括從感覺的輸入到複雜問題求解, 從人類個體到人類社會的智慧活動, 以及人類智慧和機器智慧的性質。
3.人工智慧的五個基本問題(1) 知識與概念化是否是人工智慧的核心(2) 認知能力能否與載體分開來研究（3) 認知的軌跡是否可用類自然語言來描述(4) 學習能力能否與認知分開來研究？ (5) 所有的認知是否有一種統一的結構
4.思維是客觀現實的反映過程，是具有意識的人腦對於客觀現實的本質屬性、內部規律性的自覺的、間接的和概括的反映。
5.智慧是個體認識客觀事物和運用知識解決問題的能力。符號智慧：以知識為基礎，透過推理進行問題求解。也即所謂的傳統人工智慧。計算智慧：以資料為基礎，透過訓練建立聯絡，進行問題求解。人工神經網路、遺傳演算法、模糊系統、進化程式設計、人工生命等都可以包括在計算智慧。
6.人工智慧的研究方法：①邏輯學派②認知學派③行為學派
7. 推理：從一個或幾個已知的判斷(前提)邏輯地推論出一個新的判斷(結論)的思維形式。非單調推理：指的是一個正確的公理加到理論中, 反而會使預先所得到的一些結論變得無效了。非單調推理過程：建立假設, 進行標準邏輯意義下的推理, 若發現不一致, 進行回溯,以便消除不一致, 再建立新的假設。定性推理：把物理系統或物理過程細分為子系統或子過程, 對於每個子系統或子過程以及它們之間的相互作用或影響都建立起結構描述, 透過區域性因果性的傳播和行為合成獲得實際物理系統的`行為描述和功能描述。
8.學習的基本機制是設法把在一種情況下是成功的表現行為轉移到另一類似的新情況中去。學習是獲取知識、積累經驗、改進效能、發現規律、適應環境的過程。知識、知識表示及運用知識的推理演算法是人工智慧的核心, 而機器學習則是關鍵問題。
9.機器學習的研究四個階段：
無知識的學習： 主要研究神經元模型和基於決策論方法的自適應和自組織系統。符號概念獲取：給定某一類別的若干正例和反例，從中獲得該類別的一般定義。
例項學習：從例項學習結構描述。有知識的學習：把大量知識引入學習系統做為背景知識機器學習的風範：
歸納學習：研究一般性概念的描述和概念聚類；?分析學習：在領域知識指導下進行例項學習, 包括基於解釋的學習、 知識塊學習等。 ?發現學習：根據實驗資料或模型重新發現新的定律的方法。 ④遺傳學習：模擬生物繁衍的變異和自然選擇，把概念的各種變體當作物種的個體, 根據客觀功能測試概念的誘發變化和重組合並, 決定哪種情況應在基因組合中予以保留。⑤連線學習是神經網路透過典型例項的訓練, 識別輸入模式的不同類別。
10.分散式人工智慧：研究在邏輯上或物理上分散的智慧動作者如何協調其智慧行為，即協調它們的知識、技能和規劃, 求解單目標或多目標問題，為設計和建立大型複雜的智慧系統或計算機支援協同工作提供有效途徑。
11.知識系統包括：專家系統、知識庫系統、智慧決策系統等。