本文主要是介绍AI基础 L1 Introduction to Artificial Intelligence，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
什么是AI
Chinese Room Thought Experiment
关于“强人工智能”的观点，即认为只要一个系统在行为上表现得像有意识，那么它就真的具有理解能力。
实验内容如下：
假设有一个不懂中文的英语说话者被关在一个房间里。房间里有一本用英文写的中文使用手册，可以指导他如何处理中文符号。当外面的中文母语者通过一个小窗口传递给房间里的人一些用中文写的问题时，房间里的人能够依据手册上的指示，找到恰当的中文回答并传递出去。
从外面看，似乎房间里的人能够用中文进行有意义的对话，但实际上，房间里的人并不理解这些中文符号的含义，他仅仅是按照手册的指示在操作符号。
塞尔通过这个实验试图说明，即使一个系统能够通过图灵测试（即在行为上无法与人类区分），这并不意味着系统真的“理解”了它所处理的信息。在这个实验中，房间里的英语说话者就像是一个计算机程序，按照预设的规则操作符号，但他并没有真正理解这些符号的意义。
Acting humanly: The Turing test
Suggested major components of AI: knowledge, reasoning, language understanding,
learning
Thinking rationally: Laws of Thought
Normative (or prescriptive) rather than descriptive
-
规范性的（Normative or prescriptive）： 规范性意味着提供了一种应当如何行动的指导或标准。在人工智能中，规范性原则告诉我们智能系统应该如何设计，以便它们的行为符合逻辑和理性的标准。这些原则是理想化的，它们规定了在理想情况下应该遵循的规则。
-
描述性的（Descriptive）： 描述性原则或规则是关于事物实际如何运作的陈述。在心理学或认知科学中，描述性原则可能会涉及人类实际如何思考、如何犯错以及认知偏差的实际例子
所以人工智能往往是以理想化的理性思考规则为基础，这些规则是规范性的，旨在指导智能系统如何以逻辑和理性的方式行动。
Acting rationally
Rational behaviour: doing the right thing
-
理性行为（Rational behaviour）： 理性行为指的是个体在特定情境下采取的行动，这些行动旨在实现其目标，并且是基于可用信息的最佳选择。
-
做正确的事（doing the right thing）： “做正确的事”是指采取那些根据现有信息预期能够最大化目标实现可能性的行动。这里的“正确”并不是指道德上的正确，而是指在实现个人或系统目标方面最有效的行动。
- 最大化目标实现：理性行为的目标是尽可能地实现或接近目标，而不是随意或偶然地行动。
- 给定可用信息：理性行为是基于个体在特定时刻所掌握的信息来决定的。如果信息不完整或错误，理性行为可能不会导致最佳结果。
理性行为不一定涉及到思考，eg：眨眼反射 但是思考应该为理性服务
Acting Rationally: Rational agents
An agent is an entity that perceives and act
智能体是一个感知并行动的实体： 智能体（agent）是能够感知其环境并根据这些感知来采取行动的实体。这可以是一个机器人、一个人、一个软件程序或任何其他能够执行这些功能的系统。
抽象地，智能体是从感知历史到行动的函数： 这是对智能体的一个数学描述，其中：
f代表智能体。P*表示感知历史的集合，即智能体过去所感知到的一切。A表示可能的行动集合。f : P* ↦ → A表示智能体的功能是将一系列感知映射到一个行动上
设计智能体时，我们需要考虑到可用的计算资源。目标是创建一个在现有资源限制下尽可能表现良好的程序。这包括优化算法的效率、减少计算复杂性以及确保智能体在有限的时间内做出合理的决策。
Intelligent Agents
Three key steps of a knowledge-based agent (Craik, 1943):
• the stimulus must be translated into an internal representation
• the representation is manipulated by cognitive processes to derive new internal
representations
• these in turn are translated into action
刺激必须被转化为内部表示
通过认知过程被操纵以推导出新的内部表示
新的内部表示随后被转化为行动
All AI problems require some form of representation
Sometimes the representation is the output.
E.g., discovering “patterns“
A major part AI is representing the problem space to allow efficient search for the best solution(s)
-
所有AI问题都需要某种形式的表示： 表示是AI的核心概念之一，它涉及到如何将现实世界的问题和数据转换成计算机可以处理的形式。这种表示可以是数值、符号、图形、规则集或其他任何形式，其目的是使问题能够在计算机系统中被理解和处理。
-
有时候表示就是输出： 在某些AI应用中，表示本身就是最终的目标或输出。例如，在数据挖掘或机器学习任务中，智能系统的目标是发现数据中的“模式”（patterns）。这些模式可以是分类规则、关联规则、聚类结构或任何其他形式的数据表示，它们揭示了数据中的有趣关系或结构。
-
表示问题空间是AI的一个重要部分： 在AI中，将问题空间（即问题的所有可能状态和操作）有效地表示出来是至关重要的。良好的表示可以：
- 降低问题的复杂性，使其更易于处理。
- 提高搜索问题解决方案的效率。
- 使得算法能够更快速地找到最优或近似最优的解决方案。
-
允许高效搜索最佳解决方案： 表示问题空间的目的是为了能够高效地进行搜索，找到最佳或足够好的解决方案。例如：
- 在游戏AI中，表示棋盘状态和可能的移动，以便搜索最佳走法。
- 在优化问题中，表示问题的参数和约束，以便搜索最优解。
- 在自然语言处理中，表示语言结构和语义，以便搜索最佳的语言理解或生成策略。
What do you do once you have a representation? This requires a goal.
Rational behaviour: choose actions that maximise goal achievement given available information
-
目标导向：理性行为是有目的的，它以实现特定的目标或目标集合为导向。
-
信息利用：在做出决策时，理性个体会尽可能地利用所有可用信息，包括环境状态、过去经验、可能的后果等。
-
预期后果：理性行为考虑了行动的可能后果，并试图选择那些预期会产生最好结果的行动。
-
最优选择：在所有可行的行动方案中，理性个体会选择那个最有可能帮助他们实现目标的行动。
举例来说，如果一个智能体被编程去寻找房间中的光源，理性行为将是在当前感知到的房间布局中，选择一条路径，这条路径根据智能体的传感器信息和预先设定的目标（找到光源），最有可能引导它到达光源。
Strategy What if your world includes another agent?
• strategic game play
• auctions
• modelling other agents
• uncertainty: chance and future action
Reasoning can be thought of as constructing an accurate world model
• facts
• observations
• “wet ground”
• logical consequences
• inferences
• “it rained” or “sprinkler”?
Learning
Learning: adapt internal representation so that it is as accurate
as possible Can also adapt our models of other agents.
调整内部表示，使其尽可能准确 也可以调整我们的其他代理模型。
这篇关于AI基础 L1 Introduction to Artificial Intelligence的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
