人工智能入门基础之一代宗师

本篇文章1863字，读完约5分钟

最近几天你被人工智能弄得眼花缭乱了吗？最重要的是，在刷过人工智能的理解之后，它还像羊毛球吗？某某专家创始人发明的某某技术奠定了机器视觉、深度学习和语音识别的基础。他们是谁？你做了什么？俗话说，技术和知识体系通常是一代一代大师传下来的，他们会带来新的想法。人工智能作为一个诞生了60年的研究领域，也有它的起源。

麻省理工学院人工智能实验室、斯坦福大学人工智能实验室等。事实上，在正规教育系统的学科分类中，人工智能被分为两个两个学科:计算机视觉和机器学习，该领域的各种技术相互关联。

从特征描述符到深度学习，计算机视觉经历了二十年的蓬勃发展。在过去的两年里，特别是最近facebook、微软和谷歌在人工智能领域取得的成就，我们都知道了深度卷积神经网络的魔力。与其他深度学习结构相比，卷积神经网络在图像和语音识别中具有更好的效果。那么，在那之前，物体识别技术是什么样的呢？计算机视觉技术的进步离不开他们的工作:

计算机视觉大牛系谱

计算机视觉的创始人是伟大的大卫·马尔，他从计算机科学的角度出发，将数学、心理物理学和神经生理学结合起来，开创了人类的视觉计算理论，从而给视觉研究带来了新的面貌。他的同事们继承了他的理论。现在，计算机视觉、计算机图形学和机器学习趋向于融合，伟大的技术是相互关联和不可分割的。现在最流行的机器学习，是如何产生奇怪的机器人或人工智能程序的？

机器学习

一般来说，机器学习领域的代表是杰弗里·辛顿？Yann lecun，tom mitchell等。虽然他们现在在不同的机构工作，但他们也坚持严格的师生关系(包括博士和博士后，共同监督关系)，如图所示:

起初，机器学习被分成两个学派:连接主义和象征主义。后来，华盛顿大学教授佩德罗·多明戈斯(pedro domingos)在去年的acm网络研讨会上提出了机器学习的五大流派及其代表人物:象征主义、联结主义、进化论、行为主义和贝叶斯学派。

象征主义代表:

象征主义是一种基于逻辑推理的智能模拟方法，也称为逻辑主义。它的算法源于逻辑和哲学，通过符号的演绎和逆演绎来预测结果。例如:根据2+2=？预测2+？= 4中的未知项目。

大多数早期人工智能研究者都属于这一类。该学派认为，人类认知和思维的基本单位是符号，认知过程是符号表征的一种操作。它认为人类是一个物理符号系统，而计算机也是一个物理符号系统，所以我们可以用计算机来模拟人类的智能行为，即用计算机符号运算来模拟人类的认知过程。

一般来说，象征主义的思想可以简单地概括为“认知就是计算”。

联结主义的代表人物:

根据维基百科，联结主义是一种整合认知心理学、人工智能和心理哲学的理论。联结主义建立了心理或行为现象模型的表现模式——简单元素的互连网络。联结主义有许多不同的形式，但最常见的形式是使用神经网络模型。

人工神经元

联结主义的中心原则是用简单单位的网络来描述心理现象。连接的形式和单位可以根据不同的模型进行修改。例如，网络单位可以描述神经元，连接可以描述突触。在另一个模型网络中，每个单元用一个词来表示，每个连接用一个语义相似的词来表示。

反向传播算法演示

神经网络是当今联结主义模型的主要形式，而流行的深度学习也是这一学派的延伸。

谷歌识别猫的神经网络

进化论的代表:

airbnb工程师朱筠认为，进化论起源于生物进化，擅长使用遗传算法和遗传编程。例如，佛蒙特大学的乔希·邦加德(josh bongard)开发的“海星机器人”(Ha星Robot)就是基于生物进化理论，它可以通过内部模拟“感知”身体的每一个部分，并对其进行连续建模。因此，即使没有外部编程，它也能学会自己行走。

遗传算法

遗传表演程序

海星机器人

贝叶斯学派的代表

贝叶斯决策是在不完全智能下用主观概率估计部分未知状态，然后用贝叶斯公式修正发生概率，最后用期望值和修正后的概率做出最优决策。基本思想是已知类条件概率密度的参数表达式和先验概率，用贝叶斯公式转换后验概率，根据后验概率进行决策分类。基于概率统计的贝叶斯算法最常见的应用是反垃圾邮件功能。

概率推理

行为类比者的代表人物:

剑桥大学的计算机科学家费利克斯·希尔认为，人工智能系统在深度学习方面取得的最新进展可以概括为行为主义和认知主义。所谓的行为主义，顾名思义，注重行为而忽视大脑和神经的作用；认知主义关注构成行为的心理过程。

Pedro domingos最后说，虽然这五所学校都有自己的优势，但我们现在真正需要的是一种能够统一解决所有这些问题的算法。

上图来源:幻灯片共享