人工智能算法簡介

人工智能算法簡介

與時(shí)代同頻如果你想學(xué)習(xí)人工智能算法，那么你的準(zhǔn)備知識(shí)應(yīng)該包括一些編程知識(shí)，線性代數(shù)和對概率的理解．然而今天我們的主題不在這里，我們要給大家簡要介紹人工智能的能做什么事情．人工智能的范圍非常廣泛,從人工智能的歷史，搜索算法的建立，設(shè)計(jì)游,解決游戲難題，到限制條件問題都值得學(xué). 機(jī)器學(xué)習(xí)算法是人工智能里的核心人工智能可廣泛應(yīng)用在自然語言處理機(jī)器人學(xué)機(jī)器視覺語音分析量化交易等等領(lǐng)域.用語言編程來解決人工智能問題是一個(gè)值得學(xué)習(xí)的技術(shù)．下面分別介紹一下各種常見算法．最基本的算法就是搜索有許多中搜索方法可以使用比如盲目搜（uninformedsearch), 提示性搜索(又啟發(fā)性搜索）,對抗搜索(游戲)等．第二類話題就是馬科夫決策過程和強(qiáng)化學(xué)習(xí).它們有一系列的應(yīng)用，如自然語言處理，機(jī)器人，機(jī)器視覺等. 現(xiàn)在我們一一討論人工智能里的各個(gè)話題．先來看理性智能代理機(jī).F(x),該函數(shù)從感知到的環(huán)境映射到一個(gè)作用在環(huán)境上的動(dòng)作measure)最大化．人工智能(AI)在給定的計(jì)算條件下，使得性能度量達(dá)到最大化．這就是的目的．要使得性能度量最大，可以從硬件和軟件兩方面優(yōu)化改進(jìn)，我們這里只討論軟件方面．searchagents終點(diǎn)，找出一條路線使得我們能從起點(diǎn)到達(dá)終點(diǎn).代理會(huì)思考為了達(dá)到目的該如何做．代理要做的就是定義出到達(dá)目標(biāo)點(diǎn)的動(dòng)作或動(dòng)作序列（路徑）.一條路徑會(huì)有不同的代價(jià)和深度（此處指的是通過該路徑找到的解在搜索樹中的深度）. 最常見搜索方法可分為有兩大類.盲目搜索并不用某領(lǐng)域的知識(shí)，它包括的技術(shù)有廣度優(yōu)先搜索，深度優(yōu)先搜索，均勻代價(jià)搜索等．啟發(fā)式搜索運(yùn)用了一些如何更快地到達(dá)目標(biāo)的經(jīng)驗(yàn)法則或啟發(fā)式信息，這類搜索法包括貪婪搜索法, A*搜索法,等等. 搜索算法的例子包括八皇后問題．八皇后問題是指，我們在64個(gè)格子的國際象棋棋盤上適當(dāng)?shù)胤胖茫競€(gè)皇后，使得它們橫向，縱向，對角都不＂共線＂．是路線搜索．給定包含一些城市的地圖，地圖可以用圖結(jié)構(gòu)來表示：城市用結(jié)點(diǎn)表示，城市之間的可能的路線用線表與時(shí)代同頻示．兩座城市之間的距離標(biāo)記在它們的連線上．假設(shè)你想要從北京到馬爾代夫．要達(dá)到此目的，你有不同的路線可走．搜索代理的目的就是為了探索這些可能性，并找出最好的路線．不同的路線需要不同的花費(fèi)，花費(fèi)可以用這些連線的長度(比如，單位為千米的數(shù)) 這里，搜索代理的角色其實(shí)就是找到從北京到馬爾代夫的路線同時(shí)找出最好的路線．AIAI解決.象棋以及智力問答競賽等等.基本思想就是設(shè)計(jì)代理來玩游戲，并且與對手對抗.這里面的重要概念包括**minimax算法**,**alphabetapruning**and**隨機(jī)游戲**. 這里略過．AITomRiccio所說，機(jī)器學(xué)習(xí)是關(guān)于如何創(chuàng)建能從數(shù)據(jù)和觀測中提高我們的經(jīng)驗(yàn)的計(jì)算機(jī)程序.心．機(jī)器學(xué)習(xí)主要可分為監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，聚類，降維和強(qiáng)化學(xué)習(xí)等．當(dāng)你有標(biāo)簽時(shí)那么你在做的就是監(jiān)督學(xué)習(xí)這些標(biāo)簽可以是任意連續(xù)的數(shù)值也可以是離散的（如文本果標(biāo)簽只能取兩個(gè)值，那么我們就在討論二進(jìn)制分類．我們想要建立的是一個(gè)函數(shù)，給定一個(gè)輸入集合或是實(shí)例的描述，得出輸出集. 例如，假設(shè)我們有銀行顧客的信息：他們的年齡，性別，職位，工資等. 對每顧客，我們有一個(gè)標(biāo)簽：是否有信用卡．又如，電子郵件是否是垃圾郵件也屬于標(biāo)簽的例子．這樣例子還有很多. 因此，我們有所謂的正例子和負(fù)例子．它們可以分別用1,０表示.如何找出分開這兩類特征的邊界往往是這類問題的目標(biāo)．這是監(jiān)督學(xué)習(xí)的典型例子．因?yàn)橐呀?jīng)告訴了我們誰是正例子，誰是負(fù)例子了，所以稱之為監(jiān)督學(xué)習(xí)．監(jiān)督學(xué)習(xí)包括分類，k近鄰預(yù)測，神經(jīng)網(wǎng)絡(luò)，線性回歸，boosting等等方法．第二類學(xué)習(xí)，就是非監(jiān)督學(xué)習(xí)(unsupervised). 非監(jiān)督學(xué)習(xí)中，我們不必為實(shí)例做標(biāo)簽. 也就是說，我們數(shù)據(jù)集中的實(shí)例是沒有標(biāo)簽的．例如，我們有人口或顧客的數(shù)據(jù)，卻沒有任何類型的標(biāo)簽與之相聯(lián)系．因此，這里的要解決的問題就是給定這些數(shù)據(jù)點(diǎn)我們能否找出這些實(shí)例的數(shù)據(jù)點(diǎn)的聚類(clusters)嗎? 我們要尋一個(gè)函數(shù)F用以把輸入集合X映射到聚類的集合．這完全是非監(jiān)督的算法．關(guān)于非監(jiān)督學(xué)習(xí)，我們有很多不同的方法來實(shí)現(xiàn)之．最主要的為K均值聚類．約束問題其實(shí)也是搜索問題，它不關(guān)注搜索的路徑，而只關(guān)心目標(biāo)．例如一個(gè)八皇后問題游戲. 一般地，題用變量來表示，而不是用態(tài)來表示．約束問題(constraintsatisfactionproblem)的典型例子是數(shù)獨(dú)游戲(Sudoku).例如，在一個(gè)9行9列的格子盤中，橫向一排格子我們稱為一行，縱向的一排格子稱為一列．要達(dá)與時(shí)代同頻9的數(shù)字，各列亦如此，且在９個(gè)３X３19CSP3X319尋找為變量賦值的方法，以滿足這些約束條件．人工智能的又一個(gè)重要領(lǐng)域是邏輯代理．在**邏輯代理**中，邏輯被用來構(gòu)建我們所在的世界的模型．propositionallogic,并且，一階邏輯有一個(gè)固定的語法．通過句子的邏輯表達(dá)式，我們用符號(hào)和連接詞(connectives)來為世界建立模型.Prolog在強(qiáng)化學(xué)習(xí)中，我們設(shè)計(jì)代理機(jī)在隨機(jī)或特定環(huán)境中演化．代理從強(qiáng)化或延遲獎(jiǎng)勵(lì)中學(xué)習(xí)．它是除監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)之外的又一類學(xué)習(xí)．它是一類用于在輸出結(jié)果為隨機(jī)值的決策問題中的學(xué)習(xí)方法,連續(xù)計(jì)劃，學(xué)習(xí)并影響其環(huán)境的代理機(jī)．強(qiáng)化學(xué)習(xí)的驅(qū)動(dòng)力是最大化