L01-人工智能导论

人工智能是什么？

火星车？智能语音助手？自动驾驶？

目前没有一个公认的对于人工智能的定义，我们要接受并理解这个世界的复杂性，以多维度、多角度来观察问题，切记故步自封。

从时间维度来讲

• 图灵：图灵机—可以做所有的数学计算，但不能判断自己何时停下。
• 冯诺依曼：将图灵机从论文中搬到了现实中。
• 1956年，首次提出人工智能的概念。
  Artificial Intelligence：Every aspect of learning or any other feature of intelligence can be so precisely described that a machine can be made to simulate it.
• 期望用函数拟合来解决问题，但并不能解决基本的XOR问题，所以后来使得AI研究转向了Symbol和Logic。
• Hinton—反向传播：给予大量正确的label，让机器自己去调整、拟合最优的函数。
  Kai-Fu Lee【语音】——奠定了机器学习的基础：通过大量的数据、标签来进行拟合、学习。
• 1998年，可以识别文字了，但遇到了机器学习整个过程中两个最主要的限制：
  a、强大的计算能力 b、大量的训练数据。
• 因此，在2011年及之前，大多用的都是特征提取、决策树等方法。
• 从2012年开始，错误率急速下降，排名第一的使用的模型都是深度学习模型。
• 2016，AlphaGo—当人类解决了分类的问题之后，将重点转向了“做决策”方面，代表：围棋。对于AI来说，人类越简单，越条件反射的动作，越难做，而人类觉得越复杂的事情，AI做起来会越简单。

从方法论来讲

1、试着解析并输出grammer_rule

• 运行结果：

（1）Python split()方法
Python split() 通过指定分隔符对字符串进行切片，如果参数 num 有指定值，则分隔 num+1 个子字符串。
str.split(str="", num=string.count(str)).

• str – 分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t)等。
• num – 分割次数。默认为 -1, 即分隔所有。

返回分割后的字符串列表。

（2）Python strip()方法
Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。
str.strip([chars])

• chars – 移除字符串头尾指定的字符序列。

返回移除字符串头尾指定的字符生成的新字符串。

2、试着切分并使用ic进行debug
Tips：什么是Icecream？

• Icecream是一个python的库，可以用最小的代码打印出更多debug的可读信息。
• 导入：pip install icecream

通过使用ic，我们不仅看到了结果，也看到了函数形式和参数。

• 运行结果：

3、试着输出复合句子

• 运行结果：

4、试着输出公示表达

• 运行结果：

• Statistical VS. Logic analysis：
  上述例子是早些年，20世纪70、80年代流行的编程方式。我们码完代码后，要进行思考，通过大量数据来进行功能实现以及通过逻辑分析进行功能实现，这两种思路，有何优劣？

从问题范式上来讲

• （1）Relax based models：对于我们来说，这种问题可以一眼就看出来，比如什么是狗什么是猫，路灯在哪。
• （2）State based models：对于我们来说，这种问题一看有点懵，但仔细思索思索，一步一步，也是能够解决的。
• （3）Optimization models：有限制条件，在此条件下，将事情做得最好。例如，今天有100元，需要用这100元完成三餐，要达到什么标准之类的。
• （4）Logic models：需要逻辑推理，如下图这个例子，告诉如果下雨，地就会湿。问地湿了，下没下雨。
  

说到这里，那么很多小伙伴们就不太理解什么是State based models。下面我们用一个模型例子来感受一下 – “倒水问题”：

• 有两个杯子，大杯子90mL，小杯子40mL，问：如何得到50mL的水？如何得到60mL的水？

• 运行结果：

从研究对象上来讲

（1）AI Agent – 如何创建能够解决问题的AI方法与模型
（2）AI Tools – 如何使用这些AI模型

人工智能和其他学科之间的关系是什么？

人工智能是包含了很多很多学科知识的一个东西，只要有利于我们去模仿智慧，实现目标，我们都会去吸收该学科的内容。

下图详细地列举出了人工智能方面几个重要的模型起源于什么学科。

我们为什么要学习人工智能？

1、特斯拉、iPhone、抖音、淘宝等，这些的成功都是因为我们深刻的处在一个数字智能时代。

2、人工智能是一种力量，是一种能够使用数据这种能源的力量。

3、而且可以实现职业的可持续增长

怎么才能学好人工智能？

1、心力 – 人工智能并不是非常简单，不然工资也不会那么高，但是你需要坚信自己能够学会，能够学好，要有一个学习的动力。

2、编程能力 – 需要提高自己的编程能力。

3、数学能力 – AI机器学习，是要让计算机去寻找数学之间的关系的，背后的灵魂就是数学。

4、建模能力 – 我们要把理论上、纸面上、代码中的模型，变成实际问题的解决方案。

5、交流能力 – 不同的人有不同的想法，所用的模型、方法也不同，要多和身边的人进行交流。

6、质疑能力 – 所有公开的源码、api、论文都有可能是错的，或者说适用范围有限，要有质疑能力。

如果在学习中遇到了以下的问题，该怎么办？

1、If（遇到了相关的名词术语、方程、公式、代码，看不懂）

• Not（放弃、质疑自己）
• Do（首先查询维基百科、bing等高质量搜索引擎）
• Do（花费15min仍然无法解决，再寻找身边的人帮忙）

2、If（代码感到困难，做不出来）

• Not（放弃、质疑自己）
• Do（想尽办法，查询维基百科、bing等高质量搜索引擎，Stack Overflow，GitHub）
• Do（花费1h仍然无法解决，再寻找身边的人帮忙）

3、If（感到作业、任务过于简单）

• Not（放弃、骄傲自满）
• Do（寻找高技术任务练习）