目录
什么是图灵测试?
让一个人坐在电脑前,跟另一边用键盘进行对话,如果这个人无法分辨跟自己对话的是一个人还是一个机器,那么这个机器就通过了图灵测试,并认为它具备人工智能。
弱AI与强AI
- 弱AI:也叫做人工狭义智能,是无意识的AI,专注于一个具体的任务或特定的问题。例如AlphaGo、图像识别、语言识别、Siri。
- 强AI:也叫做人工广义智能,拥有将智能用于处理任何问题的能力。能够像人类一样有学习、推理和认知(有意识)解决问题。
弱AI (人工狭义智能) | 无意识的AI | 专注于一个具体的任务或特定的问题 |
强AI (人工广义智能) | 有意识的AI | 能够像人类一样学习、推理。能处理任何问题。 |
符号主义AI与联结主义AI
- 符号主义AI:凭借符号及之间的关系来表征信息。用特定的算法来处理这些符号,从而解决问题、推导新的知识。
- 联结主义AI:用网络内部的一种分布式形式来表征信息。模仿生物学过程的基础学习、任务功效和问题求解。
表征信息的方式 | 学习、解决问题的方式 | |
符号主义AI | 符号及之间的关系 | 算法 |
联结主义AI | 网络内部的一种分布式形式 | 模仿生物学过程 |
什么是智能体?
具备以下功能的事物,称为智能体。
- 通过感受器感知外部环境
- 通过执行器作用于外部环境
- 可通过学习或应用知识来实现目标
智能体:人类、婴儿、机器人、软件机器人、自动驾驶汽车、手机、真空清洁器、智能冰箱、恒温器、相机
判断智能体的类别以及改造增加的功能
类别 | 定义 | 优缺点 |
简单反射 智能体 | 基础:当前的感知,忽略历史 根据一条规则进行操作,该规则的条件与感知定义的当前状态相匹配 | 缺点:(1)仅在外部环境为完全可观测(2)不能存储历史信息--会有可能导致无限循环 |
基于模型的 反射智能体 | 模型:对未知环境建模(基于条件+动作) (采用一个内部模型来保持当前外部环境状态的轨迹,然后以与反射型智能体相同的方式选择动作) | 优点:可处理部分可观测环境 缺点:在部分可观测情况下不能精准确定当前状态 |
基于目标的 智能体 | 目标(理想状态):以目标为导向 目标+环境----->(选择)行动 追踪世界状态以及它试图实现的一系列目标,并选择一项最终能够实现目标的动作 | 优点:更灵活,可修改 缺点:多个目标冲突时或者多个目标但都没把握达到时不适用 |
基于效用的 智能体 | 效用(智能体的高兴程度):统筹、规划、考虑全局 (将性能度量内部化、评估动作执行后,环境变化能有多靠近目标) 用世界模型和效用函数来衡量它在各状态之间的偏好,再选择产生最佳期望效用的动作(期望效用是通过对所有可能的结果状态和对应概率加权所得) | 优点:动作结果的期待效应最大化 |
学习智能体 | 学习:跟环境互动、优化策略、动态、强化学习 动作有反馈,获得感知并且决定动作,对推荐的动作负责,产生经验。 多了学习元件 | 优点:性能最高 |