生物学与物理学相遇计算机科学 | 学习智能 7

本期视频摘要：人工智能学习之旅 - 理论与实践今天是学习理论知识的一天，而不是像往常一样进行实践操作和编码。我仍然需要完成上次（第六集）开始的吃豆人实验室，那将是明天的任务。我通常将一周中最难的任务留到周二，因为周二是我效率最高的一天。而周一则是理论学习，为一周的学习做准备。今天我做了些什么呢？我吃了一些麦片，作为大脑食物。麦片是任何时候都可以吃的食物。我还阅读了一些书，目前才读完引言部分。我学到了很多关于人工智能起源、第一台计算机的诞生，以及人工智能所借鉴的各个领域的知识。我认为这就是人工智能对我仍然有吸引力的原因。正如我在上一集视频中提到的，人工智能几乎融合了所有主要领域，包括数学、心理学、哲学、经济学、计算机工程（软硬件）。在阅读了一段时间后，我开始学习 Udacity 的下一门课程。今天我学习了三种算法，它们都借鉴了现实世界中的物理概念或生物概念。
1. 模拟退火算法:
这种算法模拟了金属或玻璃的退火过程，即加热并缓慢冷却，从而改变其形状，最终达到理想状态。在算法中，高温对应于高随机性，低温对应于低随机性。
2. 爬山算法:
这种算法模拟了爬山过程，它会寻找每一步的最佳高度，但可能会陷入局部最优解。
3. 遗传算法:
这种算法模拟了生物进化过程，它使用多个解作为“父母”，通过交叉和变异来产生新的解，最终找到最佳解。
4. 吃豆人实验室进展:
我在吃豆人实验室中取得了一些进展，但实现一个算法花了我很多时间。我花了整整一个半小时才将一段伪代码（uniform cost search function on a graph）转换为可运行的算法。
5. Udacity 课程进展:
我今天学习了三个新的课程：约束满足问题、逻辑与推理、规划。其中逻辑与推理对我来说是一个全新的概念，它使用了一些特殊的符号和逻辑规则，但整个概念逐渐变得清晰。
6. 人工智能应用案例:
这些算法在现实生活中有着广泛的应用，例如设计最优化的计算机芯片布局、规划仓库、安排日程等。
7. 遗传算法的应用:
NASA 使用遗传算法设计了最佳的太空站天线形状，这证明了遗传算法的强大功能。最后，我感谢大家收看本期视频，并邀请大家在评论区留言或在推特上与我交流。下周再见！

欢迎来到学习智能的第七期！这是一个我记录自己学习人工智能旅程的VLOG系列。与其重返大学，我创建了自己的“人工智能硕士学位”来学习教计算机自己思考的现象。我的课程 - https://medium.com/@mrdbourke/my-self-created-ai-masters-degree-ddc7aae92d0e如果您想在未来看到任何特定内容，请留言。节目中提到的链接：Udacity AIND - https://www.udacity.com/course/artificial-intelligence-nanodegree--nd889NASA 使用遗传算法创建天线 - https://www.nasa.gov/centers/ames/research/exploringtheuniverse/borg.html人工智能：现代方法教科书 - http://aima.cs.berkeley.edu/