人工智能是什么?人工智能网络的设计过程

一. 什么是人工智能

在学习人工智能之前，首先要知道什么是人工智能？

人工智能就是让机器具备人的思维和意识。

在图像识别方面，目的就是让机器能够准确的判断出图片中是人还是马？是自行车还是摩托车？是男还是女？

二.如何实现

如何让机器具备人的思维和意识？人工智能有三个学派

1.行为主义

基于控制论，构建感知-动作控制系统。

控制论，如平衡、行走、避障等自适应控制系统。

比如，让机器人单脚站立，通过感知要摔倒的方向，控制两只手的动作，保持身体的平衡。

2.符号主义

基于算数逻辑表达式，求解问题时先把问题描述为表达式，再求解表达式。

可用公式描述、实现理性思维，如专家系统。

如果你在求解某个问题时，可以用if-else, case 这样的条件语句，和若干计算公式描述出来，这就是用了符号主义的方法。

符号主义，也可以理解为用公式描述的人工智能，让计算机具备了理性思维。

3.连接主义

仿生学，模拟神经元连接关系。仿脑神经元连接，实现感性思维，如神经网络。

人类不仅具有理性思维，还具有感性思维，比如，新的同事，第一次见面就会有印象，第二次在路上遇见就会认得，还有可能叫出对方的名字，这就是直觉，是感性的。

连接主义就是在模拟人的感性思维，是在仿造人脑神经元连接关系。

3.1 单个神经元

3.2 大脑中的神经元连接成网络

人脑就是由860亿个神经元连接成的网络

3.3 人工神经网络

4. 基于连接主义的神经网络设计过程

上图是人脑从出生到成年大脑神经元的变化图，随着我们的成长，大量的数据通过视觉、听觉涌入大脑，使得神经网络连接即神经元链接线上的权重（线条粗细的变化）发生了变化，有些增强了，有些减弱了。

5.神经网络设计过程(步骤)

5.1 准备数据

数据量越大越好，且要具备"特征/标签"对的数据。

比如，要识别猫，就需要大量猫的图片(特征)，和”图片是猫“的标签，构成”特征/标签“对

5.2 搭建神经网络结构

5.3. 优化参数

通过反向传播，优化连接的权重，训练网络，知道模型的识别准确率达到要求，获取最佳参数或连线权重。保存模型

5.4. 模型应用

用保持的模型，输入从未见过的数据，通过前向传播，输出概率值，概率值最大的一个就是分类和预测的结果了