1.符号主义人工智能为核心的逻辑推理
2.数据驱动为核心的机器学习
机器学习-深度学习-统计学习:要依赖于有标注的大数据进行学习
对数据集打上标签,深度学习算法不断学习,抽象,刻画,推理出一个数据集共有的模式,当产生新数据时,会同样的进行提取模式,然后使用这个特定的模式来进行判断是否为该标签定义的数据类型
3.搜索与利用为核心的强化学习
它是以问题引导的人工智能的方法
在这种人工智能的方法里面:给它定义好问题,然后人工智能算法根据问题的求解和环境进行交互。这种从环境中不断学习的方法称为强化学习。例如:机器人
三种方法的区别
学习模式 | 优势 | 不足 |
---|---|---|
用规则教 | 与人类逻辑推理类似,解释性强 | 难以构建完备的知识规则库 |
用数据教 | 直接从数据中学习 | 依赖数据,解释性不强 |
用问题引导 | 从经验中进行能力的持续学习 | 非穷举式搜索而需更好的策略 |