PYTORCH学习（1）：AI发展进程

1 AI发展过程

2 AI计算方式演变

2.1 基于规则的系统

2.1.1 定义

最初代的人工智能计算系统。（如图搜索，树搜索）

2.1.2 工作原理

手动根据人的经验设计计算程序（例如求原函数），输入各种已知的规则，让计算机根据规则进行计算。

2.1.3 缺点

只是利用了计算机的计算能力，毫无智能可言。

2.2 经典机器学习

2.2.1 定义

二代的人工智能计算系统。例如逻辑回归，SVM等

2.2.2 工作原理

手动根据人的经验选择并提取可以表示某一种类别的特征，以张量$x$的形式表示，然后通过计算机计算得到一个映射关系$f(x)$，通过以$x$为输入，$f(x)$为函数式，求得输出$y$。

2.2.3 缺点

（1）需要人工根据经验提取特征，有可能存在人想不到的有效特征而被忽略掉。
（2）难以处理大量的数据。
（3）处理无结构数据存在额外的步骤和困难。
（4）维度诅咒。为了涵盖更多的特征就需要更多的数据才能满足需求。数据的采集与标注是一件很大开销的事情。

2.3 表示学习

2.3.1 定义

三代的人工智能计算系统。

2.3.2 工作原理

科学家们希望某一种类别的特征也能通过学习得到（训练专门的特征提取器），而不是人工经验选取。通过特征维度降维（以低维度特征表率高维度特征）来减弱维度诅咒这一缺点。计算方式与机器学习一致。

2.3.3 缺点

特征的提取与映射是分开的，先提取特征再寻找映射关系。

2.4 深度学习

2.4.1 定义

现代人工智能计算系统。（END 2 END）

2.4.2 工作原理

以某一种类别的本身要素作为简单特征（比如图像——>像素，语音——>波形序列。。。），添加层进一步提取特征，然后根据特征和映射关系得到输出。