人工智能的简洁定义如下:
努力将通常由人类完成的智力任务自动化。
早期的国际象棋程序仅包含程序员精心编写的硬编码规则,并不属于机器学习。在相当长的时间内,许多专家相信,只要程序员精
心编写足够多的明确规则来处理知识,就可以实现与人类水平相当的人工智能。这一方法被称为
符号主义人工智能
(
symbolic AI
),从
20
世纪
50
年代到
80 年代末是人工智能的主流范式。 在
20
世纪
80
年代的
专家系统
(
expert system
)热潮中,这一方法的热度达到了顶峰;
机器学习的概念就来自于图灵的这个问题:对于计算机而言,除了“我们命令它做的任何事情”之外,它能否自我学习执行特定任务的方法?计算机能否让我们大吃一惊?如果没有程序员精心编写的数据处理规则,计算机能否通过观察数据自动学会这些规则?
图灵的这个问题引出了一种新的编程范式。在经典的程序设计(即符号主义人工智能的范式)中,人们输入的是规则(即程序)和需要根据这些规则进行处理的数据,系统输出的是答案(见图
1-2)。利用机器学习,人们输入的是数据和从这些数据中预期得到的答案,系统输出的是规则。这些规则随后可应用于新的数据,并使计算机自主生成答案。