浅谈人工智能本质及其与信号处理智能化算法关系
一、人工智能的本质
随着大数据的发展,数据计算与处理能力的大幅度提升,人工智能也在如火如荼的发展,那么人工智能的本质是什么呢?
人工智能既然有“人工”两个字,说明其与人的想法思维和认知过程是不可分割的。
我认为人工智能的本质就是根据过往的经验来做出现在的判断。
举个浅显的例子,当某个人走在路上,没看清路面有个坑,掉了进去,他会告诫自己:“走路一定要看路,要小心路面的坑洼。”这可以成为一个经验,一个通过错误判断获得的经验。这个经验所带来的效果就是今后在走路时会看着路面,再遇到坑时,可能就会绕过去。随着这个人的经验越积累越多,他日后走路会更加平稳,发生危险的可能性会更小。
二、人工智能算法的分类
从算法类型的角度而言,我认为人工智能算法可以分为两类:优化算法(迭代更新)和启发式算法。
-
优化算法(迭代更新)
信号处理智能化算法中的许多算法都运用了这个思想。例如用贝叶斯去跟踪目标轨迹,通过不断迭代权值来估计预测概率密度,进而得出预测值,再通过预测值与观测值的权重分配来确定最终目标位置。在优化算法中,有几点需要注意:
1.似然函数是在将物理模型抽象为数字模型时就已经确定了的,如果没有确定好似然函数则代表模型建立有问题,需返回重新建立模型。
2.如何由预测的概率密度得到预测值取决于代价函数的选择。例如取期望作为预测值则是选择了方差为代价函数,使代价函数尽可能的小。优化算法更像是效仿人的认知(心理学)。
-
启发式算法
启发式算法更像是效仿人的大脑皮层,通过神经网络来挖掘特征和处理数据。