人工智能的三个发展阶段，机器学习问题的主要来源、分类与教学层面

人工智能发展阶段

• 基于知识：
  • 早期人工智能，将人的知识以规则或位词的形式转移给计算机，然后计算机基于这些规则进行演绎推理；
  • 专家系统、机器定理证明；
  • 属于计算机科学的范畴；
• 基于特征：
  • 不依赖上层知识，基于更底层的特征数据；
  • 基于底层特征数据进行预测或分类需要先建立并训练模型，相当于计算机从训练数据中获得知识，这就是机器学习；至此，机器学习开始成为人工智能研究的主要领域；
  • 回归分析、贝叶斯决策；
• 基于数据：
  • 随着信息化和互联网的普及，各种数据被存储，基于这些原始数据建立数据模型；
  • 基于大数据的深度学习；

人工智能与机器学习的关系

• 人工智能是研究如何使计算机承担以往必须由人承担的工作；

机器学习问题

问题主要来源

• 统计学中的数据分析；
• 计算机科学中的人工智能；

机器学习的问题分类

• 回归（有监督学习）
  • 根据样本数据集，建立变量之间的函数模型，如果待预测目标为连续值，那么属于回归问题；
  • 可视为定量分析；
• 分类（有监督学习）
  • 根据样本数据集，建立变量之间的函数模型，如果待预测目标为离散值，那么属于分类问题；
  • 可视为定性分析；
• 聚类
  • 根据数据自身特性进行聚类或者分类；
  • 在聚类问题中，样本数据集没有类别标注，被称为无监督学习；

机器学习的三个教学层面

• 设计层面：
  • 提出新的模型和学习算法，或者改进别人的模型和算法；
  • 关键是数学建模（即形式化表示）及其最优化（及学习算法）；
• 编程层面：
  • 理解别人的算法与模型，能够将其编写成函数库或类库；
• 应用编程层面；
  • 理解各种模型与算法的基本原理、特点和适用性，将其应用于实际问题；