MIT_AI公开课p1p2学习笔记

视频连接

麻省理工学院公开课：人工智能

01-人工智能

1、关键词

思维

MIT:模型+表达！

MIT:技能+经验（所有AI的专家）

2、概念

1. 人工智能是关于支持模型建立的表达系统；模型是针对思维、感知和行动的模型。建立智能程序。

2. 人工智能是关于通过表示得以呈现的约束条件，而表示针对思维、感知和行动的模型。最后需要创建程序。

3. 显然，人工智能是关于算法的，通过针对思维、感知和行动的模型表示所呈现的约束条件得以实现。

4. 算法/程序/方法。

5. 模型是思维、感知和行动有机整体。比如：系统想象一个情形，然后读出答案，将视觉系统用于想象的情境中

6. 人类变革：将领种概念合成第三种概念，就是开始学会用语言描述事物。讲故事和理解故事就是教育的全部。

7. 语言还能能整理感觉系统所获得的资源，指挥感觉系统，去想象我们没有见过的东西

8. 生成测试法（一个个比较测试） Rumpelstiltskin（侏儒）原则：给小东西命名+解释

02-推理：目标树与问题求解

1、形式

人求解问题的方法→机器求解问题的方法。

2、概念

【问题归约problem reduction】
先转化为简单问题（安全变换）；然后简单问题查表；最后检验中是否正确；

• 如果要启发式变换（难一点） ，会导致目标树有不同的分支，然后选择考虑随便一支问题，然后再回到原来的结点去考虑另一个分支的问题，最后回退到最简单的那个去处理。

• 引入“与节点”（and node）和“或节点”（or node），而积分化简的过程也形成了一个树形状的图，对于这个图我们称之为
  “问题归约树（Problem reduction tree）”
  或者
  “目标树（Goal tree）”
  或者
  “与或树（add/or tree）”。

问题归约就有点像数据结构中对树的深度遍历。

3、积分变换例子

教育理念：
掌握skill之前要先understand ,理解之前要见过。所以要举一个见过的例子！

（一道高数积分题）
并给出程序流程图

4、此程序（算法)的一些思考

• 最大情况下，树的深度是多少？

7。理解为：积分变换次数最多为7次

• 平均深度是多少？

3.理解为：我们平时写的积分题平均变换3次

• 有多少分支没被用过？

1.理解为：如果你选择了不会被用上的分支，就会做很多无用功；一般只有一个分支（积分变换）

• 使用树这样的结构好处是？

无用的分支很快就能走到死胡同，很节省时间，不必要使用函数复合深度来判断哪一个最简单。

5、每次进入新领域都应该问自己的问题（元知识）

1. 涉及到的知识

积分变换、树如何工作

2. 问题何时解决
3. 知识如何表示？

不同知识有不同的表示。积分知识都被表示为数学表达式，积分变换表示为表格，目标树的知识用流程表示。

4. 知识的使用方式？

简单变换让问题变得更简单，表格使用在树的底部。

5. 需要多少知识？

积分变换中安全变换需要12个，启发式变换需要12个；

*发现：使用的方法和问题的特征之间有对应关系，观察问题的特征就可以选择出正确的方法。

6、结语

最后：了解了程序的原理之后，发现it's not intelligent after all~