首页
技术小册
AIGC
面试刷题
技术文章
MAGENTO
云计算
视频课程
源码下载
PDF书籍
「涨薪秘籍」
登录
注册
0.1人工智能的诞生
0.2人工智能的4个发展时代
0.2.1初期时代
0.2.2知识时代
0.2.3特征时代
0.2.4数据时代
0.3什么是人工智能
0.4图灵测试与中文屋子问题
0.4.1图灵测试
0.4.2中文屋子问题
0.5第三代人工智能
1.1从数字识别谈起
1.2神经元与神经网络
1.3神经网络是如何训练的
1.4卷积神经网络
1.5梯度消失问题
1.6过拟合问题
1.7词向量
1.7.1词的向量表示
1.7.2神经网络语言模型
1.7.3word2vec模型
1.7.4词向量应用举例
1.8循环神经网络
1.9长短期记忆网络
1.10深度学习框架
2.1能穷举吗？
2.2极小极大模型
2.3αβ剪枝算法
2.4蒙特卡洛树搜索
2.5AlphaGo是如何下棋的
2.6围棋中的深度强化学习方法
2.6.1基于策略梯度的强化学习
2.6.2基于价值评估的强化学习
2.6.3基于演员评价方法的强化学习
2.7AlphaGo Zero是如何自学成才的
3.1路径搜索问题
3.2宽度优先搜索算法
3.3迪杰斯特拉算法
3.4启发式搜索
3.4.1A算法
3.4.2A算法
3.4.3定义h函数的一般原则
3.4.4h函数的评价
3.4.5A算法存在的不足
3.4.6单调的h函数
3.4.7改进的A算法
3.5深度优先搜索算法
3.6迭代加深式搜索算法
3.6.1迭代加深式宽度优先搜索算法
3.6.2迭代加深式A算法
3.7动态规划与Viterbi算法
3.8拼音输入法问题
4.1组合优化问题
4.2局部搜索算法
4.3局部搜索算法存在的问题
4.4退火过程及分析
4.4.1退火现象
4.4.2退火过程分析
4.5模拟退火算法
4.6模拟退火算法的参数选择
4.6.1起始温度t0的选取
4.6.2温度的下降方法
4.6.3每一温度下的停止准则
4.6.4算法的终止原则
4.7模拟退火算法应用举例
4.8遗传算法
4.9遗传算法应用举例
4.10遗传算法的实现问题
4.10.1编码问题
4.10.2二进制编码的交叉操作规则
4.10.3整数编码的交叉操作规则
4.10.4变异规则
4.10.5适应函数
4.10.6遗传算法的停止准则
4.11用遗传算法求解旅行商问题
4.12性能评价问题
4.13模拟退火算法与遗传算法的对比
当前位置:
首页>>
技术小册>>
深入浅出人工智能(上)
小册名称：深入浅出人工智能(上)
### 0.2.1 初期时代：人工智能的萌芽与探索 在人工智能（Artificial Intelligence, AI）的浩瀚历史长河中，初期时代是那段充满好奇、尝试与挑战的奠基时期。这一时期，从概念的萌芽到初步的理论构建，再到实践中的初步应用，每一步都凝聚着先驱者们的智慧与汗水，为后来AI的飞速发展奠定了坚实的基础。以下，我们将深入探索这一时代的背景、关键人物、重要理论以及标志性事件，共同回顾人工智能的初期时代。 #### 一、背景：科技革命的浪潮 20世纪中叶，随着第二次世界大战的结束，全球科技领域迎来了前所未有的发展机遇。计算机科学、数学、神经科学、心理学等多个学科的快速发展，为人工智能的诞生提供了肥沃的土壤。特别是电子计算机的诞生与普及，极大地提升了数据处理能力，使得模拟人类智能成为可能。同时，冷战背景下，美苏两国在科技领域的激烈竞争，也加速了AI研究的步伐。 #### 二、概念萌芽：图灵测试与“智能机器”的设想 - **图灵测试**：1950年，英国数学家艾伦·图灵在其论文《计算机器与智能》中提出了著名的“图灵测试”，即如果一台机器能够与人类进行对话而不被察觉其非人类身份，那么这台机器就可以被认为是“智能”的。这一思想不仅为AI研究设定了目标，也激发了人们对AI无限可能的想象。 - **“智能机器”的设想**：几乎与图灵测试同时，众多科学家和科幻作家开始构想能够执行复杂任务、甚至拥有自我意识的智能机器。这些设想虽然当时看来遥不可及，但却为AI领域的研究指明了方向，激发了无数科研人员的探索热情。 #### 三、关键人物：先驱者的足迹 - **约翰·麦卡锡**：被誉为“人工智能之父”的约翰·麦卡锡，于1956年在达特茅斯学院组织召开了首次人工智能研讨会，正式提出了“人工智能”这一术语，并确立了AI作为一门独立学科的地位。他的贡献不仅在于命名，更在于推动了AI研究的跨学科合作与深入探索。 - **马文·明斯基**：作为AI领域的另一位重要人物，马文·明斯基在感知器、框架理论等方面做出了杰出贡献。他与人合作开发了世界上第一个神经网络模拟器SNARC，为后来的深度学习研究奠定了基础。 - **克劳德·香农**：信息论的奠基人之一，克劳德·香农的工作对于理解信息在AI系统中的作用至关重要。他提出的香农熵理论，为量化信息的不确定性提供了数学工具，对AI中的决策制定、学习算法等方面产生了深远影响。 #### 四、重要理论：奠定基础的基石 - **符号主义**：初期AI研究以符号主义为主流，强调使用符号和逻辑规则来模拟人类智能。这一流派的研究者试图通过构建复杂的符号系统，实现推理、证明、规划等高级智能行为。虽然面临知识获取困难、推理效率低等问题，但符号主义为AI领域积累了宝贵的经验，并催生了诸如专家系统等重要应用。 - **控制论与反馈机制**：诺伯特·维纳提出的控制论，以及随后发展的反馈机制理论，为AI系统如何适应环境、调整行为提供了理论基础。这些理论在机器人控制、自动驾驶等领域得到了广泛应用，推动了AI技术的实用化进程。 - **搜索算法与启发式方法**：面对复杂的决策问题，初期AI研究者开发了多种搜索算法和启发式方法，如深度优先搜索、广度优先搜索、A*算法等。这些算法不仅提高了问题求解的效率，也为后来的优化算法、机器学习等领域的发展奠定了基础。 #### 五、标志性事件：从理论到实践的跨越 - **LISP语言的诞生**：LISP（List Processing）语言由约翰·麦卡锡及其同事在20世纪50年代末开发，是第一种专为AI设计的编程语言。LISP的灵活性和表达能力使其成为AI研究的重要工具，推动了AI算法和程序的快速迭代与优化。 - **专家系统的兴起**：20世纪60年代末至70年代，随着知识表示和推理技术的成熟，专家系统开始兴起。这些系统能够模拟特定领域专家的知识和经验，解决复杂的专业问题。例如，DENDRAL系统能够分析化学数据，推断出有机化合物的结构；MYCIN系统则能够根据患者的症状和病史，提供抗生素治疗的建议。专家系统的成功应用，展示了AI技术的巨大潜力，也激发了社会各界对AI的广泛关注。 - **人工智能的第一次寒冬**：然而，随着研究的深入，AI领域也遭遇了前所未有的挑战。由于技术瓶颈、资金短缺、社会认知偏差等原因，AI研究在20世纪70年代末至80年代初陷入了低谷，被称为“人工智能的第一次寒冬”。尽管如此，这一时期的挫折与反思也为后来的AI复兴提供了宝贵的经验教训。 #### 结语 初期时代是人工智能发展历程中不可或缺的一部分，它见证了AI概念的诞生、理论的初步构建以及初步的实践应用。虽然这一时期充满了挑战与困难，但正是这些先驱者们的不断探索与努力，为后来AI的飞速发展奠定了坚实的基础。如今，当我们站在AI技术的新高度回望过去时，不应忘记那些为AI事业默默奉献的先驱者们，以及他们在那个充满未知与可能的初期时代所留下的宝贵遗产。
上一篇：
0.2人工智能的4个发展时代
下一篇：
0.2.2知识时代
该分类下的相关小册推荐：
人工智能技术基础(下)
AIGC原理与实践：零基础学大语言模型(二)
人工智能基础——基于Python的人工智能实践(上)
TensorFlow快速入门与实战
PyTorch 自然语言处理
人工智能技术基础(上)
ChatGPT通关之路(下)
巧用ChatGPT轻松学演讲(上)
深度学习推荐系统实战
ChatGLM3大模型本地化部署、应用开发与微调(下)
一本书读懂AI绘画
用ChatGPT轻松玩转机器学习与深度学习
