2018年9月1日

AI 知識圖:人工智慧「技術分門別類」詳解

2018/8/31 AI 知識圖:人工智慧「技術分門別類」詳解
作者:Francesco Corea博⼠是《福布斯》雜誌的專欄作家,是解讀複雜性的科學家和
技術投資者,主要關注對社會影響很⼤的垂直領域(比如⽣命科學、能源和強⼈⼯智
慧)的科學驅動型公司。


AI知識地圖。與戰略創新諮詢公司Axilo⼀起製作了該圖,⽤於直觀地顯⽰在其Chôra平
臺上的活動。



列出了以下幾種AI範式:
基於邏輯的⼯具:⽤於表⽰知識和解決問題的⼯具。
基於知識的⼯具:基於本體(ontology)的⼯具以及由概念、資訊和規則組成的龐
⼤資料庫。
概率⽅法:讓代理可以在不完整的資訊場景下⾏動的⼯具。
機器學習:讓電腦可以從資料中學習的⼯具。
體驗智能:⼯程⼯具箱,假設⾝體(或⾄少⼀部分功能,比如運動、感知、交互
和視覺化)是更⾼級的智慧所必需的。
搜索和優化:允許許多可能的解決⽅案進⾏智慧搜索的⼯具。
這六種範式還分屬三種不同的宏觀⽅法,即符號法、亞符號法和統計法(由上⾯的不同
顏⾊加以表⽰)。簡⽽⾔之,符號⽅法表明⼈類智慧可以簡化為符號操作,亞符號⽅法
是指事前並不提供特定的知識表⽰,⽽統計⽅法基於解決特定⼦問題的數學⼯具。
縱向軸列出了⽤AI來解決的問題,這裡的分類很標準化:
推理:解決問題的能⼒
知識:表達和理解世界的能⼒
規劃:制定和實現⽬標的能⼒
溝通:理解語⾔和溝通的能⼒
感知:將原始的感官輸入(比如圖像和聲⾳等)轉換成實⽤資訊的能⼒。

下⾯列出幾種技術:
機器⼈流程⾃動化(RPA):這種技術通過觀察⽤⼾執⾏特定任務來提取要執⾏
的⼀系列規則和動作。
專家系統:這種電腦程式擁有硬編碼規則,可類比⼈類決策過程。模糊系統是基
於規則的系統的⼀個具體例⼦,可將變數映射到0到1之間的連續值,這與得出0/1
結果的傳統數位邏輯恰恰相反。
 


電腦視覺(CV):獲取和解讀數字圖像的⽅法(通常分為活動識別、圖像識別和
機器視覺)。
⾃然語⾔處理(NLP):處理⾃然語⾔資料的⼦領域(該領域包括三⼤塊,即語
⾔理解、語⾔⽣成和機器翻譯)。
神經網路(NN或ANN):這⼀類演算法鬆散地模仿⼈類/動物⼤腦的神經元結構,
在無需明確指⽰怎麼做的情況下改善性能。NN的兩個眾所周知的⼦類是深度學習
(有多個層的神經網路)和⽣成式對抗網路(GAN,相互訓練的兩個網路)。
⾃治系統:這個⼦領域介於機器⼈和智慧系統之間的交叉點(比如智慧感知、靈
巧物體操縱和基於計畫的機器⼈控制等)。
分散式AI(DAI):這⼀類技術通過將問題分發給彼此交互的⾃治"代理"來解決問
題。多代理系統(MAS)、基於代理的建模(ABM)和群體智慧是該⼦集的三個
有⽤的規範,其中集體⾏為來⾃分散的⾃組織代理之間的交互。
情感計算:這個⼦領域處理情緒識別、解讀和模擬。
進化演算法(EA):這是進化計算這個更廣泛的電腦科學領域的⼀個⼦集,進化
計算利⽤受⽣物學啟發的機制(比如突變和繁殖等),尋找最佳解決⽅案。遺傳
演算法是進化演算法中最常⽤的⼦集,這種搜索啟發法遵循⾃然選擇過程來選
擇"最適合"的候選解決⽅案。
歸納邏輯程式設計(ILP):這個⼦領域利⽤形式邏輯來表⽰事實資料庫,並⽣成
源⾃這些資料的假設。
決策網路:這是最知名的⾙葉斯網路/推理的延伸,它通過⼀個圖(⼜叫有向無環
圖)表⽰⼀組變數及其概率關係。
概率程式設計:這種框架並不強迫你對特定變數進⾏硬編碼,⽽是處理概率模
型。⾙葉斯程式合成(BPS)在某種程度上是⼀種概率程式設計,其中⾙葉斯程
式編寫新的⾙葉斯程式(⽽不是⼈類編寫,跟更廣泛的概率程式設計⽅法中⼀
樣)。
環境智慧(AmI):這種框架要求物理設備融入數位環境,以便在受到外部刺激
(通常由⼈類動作觸發)後,察覺、感知和回應情境感知信號。

搜尋

標籤

總網頁瀏覽量