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。
發表文章
