人工智能简述要点.ppt

人工神经网络例子 假如我们有一组数测量据如下：  我们利用这组数据来训练神经网络。 人工神经网络例子 人工神经网络例子 人工神经网络例子 置信网络 置信网络是非常先进的AI技术，因为他的主要作用是教机器如何去认识未知世界中的隐含规律，就算是人类，置身于一个全未知的世界中也是寸步难行的 。 神经网络和遗传算法，它们的本质是是运用穷举的方法不断尝试 ，但这两种算法只知道不断的尝试，不知道总结背后的规律，成功的找到了A部分的正确答案，面对B部分时还需要同样漫长的尝试过程，这就是缺少我们人类所谓的哲学在里面，可以说从现象找本质规律是人类最高等的智慧特征 。 置信网络 神经网络的层数大多只有2层，3层的神经网络训练难度已经是极为恐怖的了，随着输入、输出、网络层数的增加，训练时间将以幂级指数上升，这就是所谓的“维数灾难” 。 每一种AI技术，都要先反思我们人类面对同样情况下，是如何处理的，当我们面对一个完全陌生的事物时，我们通常是怎么做的 。 上古时代，那时的人类还不知道有药这个东西，一旦患了疾病等于死亡，直到神农氏的出现，神农氏开始品尝百草以求冶病的办法，可以看出其实面对相同的问题人类和AI几乎是一样的，世界上没有所谓真正的智能，什么都不干，直接找到本质是不可能的 。 置信网络 在神农氏的尝试过程，发现某些病，吃某些草就可以好的这种现象，但是某些病吃这种草又无效，这就是我们前面所说的神经网络，那么如果一味的试下去，每种病都要试遍所有草药，而且更恐怖的是，有些病需要两种，或者更多种草药一起组合才有效果 。 这时神农氏发现了一个从现象找本质的方法，某些植物被分类成温性植物，某些植物被分类成热性植物，某些被分类成寒性植物，而许多病也有划分，有些被抽象为风寒，有些被抽象为风热，用热性植物可以驱走风寒，用寒性植物可以驱走风热等等，到后来又发现了更深层的规律，五行，金木水火土的人体内脏关系，这就是中医的起源 。 置信网络 神农氏找出这些抽象规律的依据是什么？就是概率，再次说明了，人类智能的完成，就是穷举与概率统计，怎么也逃不出这个套路。能找到现象背后的原理，一定要先进行大量的尝试，然后对这些尝试结果进行概率统计，如谁和谁组合起来，冶某某病的概率高，即然是概率那就说明很多数据是在我们认知范围外的，但是如果这些概率形成一个网状结构，观察概率与概率的相互影响或排斥之间，那个真正的本质就会慢慢浮现出来，置信网络就是一张描述了概率与概率之间错综复杂的关系网 。 置信网络 置信网络提供了描述不同现象之间存在内在因果关系的工具，它采用了概率统计学的原理来解决现实世界中的不确定性和不完全知识等问题，它还可以用于推导现实世界的状态和预测各种动作可能的结果。 置信网络可以极大的缩短神经网络的训练时间，因为它可以大量的删除一些跟本没必要的重复训练，例如你第一次学习一门外语需要花费3年的时间，那么你第二次学习其它的外语很可能只要1年，第三门外语甚至只要3个月就可掌握，原因就是你已经找到了语言和语言之间抽象的联系，你只需要进行那些不同语言真正差异的部分的训练。 THANKS 群聚技术_1 而群聚技术，是面对两个以上，或者成千上万个机器人共同运动时做出的智能反应。群聚行为中每个单独的个体都要考虑到周围其它个体的状况而做出决策。例如邻近单位的位置，他们的方向，以及他们和自身有多接近等信息 例如我们的倒垃圾机器人，如果有三个四个这样的机器人同时工作，让他们在不同的位置同时去相同的地方倒垃圾，这时就会有产生，碰撞，拥挤等问题，群聚技术正是用来解决这些问题的AI算法。 群聚技术_2 群聚技术核心原理：世界任何复杂的现象，都是有若干个简单的基本规律组成的，群聚技术也不例外。无论多么复杂的群聚技术，最终都可以化解为三种基本行为，就和红绿蓝三原色一样，这就是凝聚、对齐、分隔！ 凝聚行为：每个单位都往其邻近单位的平均位置行动 对齐行为：每个单位行动时，都要把自已对齐在其邻近单位的平均方向上。 分隔行为：每个单位行动时，要避免撞上其邻近单位 群聚技术例子 群聚技术有个很好用的开源技术库，opensteer 群聚技术应用：领队跟随行为 在群体中加入领头者，就能让群体的移动更有目的性，或者看起来比较有 智能。比如：战争模拟游戏中，计算机控制一群飞机追击玩家。可以让其 中的一架作为领头者，其他飞机采用基本群聚规则跟着领头者跑。在和玩 家发生混战时，可以适时关闭群聚规则，让飞机分散进攻。这个实际上应 用到了凝聚行为+分隔行为 遗传算法 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，