人工智能与机器学习笔记.pdf

人工智能与机器学习

一、人工智能基础概论

（一）人工智能的定义与发展历程

1.从图灵测试到现代AI概念的演进：剖析图灵测试内涵，以模仿游

戏探机器智能边界，其为AI奠基却存局限。梳理AI概念拓展脉络，

从达特茅斯会议“智能机器创造”发端，经专家系统、知识工程兴衰，

至机器学习、深度学习驱动下，AI重定义为智能体感知、学习、决

策、行动能力集成，拓展至多领域协同创新、人机融合增强智能，如

智能医疗助手、工业4.0人机协作场景，体现定义动态性、时代性，

引领AI发展方向革新。

2.人工智能发展的三起两落：关键节点与影响因素：首兴于20世

纪50-60年代，达特茅斯会议点燃火种，逻辑理论机、感知机萌芽，

因技术局限、计算力弱、理论稚嫩遇阻；70-80年代专家系统引领

复苏，医疗、金融应用突破，知识获取维护瓶颈、计算复杂致衰；90

年代机器学习驱动再兴，决策树、神经网络进化，大数据涌现、计算

跃升加速发展；深度学习崛起成关键转折，互联网数据、芯片算力加

持，图像语音识别突破；如今AI融入生活各域，国家战略支持、伦

理规范构建、跨学科融合创新为持续发展新驱，为AI成长史提供全

景洞察，助把握发展规律趋势。

（二）人工智能的主要学派与研究方法

1.符号主义：逻辑推理与知识表示的智慧构建：符号主义视智能为

符号操作、知识推理，以谓词逻辑、语义网络、框架系统精确表示知

识。专家系统为典范，知识库存专业知识、推理机演绎决策，医疗诊

断、故障排查广泛应用；逻辑推理借规则引擎、定理证明器严谨推导

结论，知识图谱融合语义网、图数据库，挖掘实体关系、智能查询推

理，推动智能语义搜索、智能问答发展，为知识驱动AI筑牢根基、

拓宽应用，如智能法律助手依法律知识图谱精准咨询。

2.连接主义：神经网络的崛起与深度学习根源：连接主义仿生物神

经元，神经元模型构建网络，MP模型奠基，感知机开线性分类先河，

多层感知机破线性局限、激活函数注入非线性活力。反向传播算法破

梯度计算难题、驱动网络训练优化，奠定深度学习基础；深度学习中

CNN擅图像识别，卷积池化精准提取特征，RNN及LSTM、GRU优

处序列处理，长文理解、语音交互卓越，引领图像、语音、自然语言

处理变革创新，如智能翻译系统、智能客服机器人，为数据驱动智能

创新引擎、赋能复杂任务。

3.行为主义：智能体与环境交互的自适应探索：行为主义聚焦智能

体与环境互动，依反馈自适应进化。强化学习为核心，智能体于环境

选行动获奖励，经策略梯度、Q学习算法优化策略达目标。机器人

导航领域，智能体感知环境、奖惩驱动避障寻优路径；游戏AI中角

色依奖励机制策略进化、战术应变，AlphaGo融合深度学习、强化学

习，策略网络评估棋局、价值网络预判结果、蒙特卡洛树搜索决策，

击败人类冠军、重塑棋类智能，为智能体自主学习、环境适应创新范

式，拓展AI交互决策应用。

（三）人工智能的应用领域全景扫描

1.医疗保健：智能诊断、个性化医疗与疾病预测：智能诊断依图像

识别技术（CNN解析医学影像）精准检测病变、辅助诊断，肺结节

检测、视网膜病变筛查高效精准；个性化医疗借机器学习挖掘基因、

病历数据关联，构建患者模型定制疗法、药物基因组学选药提效降副；

疾病预测用深度学习分析多源数据（临床、生活方式、环境）预测发

病风险、流行趋势，糖尿病、心血管病早期预警、传染病防控助力公

共卫生决策，AI成医疗变革核心动力，提升精准度、效率、可及性，

创智能健康新时代。

2.交通出行：自动驾驶、智能交通管理与物流优化：自动驾驶融合

多技术层级（感知层激光雷达等、决策层算法规划、执行层控制系统），

谷歌Waymo、特斯拉Autopilot引领革新，路况感知决策、车距车

速调控达安全高效驾驶；智能交通管理中AI优化信号配时、流量调

度，缓解拥堵、提升通行力，视频分析监测违法、事故预警应急响应；

物流领域AI规划路径、调度仓储配送，无人机配送、智能仓储机器

人提效降本、重塑供应链，为交通物流智能化升级、绿色高效发展赋

能，创智能移动新生态。

3.金融服务：风险评估、欺诈检测与投资决策辅助：风险评估集成

机器学习模型（逻辑回归、决策树集成）分析信用、市场、操作风险

因素，构建评分模型精准授信、风控量化管理；欺诈检测用异常检测

算法（孤立森林、聚类分析）挖掘交易模式、实时监控拦截，信用卡、

保险欺诈智能防控；投资决策依深度学习剖析市场趋势、企业财报、