人工智能与机器学习应用手册（执行版）.docxVIP

与机器学习应用手册（执行版）

第1章基础概念与架构演进

1.1核心定义与主要分支

（ArtificialIntelligence,）是指由计算机程序模拟人类智能行为的技术领域，其核心目标是赋予机器感知环境、理解信息、做出决策并执行复杂任务的能力。根据功能定位，主要分为三大分支：狭义侧重于逻辑推理与符号处理，旨在解决可形式化描述的数学问题；认知模拟人类思维过程，包括感知、记忆与情感模拟，是研究的主流方向；广义则涵盖所有能表现智能的计算机系统，包括学、自然语言处理及计算机视觉等具体子领域。在主要分支中，机器学习（MachineLearning,ML）是最核心的子集，它不再依赖明确的数学公式，而是通过“数据驱动”的方式让计算机从经验中学习规律，从而具备预测和决策能力。机器学习算法主要分为监督学习（有标签数据）、无监督学习（无标签数据）、半监督学习（部分标签数据）和强化学习（基于奖励信号优化策略）。

认知分支中的子任务包括自然语言处理（NLP）和计算机视觉（CV），这两大领域构成了应用的基石。NLP致力于让机器理解人类语言的语义、语法及语境，而CV则专注于从图像、视频等视觉数据中提取特征并识别物体、场景及动作。强化学习（ReinforcementLearning,RL）是一种通过试错与环境交互来学习策略的方法，其核心机制是“奖励（Re