人工智能与机器学习基础手册_1.docxVIP

与机器学习基础手册

第1章基础概念与核心理论

1.1的定义与分类体系

（ArtificialIntelligence，简称）被定义为计算机科学的一个分支，旨在制造能够模拟、延伸和扩展人类智能的理论、方法、设备及应用系统。其核心目标在于让机器在感知、学习、推理、规划、决策等认知能力上达到或超越人类的水平。从功能分类来看，主要分为三大类：狭义专注于特定任务如图像识别或语音合成；广义涵盖所有智能活动；而研究智能本质的理论分支则包括认知科学、逻辑学及符号主义等。

在技术实现路径上，通常分为符号主义（Symbolism）、连接主义（Connectionism，即深度学习）和行为主义（Behaviorism）。符号主义强调通过逻辑符号和推理规则构建知识体系，连接主义则模拟人脑神经网络结构，行为主义关注智能体与环境交互的行为模式。根据应用领域，被划分为感知智能、认知智能、语言智能、决策智能和规划智能。例如，自动驾驶汽车依赖感知智能处理摄像头图像，而医疗诊断系统则运用认知智能进行病情分析。在数据驱动与规则驱动的分类中，传统依赖人工编写的规则库（Rule-based），而现代则转向数据驱动（Data-driven），通过海量数据自动发现规律。例如，早期的交通信号灯控制依赖固定规则，而现在的自适应交通系统则依赖实时交通数据流。

常见的分类还包括基于知识的、基于统