人工智能与深度学习手册.docxVIP

与深度学习手册

第1章基础概念与架构演进

1.1的定义、分类与核心目标

（ArtificialIntelligence,）是指赋予计算机、和软件系统以智能行为，使其能够模拟人类认知能力（如感知、推理、学习、规划）的分支学科。其核心目标不仅是让机器“像人”，更是让机器能够“思考”并解决复杂问题，包括决策、规划、理解和适应环境。在定义层面，我们需要区分狭义与广义。狭义侧重于机器模仿人类行为，而广义则涵盖从符号逻辑到神经网络的各类智能技术。例如，在医疗诊断领域，广义不仅包括用算法自动分析X光片识别骨折，还包括利用辅助医生进行个性化治疗方案的设计与调整。

的分类体系通常依据其核心机制进行划分。基于学习机制，可分为符号主义（Symbolic）、连接主义（Connectionist/DeepLearning）和进化主义（Evolutionary）；基于任务目标，可分为规划型（能制定策略）、感知型（能识别环境）和认知型（能理解语义）。核心目标之一是实现自主性，即机器能够在没有人类直接干预的情况下，独立执行任务。例如，自动驾驶汽车在路口遇到红灯时，能根据实时交通流预测其他车辆行为并自主减速，无需驾驶员手动操作。另一个核心目标是泛化能力，即模型在未见过的数据上依然保持高准确率。例如，人脸识别系统训练时仅使用几张特定年龄段的照片，而在新购一台