人工智能智能決策，人工智能常采用的思維決策方法有

來源：整理時(shí)間：2023-06-02 10:26:22 編輯：智能門戶手機(jī)版

1，人工智能常采用的思維決策方法有

人工智能的判定方式主要為正確和錯(cuò)誤。一旦出現(xiàn)了有爭議的既正確，又錯(cuò)誤的答案。人工智能就很難給出自己的判定了（比如某部電影好看或者不好看）但是它可以給出人類的歷史評判數(shù)據(jù)，比如70%的人認(rèn)為好看，20%的人認(rèn)為不好看，10%的人認(rèn)為不好說。它自己給出的評判永遠(yuǎn)是一個(gè)概率事件的總和而不是像人一樣直接的說出好或不好。人類的判定思維某些時(shí)候也是按照正確和錯(cuò)誤來的，但更多時(shí)候是按照喜好和情感來的。比如買一部手機(jī)，人會(huì)按照品牌，價(jià)格，功能，顏色的順序去挑選。而人工智能只會(huì)按照功能來挑選。

消滅人類??

你好！決策方法——人工智能的決策方法僅代表個(gè)人觀點(diǎn)，不喜勿噴，謝謝。

人工智能常采用的思維決策方法有

2，人工智能能夠幫助人類解決哪些問題

關(guān)于在這樣一個(gè)高度發(fā)展的工業(yè)4.0時(shí)代，我們?nèi)祟惿鐣?huì)一直在穩(wěn)步的向前，增長當(dāng)中，現(xiàn)在關(guān)于工業(yè)4.0利用互聯(lián)網(wǎng)作為承接不斷的向上發(fā)展。所衍生的一個(gè)產(chǎn)品就是關(guān)于現(xiàn)在的人工智能，雖然說在我們?nèi)粘Ｉ钪畜w驗(yàn)的這些人工智能是非常智障，但這也是人類社會(huì)向前發(fā)展的一個(gè)產(chǎn)物，只不過對于這種技術(shù)尚在完善當(dāng)中。那么關(guān)于人工智能是未來產(chǎn)品發(fā)展的主要趨勢，那么人工智能能夠幫助人類解決哪些問題呢？這其中的答案主要有以下幾點(diǎn)。一、可以更好的進(jìn)行人工智能服務(wù)，例如在高鐵站當(dāng)中的一些指引方向。首先就是可以更好的進(jìn)行人工服務(wù)，例如在平時(shí)生活當(dāng)中，我們在進(jìn)行各種公共出行交通的時(shí)候，利用人工智能機(jī)器人可以更好的幫我們進(jìn)行指路，或者幫我們進(jìn)行購票的日常操作。這種對于人工智能機(jī)器人來說，根本就不是任何困難的事情，而且還可以利用人工智能等這些技術(shù)更好，的與服務(wù)于我們?nèi)祟?。二、人工智能還可以對我們?nèi)祟愑懈嗟膸椭?，例如在探險(xiǎn)當(dāng)中。還有就是人工智能可以太替我們做更多危險(xiǎn)的事情例如在地震救災(zāi)當(dāng)中，可以替我們進(jìn)行人工救援或者發(fā)現(xiàn)目標(biāo)，這種技術(shù)這種機(jī)器雖然說在目前的一個(gè)抗險(xiǎn)救災(zāi)中使用的較少，但是在未來這樣的一個(gè)機(jī)械會(huì)成為主要發(fā)展趨勢。所以關(guān)于這種產(chǎn)品的未來來說的話，還是有著非常不錯(cuò)的前景的。三、可以提供更多便利化的生活家庭服務(wù)。公家庭智最后就是關(guān)于人工智能，還可以提供更加便利化的人能服務(wù)這種服務(wù)。當(dāng)我們進(jìn)入家門的時(shí)候只要語音呼喊，那么家庭中的所有電器就會(huì)進(jìn)行智能啟動(dòng)。

機(jī)器人能夠代替人類工作(例如生產(chǎn)業(yè)，建筑業(yè)或者危險(xiǎn)的工作 )，學(xué)習(xí)(輔助孩子的家教機(jī))，做家務(wù) (如全自動(dòng)掃地機(jī) )。

人工智能能逐漸替代那些重復(fù)性，繁重，沒有創(chuàng)造性的改變工作，在很大程度上使生活更加便利，能夠代替人類工作，學(xué)習(xí)，做家務(wù)，解決日常很多瑣粹的工作。

人工智能是人類智能的延伸,所以人工只能會(huì)有人類智能的局限.如果用集合表現(xiàn)的話人工智能應(yīng)該從屬于人類智能,也就是說人工智能是人類智能的一種表現(xiàn),也可以說屬于人類智能的范疇.因此人工智能超越人類智能在哲學(xué)上講是一個(gè)悖論.雖然卡斯怕羅夫最終輸給了深藍(lán)但深藍(lán)是人類工程師制造的,其所有棋步于演算來自全世界的國際象棋棋手,可以說是卡斯怕羅夫跟全世界頂尖的國際象棋棋手下棋而深藍(lán)只是個(gè)媒介,歸根結(jié)底他還是輸給了人類智能.人工智能是不會(huì)戰(zhàn)勝人類的.

人工智能是現(xiàn)在最流行的技術(shù)，人工智能可以解決人類在教育資源分配上，醫(yī)療資源的分配和救助上，還有智能化養(yǎng)殖、智能消防等領(lǐng)域上的問題。人工智能將逐漸形成人類的剛需。

人工智能能夠幫助人類解決哪些問題

3，人工智能需要什么基礎(chǔ)

不需要基礎(chǔ)，現(xiàn)在可以去專門的電腦學(xué)院學(xué)

人工智能成了新時(shí)代的必修課，其重要性已無需贅述，但作為一個(gè)跨學(xué)科產(chǎn)物，它包含的內(nèi)容浩如煙海，各種復(fù)雜的模型和算法更是讓人望而生畏。對于大多數(shù)的新手來說，如何入手人工智能其實(shí)都是一頭霧水，比如到底需要哪些數(shù)學(xué)基礎(chǔ)、是否要有工程經(jīng)驗(yàn)、對于深度學(xué)習(xí)框架應(yīng)該關(guān)注什么等等。必備基礎(chǔ)如下：數(shù)學(xué)基礎(chǔ)知識蘊(yùn)含著處理智能問題的基本思想與方法，也是理解復(fù)雜算法的必備要素。今天的種種人工智能技術(shù)歸根到底都建立在數(shù)學(xué)模型之上，要了解人工智能，首先要掌握必備的數(shù)學(xué)基礎(chǔ)知識，具體來說包括：線性代數(shù)：如何將研究對象形式化？概率論：如何描述統(tǒng)計(jì)規(guī)律？數(shù)理統(tǒng)計(jì)：如何以小見大？最優(yōu)化理論：如何找到最優(yōu)解？信息論：如何定量度量不確定性？形式邏輯：如何實(shí)現(xiàn)抽象推理？線性代數(shù)：如何將研究對象形式化？事實(shí)上，線性代數(shù)不僅僅是人工智能的基礎(chǔ)，更是現(xiàn)代數(shù)學(xué)和以現(xiàn)代數(shù)學(xué)作為主要分析方法的眾多學(xué)科的基礎(chǔ)。從量子力學(xué)到圖像處理都離不開向量和矩陣的使用。而在向量和矩陣背后，線性代數(shù)的核心意義在于提供了?種看待世界的抽象視角：萬事萬物都可以被抽象成某些特征的組合，并在由預(yù)置規(guī)則定義的框架之下以靜態(tài)和動(dòng)態(tài)的方式加以觀察。著重于抽象概念的解釋而非具體的數(shù)學(xué)公式來看，線性代數(shù)要點(diǎn)如下：線性代數(shù)的本質(zhì)在于將具體事物抽象為數(shù)學(xué)對象，并描述其靜態(tài)和動(dòng)態(tài)的特性；向量的實(shí)質(zhì)是 n 維線性空間中的靜止點(diǎn)；線性變換描述了向量或者作為參考系的坐標(biāo)系的變化，可以用矩陣表示；矩陣的特征值和特征向量描述了變化的速度與方向?？傊€性代數(shù)之于人工智能如同加法之于高等數(shù)學(xué)，是一個(gè)基礎(chǔ)的工具集。概率論：如何描述統(tǒng)計(jì)規(guī)律？除了線性代數(shù)之外，概率論也是人工智能研究中必備的數(shù)學(xué)基礎(chǔ)。隨著連接主義學(xué)派的興起，概率統(tǒng)計(jì)已經(jīng)取代了數(shù)理邏輯，成為人工智能研究的主流工具。在數(shù)據(jù)爆炸式增長和計(jì)算力指數(shù)化增強(qiáng)的今天，概率論已經(jīng)在機(jī)器學(xué)習(xí)中扮演了核心角色。同線性代數(shù)一樣，概率論也代表了一種看待世界的方式，其關(guān)注的焦點(diǎn)是無處不在的可能性。頻率學(xué)派認(rèn)為先驗(yàn)分布是固定的，模型參數(shù)要靠最大似然估計(jì)計(jì)算；貝葉斯學(xué)派認(rèn)為先驗(yàn)分布是隨機(jī)的，模型參數(shù)要靠后驗(yàn)概率最大化計(jì)算；正態(tài)分布是最重要的一種隨機(jī)變量的分布。數(shù)理統(tǒng)計(jì)：如何以小見大？在人工智能的研究中，數(shù)理統(tǒng)計(jì)同樣不可或缺。基礎(chǔ)的統(tǒng)計(jì)理論有助于對機(jī)器學(xué)習(xí)的算法和數(shù)據(jù)挖掘的結(jié)果做出解釋，只有做出合理的解讀，數(shù)據(jù)的價(jià)值才能夠體現(xiàn)。數(shù)理統(tǒng)計(jì)根據(jù)觀察或?qū)嶒?yàn)得到的數(shù)據(jù)來研究隨機(jī)現(xiàn)象，并對研究對象的客觀規(guī)律做出合理的估計(jì)和判斷。雖然數(shù)理統(tǒng)計(jì)以概率論為理論基礎(chǔ)，但兩者之間存在方法上的本質(zhì)區(qū)別。概率論作用的前提是隨機(jī)變量的分布已知，根據(jù)已知的分布來分析隨機(jī)變量的特征與規(guī)律；數(shù)理統(tǒng)計(jì)的研究對象則是未知分布的隨機(jī)變量，研究方法是對隨機(jī)變量進(jìn)行獨(dú)立重復(fù)的觀察，根據(jù)得到的觀察結(jié)果對原始分布做出推斷。用一句不嚴(yán)謹(jǐn)?shù)庇^的話講：數(shù)理統(tǒng)計(jì)可以看成是逆向的概率論。數(shù)理統(tǒng)計(jì)的任務(wù)是根據(jù)可觀察的樣本反過來推斷總體的性質(zhì)；推斷的工具是統(tǒng)計(jì)量，統(tǒng)計(jì)量是樣本的函數(shù)，是個(gè)隨機(jī)變量；參數(shù)估計(jì)通過隨機(jī)抽取的樣本來估計(jì)總體分布的未知參數(shù)，包括點(diǎn)估計(jì)和區(qū)間估計(jì)；假設(shè)檢驗(yàn)通過隨機(jī)抽取的樣本來接受或拒絕關(guān)于總體的某個(gè)判斷，常用于估計(jì)機(jī)器學(xué)習(xí)模型的泛化錯(cuò)誤率。最優(yōu)化理論：如何找到最優(yōu)解？本質(zhì)上講，人工智能的目標(biāo)就是最優(yōu)化：在復(fù)雜環(huán)境與多體交互中做出最優(yōu)決策。幾乎所有的人工智能問題最后都會(huì)歸結(jié)為一個(gè)優(yōu)化問題的求解，因而最優(yōu)化理論同樣是人工智能必備的基礎(chǔ)知識。最優(yōu)化理論研究的問題是判定給定目標(biāo)函數(shù)的最大值（最小值）是否存在，并找到令目標(biāo)函數(shù)取到最大值 (最小值) 的數(shù)值。如果把給定的目標(biāo)函數(shù)看成一座山脈，最優(yōu)化的過程就是判斷頂峰的位置并找到到達(dá)頂峰路徑的過程。通常情況下，最優(yōu)化問題是在無約束情況下求解給定目標(biāo)函數(shù)的最小值；在線性搜索中，確定尋找最小值時(shí)的搜索方向需要使用目標(biāo)函數(shù)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)；置信域算法的思想是先確定搜索步長，再確定搜索方向；以人工神經(jīng)網(wǎng)絡(luò)為代表的啟發(fā)式算法是另外一類重要的優(yōu)化方法。信息論：如何定量度量不確定性？近年來的科學(xué)研究不斷證實(shí)，不確定性就是客觀世界的本質(zhì)屬性。換句話說，上帝還真就擲骰子。不確定性的世界只能使用概率模型來描述，這促成了信息論的誕生。信息論使用“信息熵”的概念，對單個(gè)信源的信息量和通信中傳遞信息的數(shù)量與效率等問題做出了解釋，并在世界的不確定性和信息的可測量性之間搭建起一座橋梁?？傊?，信息論處理的是客觀世界中的不確定性；條件熵和信息增益是分類問題中的重要參數(shù)；KL 散度用于描述兩個(gè)不同概率分布之間的差異；最大熵原理是分類問題匯總的常用準(zhǔn)則。形式邏輯：如何實(shí)現(xiàn)抽象推理？1956 年召開的達(dá)特茅斯會(huì)議宣告了人工智能的誕生。在人工智能的襁褓期，各位奠基者們，包括約翰·麥卡錫、赫伯特·西蒙、馬文·閔斯基等未來的圖靈獎(jiǎng)得主，他們的愿景是讓“具備抽象思考能力的程序解釋合成的物質(zhì)如何能夠擁有人類的心智?！蓖ㄋ椎卣f，理想的人工智能應(yīng)該具有抽象意義上的學(xué)習(xí)、推理與歸納能力，其通用性將遠(yuǎn)遠(yuǎn)強(qiáng)于解決國際象棋或是圍棋等具體問題的算法。如果將認(rèn)知過程定義為對符號的邏輯運(yùn)算，人工智能的基礎(chǔ)就是形式邏輯；謂詞邏輯是知識表示的主要方法；基于謂詞邏輯系統(tǒng)可以實(shí)現(xiàn)具有自動(dòng)推理能力的人工智能；不完備性定理向“認(rèn)知的本質(zhì)是計(jì)算”這一人工智能的基本理念提出挑戰(zhàn)。

不需要基礎(chǔ)，現(xiàn)在可以去專門的電腦學(xué)院學(xué)

人工智能需要什么基礎(chǔ)