人工智慧
歡迎來到人工智慧華夏公益教科書。
以下是基本佈局的第一個提案。這尚未完成，歡迎提出意見。在討論頁面討論，或直接在這裡新增。
本書分為 5 個部分，內容從淺入深，難度逐漸增加。每個部分包含若干章節。除了常規章節外，還有案例研究章節，使用常規章節中的幾種技術（以及可能的一些新技術）來研究完整而複雜的人工智慧系統。
概述
- 人工智慧代理及其環境
- 人工智慧正規化和學派
- 機率: 描述機率論推斷的基礎（哲學和數學）。
- 規劃、決策和問題解決: 擴充套件搜尋章節，展示如何建立簡單的智慧體和簡單的智慧行為。例如，解決難題，在一個小迷宮中導航（有陷阱和怪物）或計劃去超市購物。
- 不確定性: 介紹在不確定性下進行推理、規劃和決策。
- 案例研究 - 構建一個（相對）強大的遊戲 AI: 為某個遊戲（待定）構建一個強大的 AI，該 AI 結合了規劃和不確定性章節中的技術。這應該比大多數書籍中描述的簡化演算法更深入，並且實際上產生一個強大的遊戲 AI。
- 邏輯推理: 後向和前向鏈，歸結和邏輯程式設計。
- 知識工程: 描述和儲存複雜知識的方法。資料庫、OO 概念、知識庫、表示空間和時間、從大型資料集推斷、診斷系統等。
- 自然語言: 馬爾可夫模型、詞性標註器和 CFG 等內容。
- 機器學習 (ML): 機器學習的基本思想是研究模式識別，做出預測，根據示例或資料改進預測。機器學習概念的例子，如監督學習、無監督學習、半監督學習、強化學習和深度學習。
- 案例研究 - 深度學習: 描述深度架構（即深度信念網路、卷積神經網路）在手寫字元識別中的應用。
- 案例研究 - 人工生命: 描述一個擁有多個進化智慧體的環境，以及構建智慧體的幾種不同技術。這應該能夠借鑑和比較第二部分（包括自然語言章節）中的幾乎所有章節。
- 人工智慧的哲學問題: 討論人工智慧領域哲學家通常處理的 AI 問題，例如，用 AI 在理論上能實現什麼，程式是否可以有意識或感到疼痛，意向性以及符號基礎。
- 高階專家系統: 擴充套件了第二部分知識工程中解釋的基本專家系統。包括對機器學習部分中貝葉斯網路的更深入解釋。
- 案例研究 - 資料探勘: 使用像 Weka 這樣的軟體，描述使用機器學習演算法挖掘大型資料集（可能是維基百科資料庫的一部分）。
- 案例研究 - 資料分析: 描述使用 R 程式設計等統計計算工具對資料進行操作，在 K 均值聚類、決策樹、隨機森林、自適應增強和支援向量機中（由 R 基金會支援，這是一個開源軟體基金會）。
- 高階自然語言: 描述各種處理時態、句子焦點、預設等的技術。 NLP 和 NLG。這主要關注語言的底層結構以及如何將其轉換為某種邏輯語言，而不是統計方法和模型。
- 自然語言學習: 處理更高階的統計模型，用於學習理解語言。
- 案例研究 - 對話系統: 構建能夠用書面自然語言（智慧地）進行交流的系統。簡而言之，試圖透過圖靈測試。三種基本正規化；基於案例推理（如 ALICE）、基於邏輯（將所有內容翻譯成並從某種擴充套件的謂詞邏輯版本中翻譯出來）以及一些基於機器學習的解決方案。
- 機器視覺: 解釋視覺資料。人臉識別、3D 重建等。
- 貝葉斯決策理論
- 線性判別式和感知器
- 支援向量機
- 引數化技術
- 非引數化技術
- 語音識別、文字到語音和 OCR
- 高階邏輯: 高階邏輯系統。
- 強化學習
- 機器人學: 對機器人學的三種基本正規化進行詳細的技術介紹。處理軟體和硬體。（定義: 情境機器人學）。
- 布林智慧理論
- 1 位學習器
- N 位學習電路
- 用 Java 編碼的電路
- 我的研究成果...
- 奇點：人工智慧會比人類更聰明嗎？
- 精神機器 vs. 理性代理：人工智慧會解決精神問題嗎？