人工智能的分支

问：人工智能（AI）的分支有什么？

答：这里有一个列表，但肯定缺少某些分支，因为目前没有人能确定。其中一些可能会被视为概念或主题，而不是完整的分支。

逻辑AI 一个程序对于它必须起作用的具体情况事实世界的大体了解，且其目标全部由某种数学逻辑语言的语句表示。程序通过推断某些行动适于实现其目标，决定要做什么。第一篇提出这个概念的文章是[McC59]。[McC89]是较新的总结。[McC96b]列出了逻辑AI涉及的一些概念。[Sha97]是重要教材。

搜索 AI程序常检查大量的可能性，例如：一盘棋中的走棋或定理证明程序给出的推论。有关如何在各个领域更有效地进行搜索正不断发现。

模式识别 当一个程序要进行某种观察，它常被编程为将其所见与一个模式比较。例如，视觉程序可能会尝试在一个场景中匹配眼睛和鼻子模式，以便找出一张脸。对更为复杂的模式，如在自然语言文本中，在国际象棋中，或在某些事件的历程中，也进行了研究。这些更复杂的模式需要与已研究的最简单模式完全不同的方法。

表示 有关世界的事实必须以某种形式表示。通常使用数学逻辑语言。

推理 从一些事实可以推断其他事实。数学逻辑演绎对于某种目的是足够的，但自上世纪70年代以来，已新增非单调 推理的逻辑方法。最简单的一种非单调推理方法是默认推理，其中结论由系统默认值推断出，但如果有反面证据，则可以撤销该结论。例如，当我们听到鸟叫，我们人类会推断它能飞，但当我们听到的是企鹅时，这一结论可以被逆转。正是结论会撤销的可能性，构成了这种推理的非单调性质。普通的逻辑推理是单调的，可从前提集合中得到的结论集合，是前提的单调增加函数。界限是非单调推理的另一种形式。

常识认识和推理 这是AI距离人类水平最远的领域，但其实自上世纪50年代以来，它就是活跃的研究领域。虽然已经有相当大的进展，例如在开发非单调推理 系统和行动理论方面，但还需要更多的新思路。CYC系统包含许多常识事实，但质量参差不齐。

1  2  

从经验中学习 程序就这样做。基于连接机制 和神经网络 的人工智能方法专门研究“从经验中学习”。逻辑中也有规律学习的表达。[Mit97]是关于机器学习的综合性本科教材。程序只能学习他们的形式体系可以表示的事实或行为，且不幸的是，学习系统几乎都基于非常有限的信息表示能力。

规划 规划程序开始于关于世界的一般事实（特别是行动影响的事实），关于具体情况的事实和关于目标的声明。从这些事实中，它们产生实现这一目标的策略。在最常见的情况下，策略仅仅是一个动作序列。

认识论 这是关于解决世界上的问题所必需的各种知识的研究。

本体论 本体论是关于存在的各种事物的研究。在人工智能中，程序和语句处理各种对象，而我们研究这些种类是什么，其基本性质是什么。从上世纪90年代开始重视本体论。

启发法 启发法是试图发现某事物或在程序中嵌入想法的一种方式。在人工智能中，使用不同的术语。启发式函数 用在一些搜索方法中以衡量搜索树中的一个节点离一个目标有多远。启发式判断 比较搜索树中的两个节点，如果其中一个优于另一个，即构成朝目标方向的前进，可能更为有用。

遗传编程 遗传编程是一种用于使程序通过匹配随机Lisp程序并在无数代中选择最适当的而解决一个任务的技术。它正由John Koza的小组开发，这里有一个教程。

1  2  

欲知详情，请下载word文档 下载文档

来源：[db:出处]

作者：tee