麻省理工學院公開課:人工智能node
思惟算法
MIT:模型+表達!安全
MIT:技能+經驗(全部AI的專家)數據結構
人工智能是關於支持模型創建的表達系統;模型是針對思惟、感知和行動的模型。創建智能程序。ide
人工智能是關於經過表示得以呈現的約束條件,而表示針對思惟、感知和行動的模型。最後須要建立程序。函數
顯然,人工智能是關於算法的,經過針對思惟、感知和行動的模型表示所呈現的約束條件得以實現。測試
算法/程序/方法。人工智能
模型是思惟、感知和行動有機總體。好比:系統想象一個情形,而後讀出答案,將視覺系統用於想象的情境中視頻
人類變革:將領種概念合成第三種概念,就是開始學會用語言描述事物。講故事和理解故事就是教育的所有。資源
語言還能能整理感受系統所得到的資源,指揮感受系統,去想象咱們沒有見過的東西
生成測試法(一個個比較測試) Rumpelstiltskin(侏儒)原則:給小東西命名+解釋
人求解問題的方法→機器求解問題的方法。
【問題歸約problem reduction】
先轉化爲簡單問題(安全變換);而後簡單問題查表;最後檢驗中是否正確;
若是要啓發式變換(難一點) ,會致使目標樹有不一樣的分支,而後選擇考慮隨便一支問題,而後再回到原來的結點去考慮另外一個分支的問題,最後回退到最簡單的那個去處理。
引入「與節點」(and node)和「或節點」(or node),而積分化簡的過程也造成了一個樹形狀的圖,對於這個圖咱們稱之爲
「問題歸約樹(Problem reduction tree)」
或者
「目標樹(Goal tree)」
或者
「與或樹(add/or tree)」。
問題歸約就有點像數據結構中對樹的深度遍歷。
教育理念:
掌握skill以前要先understand ,理解以前要見過。因此要舉一個見過的例子!
(一道高數積分題)
並給出程序流程圖
7。理解爲:積分變換次數最多爲7次
3.理解爲:咱們平時寫的積分題平均變換3次
1.理解爲:若是你選擇了不會被用上的分支,就會作不少無用功;通常只有一個分支(積分變換)
無用的分支很快就能走到死衚衕,很節省時間,沒必要要使用函數複合深度來判斷哪個最簡單。
積分變換、樹如何工做
不一樣知識有不一樣的表示。積分知識都被表示爲數學表達式,積分變換表示爲表格,目標樹的知識用流程表示。
簡單變換讓問題變得更簡單,表格使用在樹的底部。
積分變換中安全變換須要12個,啓發式變換須要12個;
*發現:使用的方法和問題的特徵之間有對應關係,觀察問題的特徵就能夠選擇出正確的方法。
最後:瞭解了程序的原理以後,發現it's not intelligent after all~