人工智能引论思维导图

知识表达，技术绪论相关内容讲解

树图思维导图提供《人工智能引论》在线思维导图免费制作，点击“编辑”按钮，可对《人工智能引论》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：c53281190019a94e2a2617801d99c4f7

思维导图大纲

第1章　绪论

1.2　可计算载体：形式化与机械化

以行为主义为核心的强化学习

以博弈对抗为核心的决策智能

符号主义为核心的逻辑推理

以数据驱动为核心的机器学习

以问题求解为核心的探寻搜索

机器+人、机器+人+网络、机器+人+网络+物

人工智能作用于我国创新发展的意义与途径

大数据智能、跨媒体智能、群体智能、增强智能、智能自主系统

中国人工智能2.0发展战略研究

面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施

AlphaGo、AlphaFold、AlphaDogFight

移动终端、互联网、传感器网、车联网、穿戴设备

1.5　本书知识点脉络与教学内容安排

人工智能的“能”与“不能”

人工智能在不同场景下的应用

Ada Boosting算法

命题逻辑和谓词逻辑及其推理方法

大卫·希尔伯特的乐观主义态度

延伸阅读：当前是从过去拔萃出来的投影

机器人偶（automaton）

概率论在农业实验中的应用

第2章　知识表达与推理

第3章　搜索探寻与问题求解

successor_nodes函数

3.2　贪婪最佳优先搜索

Peter et al.，1968

MinimaxDecision

3.5　alpha-beta剪枝搜索

alpha-beta剪枝

alpha-beta剪枝搜索

搜索树结点出现的位置次序

可能结点进行大量仿真模拟

延伸阅读：突破组合爆炸之难与陷入地平线问题之困

不同落子位置之间的差别分析

Alpha-beta剪枝搜索算法

Browne, Powley, Whitehouse

Knuth, Moore

Kocsis, Szepesvári

机器学习在跳棋游戏中的应用

Auer, Cesa-Bianchi, Fischer

多臂老虎机问题的有限时间分析

Russell, Norvig

基于强盗算法的蒙特卡洛规划

使用跳棋游戏进行机器学习的研究

蒙特卡洛树搜索方法的综述

Doran, Michie

第4章　机器学习

4.1　机器学习基本概念

4.2　模型评估与参数估计

芒提兹尼欧地区历史森林火灾的部分数据

芒提兹尼欧地区发生森林火灾的部分历史数据

k-means算法尺度敏感问题

k-means算法与其他聚类算法

k-means算法更新质心

Random Partition

k-means算法理解视角

k-means算法迭代终止条件

k-means算法初始化方法

k-means算法收敛速度

k-means算法离群点问题

k-means算法局限性

k-means算法迭代过程

k-means算法硬聚类问题

k-means算法聚类数目确定

4.6　监督学习：特征降维

4.7　无监督学习：特征降维

从底层特征到高层语义的‘桥梁’

从数据中学习概念或模式形成判断和决策能力

learnability

形成数据依赖灵活且能够在学习过程中有效利用知识或先验

延伸阅读：二战中德军每个月生产多少坦克？

多变量观测的分类与分析方法

第5章　神经网络与深度学习

5.1　人工神经网络概述

5.3　神经网络参数优化

Neocognitron

查询向量、键向量和值向量

5.8　深度学习在自然语言和计算机视觉中的应用

基于候选区域的目标检测方法

延伸阅读：爬上树梢与攀登月球

加州大学伯克利分校助理教授

HEBB D O, 1949

KRIZHEVSKY A, SUTSKEVER I, HINTON G, 2012

LIU W, ANGUELOV D, ERHAN D, et al., 2016

GIRSHICK R, 2015

WERBOS P J, 1974

REDMON J, DIVVALA S, GIRSHICK R, et al., 2016

RUMELHART D E, HINTON G E, WILLIAMS R J, 1986

HINTON G, SALAKHUTDINOV R, 2006

MCCULLOCH W S, PITTS W, 1943

BENGIO Y, DUCHARME R, VINCENT P, et al., 2003

ROSENBLATT F, 1962

FUKUSHIMA K, 1988

猫纹状皮层神经元的感受野

You only look once

DEVLIN J, CHANG M W, LEE K, et al., 2018

深度学习在NLP中的能源和政策考量

HUBEL D, WIESEL T, 1959

序列顺序的并行分布式处理

FUKUSHIMA K, 1980

CHO K, VAN MERRIËNBOER B, GULCEHRE C, et al., 2014

REN S, HE K, GIRSHICK R, et al., 2015

VASWANI A, SHAZEER N, PARMAR N, et al., 2017

MINSKY M, PAPERT S A, 1969

STRUBELL E, GANESH A, MCCALLUM A, 2019

HOPFIELD J, 1982

WERBOS P J, 1990

Faster R-CNN

HUBEL D, WIESEL T, 1962

MIKOLOV T, CHEN K, CORRADO G, et al., 2013

Neocognitron模型

LECUN Y, BOTTOU L, BENGIO Y, et al., 1998

HOCHREITER S, SCHMIDHUBER J, 1997

ELMAN J L, 1990

JORDAN M I, 1997

GIRSHICK R, DONAHUE J, DARRELL T, et al., 2014

第6章　强化学习

6.1　强化学习问题定义

6.2　基于价值的强化学习

基于表格求解法的策略评估与优化

6.3　基于策略的强化学习

Actor-Critic算法

基于蒙特卡洛采样的策略梯度法

6.4　深度强化学习应用

AlphaGo Zero

基于通用策略迭代框架的方法

延伸阅读：最优化之策与试错术之谏的姻缘结合

第7章　人工智能博弈

7.1　博弈论的相关概念

Gale-Shapley算法

7.4　非完全信息博弈的实际应用

蒙特卡洛虚拟遗憾最小化算法

延伸阅读：规避随机性与命运——骰子占卜到算法博弈

不完全信息博弈中的遗憾最小化

第8章　人工智能伦理与安全

人工智能技术属性和社会属性

马克思关于机器体系的观点

8.2　人工智能模型安全

基于L-BFGS的对抗攻击方法

8.3　人工智能可解释性

基于可解释性的中层对端的模型学习

人类的手创造出来的人类头脑的器官

第9章　人工智能架构与系统

9.1　人工智能基础软硬件框架

并行计算、分布式计算和异构计算

AI垂直领域开放创新平台

模拟人脑思维计算模式和学习机制

模式识别、感知和自适应学习

定制化的硬件加速器、专用指令集和优化的算法

自动驾驶、机器人和物联网

选择合适的计算架构和优化算法

PaddlePaddle

分布式训练系统网络通信的异构硬件优化

人工智能基础软硬件与芯片

延伸阅读：咸与维新——计算机体系架构的黄金时代

计算机体系架构的黄金时代

AlexNet神经网络模型

约翰·亨尼西和戴维·帕特森

架构师必须找到更加高效的方法利用并行性

PaddlePaddle

ZeRO-Offload

在网络聚合中扩展分布式机器学习

Zero-infinity

第10章　人工智能应用

10.1　语言基础模型（大模型）

10.2　自然语言中的机器翻译

10.3　图像分类与视觉对象定位

10.4　语音识别与合成

基于神经网络模型的语音识别

基于隐马尔可夫链的语音识别

基于隐马尔可夫链的语音合成

学习为基础的人工智能算法

通用移动机器人Shakey

大卫·希尔伯特的23个数学问题

延伸阅读：人工智能效应之奇怪悖论

北美计算语言协会人类语言技术会议

计算机辅助设计与图形学报

课程实训案例

1. 文言文翻译为白话文（机器翻译）

使用anaconda自动管理

2. 无牌车的自动识别（图像分类）

3. 机器人避障寻径（机器人）

Pandas、Numpy、Sklearn

4. 知识图谱搭建（知识发现）

附录A　进阶知识点

附录A.1　Ada Boosting算法

Experiments with a new boosting algorithm

Freund et al.

Ada Boosting算法

附录A.2　非负矩阵分解

Lee和Seung的论文

Lee和Seung的研究

挖掘单词-单词、单词-文档及文档-文档之间的关联关系

附录A.4　隐马尔可夫模型

附录A.5　朴素贝叶斯概率图模型

附录A.6　生成式对抗学习

生成与真实数据差别细微的数据

Generative adversarial nets

KIPF T N，WELLING M，2017.Semi-supervised classification with graph convolutional networks

附录A.8　多智能体博弈

SHOHAM Y，LEYTON-BROWN K，2008.Multiagent systems：algorithmic，game-theoretic，and logical foundations

附录B　人工智能知识点演变

附录B.1　计算机课程体系

Computing Curricula 2020

Computing Curricula 1991

Computing Curricula 2001

Computer Science Curricula 2013

Curriculum 78

Curriculum 68

附录B.2　计算机课程体系中人工智能知识点

Computing Science Curricula 2013

附录B.3　ACM和IEEE-CS制定的新版人工智能知识点

机器学习任务的定义和示例

人工智能在广泛问题和不同领域的应用

命题逻辑和谓词逻辑的回顾

附录B.4　“101计划”中人工智能课程知识点体系

人工智能基础模型与历史发展

人工智能引论思维导图

思维导图大纲

相关思维导图模版

第1章 绪论

第2章 知识表达与推理

第3章 搜索探寻与问题求解

第4章 机器学习

第5章 神经网络与深度学习

第6章 强化学习

第7章 人工智能博弈

第8章 人工智能伦理与安全

第9章 人工智能架构与系统

第10章 人工智能应用