[系列文目錄] 人工智慧 Artificial Intelligence

序 - The Imitation Game

" I propose to consider the question, 'Can machines think?' " 

Alan Turing 在他 1950 發表的論文 "Computing Machinery and Intelligence" 中以這句話做為開頭。

身為圖靈的小粉絲，第一個系列文是正規語言，第二個系列文是人工智慧，真是再適合不過。人工智慧是一門研究使電腦具備人類智慧特性的學科，以及如何使電腦能做一些目前人類做得較好的事。

說到了人工智慧就會想到西洋棋程式，1997年五月，IBM的「深藍」擊敗Kasparov，引起人們對人工智慧的廣泛的憧憬。目前電腦AI已經可以做到擁有某一限定領域專家的知識，但是擁有一些基本常識和一般化的智慧卻很困難，而這也正是人類智慧最重要的一個部分。可以說，人工智慧這個領域其實還在牙牙學語的階段，需要更多的研究投入。而這系列文是我整理的一些AI筆記，歡迎大家一起討論，或許能為這個領域產出點貢獻也說不定：）

最後，以圖靈那篇論文的最後一句話作結吧：

" We can only see a short distance ahead, but we can see plenty there that needs to be done. "

目錄

一、搜尋 Search

• Ch1 問題求解與搜尋 Problem Solving and Search
• Ch1.5 有限理性 Bounded rationality - simon(1964)
• Ch2 無資訊的搜尋策略 Uninformed Search Strategies
• Ch3 有資訊/啟發式的搜尋策略 Informed (Heuristic) Search Strategies
• Ch4 極大極小搜尋法與剪枝 Minimax algorithm and Alpha-beta pruning
• Ch5 CSP(1), 限制滿足問題 Constraint Satisfaction Problems
• Ch6 CSP(2), 相容性與邊相容性 Local consistency
• Ch7 CSP(3), 限制傳播 Constraint Propagation

二、邏輯 Logic

• Ch8 邏輯(1), 邏輯與人工智慧概述 Introduction to logic-based artificial intelligence
• Ch9 邏輯(2), 專家系統 Expert System
• Ch10 邏輯(3), 命題邏輯 propositional logic
• Ch11 邏輯(4), 謂詞邏輯與一階邏輯 Predicate logic and First-order logic
• Ch12 邏輯(5), 歸結論證 Resolution-refutation proofs

三、學習 Learning

• Ch13 機器學習(1), 機器學習簡介與監督式學習 Introduction to Machine Learning, Supervised Learning
• Ch14 機器學習(2), 決策樹 Decision Tree
• Ch15 機器學習(3), 樸素貝葉斯分類器 Naive Bayes classifier
• Ch16 機器學習(4), 類神經網路 Neural network 
• Ch17 機器學習(5), 支持向量機 Support vector machine, SVM 
• Ch18 機器學習(6), 分群/聚類：K平均演算法 Clustering: K-means Algorithm
• Ch19 機器學習(7), 分群/聚類：階層式分群法 Clustering: Hierarchical Clustering

人工智慧發展史

早在1950年代，即有科學家開始著手從事人工智慧的研究，主要集中在學理問題或棋奕競局的解決，至1970年代，科學家開始著手理論觀念的研究，傾向於實際應用的問題。

人工智慧的演進，大致可區分為底下幾個階段：

• 1940～1960時期：電腦發明，此時期研究重心擺在定理證明與通用問題求解；如：數字理論證明、西洋棋、西洋象棋等研究。
• 1960～1970時期：研究重點在於使電腦具有理解能力。在此時期，人工智慧語言LISP開發出來，機器人學受到重視，許多知識表示方法問世，如：框架理論（Frame Theory）。
• 1970～1980時期：利用述語邏輯（Predicate Logic）開發出來的PROLOG語言問世，針對特定問題領域所開發出來的專家系統（Expert System）陸續出籠，如分子構造固定系統（DENDRAL）、血液感染疾病診斷系統（MYCIN）等。
• 1980～1999時期：此階段著重在研究各種行事之學習系統，如類比研究法、指點學習法等。

人工智慧發展之現況與未來

　　人工智慧是以電腦科學、生物學、心理學、語言學、數學、工程學為基礎的科學，其目標在將人類智能加以電腦化，使電腦具有思考、學習及解決問題的能力。相關應用領域包括專家系統、機器人、自然語言處理、機器視覺、機器翻譯、語音辨識、機器學習等。

　　近年來由於Internet的興起，人工智慧又多了一個可以發揮的舞台，例如利用一些「代理人」（Agents）的程式，來代替原本需要人工操作的工作；此外，類神經網路及基因遺傳演算法也是目前非常熱門的人工智慧相關研究。

　　可想而知的，未來人工智慧的應用，在機器視覺、自然語言處理、專家系統等方面的發展及其如何整合的問題，將是未來人工智慧發展的趨勢。

References

人工智慧發展史
http://www1.cpshs.hcc.edu.tw/leson/%E9%9B%BB%E5%AD%B8%E6%AD%B7%E5%8F%B2%E5%90%8D%E4%BA%BA/new_page_8.htm