人工智能學習心得（精選3篇）

人工智能學習心得 篇1

　　在看李開復老師的《人工智能》之前，我有許多疑惑，人工智能是什么？是男是女，長什么樣兒？漂亮嗎？會不會生病？會不會老？人工智能聰明嗎？會下象棋嗎？會打麻將嗎？會玩dota或者王者榮耀嗎？會打乒乓球嗎？會打籃球嗎？會游泳嗎？人工智能有記憶嗎？能不能教他說話、拿筷子夾花生米？人工智能好玩嗎？怎么玩？怎么跟它交流？它會不會說話？能陪我唱歌嗎？要不要吃飯？要不要充電？人工智能有什么用？能幫我寫文章/搬磚/做報表/開車嗎？能用來賺錢嗎？人工智能怕什么？下雨天能出門嗎？天熱會不會出汗？從樓上摔下去會不會變形？能修好嗎？人工智能有什么危險？會不會吃了我？它要是想傷害我，我該怎么辦？我該怎么了解人工智能？學習人工智能？和人工智能和諧相處？人工智能有什么愛好？喜歡聽什么歌？吃豆腐腦喜歡咸的還是甜的？會看書嗎？能不能體會“今宵酒醒何處，楊柳岸，曉風殘月”的寂寞和“醉臥沙場君莫笑，古來征戰(zhàn)幾人回”的豪邁？人工智能有感情嗎？會喜歡我嗎？我離開它的時候，它會不會難過，會不會想我？

　　通過學習李開復老師的《人工智能》，我獲益良多，很多問題也有了答案。我認為這是一本很好的面向大眾的科普讀物，介紹了人工智能的基本理念，發(fā)展歷程和對未來的展望。

　　下面以問答的形式，記錄學習心得。

　　1.人工智能是什么？在哪里？

　　其實，人工智能已經到處都是，什么都做：可以陪人聊天，可以寫標準新聞，能畫畫，能翻譯，能開車，能認出人的樣子，能在互聯(lián)網上搜答案，能在倉庫搬貨，能送快遞到家。

　　人工智能是什么，眾說紛紜，一般有以下五種定義（可能有交叉）：1)在某方面特別聰明的計算機程序，比如AlphaGo，下圍棋下得特別好，世界冠軍也下不過它。

　　2)試圖像人一樣思考的計算機程序。但這事兒太難，人的意識，連人自己都搞不清楚，更別說教給自己編出來的程序了。

　　3)怎么想的不知道，行為方式倒是很像人，比如可以和人聊天的ELIZA。

　　4)會自己學習的，剛開始笨笨的，慢慢地就越來越聰明。AlphaGo也是因為頭懸梁錐刺股，苦學了海量棋譜才變得這么厲害的。

　　5)根據對環(huán)境的感知，做出合理的行動，并獲得最大收益的計算機程序。

　　這五種定義各有根據和局限，也可以認為人工智能首先是感知，包括視覺、語音、語言；然后是決策，根據識別的信息，做出預測和判斷；最后是反饋，就像機器人或自動駕駛。

　　我的理解：人工智能是高性能的計算機程序，或者使用了人工智能的產品、服務和應用。

　　2.人工智能包含什么？

　　人工智能有很多分支，其中之一是機器學習，機器學習里面有一個分支是深度學習，深度學習是當今乃至未來很長一段時間內引領人工智能發(fā)展的核心技術。

　　深度學習是一種神經網絡，把計算機要學習的東西看成數(shù)據，把數(shù)據丟進多個層級的數(shù)據處理網絡，然后檢查經過網絡處理的結果數(shù)據是否符合要求。如果符合，就保留網絡作為目標模型，如果不符合，就反復修改參數(shù)，直到符合為止。

　　書中舉了一個例子，非常形象生動：把數(shù)據看成水流，深度學習網絡看成多層水管網絡，通過調節(jié)管道和閥門，使輸出滿足要求。

　　3.人工智能的`發(fā)展歷程是怎樣的？

　　歷史上有過3次AI熱潮，第一次因為圖靈測試，第二次因為語言識別，都熱了一段時間又沉寂下去。

　　目前，深度學習攜手大數(shù)據引領的第三次熱潮，處于技術曲線的攀升和成熟期，前景極為廣闊。

　　4.人工智能有什么用處？

　　人工智能不僅是技術革命，還與經濟變革、教育變革、思想變革、經濟變革、文化變革等同步，可能成為下一次工業(yè)革命的核心驅動力。主要的商業(yè)應用場景：

　　l.自動駕駛：這個不用多說，Google，Tesla，百度。都在研究2.智慧金融：量化交易與智能投顧、風控、安防與客戶身份認證、智能客服、精準營銷

　　智慧生活：機器翻譯、智能家居、智能超市

　　智慧醫(yī)療：輔助診斷疾病、對疑難病癥的醫(yī)療科學研究

　　藝術創(chuàng)作：機器音樂、機器繪畫、機器文學創(chuàng)作

　　5.人工智能可能有什么負面影響？會不會失控，威脅人類的安全？可能會引起失業(yè)。根據開復老師提出的“五秒鐘準則”，一項人從事的工作，如果可以在5秒鐘內完成思考并做出決策，那么這項工作很可能會被人工智能取代。如保安、股票交易員、司機、新聞報道、翻譯。但人工智能也會帶來新的工作。

　　人工智能分三個層級：

　　1)弱人工智能：在某方面很聰明，但只在這方面聰明，別的事啥也不會。比如AlphaGo，下圍棋世界第一，別的方面就是個弱智，連棋子都得別人幫它拿。

　　2)強人工智能：人能做什么，它就能做什么。跟美劇《西部世界》里的機器人差不多，但它有沒有意識，不好說。

　　3)超人工智能：比最聰明的人類還要聰明100000000倍。都不止，它的NB，超乎你想象。我們不知道它是誰，不知道它在哪里，不知道它什么時候出現(xiàn)，也不知道它會干什么。

　　可能在某個時刻（奇點）之后，超人工智能就會天神降臨，整個世界籠罩在它無邊的法力之下。

　　也可能，因為物理學和生物學的限制，超人工智能永遠不會來。

　　無論如何，人工智能，或者說，對人工智能的研究和使用，需要受到監(jiān)管和限制，也需要應對轉型過程中對失業(yè)的沖擊。

　　6.哪些領域是今天的人工智能做不到或者做不好的？

　　跨領域推理，人類強大的跨領域聯(lián)想、類比能力，可以舉一反三，觸類旁通。不過遷移學習也正在發(fā)展，可以將計算機在一個領域學到的經驗轉換到另一個領域

　　1.抽象能力知其然，也知其所以然，了解事物運行的本質規(guī)律

　　2.常識

　　3.自我意識

　　4.審美

　　5.情感

　　不過，已經有軟件可以吟詩作詞，而且相當高明。比如這首根據遺傳算法生成的《清平樂-黃菊》：

　　“相逢縹緲,窗外又拂曉.長憶清弦弄淺笑,只恨人間花少.黃菊不待清尊,相思飄落無痕.風雨重陽又過,登高多少黃昏.”平仄相符，語句通順，很有意境。

　　7.人工智能創(chuàng)業(yè)的形勢如何？

　　形勢一片大好：國家大力支持，業(yè)界投入巨大的人力和財力進行研究，軟硬件技術都已經成熟。

　　AI的商業(yè)路線分三步走：線上業(yè)務（3年）、線下業(yè)務（5~7年）和個人業(yè)務（10年以上）

　　AI創(chuàng)業(yè)的五大基石：

　　1)清晰的領域界限（業(yè)務場景）

　　2)閉環(huán)的、自動標注的數(shù)據

　　3)海量的數(shù)據量（千萬級）

　　4)超大規(guī)模的計算能力

　　5)頂尖的AI科學家（算法）

　　AI產業(yè)發(fā)展的六大挑戰(zhàn)：

　　1)前沿科研與工業(yè)界尚未緊密銜接

　　2)人才缺口巨大，人才結構失衡

　　3)數(shù)據孤島化和碎片化問題明顯

　　4)可復用和標準化的技術框架、平臺、工具、服務尚未成熟

　　5)一些領域存在超前發(fā)展、盲目投資等問題

　　6)創(chuàng)業(yè)難度相對較高，早期創(chuàng)業(yè)團隊需要更多支持

　　中國在AI創(chuàng)業(yè)中的優(yōu)勢：

　　1)中國人/華人處于人工智能研究的領先地位

　　2)中國有龐大的理工科學生基礎，數(shù)學知識扎實，具備人才優(yōu)勢

　　3)全球規(guī)模最大的互聯(lián)網市場，網民人數(shù)近8億

　　4)行業(yè)需求潛力巨大，

　　5)海量數(shù)據和充沛資金

　　對應上面提到的五大基石，人才、海量數(shù)據、閉環(huán)標注數(shù)據、應用場景、計算力都有解決方案，再加上開復老師創(chuàng)立的微軟亞洲研究院和創(chuàng)新工場提供的人才和資金優(yōu)勢，我也覺得中國發(fā)展AI的前景一片光明。

　　另外，創(chuàng)新工場成立了人工智能研究院，這是專門面向人工智能的創(chuàng)業(yè)人才培養(yǎng)基地和創(chuàng)業(yè)項目孵化實驗室。

　　主要工作任務包括：

　　1.對接科研成果與商業(yè)實踐，幫助海內外頂級人工智能人才創(chuàng)業(yè)

　　2.培育和孵化高水準的人工智能技術團隊

　　3.積累和建設人工智能數(shù)據集，促進大數(shù)據的有序聚合和合理利用

　　4.開展廣泛合作，促進人工智能產業(yè)的可持續(xù)發(fā)展

　　未來AI是風口。有人總結，只要以ai域名為后綴，融資過程都會比較快，或者融到的錢會比較多。

　　時代，我該怎么學？

　　借鑒了密涅瓦大學的“沉浸式全球化體驗”教學方式和清華大學姚期智院士創(chuàng)辦的清華學堂計算機科學實驗班（姚班）的教學模式，開復老師提出AI時代的學習方法：

　　1.主動挑戰(zhàn)極限

　　2.從實踐中學習

　　3.關注啟發(fā)式教育，培養(yǎng)創(chuàng)造力和獨立解決問題的能力

　　4.互動式的在線學習將愈來愈重要

　　5.主動向機器學習

　　機器越來越像人，人越來越像機器，隨著生物科技和量子科技的發(fā)展，人機融合，達到了生命的大和諧。

　　時代，我該學什么?

　　AI時代，程式化的、重復性的、僅靠記憶與練習的技能將越來越沒有價值。

　　最能體驗人的綜合素質的技能，將最有價值，最值得培養(yǎng)、學習，比如：

　　1.對于復雜系統(tǒng)的綜合分析、決策能力

　　2.對于藝術和文化的審美能力和創(chuàng)造性思維

　　3.由生活經驗及文化熏陶產生的直覺、知識

　　4.基于人自身的情感（愛、恨、熱情、冷漠等）與他人互動的能力要想獲得以上這些能力，大部分都是個性化培養(yǎng)，而非大規(guī)模圈養(yǎng)教育系統(tǒng)的設計，也要考慮到個性化、定制化、可持續(xù)化和公平。可能感性思維很難被機器取代，理性思維人類是干不過AI的。無處不在的年代，人生還有意義嗎？

　　開復老師通過自己康復的經驗，在書中進行了富有哲理，詩意盎然的闡述。

　　我的答案：我思故我在。今天我坐在這里打完這份讀后感，說明我的人生就是有意義的。

　　AI不過是新的工具，正如小石錘、輪子、蒸汽機、航天飛機、計算機和互聯(lián)網，不會取代，只會豐富。

人工智能學習心得 篇2

　　人工智能主要研究用人工方法模擬和擴展人的智能，最終實現(xiàn)機器智能。人工智能研究與人的思維研究密切相關。邏輯學始終是人工智能研究中的基礎科學問題，它為人工智能研究提供了根本觀點與方法。

　　1、人工智能學科的誕生

　　12世紀末13世紀初，西班牙羅門·盧樂提出制造可解決各種問題的通用邏輯機。17世紀，英國培根在《新工具》中提出了歸納法。隨后，德國萊布尼茲做出了四則運算的手搖計算器，并提出了“通用符號”和“推理計算”的思想。19世紀，英國布爾創(chuàng)立了布爾代數(shù)，奠定了現(xiàn)代形式邏輯研究的基礎。德國弗雷格完善了命題邏輯，創(chuàng)建了一階謂詞演算系統(tǒng)。20世紀，哥德爾對一階謂詞完全性定理與N形式系統(tǒng)的不完全性定理進行了證明。在此基礎上，克林對一般遞歸函數(shù)理論作了深入的研究，建立了演算理論。英國圖靈建立了描述算法的機械性思維過程，提出了理想計算機模型(即圖靈機)，創(chuàng)立了自動機理論。這些都為1945年匈牙利馮·諾依曼提出存儲程序的思想和建立通用電子數(shù)字計算機的馮·諾依曼型體系結構，以及1946年美國的莫克利和埃克特成功研制世界上第一臺通用電子數(shù)學計算機ENIAC做出了開拓性的貢獻。

　　以上經典數(shù)理邏輯的理論成果，為1956年人工智能學科的誕生奠定了堅實的邏輯基礎。

　　現(xiàn)代邏輯發(fā)展動力主要來自于數(shù)學中的公理化運動。20世紀邏輯研究嚴重數(shù)學化，發(fā)展出來的邏輯被恰當?shù)胤Q為“數(shù)理邏輯”，它增強了邏輯研究的深度，使邏輯學的發(fā)展繼古希臘邏輯、歐洲中世紀邏輯之后進入第三個高峰期，并且對整個現(xiàn)代科學特別是數(shù)學、哲學、語言學和計算機科學產生了非常重要的影響。

　　2、邏輯學的發(fā)展

　　2.1邏輯學的大體分類

　　邏輯學是一門研究思維形式及思維規(guī)律的科學。從17世紀德國數(shù)學家、哲學家萊布尼茲(niz)提出數(shù)理邏輯以來，隨著人工智能的一步步發(fā)展的需求，各種各樣的邏輯也隨之產生。邏輯學大體上可分為經典邏輯、非經典邏輯和現(xiàn)代邏輯。經典邏輯與模態(tài)邏輯都是二值邏輯。多值邏輯，是具有多個命題真值的邏輯，是向模糊邏輯的逼近。模糊邏輯是處理具有模糊性命題的邏輯。概率邏輯是研究基于邏輯的概率推理。

　　2.2泛邏輯的基本原理

　　當今人工智能深入發(fā)展遇到的一個重大難題就是專家經驗知識和常識的推理。現(xiàn)代邏輯迫切需要有一個統(tǒng)一可靠的，關于不精確推理的邏輯學作為它們進一步研究信息不完全情況下推理的基礎理論，進而形成一種能包容一切邏輯形態(tài)和推理模式的，靈活的，開放的，自適應的邏輯學，這便是柔性邏輯學。而泛邏輯學就是研究剛性邏輯學(也即數(shù)理邏輯)和柔性邏輯學共同規(guī)律的邏輯學。

　　泛邏輯是從高層研究一切邏輯的一般規(guī)律，建立能包容一切邏輯形態(tài)和推理模式，并能根據需要自由伸縮變化的柔性邏輯學，剛性邏輯學將作為一個最小的內核存在其中，這就是提出泛邏輯的根本原因，也是泛邏輯的最終歷史使命。

　　3、邏輯學在人工智能學科的研究方面的應用

　　邏輯方法是人工智能研究中的主要形式化工具，邏輯學的研究成果不但為人工智能學科的誕生奠定了理論基礎，而且它們還作為重要的成分被應用于人工智能系統(tǒng)中。

　　3.1經典邏輯的應用

　　人工智能誕生后的20年間是邏輯推理占統(tǒng)治地位的時期。1963年，紐厄爾、西蒙等人編制的“邏輯理論機”數(shù)學定理證明程序(LT)。在此基礎之上，紐厄爾和西蒙編制了通用問題求解程序(GPS)，開拓了人工智能“問題求解”的一大領域。經典數(shù)理邏輯只是數(shù)學化的形式邏輯，只能滿足人工智能的部分需要。

　　3.2非經典邏輯的應用

　　(1)不確定性的推理研究

　　人工智能發(fā)展了用數(shù)值的方法表示和處理不確定的信息，即給系統(tǒng)中每個語句或公式賦一個數(shù)值，用來表示語句的不確定性或確定性。比較具有代表性的有：1976年杜達提出的主觀貝葉斯模型，1978年查德提出的可能性模型，1984年邦迪提出的發(fā)生率計算模型，以及假設推理、定性推理和證據空間理論等經驗性模型。

　　歸納邏輯是關于或然性推理的邏輯。在人工智能中，可把歸納看成是從個別到一般的推理。借助這種歸納方法和運用類比的方法，計算機就可以通過新、老問題的相似性，從相應的知識庫中調用有關知識來處理新問題。

　　(2)不完全信息的推理研究

　　常識推理是一種非單調邏輯，即人們基于不完全的信息推出某些結論，當人們得到更完全的信息后，可以改變甚至收回原來的結論。非單調邏輯可處理信息不充分情況下的推理。20世紀80年代，賴特的缺省邏輯、麥卡錫的限定邏輯、麥克德莫特和多伊爾建立的NML非單調邏輯推理系統(tǒng)、摩爾的自認知邏輯都是具有開創(chuàng)性的非單調邏輯系統(tǒng)。常識推理也是一種可能出錯的不精確的推理，即容錯推理。

　　此外，多值邏輯和模糊邏輯也已經被引入到人工智能中來處理模糊性和不完全性信息的推理。多值邏輯的三個典型系統(tǒng)是克林、盧卡西維茲和波克萬的三值邏輯系統(tǒng)。模糊邏輯的研究始于20世紀20年代盧卡西維茲的研究。1972年，扎德提出了模糊推理的關系合成原則，現(xiàn)有的絕大多數(shù)模糊推理方法都是關系合成規(guī)則的變形或擴充。

　　4、人工智能——當代邏輯發(fā)展的動力

　　現(xiàn)代邏輯創(chuàng)始于19世紀末葉和20世紀早期，其發(fā)展動力主要來自于數(shù)學中的公理化運動。21世紀邏輯發(fā)展的主要動力來自哪里?筆者認為，計算機科學和人工智能將至少是21世紀早期邏輯學發(fā)展的主要動力源泉，并將由此決定21世紀邏輯學的另一幅面貌。由于人工智能要模擬人的智能，它的難點不在于人腦所進行的各種必然性推理，而是最能體現(xiàn)人的智能特征的能動性、創(chuàng)造性思維，這種思維活動中包括學習、抉擇、嘗試、修正、推理諸因素。例如，選擇性地搜集相關的經驗證據，在不充分信息的基礎上做出嘗試性的判斷或抉擇，不斷根據環(huán)境反饋調整、修正自己的行為，由此達到實踐的成功。于是，邏輯學將不得不比較全面地研究人的思維活動，并著重研究人的思維中最能體現(xiàn)其能動性特征的各種不確定性推理，由此發(fā)展出的邏輯理論也將具有更強的可應用性。

　　5、結語

　　人工智能的產生與發(fā)展和邏輯學的發(fā)展密不可分。

　　一方面我們試圖找到一個包容一切邏輯的泛邏輯，使得形成一個完美統(tǒng)一的邏輯基礎;另一方面，我們還要不斷地爭論、更新、補充新的邏輯。如果二者能夠有機地結合，將推動人工智能進入一個新的階段。概率邏輯大都是基于二值邏輯的，目前許多專家和學者又在基于其他邏輯的基礎上研究概率推理，使得邏輯學盡可能滿足人工智能發(fā)展的各方面的需要。就目前來說，一個新的泛邏輯理論的發(fā)展和完善需要一個比較長的時期，那何不將“百花齊放”與“一統(tǒng)天下”并行進行，各自發(fā)揮其優(yōu)點，為人工智能的發(fā)展做出貢獻。目前，許多制約人工智能發(fā)展的因素仍有待于解決，技術上的突破，還有賴于邏輯學研究上的突破。在對人工智能的研究中，我們只有重視邏輯學，努力學習與運用并不斷深入挖掘其基本內容，拓寬其研究領域，才能更好地促進人工智能學科的發(fā)展。

人工智能學習心得 篇3

　　今天上午線上參加了萊西市信息技術學科人工智能與編程教學研討會，觀摩了張老師《變量》一堂課，本課張老師精湛的業(yè)務知識和巧妙的駕馭課堂的能力讓我受益匪淺。下面我從幾個方面來談一下感受：

　　一、激趣導入，引入新知

　　學生們都對刮獎非常感興趣，通過刮獎環(huán)節(jié)的設計，學生很快的融入課堂環(huán)境中，學生們積極參入，踴躍發(fā)言，學習興趣盎然，在寓教于樂額學習氛圍中學習新知識，掌握新技能。

　　二、積極探索，形象直觀

　　學生們利用之前所學程序可以計算出簡單的價格，但是當問題逐漸增多，利用之前的方法就非常麻煩了，這時候引導學生提出問題，教給學生新的知識點-變量。

　　三、小組合作，積極探究

　　本節(jié)課學生參入度高，動手實踐能力強，設計的問題層層遞進，環(huán)環(huán)相扣，過渡環(huán)節(jié)都處理的非常到位，更多的是讓學生自己去探索，把課堂交給學生，不斷創(chuàng)新，發(fā)揮了學生的主體學習地位，讓其自主探索，合作學習，做到真正的掌握一門技能。這也是培養(yǎng)學生不斷創(chuàng)新的手段之一。

　　希望以后能有更多這樣的學習機會，以便于在信息技術的教學上有更大的進步和提高。