一、人工智能是自然科学和社会科学的交叉学科

1、仿生学，生物构造和功能

2、运筹学，应用数学进行科学决策

3、控制论，通信与控制

4、认知科学，人脑或心智工件机制

5、哲学，世界观和方法论

6、数学，概率论、最优化

7、计算机科学，系统结构、程序设计

8、神经生理学，神经系统功能机理

9、信息论，信号的传输和处理

10、心理学，人类心理现象与精神功能

二、人工智能与机器学习

AI是计算机科学中获得图灵奖最多的方向之一，

机器学习是主要实现方法

AI最近三次获得的图灵奖均属机器学习方向

2010年的Leslie Valiant(PAC理论)

2011年的Judea Pearl(概率图模型)

2018年的Hinton,LeCun,Bengio(深度学习)

机器学习是一个很大的概念，当下最主要的一个方法就是机器学习

人工智能他需要用到机器学习方法，

机器学习(Machine Learning),它是一种自动学习并改进自己能力的计算机算法

机器学习他是代表的一类算法

目前机器学习里最重要的是人工神经网络

神经网络(Artificial Neural Networks)它是属于机器学习方法里面的一种，

是一个高效的机器学习算法

人工神经网络里面近几年谈论得最多的是深度学习

其实它是一种更深层次的神经网络

深度学习(Deep Learning)，表征能力强大的机器学习

三、人工智能研究方法：符号学派(Symbolism)

符号学派又称为逻辑主义学派(Logicism)、心理学派(Psychlogism)

这个学派它的主要研究思路是模拟人的思维

仿照人的思维来进行研究

采用自顶向下的研究思路

使用统计逻辑和符号系统来模拟人的心智

也就是说我们人类是怎么思考的，

就用什么样的方法去写什么样的逻辑

用一系列写好的逻辑规则来教导计算机如何思考更像人

让计算机更像人

这样的一种研究方法是非常直观的

他的代表性作品有逻辑理论家，专家系统，知识图谱

逻辑理论家主要是用来证明公式的

符号学派主要是模拟人的心智

开发出来的产品能力非常有限

第二个学派就是联结学派(Connectionism)

又称为仿生学派(bionicsism)

也是现在深度学习人工智能算法最主流的

采用自底向上的研究思路，通过模拟脑的结构，把大量例子(图片等)输入人工神经网络，

让网络从这些数据中学习，识别规律

至于怎么样去学习

那是神经网络自己的事情

在这个过程中就没有人类制订的大量的规则

可以百度搜索一下深度学习三巨头

代表性作品有LeNet5图像识别网络

真正意义上的第一个卷积神经网络应用系统

真正落地的一个人工智能的产品

第三个学派是行为学派(Actionism)

又称进化主义(evolutionism)或控制论学派(cyberneticsism)

通过控制论的方法进行学习

采用控制论及感知(动作型控制系统)

从环境中不断学习以及修正动作

代表性作品是布鲁克斯六足行走机器人

这样一个机器人就是一个仿真的

模拟昆虫行为的一个机器人

一个基于感知及动作模式的模拟昆虫行为的控制系统

让机器人更好的从环境中更好的去进行学习

机器人在这些年也是有非常大的进展

像波斯顿机器人

他的动作越来越精细，也能实现非常复杂的一个动作