1.人工智能

AI是计算机软件中不确定性管理（uncertainty management）的技术。

1.1 不确定性管理

不确定问题的来源包括：
传感器限制（sensor limit）：信息不全不充足。
对手（adversary）：制造困难让你难以了解真相。
随机环境（stochastic environment）：无法得到一个很确定的结果。
延迟/缓慢（laziness）：计算速度太慢无法计算出当前或未来情况。
无知（ignorance）：对所发生的问题，可能知道，但没有感知。

1.2 AI面临的五个基本问题

• 在资源有限、计算速度和内存受限的情况下，如何提供近乎实时的性能？
• 计算都是局部的，AI如何使用局部计算来解决全局问题？
• 计算逻辑基本上是演绎逻辑（deductive）,但很多AI问题的本质是溯因（abductive）和归纳（inductive），如何解决这些溯因性和归纳性问题？
• AI智能体（agent）总是从它已知的东西开始，但世界是动态的，知识是有限的，AI agent如何解决新问题？

• 问题的解决（resolving）、推理（reasoning）、学习（learning）、解释（explanation）和证明（justification）是十分复杂的，如何让AI agent解释和证明它所做的决定？

  1.3 AI问题的特征

• 数据和知识是逐渐出现的。

• 同类问题会一再出现。
• 问题在许多不同的抽象层面上出现。
• 很多AI问题难以通过计算解决（intractable）。
• 世界是动态变化的，但有关外界的知识是相对不变的。
• 世界是开放的，但有关外界的知识是相对有限的。

我们的任务正是如何设计AI agent来解决具有上述特征的AI问题。以下列举了一些AI问题（design AI agent）：

1.4 AI agent的基本能力/基础过程

从IBM Watson回答知识竞猜问题，来看AI agent需要具备哪些基本能力/基础过程。

• Knowledge Based AI agent的能力架构：

Reasoning推理：例如理解自然语句、以自然语句形式的表达输出、做决定。推理得到结果后进行存储。
Learning学习：学习得到答案，再存储。学习了才能进行推理，推理的结果导致更多的学习。从存储知道的知识越多，能够学习的也越多。
Memory记忆：对学习到的知识进行存储；从存储中调取知识进行推理。

1.5 AI的思想学派

从四个维度划分，来看AI的思想学派：