人工智能到底是个什么

1、ML、DM的区别

方向	区别
Machine Learning	ML一般从模型或者算法出发，讲的是模型或者算法本身存在的不合理的地方，然后提出新的假设，从而去优化模型或算法。在这个过程中并不针对某一个具体的特殊的问题。
Data Mining	DM是从数据本身问题本身出发，希望针对问题的特性来设计最适合的方案。关键是在于对问题和数据的理解。 数据挖掘是个很宽泛的概念，数据挖掘常用方法大多来自于机器学习这门学科。 有人这么形容：数据挖掘=大数据+机器学习~这再合适不过了。

 

 

 

 

 

2、人工智能大地图---生存能力篇

粗分类	含义	细分类/备注
计算机视（computer vision）（感知能力）	不仅仅是图像识别和视频理解的问题。比如，人类走到一个地方环视一周，回到家后依然可以将他看到的东西用语言描述出来甚至画出来，这叫“场景重建”。
语音识别（voice recognition）（感知能力）	注意区分语言能力中的语音识别哦。这里是一个模式识别问题，解决的是从任意嘈杂的环境声音中，识别出来你想要找到的声音。比如从一堆说话人的声音中识别出来你男/女朋友的声音。
自然语言处理natural language processing）（语言能力）	最易理解的是语音识别，这里与上文感知能力中的语音识别不同，这里是speech recognition，就是所谓的“理解说话人的意思”。	语音转文字，文字转语音，文本语义抽取，文本情感分析，文本分类，文本聚类、关键字抽取、分词、词性标注、语法分析、机器翻译、信息检索
知识表示（记忆能力）	要将AI学到的知识表示成方便理解、检索和提取的形式，就是知识表示。	这个能力看似容易，实际是非常困难的工作。比如常识知识，这是最难表示的。比如描述“狗”这个常识性知识。你不能说“吐舌头的就是狗”，也不能说“四条腿的就是狗”，有的狗虽然三条腿，但它也是狗。 　　而对于专家知识，如“平面上，直角三角形的斜边长度等于直角的平方根”，这就是很容易表示的事儿~
自动推理（推理能力）	自动推理是基于知识的。有了知识，通过简单推理如“规则演绎”，复杂推理如基于概率的不确定性推理（如“主观贝叶斯”），可以得到新知识，或者直接利用旧知识解决问题。
自动规划（规划能力）	自动规划是对最优决策/路线/动作的求取，其本质是对状态空间的搜索。 　　举个很简单的例子，机器人在某一时刻，借助感知信息等多维度信息，通过规划算法来决定自己下一步该如何行动。这就是一种规划。至于决定下一步的行动之后，比如决定下一步迈左脚，则该规划结果传达给控制系统使其完成操作。 　　注意，机器人只是规划的一种应用场景，像自动驾驶技术也离不开高性能高精度的规划算法。博弈等AI高级能力也是基于此能力实现的。
机器学习(machine learning)（学习能力）	比如通过消化样本学习新姿势，再比如利用推理能力来演绎规则学到新姿势。	数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用

3、人工智能---百度百科

AI研究范畴（最关键的难题还是机器的自主创造性思维能力的塑造与提升）	涉及学科	智能模拟（机器视、听、触、感觉及思维方式的模拟）
自然语言处理	认知科学	逻辑推理
知识表现	哲学	信息感应
智能搜索	数学	辩证处理
自动推理	神经生理学	指纹识别
规划	心理学	人脸识别
机器学习	计算机科学	视网膜识别
知识获取	信息论	虹膜识别
知识处理系统	医学	掌纹识别
组合调度问题	控制论	专家系统
感知问题	不定性论	智能搜索
模式识别	自动化	定理证明
逻辑程序设计	仿生学	博弈
不精确和不确定的管理	生物学
人工生命	数理逻辑
神经网络	语言学
复杂系统	社会结构学
遗传算法	科学发展观
计算机视觉
智能机器人
软计算