探索人工智能的融合之道
点击翻转查看研究对象
✓ 逻辑推理
✓ 规则表示
✓ 知识工程
💡 模拟人类高级思维过程
点击翻转查看研究对象
✓ 神经网络
✓ 深度学习
✓ 模式识别
💡 模拟大脑神经元连接
点击翻转查看研究对象
✓ 环境感知
✓ 行动反应
✓ 智能主体
💡 模拟生物的感知行为
无论哪个学派，这三者都是创造价值和成功的必备条件
✓ 深度学习理论突破
✓ 各种优化算法
✓ 新理论持续涌现
✓ 互联网和大数据时代
✓ 海量行为数据
✓ 图像、文本数据
✓ GPU发展
✓ 专用AI芯片
✓ 云计算支持
巅峰成就
✓ 专家系统与知识工程大放异彩
✓ 被企业相中，开展大量项目
✓ XCON、PROSPECTOR等系统创造巨大价值
问题暴露
✓ 需要建立非常多规则
✓ 模型不具备泛化能力
✓ 基于规则的系统不算真正智能
全面突破
✓ 深度学习理论成熟
✓ 大数据和GPU算力支持
✓ 势如破竹，引领发展浪潮
✓ AlphaGo、AlphaFold等重大成就
共生与交替
✓ 两者如同共生体
✓ 一方陷入低潮时，另一方令人瞩目
✓ 呈现交替主导关系
"历史总是螺旋式上升"
选择两个或三个学派，看看会产生什么效果！
人类具有智能不仅因为有大脑，
还要持续学习。
机器要更"智能"，
也需要不断学习。
✓ 知识获取
✓ 机器学习（归纳学习、分析学习）
✓ 从专家经验中学习
✓ 深度学习
✓ 从数据中学习模式
✓ 神经网络训练
✓ 强化学习
✓ 从环境反馈中学习
✓ 试错学习
✓ 从古代美好向往与巧妙机械设计
✓ 到近现代著名人物、重要历史事件
✓ 经历理论学说、弯路、成果
通过这些了解，我们可以：
✓ 更客观讨论和评价AI应用
✓ 更理性预测AI未来发展走向
提供可解释性和逻辑推理能力
提供强大的学习和模式识别能力
提供环境感知和实际应用能力
构建真正的通用人工智能(AGI)
"为人工智能理论找到最终答案"
你已经掌握了三大学派的比较与融合！