大众对人工智能认识的误区

很多计算机从业人员，对人工智能的理解 数据挖掘和深度学习。
另一部分对人工智能的理解，则多了知识图谱。

其实，人工智能的理论基础和技术分支，都极其广泛。具体详见下文。

揭开人工智能的神秘面纱 — 什么是人工智能

人工智能的概念

现阶段，对人工智能的概念还没有统一的定义。有兴趣的同学，可以网上找一下，在这里不累述。

人工智能的理论基础

哲学

起源于哲学的本体论，则是用来定义实体，以及建立 实体之间的关联关系。
目前，本体论主要用于知识图谱的建设。

数学

• 逻辑：主要用在逻辑推理上面。涉及到 专家系统和知识图谱上面；
• 计算：
• 概率：贝叶斯网络，甚至是数据挖掘（机器学习），均涉及到概率；

经济学

• 运筹学：在各种约束条件下，寻求最优解或者次优解。在任务调度方面广泛使用；
• 博弈论：

神经科学

• 神经网络/深度学习

心理学

• 不是很了解

计算机科学

个人认为，就从工程的角度来讲，计算机科学和数学，是支撑人工智能最大的两个支柱。

• 搜索算法：规划类的问题；
• 图论：应用在知识图谱；
• 编译原理（词法分析和语法分析）：支持推理引擎语言的设计和开发；
• 数据库理论：图数据库；

控制论

• 不是很了解

语言学

• 自然语言处理

人工智能简介

人工智能的历史

人工智能的产业结构

人工智能的智能层次

人工智能的参考框架

其实，智能运维的整体框架，最终也会跟这个框架非常的相似，在第四个系列里面，会有详细的介绍。

人工智能相关技术概述

人工智能的技术体系

机器学习

概述

监督算法 — 分类算法

• 线性分类
  
• 非线性分类
  

监督算法 — 预测算法

无监督算法 — 聚类算法

• K-means算法
  
• 基于密度的算法
  

神经网络

经典的神经网络 — 全链接神经网络

递归神经网络

主要用在语音识别，经典的递归神经网络算法是 LSTM

卷积神经网络

主要用在图像识别

知识图谱

知识图谱的历史

知识图谱的技术框架

专家系统和知识图谱的区别

通用知识图谱和领域知识图谱的区别

贝叶斯网络

遗传算法

遗传算法，在人工智能领域的应用场景，就是 模型参数 调参。

混合智能系统

一个大型的人工智能解决方案，很难单靠一个技术分支就能够完成。以下展示的是 神经网络 + 专家系统的其中一种组织结构。