== 人工智能 序言==
人工智能（Artificial Intelligence），是指计算机系统具备从听说读写到搜索、推理、决策和回答问题等类人智能的能力，即感知、理解、决策的能力。技术科学的进步历程往往是理论通过实践开辟道路的过程。
=== 人工智能历史 =人工/机器智能 ==
过去经历了2次高潮与2次低谷[[人工智能]]/机器智能（Artificial / Machine Intelligence），是指计算机系统具备从听说读写到搜索、推理、决策和回答问题等类人智能的能力，即感知、理解、决策的能力。
网络和云计算所支持的计算能力[[人工智能实现思路]]
基于大数据的机器学习的算法进步=== 发展历史 ===
=== 四个层面 ===[[人工神经网络的历史]]
* 目标与功能=实验竞赛数据集 =
: 语音识别、机器视觉、自然语言理解: 智能问答是综合以上功能的高级系统 * 核心技术 : 特定算法、机器学习算法、深度神经网络 * 软件工具 : TensorFlow / Caffe / Torch * 底层硬件 : 可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集 === 国际研究 === [http://research.google.com/teams/brain/ Google Brain]([http://research.google.com/pubs/jeff.html Jeffrey Dean实验数据集]) [https://research.facebook.com/ai Facebook AI Research (FAIR)]([http://yann.lecun.com/ Yann LeCun]) [https://www.microsoft.com/en-us/research/group/dltc/ MSR Deep Learning Technology Center (DLTC)]([https://www.microsoft.com/en-us/research/people/deng/ Li Deng]) [https://www.openai.com/blog/ OpenAI]([http://www.cs.toronto.edu/~ilya/ Ilya Sutskever]) == 机器学习 == 机器学习（Machine Learning），是指机器从数据中自动分析获得规律，并利用规律对未知数据进行预测。 === 阅读材料 === # Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. [http://science.sciencemag.org/content/349/6245/255 Machine_Learning_Science_2015] === 工具 === '''Python''' [http://scikit-learn.org scikit-learn]([https://github.com/scikit-learn/scikit-learn Source Code])
== 深度学习 ==
深度学习（Deep Learning），机器学习中一种基于对数据进行表征学习的方法，试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。
=== 神经网络 === 深度神经网络，Deep Neural Networks，简称DNN [[卷积神经网络]]，Convolutional Neural Networks，简称CNN 历史：The rebirth of neural networks, ISCA 2010.[http://pages.saclay.inria.fr/olivier.temam/homepage/ISCA2010web.pdf Rebirth_NN] === 阅读材料 === [[深度学习-入门导读]] === 工具 === '''Google''' [https://www.tensorflow.org/ TensorFlow]([https://github.com/tensorflow/tensorflow Source Code]) [http://download.tensorflow.org/paper/whitepaper2015.pdf TensorFlow_Whitepaper] '''Facebook''' [http://torch.ch/ Torch]([https://github.com/torch/torch7 Source Code]) [https://github.com/facebook/fbcunn fbcunn] '''Microsoft''' [http://cntk.ai CNTK]([https://github.com/microsoft/cntk Source Code]) '''[http://dmlc.ml/ DMLC]''' [http://mxnet.io/ MXNet]([https://github.com/dmlc/mxnet Source Code]) '''Université de Montréal''' [http://www.deeplearning.net/software/theano/ Theano]([https://github.com/Theano/Theano/ Source Code])
== 增强学习 ==
增强学习（Reinforcement Learning），是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。
=== 阅读材料 === [[增强学习-入门导读]] === 工具 === '''Google''' [https://github.com/deepmind/lab DeepMind Lab] '''OpenAI''' [https://universe.openai.com/ OpenAI Universe]([https://github.com/openai/universe Source Code])
== 机器感知 ==
[[语音合成]]
相关阅读：Reasoning in vector space: An exploratory study of question answering, ICLR 2016.== 计算机游戏 ==
相关课程：[[实验室探究课-智能问答与智能系统计算机游戏]]
== 计算机游戏 机器翻译==
在无限制德州扑克上，人类顶级职业玩家已被人工智能 bot 击败。德州扑克这种复杂的扑克游戏已经被人工智能（AI）掌握。[[机器翻译]]
http://science.sciencemag.org/content/early/2017/03/01/science.aam6960==推荐系统==
http://www.nature.com/news/how[[推荐系统]] ==相关资料== 相关课程：[[实验室探究课-rival-bots-battled-their-way-to-poker-supremacy-1.21580智能问答与智能系统]]