起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識人工智能入門系列（1）：人工智能的基本概念和應用場景
未來一段時間本人將不定期的以系列文章形式，分享本人在學習人工智能過程中的一些收獲。本文將介紹人工智能相關的一些基本概念、典型應用場景、一級人工智能相關的一些重要術語。
1. 智能代理（Intelligent Agent）
AI程序被稱為智能代理，即：Intelligent Agent。
以下過程是只能代理典型的的工作過程：
工作過程如下：
- Step1：智能代理通過感知器收集外部環境信息；
- Step2：智能代理根據環境做出決策；
- Step3：智能代理通過執行期影響外部完井。
智能代理會不斷重復這一過程直到目標達成，這一過程被稱之為“感知執行循環”。
2. 智能代理及其幾個典型的應用場景
2.1 股票/債券/期貨 交易
交易智能代理根據獲取的新聞資訊和其它環境數據做出交易決策，并執行交易過程。這一細分領域就是量化交易研究的內容。
2.2 實體機器人
實體機器人的智能代理與環境的交互過程與也相似。
不同的是，它獲知環境是通過攝像頭、麥克風、觸覺傳感器等物理外設實現，執行決策也是輪子、機器臂、揚聲器、腿等物理外設完成，因為實體使用物理外設與周圍環境交互，所以與其它單純的人工智能應用場景稍有區別。
2.3 電腦游戲
游戲代理有兩種：
一種用于與人類玩家實現對戰，比如你玩棋牌游戲，那么對于智能代理而言，你就是環境，智能代理將以你的操作作為輸入，以戰勝你為目標來做出決策并執行決策。
另一種則充當了游戲中的其它角色，智能代理的目的是讓游戲更加真實，更富可玩性。
2.4 醫療診斷
醫療診斷的智能代理以病人的檢查結果——血壓、心率、體溫等等作為輸入推測病情
但推測的診斷結果將告知醫生，并由醫生來根據診斷結果給予病人恰當的治療
這一場景中、病人和醫生同時作為外部環境，只能代理的輸入和輸出不同
2.5 搜索引擎
搜索引擎只能代理的輸入包括網頁和搜索用戶
搜索引擎只能代理一方面以網絡爬蟲抓取的網頁作為輸入存入數據庫，在用戶搜索時從數據庫中檢索匹配最合適的網頁返回給用戶。
綜上所述，人工智能可以簡單理解成——通過外部環境輸入做決策并影響外部環境的過程，如果你寫一個程序幫助計算機聰明的解決問題，它就是智能代理。
3. 外部環境特性相關的重要術語
3.1 完全可觀測性和部分可觀測性（Partially Observable）
如果智能代理任何時間點能夠獲取的環境信息足以讓它做出最優決策，那么它就是【完全可觀測的】。舉例來說，撲克游戲，如果所有人把牌面都亮出，那么對于智能代理來說，環境就是【完全可觀測的】。
而多數情況下，智能代理智能獲知部分環境因素，決策需要依賴于自己之前積累的環境數據來做出決策，這種情況被稱為【部分可觀測的】。舉例來說，打牌時，往往無法看到其他玩家的牌面，出牌需要根據記住大家已經出了哪些拍，各自手里坑能還有哪些牌來做出決策，那么這種環境就是【部分可觀測的】
部分可觀測環境的智能代理通常需要內部的記憶機制，記憶歷史環境數據來幫助決策。
3.2 確定性與隨機性（Deterministic vs Stochastic）
【確定性】是指下一步變化在可預測范圍內。舉例來說，多數棋類游戲下子方在某一時刻雖然有多重選擇，但按照規則只在有限的選擇內下子，其產生的效果是可預測的。這種選擇范圍有限的特性被稱之為【確定性】。
【隨機性】是指智能代理和外部環境下一步可能決定和狀態改變完全無法預測。舉例來說，撲克牌游戲是不確定的，你即無法知道每個對手手中有什么牌，也無法知道他可能出什么牌，所以撲克牌游戲是【隨機性】的。
3.3 離散性和連續性（Discrete vs Continuos）
【離散性】是指外部環境的變化實在有限個可預期的結果和情況中做出選擇，而非完全隨機。舉例來說，象棋或圍棋落子因為只能再棋盤上畫出的固定位置，所以是【離散的】。
【連續性】則指環境變化狀態不存在確定的點。舉例來說，投擲飛鏢的落點就是【連續性】的。
3.4 溫和性與對抗性（benigh vs Adverarial）
【溫和性】環境雖然變化莫測，但其目標并不是阻止你完成某項任務，這種環境是【溫和性】的。舉例來說，天氣情況雖然變化莫測，但是其變化的目的并非是針對你的，那么天氣就是【溫和性】環境。
【對抗性】環境的會始終阻礙你完成任務，這種環境稱之為【對抗性】環境。舉例來說，智能代理與人類進行棋牌對弈時，外部環境（人類對手）的目標是戰勝智能代理，那么人類對智能代理來說就是【對抗性】外部環境
可以通過以下三種只能代理面臨的環境因素做個對比
4. 機器學習與語言邏輯
機器翻譯最重要的過程是學習人類怎樣翻譯語言，程序通過閱讀大量翻譯內容來實現對語言的理解。
通過漢語VS日語來舉例，機器學習的遠離很簡單，當一個相同的詞語在幾個句子中出現時，只要通過對比日語版本翻譯中同樣在每個句子中都出現的短語便可知道它的日語翻譯是什么，按照這種方式不難推測：
- “產品經理”一詞的日語可翻譯為“マネージャー”
- “經理”則一般翻譯為“社長”
機器學習在識別詞匯時可以不追求完全匹配，只要匹配達到一定比例便可認為這是一種可能的翻譯方式。
本文由 @我是開水 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自 Pixabay，基于 CC0 協議
總結的很好，注意一下錯別字：）
??