眾所周知人工智能技術(shù)很多都是建立在數(shù)學(xué)模型之上，所以想要了解更多人工智能相關(guān)信息，需要掌握數(shù)學(xué)基礎(chǔ)知識(shí)。
要了解人工智能，需要掌握的數(shù)學(xué)知識(shí)包括：
線(xiàn)性代數(shù)：如何將研究對(duì)象形式化。事實(shí)上，線(xiàn)性代數(shù)不僅僅是人工智能的基礎(chǔ)，更是現(xiàn)代數(shù)學(xué)和以現(xiàn)代數(shù)學(xué)作為主要分析方法的眾多學(xué)科的基礎(chǔ)。從量子力學(xué)到圖像處理都離不開(kāi)向量和矩陣的使用。線(xiàn)性代數(shù)之于人工智能如同加法之于高等數(shù)學(xué)，是一個(gè)基礎(chǔ)的工具集。
概率論：如何描述統(tǒng)計(jì)規(guī)律？除了線(xiàn)性代數(shù)之外，概率論也是人工智能研究中必備的數(shù)學(xué)基礎(chǔ)。隨著連接主義學(xué)派的興起，概率統(tǒng)計(jì)已經(jīng)取代了數(shù)理邏輯，成為人工智能研究的主流工具。在數(shù)據(jù)爆炸式增長(zhǎng)和計(jì)算力指數(shù)化增強(qiáng)的今天，概率論已經(jīng)在機(jī)器學(xué)習(xí)中扮演了核心角色。
數(shù)理統(tǒng)計(jì)：如何以小見(jiàn)大？在人工智能的研究中，數(shù)理統(tǒng)計(jì)同樣不可或缺?；A(chǔ)的統(tǒng)計(jì)理論有助于對(duì)機(jī)器學(xué)習(xí)的算法和數(shù)據(jù)挖掘的結(jié)果做出解釋?zhuān)挥凶龀龊侠淼慕庾x，數(shù)據(jù)的價(jià)值才能夠體現(xiàn)。數(shù)理統(tǒng)計(jì)根據(jù)觀(guān)察或?qū)嶒?yàn)得到的數(shù)據(jù)來(lái)研究隨機(jī)現(xiàn)象，并對(duì)研究對(duì)象的客觀(guān)規(guī)律做出合理的估計(jì)和判斷。
最優(yōu)化理論： 如何找到最優(yōu)解？本質(zhì)上講，人工智能的目標(biāo)就是最優(yōu)化：在復(fù)雜環(huán)境與多體交互中做出最優(yōu)決策。
信息論：如何定量度量不確定性？信息論處理的是客觀(guān)世界中的不確定性；條件熵和信息增益是分類(lèi)問(wèn)題中的重要參數(shù)；KL 散度用于描述兩個(gè)不同概率分布之間的差異；最大熵原理是分類(lèi)問(wèn)題匯總的常用準(zhǔn)則。
形式邏輯：如何實(shí)現(xiàn)抽象推理？通俗地說(shuō)，理想的人工智能應(yīng)該具有抽象意義上的學(xué)習(xí)、推理與歸納能力，其通用性將遠(yuǎn)遠(yuǎn)強(qiáng)于解決國(guó)際象棋或是圍棋等具體問(wèn)題的算法。
聯(lián)系客服
