人工智能导论

|编号|课程|介绍|PyTorch|Keras/ TensorFlow|实验|<br>|-|-|-|-|-|-|<br>|I|人工智能导论|人工智能导论|人工智能导论|人工智能导论|人工智能导论|<br>|1|人工智能简介和历史|[讲义](https://waytoagi.feishu.cn/wiki/HbhhwapFoiVgs1kk1TIcV3a7nzd)||||<br>|II|符号人工智能|符号人工智能|符号人工智能|符号人工智能|符号人工智能|<br>|2 |知识表示和专家系统|[讲义](https://waytoagi.feishu.cn/wiki/SBH5wXRnPi6ZRYkjplVcRTRPnJh)|[专家系统](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/Animals.ipynb)[本体](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb)[概念图](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb)|||<br>|（待更新）|（待更新）|（待更新）|（待更新）|（待更新）|（待更新）|

译者：Miranda，课程原网址https://microsoft.github.io/AI-For-Beginners/通过微软为期12周、共24课时的课程，一起来探索人工智能（AI）的世界！在本课程中，你将深入学习符号人工智能（Symbolic AI）、神经网络（Neural Networks）、计算机视觉（Computer Vision）、自然语言处理（Natural Language Processing）等内容。如果想提升学习效果，可以亲身实践课程内容、做随堂小测试或根据课程内容开展实验。这套课程是由专家设计的人工智能综合指南，它非常适合初学者，覆盖了TensorFlow、PyTorch及人工智能伦理原则。今天就开始你的人工智能之旅吧！在本课程中，你将学到：实现人工智能的不同方法，包括使用了知识表示和推理的符号人工智能，它是一种“有效的老式人工智能”（[GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)）。神经网络和深度学习，它们是现代人工智能的核心，我们将使用两个最流行的框架（[TensorFlow](https://www.tensorflow.org/)和[PyTorch](https://pytorch.org/)）中的代码来说明这两个主题背后的重要概念。处理图像和文本的神经架构，我们将介绍最新的模型，但在最前沿的信息上可能会有所欠缺。不太流行的人工智能方法，如遗传算法（Genetic Algorithms）和多智能体系统（Multi-Agent Systems）。

人工智能（Artificial Intelligence）是一门令人兴奋的科学，它研究我们如何使计算机表现出智能行为，例如做一些人类所擅长的事情。最初，查尔斯·巴贝奇（Charles Babbage）发明了计算机，用于按照一套明确定义的程序（即算法）来对数字进行运算。现代计算机虽然比19世纪提出的原始计算机模型要先进得多，但仍然遵循着相同的受控计算理念。因此，如果我们知道实现某些目标所需的每一个步骤及其顺序，就有可能编写出程序，使计算机按照我们的想法去做这些事。✅ “根据照片判断一个人的年龄”是一件无法明确编程的任务，因为我们并不知道当我们在做这件事时，是如何经过某些清晰的步骤，从而在脑海中得到一个数字的。然而，对于有些任务，我们并不能知道明确的解法。例如从一个人的照片中来判断他/她的年龄。我们之所以能做这件事，是因为我们见过了很多不同年龄的人，但我们无法明确自己的大脑具体是通过哪些步骤来完成这项任务的，所以也无法编写明确的程序让计算机来完成。这种类型的任务正是人工智能（简称AI）感兴趣的。