神经网络学习策略
监督学习：教师提供已知答案的示例数据，如模式识别，人工神经网络识别时做出猜测，教师给出答案，网络根据误差调整
无监督学习：在没有已知答案的示例数据集时使用，如搜索隐藏模式，基于现有数据集进行聚类
强化学习：基于观察，人工神经网络观察环境做出决策，若观察为负面，调整权重以做出不同决策
反向传播算法
是训练或学习算法，通过示例学习，提交示例后改变网络权重以产生期望输出
适用于简单的模式识别和映射任务
贝叶斯网络
是用于表示一组随机变量之间概率关系的图形结构，也叫信念网络或贝叶斯网，用于推理不确定领域
节点代表随机变量，边表示变量间的概率依赖关系，变量关系强度由节点相关概率量化
是有向无环图，能同时处理多值变量，变量有命题范围和命题概率两个维度
结构适合结合先验知识和观察数据，可用于学习因果关系、理解问题领域和预测未来事件
构建贝叶斯网络
收集问题相关信息，如肺癌问题中考虑患者是否吸烟、是否暴露于空气污染、X光结果等
确定感兴趣的变量，考虑节点类型和取值，如布尔节点、有序值节点、整数值节点
创建节点间的弧，网络拓扑应捕捉变量间的定性关系
指定拓扑，通常弧从上到下，确定节点的父节点和子节点
量化连接节点间的关系，通过为每个节点指定条件概率分布，以条件概率表形式呈现
神经网络的应用
航空航天：自动驾驶飞机、飞机故障检测
汽车：汽车导航系统
军事：武器制导、目标跟踪、物体识别、面部识别、信号/图像识别
电子：代码序列预测、集成电路芯片布局、芯片故障分析、机器视觉、语音合成
金融：房地产评估、贷款顾问、抵押贷款筛选、公司债券评级、投资组合交易程序、公司财务分析、货币价值预测、文档阅读器、信用申请评估
工业：制造过程控制、产品设计和分析、质量检测系统、焊接质量分析、纸张质量预测、化工产品设计分析、化工过程系统动态建模、机器维护分析、项目投标、规划和管理
医疗：癌细胞分析、脑电图和心电图分析、假肢设计、移植时间优化
语音：语音识别、语音分类、文本转语音转换
人工智能面临的问题
隐私威胁：能识别语音和理解自然语言的人工智能程序理论上可理解电子邮件和电话中的对话
人类尊严威胁：人工智能系统在一些行业开始取代人类，不应取代需要伦理道德的尊贵职位人员
安全威胁：自我改进的人工智能系统可能变得过于强大，难以阻止其实现目标，可能导致意外后果
人工智能术语
智能体：能够自主、有目的地朝着一个或多个目标进行推理的系统或软件程序
自主机器人：不受外部控制或影响，能够独立控制自己的机器人
反向链：从问题的结果反向寻找原因的策略
黑板：计算机内用于协作专家系统之间通信的内存
环境：智能体所处的真实或计算世界的一部分
正向链：从问题的原因正向寻找结论的策略
启发式：基于试错、评估和实验的知识
知识工程：从人类专家和其他资源获取知识