分类目录介绍：
ai的基础知识以及理论知识，帮助你更快了解AI相关的基础内容
内容持续更新中
人工智能(Artificial Intelligence,简称AI)一词早已家喻户晓,但你真正了解它的内涵吗?AI是当代科技最热门的概念之一,但围绕它的争议也从未停止。
艾伦·图灵提出了著名的图灵测试，这是评估机器智能的第一个标准。
美国神经科学家麦卡洛克和逻辑学家皮茨提出了神经元的数学模型，为后来的人工智能学科奠定了基础。
1957年,心理学家弗兰克·罗森布拉特在康奈尔大学发明了”感知机”模型,这是历史上最早的人工神经网络算法之一,为后来的机器学习和模式识别理论奠定了基础。
Agent：简单来说，它就像一个智能助手，能够理解并响应周围发生的事情。
作为图灵的助手和好友,Good亲眼见证了早期人工智能研究的萌芽。但更让他扬名的,是1965年时对”可能性超级智能”(Intelligence Explosion)的洞见。Good在自己的著作中首次预见,一旦成功设计出能自我编程和提高自身的智能系统,将可能引发连锁反应式的”智能爆炸”,最终使该系统的智能远超人类。
作为人工智能和机器学习的开拓者之一,亚瑟·李·塞缪尔研发出历史上第一个真正意义上的机器学习程序,为现代人工智能奠定了基础。
作为20世纪最重要的科学家之一,马文·明斯基是人工智能领域的先驱和奠基人。早在1959年,他就在麻省理工学院创建了AI实验室,开启了智能机器研究的新时代。他提出了具有深远影响的”框架理论”等认知科学理论,为机器模拟人类思维奠定了理论基础。作为一代科学思想巨擘,明斯基的足迹遍布计算机科学、心理学、数学、神经科学等多个学科前沿,为AI技术的今日飞速发展铺平了道路。他那勇于探索、永不停歇的好奇心和创新精神,将永远激励科学家们披荆斩棘、开拓未来。
出生于1903年的他,被视为计算机科学和人工智能领域的奠基人。早在20世纪30年代,他就为图灵机做出了不朽贡献,提出了具有深远影响的图灵可计算理论,为计算机科学发展奠定了理论基础,也为此后人工智能的诞生做好了准备。
保罗·沃伯斯堪称人工智能界的里程碑式人物。1974年,他在哈佛大学完成博士论文时提出了开创性的反向传播算法,这一算法使神经网络能够自主学习,为深度学习理论奠定了基础。直到今天,反向传播依然是训练深层神经网络的主要方法,对人工智能的发展功不可没。
