考研人工智能怎么靠近(考研人工智能怎么靠近导师)

时间：2023-12-02 本站点击：0

导读：很多朋友问到关于考研人工智能怎么靠近的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！

考研人工智能

推理

人类智力的优越性表现在人能思维、判断和决策。思维是人类在感性认识的基础上形成的理性认识，是通过分析和综合过程来实现的，而人类思维中的分析综合过程则产生了质变，在一般的分析和综合基础上，产生了抽象和概括，比较和分类、系统化和具体化等一系列新的、高级的、复杂的思维能力，在头脑中运用概念作出判断和推理。要使机器具有智能，就必须使其具有推理的功能。推理是由一个或几个判断推出另一个判断的一种思维形式，也即从已有事实推出新的事实的过程。在形式逻辑中，推理由前提(已知判断)、结论(被推出的判断)和推理形式(前提和结论之间的联系方式)组成。

人类之所以能高效率地解决一些复杂的问题，这除了拥有大量的专门知识外，还由于人具有合理选择知识和运用知识的能力，也即推理能力和推理策略。以符号逻辑为基础的人工智能，是以逻辑思维和推理为主要内容的。传统的形式化推理技术，是以经典的谓词逻辑也即演绎推理为基础，广泛应用于早期的问题求解和定理证明中，但随着人工智能研究的不断深入，人们在研究中碰到的许多复杂问题不能用严格的演绎推理来解决，因而对非单调逻辑推理等方式的研究正迅速发展起来，已成为人工智能的重要研究内容之一．

感知问题

感知问题是人工智能的一个经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科领域，具体包括计算机视觉和声音处理等。计算机视觉研究的是，如何对由视觉传感器(如摄像机)获得的外部世界的景物和信息进行分析和理解，也就是说如何使计算机“看见”周围的东西。声音处理则是研究如何使计算机“听见”讲话的声音，对语音信息等进行分析和理解。感知问题的关键是必须把数量巨大的感知数据以一种易于处理的精练的方式，进行简练、有效的表征和描述。

对计算机视觉做出卓越贡献的是马尔(D．Marr)教授，他认为视觉是一个复杂的信息处理过程，并有不同的信息表达方式和不同层次的处理过程，而最终的目的是实现计算机对外部世界的描述。由此，他提出了三十层次的研究方法，包括计算理论、算法和硬件实现。他的理论奠定了计算机视觉研究的理论基础，并明确指出了研究内容和研究目标．目前，计算机视觉已在图像处理、立体与运动视觉、三维物体建模和识别等方面取得了很大的进展，但离建构一个实用的计算机视觉系统还有很大的距离。

在2002年岁末，有关“智能人机交互”领域的重要研究内容之一“面像识别技术”在我国取得了突破性进展，其稳定性、识别率等都达到了国际先进水平，初步达到了实用阶段。面像识别技术使计算机“人性化”、“智能化”的水平大大提高。

探索

在下棋或思考问题或寻求迷宫出口时，人们总要探索解决问题的原理，这就需要对之进行专门的研究。探索是人工智能研究的核心内容之一。早期的人工智能研究成果如通用问题求解系统、几何定理证明、博弈等都是围绕着如何进行有效的搜索，以获得满意的问题求解。探索是人工智能研究和应用的基本技术领域。

人工智能中的问题求解和通常的数值计算不同。人工智能的问题求解首先对一个给定的问题进行描述，然后通过搜索推理以求得问题的解，而数值计算是通过程序设计的算法来实现数值的运算。人工智能问题求解的过程就是状态空间中从初始状态到目标状态的探索推理的过程。探索的主要任务是确定如何选出一个合适的操作规则。探索有两种基本方式，一种是盲目探索，即不考虑给定问题的具体知识，而根据事先确定的某种固定顺序来调用操作规则。盲目探索技术主要有深度优先搜索、广度优先搜索；另一种是启发式搜索，考虑问题可应用的知识，动态地优先调用操作规则，探索就会变得更快。

探索技术中重点是启发式搜索。一般地，对给定的问题有很多不同的表示方法，但它们对问题求解具有不同的效率。在许多的问题求解中，有很多与问题有关的信息可利用，使整个问题解决过程加快，这类与问题有关的信息称为启发信息，而利用启发信息的探索就是启发式探索。启发式探索利用启发信息评估解题路径中有希望的节点进行排序，优先扩展最有希望的节点，以实现问题解决的最佳方案。

博弈

博弈，指赌博的学说，对抗的学问，起源于下棋。让计算机学会下棋是人们使机器具有智能的最早尝试。早在1956年，人工智能的先驱之一 ——塞缪尔就研制出跳棋程序，这个程序能够从棋谱中进行学习，并能从实战中总结经验。当时最轰动的一条新闻是塞缪尔的跳棋程序下赢了美国一个州的跳棋冠军。不过，在随后几年与世界冠军的较量中它没能占到便宜。今天的个人计算机家用软件上一般都有跳棋程序、象棋程序、五子棋程序甚至是围棋程序。即使你选择的是初级水平，要赢计算机一盘棋还真不容易呢。

事实上，对于跳棋、象棋、五子棋以及围棋等博弈游戏，其过程完全可用一棵博弈树来表示，利用最基本的状态空间搜索技术来找到一条必胜的下棋路线。遗憾的是，这棵博弈树往往大得惊人，特别是像象棋程序和围棋程序。即使计算机的存储空间能够装得下所有的状态，花在搜索上的时间(也就是通常所谓朝前看几步的时间)常常长得令人不能忍受。好在现在计算机的性能越来越高，存储空间也越来越大，给人感觉上好像计算机的棋力提高了。另外，现有的计算机下棋程序建立在传统的状态空间搜索技术基础上，通过—些启发式算法对棋局中间状态获胜的可能性进行估计，并以此来决定下—步该怎么走。这一方法可以大大减少状态空间的存储和搜索，从而为现代高性能计算机战胜国际—流下棋高手进一步铺平道路。

从20世纪50年代起，计算机与国际象棋高手、大师的比赛一直是人们很感兴趣的话题，计算机通过与高手的比赛来不断改进程序，计算机界有人原以为计算机可以在80年代战胜国际象棋冠军，但实际时间却有所推延。IBM公司一直有开发博弈程序这样一个传统，当年的塞缪尔就隶属于IBM公司。90年代，IBM公司先后开发了多种高性能计算机及相应的下棋软件，并把经过不断改进的下棋程序和“深蓝”计算机的矛头直接对准当今国际象棋头号高手——俄国人卡斯帕罗夫。在新闻媒体的推波助澜之下，1997年5月在美国纽约，卡氏和“深蓝”展开了令全球瞩目的又一轮人机大战。前两盘，双方下成一比一平，之后，双方连下三盘和棋，在关键性的第六盘比赛中，“深蓝”计算机发挥出色，赢得了胜利，从而以“2胜3平1负”的总比分战胜了对手，令全球观众哗然；有人形容这是一场“像人一样的机器和像机器一样的人之间的比赛”。虽然 “深蓝”计算机取胜了，但是也不能说明人工智能取得了突破性的成就。正如卡氏所说，他们之间的较量是不公平的，“深蓝”计算机掌握了他与别人下棋的大量棋谱，用到的仍然是状态空间搜索、模式匹配等传统的人工智能技术，只不过是计算机速度大幅度提高罢了。计算机取胜卡氏另外一个重要的原因是除了计算机工程师之外，IBM公司还有一帮深谙国际象棋规则和计算机知识的高手躲在“深蓝”计算机后面帮助它出谋划策，及时调整程序，如此一来，卡氏岂有不输的道理，输棋只是时间早晚的问题。如果换一种棋，比如说用计算机和人下围棋，情况又会怎样呢?目前计算机要战胜围棋一流高手恐怕还有相当大的困难，这是因为围棋的状态空间又大了很多，又复杂了很多。

机器人学

机器人和机器人学是人工智能研究的另一个重要的应用领域，促进了许多人工智能思想的发展，由它衍生而来的一些技术可用来模拟现实世界的状态，描述从一种状态到另一种状态的变化过程，而且对于规划如何产生动作序列以及监督规划执行提供了较好的帮助。

机器人的应用范围越来越广，已开始走向第三产业，如商业中心、办公室自动化等。目前机器人学的研究方向主要是研制智能机器人。智能机器人将极大地扩展机器人应用领域。智能机器人本身能够认识工作环境、工作对象及其状态，根据人给予的指令和自身的知识，独立决定工作方式，由操作机构和移动机构实现任务，并能适应工作环境的变化。智能机器人只要告诉它做什么，而不用告诉怎么做。它共有四种基本功能，分别是：(1)运动功能，类似于人的手、臂和腿的基本功能，对外界环境施加作用。(2)感知功能，获取外界信息的功能。(3)思维功能，求解问题的认识、判断、推理的功能。(4)人机通信功能，理解指示，输出内部状态，与人进行信息交流的功能。智能机器人是以一种“认知——适应”方式进行操作的。著名的机器人和人工智能专家布拉迪(Brady)曾总结了机器人学当前面临的30个难题，包括传感器、视觉、机动性、设计、控制、典型操作、推理和系统等几个方面，指出了机器人学当前急需解决的难题。只有在这些方面有所突破，机器人应用和机器人学才能更适应社会的要求，成为开发人类智力的帮手。

今天，在仿真人各种外在功能的各个方面，机器人的设计都有很大的进展。现在有一些科学家在研究如何从生物工程的角度去研制高逼真度的仿真机器人。目前的机器人离人们心目中的能够做各种家务活，任劳任怨，并会揣摩主人心思的所谓“机器仆人”的目标还相去甚远。因为机器人所表现的智能行为都是由人预先编好的程序决定的，机器人只会做人要他做的事。人的创造性、意念、联想、随机应变乃至当机立断等都难以在机器人身上体现出来。要想使机器人融入人类的生活，看来还是比较遥远的事情。

该如何备战人工智能专业考研?

如果你要备战人工智能这个专业，可以考虑考走自动化考研方向，报考双控、模式识别、或者控制工程（有些也改称为电子信息工程，比如西工大），此时，专业课为自动控制理论。

自动控制理论分经典自动控制原理和现代控制理论2门课，有些是只考经典控制，比如西工大，有些是2个混合起来考，各自占有一定比例，具体你得看目标院校的考试大纲、招生目录。

人工智能，尤其是机器学习这些科目和高等数学的求导、求偏导，线性代数里面的矩阵运算、变换，概率论中的估计密切相关。这些都是数学一、数学三考的科目，认真学就是了。

如果是数学2，也不用担心，研一还会学习矩阵论和数理统计的，即便初试不考概率，研一还可以补的。

请问关于考研人工智能

人工智能具有广泛的意义，很多理工科的大学都有，特别是研究生专业；人工智能的基础课程是电子技术、自动控制。

人工智能是一个综合学科，而其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。对于你想买什么书学习。我只能对我看过的书给你介绍一下，你再自己酌量一下。

人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。这两本感觉买一本就可以了~第一本感觉能简单并且全面点。这类书其实很多可是。大多内容都是重复的所以买一到两本即可。

机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。

机器人方面：新版《机器人技术手册》日译的书，可能这是我当初在当当网里找到唯一一本比较全面实用的机器人方面的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。

我要考研人工智能专业选哪个方向比较好？

1、纯理论性的，以强人工智能或者神经网络为研究方向，本科可以选择神经科学，也可以选修心理学、哲学、计算机科学。

2、从算法层面对人工智能的优化，本科自然要学计算机科学了，但博弈论之类重视逻辑的小类别学科也有选修或者自学的必要。

3、工业应用的方面。主要应该学习自动化和机械控制。

一、人工智能专业就业前景：

前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言:C/C++)必须得很好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得很好，还要有一定的机械设计能力(空间思维能力很重要)。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。

二、人工智能专业就业方向：

人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。

2、如果是潜心做学术，搞理论研究，那么专业推荐选择“应用数学”。目前的机器学习机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。而近年来发展蓬勃的深度学习，正是机器学习的一个非常接近人工智能的分支。

不排除现在的自动化、通信、机械

等专业在一定程度上都会往智能靠拢，无论是什么专业都可以在课外学习相关的知识，尤其是在这个优质学习资源随手可得，终身学习的时代，但在整体课程的安排上，这个专业还是会不同于其他的专业，而且这有个优点是在读研复试的时候会有些加分，缺点在于：如果不读研，那么就业平均情况是弱于其他专业的，毕竟这个专业在社会认可度较低，而且本科知识较浅，基本上对于职业化帮助不大。