人工智能三大流派:
符号主义:把现实的物映射到代表它的符号，在符号上完成所有的推理、计算等连接主义:模拟人脑神经元之间的连接行为主义:智能来自更低级的感知和行动，表现的好就行图灵机：是一个数学概念
一个七元组:纸带、符号、读写头、规则、状态、起始、结束。人工智能常见领域：
机器定理证明博弈模式识别：声图文自然语言处理数据挖掘和知识发现专家系统自动程序设计研究方向分类：
知识表示：IF-THEN，框架，三元组，统计模型，HMM隐马尔可夫链推理技术：归结原理，lisp语言，prolog语言搜索技术机器学习群智算法规划（机器人）神经网络图计算大数据:指无法在定时间范围内用常规牧件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量高增长率和多样化的信息资产
大数据5V特点: Volumne 大量， Velocity 高速，Varlety多样， Value 低价值事密度，Veraciny真实性
局部大数据
打通的大数据
大数据一般是指通过既定的方法找到某个特定的数据，预测未来的数据
强人工智能弱人工智能专家系统:组成三要素
一个综合数据库——存放信息一组产生式规则——知识一个控制系统一规则的解释或执行程序规则：
IF <前提> THEN <结论> <前提>——<结论>IF <条件> THEN <行动> <条件>——<行动>产生式系统的基本过程:
过程PRODUCTION DATA←初始数据库 until DATA满足结束条件， do { 在规则集中选择条可应用于 DATA的规则R， DATA←R应用到DATA得到的结果 } 1234567
产生式系统的特点:
数据驱动知识的无序性控制系统与问题无关数据、知识和控制相互独立产生式系统的类型
正向、逆向、双向产生式系统可交换的产生式系统可分解的产生式系统回溯策略（八皇后问题）
问题：深度问题，死循环问题
解决办法：对搜索深度加以限制，记录从初始状态到当前状态的路径
图搜索：保留所有已经搜索过的路径
回溯搜索：只保留从初始状态到当前状态的一条路经
无信息图搜索过程：深度优先，宽度优先
深度优先性质
不一定能找到最优解深度限制不合理时，可能找不到解，可将算法改为可变深度限制最坏情况等同于枚举与回朔法的差别:图搜索是一个通用的与问题无关的方法宽度优先性质
有解时一定能找到解当问题为单位耗散值且有解，一定能找到最优解方法与问题无关具有通用性效率较低属于图搜索方法渐进式深度优先搜索方法
首先给回溯法一个比较小的深度限制，然后逐渐增加深度限制，直到找到解或找遍所有分支为止解决宽度优先方法的空间问题和回溯方法不能找到最优解的问题启发式图搜索利用知识来引导搜索，达到减少搜索范围，降低问题复杂度的目的启发强度强：搜索工作量降低，但可能找不到最优解。启发强度弱：工作量加大，极限情况为盲目搜索，可能找到最优解启发式搜索算法A，A算法：评价函数格式：f(n) = g(n) + h(n) f(n)：评价函数，h(n)：启发函数 g*(n)：从s到n的最短路径的耗散值h*(n)：从n到g的最短路径的耗散值f*(n)=g*(n)+h*(n)：从s经过n到g的最短路径的耗散值g(n)、h(n)、f(n)分别是g*(n)、h*(n)、f*(n)的估计值 最佳图搜索算法A*，A算法：在A算法中，如果满足条件：h(n)<=h(n)，则称A算法为A*算法。 性质：定理一：对有限图，如果从初始节点s到目标节点t有路径存在，则算法A一定成功结束引理2.1：对无限图，若有从初始节点s到目标节点t的路径，则A不结束时，在open表中即使最小的一个f值也将增到任意大，或有f(n)>f(s)。引理2.2：A结束前，OPEN表中必存在f(n)<=f(s)定理2：对无限图，若从初始节点s到目标节点t有路径存在，则A*一定成功结束。引理2.1：A如果不结束，则OPEN中所有的n有f(n) > f(s)引理2.2：在A结束前，必存在节点n，使得f(n) ≤ f(s)推论2.1：OPEN表上任一具有f(n)<f*(s)的节点n，最终都将被A*选作扩展的节点。定理3：若存在从初始节点s到目标节点t有路径，则A*必能找到最佳解结束。推论3.1：A选作扩展的任一节点n，有f(n)<=f(s)定理4：设对同一个问题定义了两个A*算法A1和A2，若A2比A1有较多的启发信息，即对所有非目标节点有h2(n) > h1(n)，则在具有一条从s到t的路径的隐含图上，搜索结束时，由A2所扩展的每一个节点，也必定由A1所扩展，即A1扩展的节点数至少和A2一样多。
