第一章:AI基础与概念辨析编队


第一章 · AI基础与概念辨析编队

本章要回答的三个问题:人工智能这个词到底圈住了哪些东西?它一路走来经历了什么、为什么几起几落?拿到一个业务问题,怎么判断它属于哪类学习任务?这三个问题答不利索,后面的机器学习、深度学习关卡就会处处踩空。

为什么会有这一章

概念辨析题看起来最"送分",实际是面试淘汰率最高的一档。原因很简单:名词都眼熟,边界却模糊。能把"机器学习属于人工智能,深度学习又是机器学习的子集"这句话说顺的人不少,能进一步解释"为什么专家系统不算机器学习、深度学习与传统机器学习的分界到底划在哪"的人就少了一大截。更常见的情况是:做了半年分类项目,被问"你这是判别模型还是生成模型"当场语塞。

这一章不堆名词卡片,而是把概念放到题目里对抗。每道题都会逼你在两个近似选项之间做出选择,并把选错的代价讲清楚——这正是概念辨析在实战中的样子:没人问你定义,但每个技术决策背后都藏着一次辨析。

读完能解决什么

对照开篇的三个问题,打完本章关卡后你应当能:

  • 用自己的话画出 AI、机器学习、深度学习三者的包含关系,并各举一个"属于外圈但不属于内圈"的反例;
  • 讲清符号主义与联结主义两条路线的主张差异,以及两次"AI 寒冬"的直接诱因;
  • 给定业务描述(有标签与否、反馈是否延迟),正确归类监督、无监督、强化学习任务;
  • 区分判别模型与生成模型的建模目标,并正确归类逻辑回归与朴素贝叶斯。

各节怎么分工

节号 回答哪个问题 关键产出
第一节 AI定义、流派与范式关卡 人工智能圈住了什么 三层包含关系图 + 流派对比表
第二节 AI发展史与里程碑关卡 为什么几起几落 演化时间线 + 寒冬诱因分析
第三节 机器学习任务分类关卡 业务问题归属哪类 任务判别决策流程 + 反例清单

本章关卡地图

本章关卡地图

概念全景与推进关系

三条推进线在"任务分类基本功"处汇合:无论哪条历史路线走到今天,落地的第一步都是把业务问题翻译成学习任务——这正是第三节的核心演练。

本章可考核知识点清单

知识点 达标线 对应关卡
三层包含关系 画出 AI、机器学习、深度学习的嵌套图并各举反例 关卡一
符号主义与联结主义 各用一句话概括主张,说出各自的代表成果 关卡一
判别模型与生成模型 归类逻辑回归与朴素贝叶斯并说明建模目标差异 关卡一
潮汐节拍 把达特茅斯会议、感知器、专家系统、深度学习复兴挂上时间线 关卡二
寒冬诱因 分别说清两次寒冬的被打击对象与直接技术原因 关卡二
学习范式判别 按标签有无、反馈延迟把业务描述归入对应范式 关卡三

这份清单就是本章的"验收单":每条都能出成一道题自测,答不利索的条目回对应关卡重打。

先决条件

  • 听说过机器学习这个名词即可,不要求写过代码;
  • 第二节涉及少量年份记忆,提供了口诀与时间线图辅助;
  • 第三节的判别流程需要能看懂简单的流程图。

往下走到哪

概念弹药补充完毕后,下一编队(机器学习基础)立刻进入真刀真枪的算法选型与指标计算:损失函数怎么配、精确率召回率怎么算、过拟合怎么治。本章第三节练出的"任务判别决策卡"将直接决定第二章每道题的入手方向——任务归类错了,后面的算法与指标全盘皆错。

作者与出处
原作者:灏天文库
来源:平台策划编纂
整理人: 灏天文库整理
由灏天文库平台收录,内容或由平台用户上传,仅供学习交流
发布者: 作者: 灏天文库 转发
评论区 (0)
U