人工智能有哪些基础

　　人工智能是研究使计算机模拟人的一些思维过程和智能行为。人工智能的基础是什么？

　　人工智能学科研究的主要内容包括知识显示、自动推理和检索方法、机械学习和知识获得、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等。

　　知识标识是人工智能的基本问题之一，无论是推理还是搜索方法密切相关。常用的知识显示方法有逻辑显示法、生产式显示法、语义网络显示法和框架显示法等。

　　常识当然受到关注，提出了单调推理、定性推理等多种方法。

　　问题解决中的自动推理是知识的使用过程，有很多知识表现方法，相应地有很多推理方法。推理过程一般分为推理和非推理。所谓语逻辑是演绎推理的基础。结构化表明继承性能推理是非演绎性的。由于知识处理的需要，近年来提出了连接机制推理、类比推理、以示例为基础推理、反演推理、有限推理等多种非演泽推理方法。

　　检索是人工智能的问题解决方法，检索战略决定了解决问题的推理步骤中使用知识的优先关系。分为无信息引导的盲目搜索和利用经验知识引导的启发性搜索。启发知识通常由启发函数表示，启发知识越充分利用，解决问题的搜索空间越小。典型的启发式搜索方法有A*、AO*算法等。近年来，搜索方法的研究开始关注拥有百万节点的大规模搜索问题。

　　机器学习是人工智能的另一个重要课题。机器学习是指在一定的知识表达意义下获得新知识的过程，根据学习机制的不同，主要有总结学习、分析学习、连接机制学习和遗传学习等。

　　知识处理系统主要由知识库和推理机组成。知识库存系统所需的知识，知识量大，有多种表现方法时，知识的合理组织和管理很重要。推理机在解决问题时，规定使用知识的基本方法和战略，在推理过程中为记录结果和通信设置数据库或采用黑板机制。如果知识库中存储的是某一领域（如医疗诊断）的专业知识，那么这样的知识系统就叫专业系统。为了适应复杂问题的解决需求，单一的专家系统向多主体的分布式人工智能系统发展，此时知识共享、主体之间的合作、矛盾的出现和处理是研究的重要问题。

　　需要数学基础：高等数学、线性代数、概率论数理统计和随机过程、分散数学、数值分析。

　　需要算法的积累：人工神经网络、向量机、遗传算法等算法当然有各个领域所需的算法。例如，机器人自己在位置环境中导航和地图需要研究SLAM的算法需要时间的积累。

　　至少需要掌握编程语言，结果算法的实现需要编程的硬件深入，电气类的基础课程是必不可少的。