类别 APMG-International

说明
单调重复、要求精确的任务最适合由机器来完成。机器能够准确、快速地完成几乎不需要创造力的任务，如数据录入或图像识别。
这是因为机器能够快速、准确地处理大量数据，而且比人类更不容易出错。此外，机器在处理大量数据时不会感到厌烦或分心，因此非常适合处理需要持续准确性的任务。如需了解更多信息，请参阅《BCS 人工智能基础证书学习指南》或上述资源。
搜索结果：BCS 人工智能基础证书学习指南，第 4 章：机器学习： https://www.bcs.org/category/19669

说明
https://en.wikipedia.org/wiki/Robot#:~:text=Arobotisamachine,controlmaybeem 计算机是指能够自动执行一系列复杂任务的机器。计算机应用广泛，包括人工智能（AI）、机器人、生产线和自动驾驶汽车。计算机之所以能够执行复杂的任务，是因为它们能够快速、准确地处理大量数据。
如需了解更多信息，请参阅《BCS 人工智能基础证书学习指南》：https://www.bcs.org/category/18076/bcs-foundation-certificate-in-artificial-intelligence-study-guide。

说明
机器系统的主要优势之一是能够可靠、准确地执行单调重复的任务。这对于数据录入或分析等需要高度准确性和精确性的任务尤其有用。机器系统还能快速处理大量数据，这意味着它们能比人类更快、更高效地完成任务。此外，机器系统还可以根据输入的数据进行编程，以作出某些决定和采取某些行动，从而实现某些流程的自动化，而无需人工干预。参考资料
* BCS人工智能基础证书学习指南（2019），人工智能系统，第8章。
* https://www.apmg-international.com/en/al-adoption/advantages-of-al/

说明
https://link.springer.com/referenceworkentry/10.1007/978-0-387-73003-5_293#:~:text=Definition,andcomb 它的工作原理是选择不同的数据子集或不同的假设组合，并将每个预测的结果结合起来，从而得出一个更准确的结果。当不同的假设在数据的不同部分可能是准确的，或者单一假设在所有情况下可能都不准确时，这种方法就非常有用。从计算机视觉到自然语言处理，集合学习被广泛应用。
参考文献：[1] BCS 人工智能基础证书学习指南，BCS [2] APMG-international.com，"什么是集合学习？"，APMG International，https://apmg-international.com/en/about-apmg/blog/what-is-ensemble-learning/ [3] Exin.com、
"集合学习"，EXIN，https://www.exin.com/en-us/learn/ensemble-learning

说明
最小二乘法回归是一种统计技术，用于将曲线拟合到一组数据中。它包括最小化观测数据与拟合曲线之间差值的平方和。具体方法是找到最佳拟合线，即使残差平方和最小的线。最佳拟合线是通过找到残差平方和最小的参数来确定的。这种技术通常用于数据科学和机器学习，以创建可用于预测的模型。参考资料BCS 人工智能基础证书学习指南，https://bcs.org/certifications/foundation-certificates/artificial-intelligence/

说明
* 弱学习者：弱学习者：通俗地讲，是指表现略好于天真模型的模型。
更正式地说，这一概念已被推广到多类分类中，其含义也不同于优于 50% 的准确率。
对于二元分类，众所周知，对弱学习器的确切要求是优于随机猜测。[......]请注意，要求基础学习器优于随机猜测对于多类问题来说太弱了，而要求优于 50% 的准确率又过于严格。
- 第 46 页，《Ensemble Methods》，2012 年。
它以正式的计算学习理论为基础，提出了一类具有弱可学习性的学习方法，这意味着它们比随机猜测的效果更好。弱可学习性是作为更理想的强可学习性的简化而提出的，在强可学习性中，可学习性实现了任意的良好分类准确性。
可学性的一个较弱模型被称为弱可学性，它放弃了对学习者能够达到任意高准确度的要求；弱学习算法只需输出一个比随机猜测稍好（以一个反多项式表示）的假设即可。
- 弱可学性的优势》，1990 年。
这是一个很有用的概念，因为它经常被用来描述集合学习算法的贡献成员的能力。例如，有时引导集合的成员被称为弱学习者，而不是强学习者，至少在口语中是这样。
更具体地说，弱学习者是提升类集合学习算法的基础。
所谓 "提升"（boosting），是指能将弱学习者转化为强学习者的一系列算法。
https://machinelearningmastery.com/strong-learners-vs-weak-learners-for-ensemble-learning/ 当弱学习器的假设准确率仅略高于 50% 时，最好的技术就是提升。提升是一种集合学习技术，它将多个弱学习器（即准确率较低的模型）结合起来，创建出一个更强大的模型。提升技术的工作原理是迭代学习一系列弱学习器，每个弱学习器都比随机猜测略好。然后，将每个弱学习器的输出组合起来，形成一个更准确的模型。提升是一种强大的技术，已被证明可以提高各种机器学习任务的准确性。如需了解更多信息，请参阅《BCS 人工智能基础证书学习指南》或上述资源。

说明
瀑布式方法是一种顺序设计流程，其中每个开发阶段都必须在下一阶段开始之前完成。这意味着，一旦一个阶段完成，就很难再回头进行修改，因为对项目所做的任何修改都有可能影响到所有其他阶段。因此，瀑布式方法很难适应不断变化的客户需求或新技术。这最终会导致人工智能项目交付失败。
参考文献：[1] BCS 人工智能基础证书学习指南，第 19 页 [2] APMG International，"什么是瀑布模型？"，https://apmg-international.com/en/blog/what-is-a-waterfall-model/ [3] EXIN，"什么是瀑布模型？"，https://www.exin.com/blog/what-is-the-waterfall-model/

说明
NLP - 自然语言处理是狭义人工智能的一个例子。它是一种能够理解、解释和生成自然语言的人工智能系统。在过去几年中，NLP 越来越流行，因为它已被用于创建聊天机器人、虚拟助手和搜索引擎等应用程序。NLP 系统能够学习语言及其使用环境，并能理解语言的细微差别及其不同含义。参考资料BCS 人工智能基础证书学习指南》，https://bcs.org/certifications/foundation-certificates/artificial-intelligence/

说明
人类利用自己的智慧来操纵环境，以实现自己的目标，完成自己的使命。这可能涉及广泛的活动，如制造工具、建造庇护所和制定解决问题的策略。参考资料BCS 人工智能基础证书学习指南》，https://bcs.org/ai/certificate/ 和 APMG International，https://www.apmg-international.com/qualifications/artificial-intelligence-foundation-certificate。

说明
* 代理的绩效衡量标准 它是决定代理成功与否的标准。
* 代理人的行为 是指代理人在任何给定的感知序列之后所执行的行动。
* Percept 是指代理在特定情况下的感知输入。
* Percept Sequence（感知序列） 这是一个代理迄今为止感知到的所有信息的历史。
* 代理功能是从戒律序列到行动的映射。
代理术语
https://www.tutorialspoint.com/artificial_intelligence/artificial_intelligence_agents_and_environments.htm 人工智能代理依赖于其感知输入，即代理的感知。这是代理通过传感器收集到的有关其环境的数据。通过感知，代理可以根据环境做出决策并采取行动。代理的感知对于人工智能系统的有效运行非常重要。参考文献
[1] BCS 人工智能基础证书学习指南，"强化学习"，第 96-97 页。[2] APMG-International.com，"人工智能基础" [3] EXIN.com，"人工智能基础"。

说明
https://research.com/careers/what-is-the-fourth-industrial-revolution
人工智能（AI）在第四次工业革命的快速发展中发挥着重要作用。人工智能技术使许多以前由人类或机器完成的流程实现了自动化，从而大大提高了这些流程的速度、效率和准确性。
自动化是人工智能对第四次工业革命的主要贡献之一，因为它大大提高了企业和行业的生产率，同时降低了生产成本，提高了产品质量。
参考文献： https://www.bcs.org/more/certifications/foundation-certificate-in-artificial-intelligence/ https://www

说明
激活功能
神经网络中的激活函数定义了如何将输入的加权和转化为网络中某层一个或多个节点的输出。
https://machinelearningmastery.com/choose-an-activation-function-for-deep-learning/#:~:text=Anactivation 激活函数是神经网络中用于确定神经元输出的数学函数。激活函数用于将输入转化为输出信号，其范围从简单的线性函数到复杂的非线性函数不等。激活函数是神经网络的重要组成部分，有助于网络学习模式和归纳数据。激活函数的类型包括 sigmoid、ReLU、tanh 和 softmax。参考资料BCS 人工智能基础证书学习指南，https://bcs.org/certifications/foundation-certificates/artificial-intelligence/

说明
https://griffinshare.fontbonne.edu/cgi/viewcontent.cgi?article=1008&context=ijds 计算机科学家和经济学家使用 "效用 "一词来描述一个人的快乐程度。效用是对满意度或偏好的一种衡量，用于评估代理对特定结果的满意度。效用可用于确定代理的最佳决策或行动，以最大限度地提高其满意度。参考文献
[1] BCS 人工智能基础证书学习指南，"决策与规划"，第 99-100 页。[2] APMG-International.com，"人工智能基础" [3] EXIN.com，"人工智能基础"。

说明
戴维-查尔默斯（David Chalmers）教授认为，意识问题的复杂程度不亚于宇宙。他认为，由于涉及大量变量和维度，理解意识就像理解宇宙本身一样困难。他曾将这一问题的复杂性与湍流、量子力学和心理学相比较，但认为意识问题比所有这些问题都更加复杂。
参考资料
[1] https://www.bcs.org/upload/pdf/foundation-certificate-ai-syllabus-v1.pdf [2] https://www.apmg-international
David J. Chalmers, "The Hard Problem of Consciousness", in J. Shear (ed.), Explaining Consciousness. The "Hard Problem", MIT Press, 1997：难题》，麻省理工学院出版社，1997 年。

说明
机器学习可让机器人从传感器数据中学习，并计划如何执行任务，从而实现自主。这需要使用算法来分析来自传感器的数据，并利用这些数据做出决策和采取行动。通过使用机器学习，机器人可以从环境中学习，变得更加自主。参考文献
[1] BCS 人工智能基础证书学习指南，"机器人"，第 98 页。[2] APMG-International.com，"人工智能基础" [3] EXIN.com，"人工智能基础"。

说明
智能机器人是一种利用人工智能技术（如机器学习和自然语言处理）来感知、规划和处理其所处环境的机器人。智能机器人能够快速、准确地处理大量数据，使其能够自主决策和执行任务。智能机器人可用于从工业自动化到医疗保健等各种应用领域。