7,129
个编辑
更改
无编辑摘要
=== 规划 ===
=== 规划 ===
[[File:Hierarchical-control-system.svg|thumb| 分层控制系统是控制系统的一种形式，在这种控制系统中，一组设备和控制软件被放在一个层次结构中.]]
[[File:Hierarchical-control-system.svg.png|thumb| 分层控制系统是控制系统的一种形式，在这种控制系统中，一组设备和控制软件被放在一个层次结构中.]]
智能体必须能够设定并实现目标。<ref name="ACM 1998">ACM Computing Classification System: Artificial intelligence". ACM. 1998.</ref><ref name="Russell & Norvig 2003"/><ref name="Poole, Mackworth & Goebel 1998"/><ref name="Luger & Stubblefield 2004"/><ref name="Nilsson 1998"/>他们需要能够有设想未来的办法——这是一种对其所处环境状况的表述，并能够预测他们的行动将如何改变环境——依此能够选择使效用（或者“价值”）最大化的选项。<ref name="Russell & Norvig 2003"/>
智能体必须能够设定并实现目标。<ref name="ACM 1998">ACM Computing Classification System: Artificial intelligence". ACM. 1998.</ref><ref name="Russell & Norvig 2003"/><ref name="Poole, Mackworth & Goebel 1998"/><ref name="Luger & Stubblefield 2004"/><ref name="Nilsson 1998"/>他们需要能够有设想未来的办法——这是一种对其所处环境状况的表述，并能够预测他们的行动将如何改变环境——依此能够选择使效用（或者“价值”）最大化的选项。<ref name="Russell & Norvig 2003"/>
===自然语言处理===
===自然语言处理===
[[File:ParseTree.svg|thumb|一个代表了语法根据一些句子的结构形式文法的解析树。]]
[[File:ParseTree.svg.png|thumb|一个代表了语法根据一些句子的结构形式文法的解析树。]]
'''自然语言处理 Natural language processing（NLP）'''赋予机器阅读和理解人类语言的能力。一个足够强大的自然语言处理系统可以提供自然语言用户界面，并能直接从如新闻专线文本的人类文字中获取知识。一些简单的自然语言处理的应用包括信息检索、文本挖掘、问答和机器翻译。<ref name="Russell & Norvig 2003"/><ref name="Luger & Stubblefield 2004"/>目前许多方法使用词的共现频率来构建文本的句法表示。用“关键词定位”策略进行搜索很常见且可扩展，但很粗糙;搜索“狗”可能只匹配与含“狗”字的文档，而漏掉与“犬”匹配的文档。“词汇相关性”策略使用如“事故”这样的词出现的频次，评估文本想表达的情感。现代统计NLP方法可以结合所有这些策略以及其他策略，在以页或段落为单位的处理上获得还能让人接受的准确度，但仍然缺乏对单独的句子进行分类所需的语义理解。除了编码语义常识常见的困难外，现有的语义NLP有时可扩展性太差，无法应用到在商业中。而“叙述性”NLP除了达到语义NLP的功能之外，还想最终能做到充分理解常识推理。<ref>Cambria, Erik; White, Bebo (May 2014). "Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]". IEEE Computational Intelligence Magazine. 9 (2): 48–57. doi:10.1109/MCI.2014.2307227. S2CID 206451986.</ref>到2019年，变压器基于深度学习的架构可以生成连贯的文本。<ref>Vincent, James (7 November 2019). "OpenAI has published the text-generating AI it said was too dangerous to share". The Verge. Archived from the original on 11 June 2020. </ref>
'''自然语言处理 Natural language processing（NLP）'''赋予机器阅读和理解人类语言的能力。一个足够强大的自然语言处理系统可以提供自然语言用户界面，并能直接从如新闻专线文本的人类文字中获取知识。一些简单的自然语言处理的应用包括信息检索、文本挖掘、问答和机器翻译。<ref name="Russell & Norvig 2003"/><ref name="Luger & Stubblefield 2004"/>目前许多方法使用词的共现频率来构建文本的句法表示。用“关键词定位”策略进行搜索很常见且可扩展，但很粗糙;搜索“狗”可能只匹配与含“狗”字的文档，而漏掉与“犬”匹配的文档。“词汇相关性”策略使用如“事故”这样的词出现的频次，评估文本想表达的情感。现代统计NLP方法可以结合所有这些策略以及其他策略，在以页或段落为单位的处理上获得还能让人接受的准确度，但仍然缺乏对单独的句子进行分类所需的语义理解。除了编码语义常识常见的困难外，现有的语义NLP有时可扩展性太差，无法应用到在商业中。而“叙述性”NLP除了达到语义NLP的功能之外，还想最终能做到充分理解常识推理。<ref>Cambria, Erik; White, Bebo (May 2014). "Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]". IEEE Computational Intelligence Magazine. 9 (2): 48–57. doi:10.1109/MCI.2014.2307227. S2CID 206451986.</ref>到2019年，变压器基于深度学习的架构可以生成连贯的文本。<ref>Vincent, James (7 November 2019). "OpenAI has published the text-generating AI it said was too dangerous to share". The Verge. Archived from the original on 11 June 2020. </ref>