人工智能

人工智能研究如何表示环境、依据已有信息推断、选择行动，以及从数据和反馈中改进这些能力。搜索处理显式状态空间，概率模型表达不确定性，决策模型衡量行动后果，机器学习从样本中估计模型。它们解决的问题不同，也可以组成同一个系统。

目录

先修知识与约定

需要算法与数据结构、线性代数、微积分和概率基础。默认状态、动作和概率模型规模有限，连续空间情形会另作说明。最优性结论总是相对于给定模型和目标函数。

参考课程

Berkeley CS188，2024 年秋季课程安排包括搜索、约束满足、博弈树、MDP、强化学习、贝叶斯网络、隐马尔可夫模型和机器学习。

本讲义保留该课程对推理与决策的覆盖，并补充监督学习目标、神经网络和评估方法。深度学习只介绍建立联系所需的基础，不将其当作人工智能的全部。