★ FEATURED ARTICLE 简介这份PDF面向人工智能初学者与高校课程学习者系统梳理人工智能从基础概念到核心算法的知识脉络帮助读者建立完整的学科框架理解逻辑推理、搜索求解、机器学习、深度学习、强化学习与博弈对抗等关键方法的原理与联系。资源包共1个PDF文件约198KB内容以教学大纲与课程讲义形式组织按周次展开人工智能概述、启发式搜索与蒙特卡洛树搜索、命题逻辑与谓词逻辑、知识图谱推理、监督与无监督学习、卷积神经网络、Q Learning及遗憾最小化算法等模块并配有黑白棋AI、图像恢复、垃圾分类等实训题目说明。已有2725人学习下载适合希望以算法层视角理清人工智能知识体系、对照课程进度复习或备课的读者参考使用。1. 人工智能导论的知识地图从符号推理到博弈对抗的五条主线很多人第一次翻开人工智能导论会被一堆名词砸晕搜索、逻辑、聚类、卷积、Q Learning、遗憾最小化……看起来像七个互不相干的学科拼盘。但真正梳理下来会发现这门课其实有一条非常清晰的主线对人类智能的模拟有五条路径——以符号主义为核心的逻辑推理、以问题求解为核心的搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习、以博弈对抗为核心的决策智能。这五条线不是并列关系而是从规则明确逐步走向环境不确定的递进。前两条线假设世界可形式化中间两条线开始依赖数据和试错最后一条线处理的是有对手、有隐藏信息的场景。整份人工智能导论模型与算法笔记本质上就是沿着这条递进线把每类模型解决什么问题、用什么算法、边界在哪讲清楚。适合正在系统学这门课、或者考前需要一张完整地图快速定位薄弱模块的人。2. 搜索与逻辑符号主义的两块基石怎么复习符号主义是人工智能最早、也最讲道理的一支。它的核心信念是智能可以被形式化规则表达推理就是符号变换。这条线上有两块基石——搜索求解和逻辑推理前者解决怎么找后者解决怎么推。复习时把这两块放在一起看会发现它们共享同一个前提问题的状态空间或知识库是明确给定的算法要做的是在这个确定结构里高效地走。2.1 搜索求解启发式、对抗与蒙特卡洛树搜索的分工搜索这一章最容易犯的错是把三种搜索当成同一类东西背。实际上它们面对的问题结构完全不同复习时按环境是否确定、是否有对手、分支是否爆炸三个维度去分就清楚了。搜索类型适用场景核心评价量典型算法复习重点启发式搜索单智能体、状态空间大估价函数 f g hA*、贪婪最佳优先h 的可采纳性决定最优性对抗搜索双人零和、完全信息极小极大值Minimax、Alpha-Beta 剪枝剪枝不改变结果只省时间蒙特卡洛树搜索分支因子极大、难以精确估值胜率统计UCT、选择-扩展-模拟-回传探索与利用的平衡系数启发式搜索的关键在估价函数。g 是已走代价h 是对剩余代价的估计。h 可采纳永不高估真实代价保证 A* 找到最优解h 一致满足三角不等式保证不需要重复扩展节点。这两个性质是考试和面试的高频点很多人只记住h 要小于等于真实值却说不清一致性的作用。对抗搜索里Minimax 把对手视为总选最坏分支的理性方Alpha-Beta 剪枝在保持结果不变的前提下砍掉不可能被选中的分支。这里最容易翻车的是剪枝顺序好的走法排序能让剪枝效率从指数级降到接近线性但顺序不影响最终决策值。蒙特卡洛树搜索是近十几年博弈 AI 的核心。它不靠精确估值而是靠大量随机模拟统计胜率四个阶段循环# 蒙特卡洛树搜索的单次迭代骨架伪代码级 def mcts_iterate(root): node select(root) # 1. 选择按 UCT 公式向下选兼顾胜率与探索 child expand(node) # 2. 扩展为未尝试的动作建新节点 reward simulate(child) # 3. 模拟随机走到底得到胜负结果 backpropagate(child, reward) # 4. 回传沿路径更新访问次数与胜率 return rootUCT 公式里有一个探索常数 cc 越大越偏向尝试冷门分支越小越偏向当前最优。调这个参数就是在利用已知好路和探索未知可能之间找平衡这也是强化学习里反复出现的主题。2.2 逻辑与推理命题、谓词到知识图谱推理的递进逻辑这条线从命题逻辑起步到谓词逻辑增强表达力再到知识图谱上的推理算法落地。复习时抓住表达力 vs 可计算性这条张力线就不会把它背成零散知识点。命题逻辑把世界切成原子命题用与或非连接能表达如果下雨则地湿但表达不了所有人都会死这种带量词和变量的句子。谓词逻辑引入个体、谓词和量词表达力上去了推理复杂度也上去了。一阶归纳推理算法做的事情是给定事实和背景知识归纳出能解释这些事实的规则。路径排序算法则是在知识图谱上把关系路径当作特征来给实体对打分判断它们之间是否存在某种关系。因果推理是这一章里最容易被低估的部分。相关不等于因果因果推理要回答的是如果干预某个变量结果会怎样。复习时至少要分清观察、干预、反事实三个层次这是后面理解强化学习和决策的基础。提示逻辑推理这一章的概念密度高但考试往往考某个算法解决什么问题、输入输出是什么而不是推导细节。先把每个算法的输入输出和适用场景列成一张表比死磕公式划算。3. 统计机器学习监督与无监督的算法对照从这一章开始人工智能的重心从规则驱动转向数据驱动。统计机器学习的核心问题是给定一批数据如何找到一个模型让它对没见过的数据也能做出好判断。监督学习和无监督学习的分界线在于有没有标签。复习这一块最有效的方式是把算法按任务类型—损失函数—关键假设三列对照而不是逐个背定义。3.1 监督学习线性回归、提升算法与分类模型监督学习的骨架是假设一个函数形式定义损失优化参数。线性回归是最基础的回归模型假设输出是输入的线性组合损失用平方误差有闭式解也可以梯度下降。它的价值不在本身多强而在于它是理解偏差-方差、正则化、过拟合的载体。提升算法Boosting走的是另一条路不训练一个大模型而是串行训练一串弱模型每个新模型重点纠正前一个模型的错误。它的关键假设是弱学习器可以组合成强学习器。复习时要能说清串行和并行的区别——Boosting 是串行纠错Bagging 是并行投票降方差这两个经常被混。逻辑斯蒂回归虽然名字带回归实际是分类模型。它在线性输出上套一个 Sigmoid 函数把实数压到 0 到 1 之间当作概率损失用交叉熵。这里最容易错的是逻辑斯蒂回归的决策边界是线性的但它输出的是概率不是硬分类阈值可以调。线性判别分析LDA和逻辑斯蒂回归常被放在一起比较。LDA 假设各类数据服从高斯分布且协方差相同通过投影让类间距离大、类内方差小逻辑斯蒂回归不假设分布直接建模后验概率。一个偏生成式一个偏判别式这个区别是高频考点。3.2 无监督学习聚类、降维与特征人脸无监督学习没有标签目标是发现数据内部结构。K 均值聚类把数据分成 K 簇迭代分配—更新中心两步收敛快但对初始中心和 K 值敏感且只适合球形簇。复习时要能说出它的失败场景非凸簇、簇大小差异大、有离群点。主成分分析PCA是降维的主力。它找的是数据方差最大的方向把高维数据投影到低维子空间同时尽量保留信息。关键步骤是协方差矩阵的特征值分解取最大的几个特征值对应的特征向量作为主成分。这里容易漏的是PCA 前通常要中心化是否标准化取决于各维量纲是否一致。特征人脸算法是 PCA 在图像上的经典应用。把每张人脸图像拉成一个长向量对一批图像做 PCA得到一组特征脸任何一张人脸都可以表示成这些特征脸的线性组合。它的意义在于用很少的系数近似表达高维图像是人脸识别早期的重要方法。复习时抓住图像向量化—求协方差—取主成分—投影重构这条链就够了。潜在语义分析LSA是同一思想在文本上的应用构造词-文档矩阵做奇异值分解把词和文档映射到低维语义空间从而处理同义词和多义词问题。它和 PCA 本质相通都是降维找主方向。4. 深度学习与强化学习从反向传播到 Q Learning 的贯通深度学习是统计机器学习的延伸用多层非线性变换自动学习特征强化学习则换了一个问题框架不再是有标签的样本而是智能体与环境交互、根据奖励调整行为。这两块放在一起复习是因为深度强化学习正好是它们的交汇点。很多人学到这里会觉得断层其实只要抓住表示学习和序贯决策两个词就能把线接上。4.1 深度学习前馈网络、BP 与卷积神经网络前馈神经网络是最基本的结构输入层、若干隐藏层、输出层层与层全连接每个神经元对输入做加权求和再过一个非线性激活函数。没有非线性激活多层网络等价于一层线性变换这是必须记住的结论。误差后向传播BP是训练的核心。前向传播算出预测和损失反向传播用链式法则把损失对每个参数的梯度算出来再用梯度下降更新。复习时要能说清梯度消失的成因深层网络里梯度连乘若每层导数都小于 1梯度会指数级衰减。缓解手段包括换激活函数、批归一化、残差连接。# 单层前向 反向的梯度形状示意教学用非完整实现 # x: 输入 (batch, in_dim) W: 权重 (in_dim, out_dim) b: 偏置 (out_dim,) z x W b # 线性变换 a relu(z) # 非线性激活 # 反向dL/dW x^T (dL/da * relu(z)) grad_W x.T (grad_a * (z 0)) grad_b (grad_a * (z 0)).sum(axis0)这段示意里relu(z)在 z 大于 0 时为 1、否则为 0这就是为什么 ReLU 能缓解梯度消失——正区间导数恒为 1不会连乘衰减。参数说明batch是批大小in_dim和out_dim是输入输出维度梯度形状必须和参数形状一致这是手推 BP 时最常见的检查点。卷积神经网络针对图像设计用卷积核在空间上滑动提取局部特征配合池化降采样。它的两个关键特性是局部连接和权值共享大幅减少参数量。复习时要能说清卷积输出尺寸公式输出边长 (输入边长 − 核边长 2×填充) / 步长 1。这个公式考试和调参都用得上。4.2 强化学习策略、价值与 Q Learning 的求解逻辑强化学习的框架是智能体在状态 s 下采取动作 a环境给出奖励 r 并转移到新状态目标是最大化长期累积奖励。它和监督学习最大的区别是没有标准答案告诉你每一步该做什么只有延迟的奖励信号。核心概念要分清策略和价值。策略 π 是在什么状态做什么动作的映射价值函数 V(s) 衡量处于某状态的长期期望回报动作价值 Q(s,a) 衡量在某状态做某动作的长期期望回报。策略评估是给定策略算价值策略优化是改进策略。Q Learning 是免模型的时序差分方法核心更新式是# Q Learning 单步更新表格型便于理解 # alpha: 学习率 gamma: 折扣因子 epsilon: 探索率 q[s, a] alpha * (r gamma * max(q[next_s, :]) - q[s, a]) # 动作选择用 epsilon-贪婪以 epsilon 概率随机探索否则选当前最大 Q这个更新式里r gamma * max(q[next_s, :])是时序差分目标括号里是目标与当前估计的差即 TD 误差。alpha控制更新步长gamma控制对未来奖励的重视程度epsilon控制探索比例。三个参数各管一件事调参时不要一起动。深度强化学习把 Q 表换成神经网络用网络近似 Q(s,a)解决了状态空间太大无法建表的问题。代价是训练不稳定需要经验回放、目标网络等技巧。复习时理解为什么需要目标网络就够了减少目标值频繁变动带来的震荡。5. 博弈对抗与易错点遗憾最小化与全篇高频翻车清单博弈对抗是整门课的综合应用场有对手、有隐藏信息、要在线决策。遗憾最小化算法是这里的核心工具它的思路和前面所有算法都不同——不追求单次最优而是追求长期不后悔。这一章先把博弈这条线讲透再把全篇最容易错的地方集中列出来方便考前对照自查。5.1 博弈与遗憾最小化从概念到虚拟遗憾最小化博弈的基本要素是参与者、策略、收益。按信息是否完全、是否零和、是否同时行动可以分成不同类型。人工智能博弈关注的是在对手也理性、且可能隐藏信息的情况下如何制定策略。遗憾最小化算法的出发点是如果我过去一直采用某个策略累计收益会比实际收益高多少这个差值就是遗憾。算法通过调整策略让平均遗憾随时间趋于零从而在重复博弈中逼近一个难以被利用的策略。它的好处是不需要知道对手的策略适合不完全信息场景。虚拟遗憾最小化CFR把这一思想用到扩展式博弈有先后手、有信息集的博弈上。它维护每个信息集上各动作的累计遗憾按遗憾匹配调整策略反复迭代逼近纳什均衡。复习时抓住三个词信息集、反事实值、遗憾匹配。信息集是玩家在当前能观察到的信息下无法区分的状态集合这是不完全信息博弈和完全信息博弈的分水岭。人工智能安全放在这一章末尾不是凑数。博弈视角下安全问题是对手会如何利用系统的策略漏洞理解对抗才能理解防御。复习时把它当作博弈思想的应用延伸即可不必展开成独立体系。5.2 易错点清单这五处最容易在考试和实践中翻车梳理下来会发现这门课的失分点高度集中不是知识点太难而是几个边界条件被忽略。下面五条按易漏点 → 为什么漏 → 怎么补写考前逐条过一遍。易漏点一把可采纳性和一致性混为一谈。为什么漏两个定义都涉及不高估背的时候容易合并。怎么补记住可采纳性只保证最优解一致性额外保证不重复扩展节点一致性是可采纳性的充分条件反之不成立。易漏点二以为 Alpha-Beta 剪枝会改变搜索结果。为什么漏看到剪掉分支就以为丢了信息。怎么补剪掉的是不可能被理性对手选中的分支在最优走法排序下结果与 Minimax 完全一致只是更快。易漏点三PCA 前不做中心化或该标准化时不标准化。为什么漏教程里常直接给公式省略预处理。怎么补PCA 基于协方差必须先减均值各维量纲差异大时先标准化否则方差大的维度会主导主成分。易漏点四混淆 Boosting 和 Bagging 的纠错机制。为什么漏两者都是集成多个模型名字又不像。怎么补Boosting 串行、关注前一轮错分样本、降偏差Bagging 并行、自助采样、投票、降方差。易漏点五Q Learning 更新时用错下一状态的动作。为什么漏更新式里既有当前动作又有下一状态最大值手写时容易把max写成当前策略动作。怎么补Q Learning 是离策略算法目标里用的是下一状态的最大 Q与当前实际采取的动作无关这一点和 SARSA 不同。注意这五条不是全部易错点但覆盖了搜索、降维、集成、强化学习四个高频模块。复习时把它们和自己的错题对照比重新通读一遍讲义效率高。6. 复习路线与查漏补缺一张按周推进的自查表把这门课从头到尾过一遍最怕的是每章都看过、每章都不熟。我的做法是先按知识依赖关系排一条复习路线再用一张自查表定位薄弱环节。依赖关系是这样的搜索和逻辑是符号主义基础统计机器学习是数据驱动起点深度学习建立在机器学习之上强化学习独立成线但和深度学习交汇于深度强化学习博弈对抗综合了搜索和决策。所以复习顺序建议是搜索 → 逻辑 → 监督学习 → 无监督学习 → 深度学习 → 强化学习 → 博弈对抗最后回到概述和发展挑战做串联。自查表按能不能用自己的话讲清来打分而不是看没看过模块自查问题不熟时的补救动作搜索求解A* 的 h 满足什么条件才最优MCTS 四阶段各做什么手推一个小图上的 A* 扩展顺序逻辑推理命题逻辑和谓词逻辑表达力差在哪各写一个对方表达不了的句子监督学习偏差和方差分别由什么导致Boosting 降哪个画一张欠拟合/过拟合对比图无监督学习K 均值为什么会失败PCA 主成分怎么选构造一个非凸簇例子说明深度学习梯度消失怎么产生卷积输出尺寸怎么算手算一层卷积的尺寸和参数量强化学习策略和价值区别Q Learning 和 SARSA 差在哪写出两者的更新式对比博弈对抗信息集是什么CFR 为什么能逼近均衡用一个简单牌局走一遍遗憾更新这张表的价值在于每个问题都要求讲出来或算出来而不是认出来。能讲清说明真的理解了讲不清就回到对应章节做那个补救动作。实训题目也别跳过——黑白棋 AI 练的是搜索和对抗搜索图像恢复练的是线性回归和正则化垃圾分类练的是深度学习和卷积网络。这三个实训正好对应三条主线做完一遍比看十遍讲义管用。最后说个血泪经验。我早期复习喜欢从第一页翻到最后一页结果每次都在概述和搜索之间打转后面的深度学习和强化学习永远没时间细看。后来改成先做自查表、只补不熟模块效率完全不一样。从那以后我每次复习这类体系课都强制先花二十分钟填一遍自查表再决定今天看哪一章不再按目录顺序硬推。希望这份梳理能帮到你把地图装进脑子比背完所有公式更值钱。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
