第490章 人工智能的本源（第2页）

推理的基础。

?哥德尔不完备定理：证明了数学系统的局限性，影响

ai

在逻辑推理方面的发展。

（2）

统计学与概率

?ai

需要处理不确定性，统计学和概率论成为核心工具：

?贝叶斯定理（bayes’

theorem）：用于机器学习中的概率推理（如垃圾邮件分类）。

?信息论（information

theory）：香农（shannon）提出信息熵，影响神经网络、自然语言处理。

3.

神经科学：仿生智能的启发

（1）

人脑

vs.

ai

?ai

的一个重要目标是模仿人类大脑的学习和思考过程：

?冯·诺依曼（von

neumann）：研究神经系统如何计算，提出计算机架构。

?麦卡洛克与皮茨（mulloch

&

pitts，

1943）：提出**人工神经网络（ann）**的最早模型。

（2）

深度学习的神经科学基础

?hebb

规则（hebbian

learning）：大脑的学习机制——“用进废退”

，启发神经网络的学习算法。

?脑科学的进展促进了神经网络和强化学习的发展，如

alphago

通过“自我博弈”

模拟人类的学习过程。

4.

计算机科学：ai

的技术落地

本章未完，点击下一页继续阅读