关键术语：

注：

什么是机器人？

简而言之，机器人是包括传感器（感测环境）和执行器器（作用于环境）的机器，它可以被编程以执行一系列动作。过去人们习惯科幻小说描绘机器人的人通常会想到人形机器以步态笨拙的步态行走，并以金属单调说话。现实世界目前使用的大多数机器人与此完全不同，因为它们是根据应用设计的。大多数应用程序不会在意机器人是否为人形，就像我们没有人形的机器人为我们洗碗，但是我们有靠喷水洗碗的机器。

乍一看可能并不明显，但是任何一种至少有一定程度的自主性，包括传感器和执行器的车辆也被算作机器人。另一方面，基于软件的解决方案，如客户服务聊天机器人，即使他们有时被称为“软件机器人”，也不被视为真正的机器人技术。

练习2：AI的分类

分类法是对许多可能是彼此特殊情况的事物进行分类的方案。我们已经解释了许多学科或领域之间的关系，并指出，机器学习通常被认为是AI的一个子领域。

可视化分类的一种方便的方法是欧拉图。欧拉图（与维恩图差不多）由与概念相对应的形状组成，这些图形与图形之间的重叠对应于概念之间的重叠。

请注意，分类不需要严格分层。一个学科可以是其他学科的子领域：例如，机器学习也可以被认为是统计学的一个子领域。在这种情况下，子领域的概念将被放置在他们的重叠部分。

在下面给出的欧拉图示例中构造一个分类，以说明人工智能、机器学习、计算机科学、数据科学和深度学习之间的关系。


你会把AI、机器学习、计算机科学、数据科学和深度学习分别放在哪里？

练习3：任务的例子

1.自驾车

2.指引火箭进入轨道

3.在线广告优化

4.客户服务chatbot

5.总结盖洛普结果

 

 

附：赫尔辛基大学AI基础教程1.1节-练习1习题答案

下面哪些是AI，哪些不是选项包括：A.是，B.不是，C.部分是（多选）。

1.在给定的数据上计算求和和其他预定义函数的电子表格（B）

由用户指定的公式确定，不需要AI。

2.通过对过去的股票价格数据拟合曲线来预测股票行情（ABC）

拟合一条简单的曲线并不是真正的AI，但是有很多不同的曲线可供选择，即使有大量数据做限制也需要机器学习或者说AI才能获得有用的结果。

3.用于查找最快路线的GPS导航系统（ABC）

用于确定坐标的信号处理和几何方法不是AI，但是为导航（最短/最快路线）提供良好的建议是AI，尤其是在考虑交通状况等变量时。

4.一种音乐推荐系统，如Spotify，根据用户的听歌的行为来推荐音乐（A）

系统从用户（不仅仅是你的）听歌行为中学习。

5.可以存储大量数据（如图像或视频）并将它们同时传输给多个用户的大数据存储解决方案（B）

从数据收集中存储和检索特定项目既不具有适应性也不具有自主性。

6.应用程序中的图像滤镜，如Photoshop（BC）

这些滤镜通常是简单的转换，如调整色彩平衡，对比度等，因此它们既没有适应性，也没有自主性，但应用程序的开发人员可能会使用一些AI来自动调整滤镜。

7.在Prisma等应用中使用的风格迁移滤镜拍摄照片并将其转换为不同的艺术风格（印象派，立体派，......）（A）

这种方法通常会学习图像统计信息（特定风格的图像中的哪些看起来接近的斑块），并转换输入的照片以使其统计信息与风格相匹配，因此系统具有适应性。

 

答案及下篇：赫尔辛基大学AI基础教程：AI的哲学（1.3节）

教程合集传送门：赫尔辛基大学AI基础教程