正文

AI文章綜述（ai 論文）

發(fā)布時(shí)間：2023-03-29 09:38:18 稿源：創(chuàng)意嶺閱讀： 61 當(dāng)前文章關(guān)鍵詞排名出租

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于AI文章綜述的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具：開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

1、2021-10-21 如何閱讀綜述性論文 (Review Papers)
2、【心理學(xué)與AI】記憶系統(tǒng)交互
3、求一篇《計(jì)算機(jī)發(fā)展史》文獻(xiàn)綜述（和論文稍有區(qū)別），2000～3000字拜托各位了 3Q
4、人工智能有什么好的參考書么？

AI文章綜述（ai 論文）

一、2021-10-21 如何閱讀綜述性論文 (Review Papers)

原始網(wǎng)址： https://www.wikihow.com/Read-a-Scientific-Paper#aiinfo

一般來說，科學(xué)論文可以分為綜述論文（review paper）和實(shí)證研究論文(research paper)。這兩種類型都可以作為深入了解特定科學(xué)研究領(lǐng)域的極好來源。然而，這些論文密集，并且包括一些可能令人生畏的術(shù)語。如果你有耐心，并有條不紊地研究論文，你將能夠理解呈現(xiàn)的研究，并將其納入你自己的工作中。[1]

1、確定論文是綜述論文。綜述論文總結(jié)了許多其他論文的數(shù)據(jù)和結(jié)論，為您提供特定主題或領(lǐng)域的概述。通常，您會在論文的標(biāo)題或摘要中看到“綜述（review）”一詞。[2]

a. 如果你不熟悉某個(gè)特定領(lǐng)域，一篇綜述文章（review paper）可以讓你更好地理解。綜述論文還可以幫助你確定你需要閱讀的經(jīng)驗(yàn)性論文 (research paper)，或?qū)⑵渥鳛槟阕约汗ぷ鞯膩碓础?

2、確定論文是敘述性綜述還是系統(tǒng)性綜述。敘述性綜述通常更容易閱讀，并提供對特定學(xué)術(shù)領(lǐng)域或研究領(lǐng)域的廣泛概述。系統(tǒng)綜述更詳細(xì)，可以評估所綜述的論文的方法和數(shù)據(jù)。 [3]

a. 作者通常在論文的標(biāo)題或摘要中說明綜述的類型。系統(tǒng)評論在醫(yī)學(xué)研究中最為常見。

3、通讀論文的摘要和介紹。摘要是綜述論文的總結(jié)，包括提出的問題和論文作者找到的答案。引言解釋了作者選擇進(jìn)行綜述的原因。 [4]

a. 在閱讀了摘要和導(dǎo)言之后，如果你認(rèn)為這篇論文與你的興趣無關(guān)，就沒有必要再閱讀了。

4、批判性地評估綜述的設(shè)計(jì)。一個(gè)系統(tǒng)的綜述結(jié)合了幾個(gè)不同研究的結(jié)果，以產(chǎn)生對研究領(lǐng)域更全面的理解。然而，只有當(dāng)綜述包括使用相同方法的已發(fā)表和未發(fā)表研究時(shí)，這才有效。

a. 在某些研究領(lǐng)域，已發(fā)表研究的結(jié)果與未發(fā)表研究的結(jié)果不同。僅包括已發(fā)表研究的綜述并不能呈現(xiàn)該領(lǐng)域研究狀態(tài)的全貌。

b. 一些綜述論文可能會考慮不同類型的研究，特別是在尚未完成大量研究的新興研究領(lǐng)域。

5、跳轉(zhuǎn)到論文的結(jié)果部分。首先閱讀結(jié)果部分可以讓你在閱讀論文的其余部分時(shí)知道要尋找什么。一旦你知道作者的結(jié)論，你就可以專注于支持這一結(jié)論的研究中的數(shù)據(jù)。[5]

a. 結(jié)果部分應(yīng)該有邏輯地組織并且相對容易讓您遵循。它還通常包括作者綜述的任何給定類型研究數(shù)量的摘要。

6、仔細(xì)分析綜述的方法。對于綜述論文，方法學(xué)部分將討論如何選擇研究內(nèi)容納入綜述。這包括綜述作者使用的標(biāo)準(zhǔn)，以及他們搜尋的研究數(shù)據(jù)來源。[6]

a. 作者通常會討論他們用來確定一項(xiàng)研究是否應(yīng)包括在他們的綜述中的標(biāo)準(zhǔn)。想想這些標(biāo)準(zhǔn)是否給綜述帶來了一些偏見。

b. 方法論還包括綜述作者如何綜合綜述研究結(jié)果的描述。通過綜合，該綜述得出了一個(gè)新的（通常是更廣泛的）結(jié)論，而不是所綜述的任何單個(gè)研究。 [7]

7、研究呈現(xiàn)的合成數(shù)據(jù)圖形。一篇系統(tǒng)性的綜述論文利用被稱為“森林圖（forest plots）”的圖表來評估綜述中所有研究的所有結(jié)果。一旦你知道如何解釋它們，你可能會發(fā)現(xiàn)森林圖比其他統(tǒng)計(jì)圖更容易閱讀。[8]

a. 水平方向是綜述所分析的條件或?qū)嶒?yàn)方法。縱軸表示沒有效果。在該軸的左側(cè)，將根據(jù)其結(jié)果的極限程度繪制得出結(jié)論有效的研究。在軸的右側(cè)，繪制了有利于控制而不是實(shí)驗(yàn)或干預(yù)的研究。

b. 通過大多數(shù)綜述，您應(yīng)該能夠一眼看出大多數(shù)研究是否支持實(shí)驗(yàn)或干預(yù)。

密切的研究森林圖：除基本圖外，森林圖還包括大量其他信息，包括所綜述研究的作者姓名、每項(xiàng)綜述研究進(jìn)行或發(fā)表的年份，以及每項(xiàng)研究中實(shí)驗(yàn)組和對照組的患者數(shù)量。

8、從頭到尾把這篇論文翻一遍。現(xiàn)在，您已經(jīng)對該綜述及其方法有了深刻的理解，您將能夠更好地理解本文的其余部分。積極閱讀，邊走邊記筆記。記下你可能想自己閱讀的綜述中包含的個(gè)人實(shí)證論文。[9]

a. 如果您看到任何您不理解的內(nèi)容，請突出顯示或記下。您可以稍后在線查找，或查看科學(xué)詞典。

b. 在閱讀時(shí)做筆記可以幫助您在以后自己的寫作中轉(zhuǎn)述論文中的信息，而不必?fù)?dān)心抄襲原始來源。

1.↑ https://aspb.org/wp-content/uploads/2016/04/HowtoReadScientificPaper.pdf

↑ https://www.sciencebuddies.org/science-fair-projects/competitions/how-to-read-a-scientific-paper

↑ https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4548566/

↑ https://www.editage.com/insights/a-young-researchers-guide-to-a-systematic-review

↑ https://pdfs.semanticscholar.org/337f/6a3c5cde6480ca6d47be3d27778aa86b0f89.pdf

↑ https://academic.oup.com/ndt/article/31/6/897/1751656

↑ https://www.students4bestevidence.net/tutorial-read-forest-plot/

9.↑ https://pdfs.semanticscholar.org/337f/6a3c5cde6480ca6d47be3d27778aa86b0f89.pdf

二、【心理學(xué)與AI】記憶系統(tǒng)交互

在序列運(yùn)動學(xué)習(xí)中，陳述性記憶系統(tǒng)（基于海馬體）、程序性記憶系統(tǒng)（基于紋狀體）都會對這個(gè)過程產(chǎn)生影響。但是這兩個(gè)系統(tǒng)共同競爭神經(jīng)資源，所以在運(yùn)動學(xué)習(xí)之后進(jìn)行一個(gè)陳述性記憶的任務(wù)，會影響之前運(yùn)動序列的學(xué)習(xí)。

之前的研究發(fā)現(xiàn)這個(gè)影響可以發(fā)生在程序性記憶consolidate的階段，這篇研究進(jìn)一步發(fā)現(xiàn)這個(gè)影響甚至也發(fā)生在提取階段。

研究背景

運(yùn)動學(xué)習(xí)結(jié)束之后，就算不做實(shí)際的動作，相關(guān)的記憶還是會繼續(xù)加強(qiáng)（consolidation）。但是如果在4-8小時(shí)內(nèi)又引入了新的學(xué)習(xí)，這個(gè)加強(qiáng)的效果就會減弱甚至消失，研究者們把這個(gè)現(xiàn)象稱為“干擾效應(yīng)”。

以往大家都在關(guān)注這個(gè)動作學(xué)習(xí)中程序性記憶的組分，發(fā)現(xiàn)比如第一個(gè)任務(wù)和第二個(gè)任務(wù)有相似的學(xué)習(xí)序列，干擾效應(yīng)會更嚴(yán)重，即使是用不同的效應(yīng)器也還是會。

最近大家開始關(guān)注陳述性記憶和程序性記憶的交互。傳統(tǒng)的觀點(diǎn)認(rèn)為這兩個(gè)系統(tǒng)是相互獨(dú)立的，但是現(xiàn)在很多證據(jù)表明他們之間的交互是存在的。比如有 在動物身上的實(shí)驗(yàn)發(fā)現(xiàn)，海馬體的損傷會帶來運(yùn)動表現(xiàn)的增強(qiáng) 。這表明這兩個(gè)系統(tǒng)可能是競爭的關(guān)系。另外還有在人身上的實(shí)驗(yàn)說這兩個(gè)系統(tǒng)共享一些神經(jīng)網(wǎng)絡(luò)，因?yàn)樵谝恍﹥?nèi)隱學(xué)習(xí)的任務(wù)中也觀察到海馬體的激活（相反的觀點(diǎn)see Hardwick et al., 2013）。

記憶干擾范式也有一些證據(jù)表明這兩個(gè)系統(tǒng)的交互作用。比如Brown and Robertson（2007）中發(fā)現(xiàn)，如果在運(yùn)動序列學(xué)習(xí)之后，馬上做一個(gè)陳述性記憶任務(wù)（比如記一個(gè)單詞表），會嚴(yán)重影響動作序列學(xué)習(xí)的consolidation 。而且這個(gè)影響的程序還和這個(gè)陳述性記憶任務(wù)的量成正相關(guān)。反過來也會有影響。還有一篇綜述講這個(gè)影響（Morehead et al., 2011）。

實(shí)驗(yàn)簡述

前人只知道影響可以發(fā)生在consolidation的階段，但是不知道能不能發(fā)生在retrieval的階段。所以對比了兩個(gè)組，第一天都學(xué)一個(gè)運(yùn)動任務(wù)（FOS，按順序動手指的任務(wù)）+一個(gè)視覺搜索任務(wù)（比如在一副圖片里找三只豬）。第二天對照組直接測試前一天學(xué)的運(yùn)動任務(wù)，實(shí)驗(yàn)組先做前一天視覺搜索的回憶任務(wù)，再測試運(yùn)動任務(wù)。

結(jié)果是發(fā)現(xiàn)第二天先做回憶任務(wù)的組運(yùn)動任務(wù)的績效受到了影響。

討論

為什么第一天的視覺搜索任務(wù)沒有嚴(yán)重影響運(yùn)動任務(wù)的績效呢？

可能視覺搜索中海馬體和紋狀體并沒有起主要作用。如果和陳述性或程序性記憶沒有直接相關(guān)的任務(wù)可能對運(yùn)動任務(wù)干擾不大。比如 簡單的數(shù)學(xué)問題（Tibi et al., 2013），數(shù)元音的數(shù)量（Brown and Robertson, 2007）對運(yùn)動記憶的保持并沒有大的影響 。

另外一種可能性在于，睡眠可能會鞏固之前的運(yùn)動記憶。有些研究發(fā)現(xiàn)，如果retention期間是醒著的，可能會看到干擾效應(yīng)，而如果是睡著的反而觀察不到。（Brown and Robertson, 2007）

Albouy et al. (2015)發(fā)現(xiàn)海馬體在運(yùn)動序列學(xué)習(xí)中的作用是支持動作序列的空間表征（這是啥。。還要再看看），因此很有可能本文中看到的兩個(gè)任務(wù)的相互干擾是主要和海馬體的空間表征相關(guān)。

神經(jīng)科學(xué)研究表明，運(yùn)動的初期海馬體參與的比較多，而后面逐漸減少。（adaptation是初期小腦參與多，后期皮層參與，為什么?）

除了海馬體，DLPFC背側(cè)前額葉也可能相關(guān)，cohen等人發(fā)現(xiàn)激活這個(gè)區(qū)域可以降低兩個(gè)任務(wù)之間的干擾。

陳述性記憶和程序性記憶可能是兩條記憶的通路，在神經(jīng)表現(xiàn)上有很大的差異。內(nèi)側(cè)顳葉損傷的病人，可以進(jìn)行運(yùn)動技能的學(xué)習(xí)，并且可以長期保存，但是他們描述不了自己掌握了什么技能。

序列反應(yīng)時(shí)任務(wù)（Serial Reaction Time Task, SRTT）是一個(gè)被用來研究兩個(gè)系統(tǒng)交互的范式。在這個(gè)任務(wù)中，被試會看到屏幕上依次呈現(xiàn)一個(gè)個(gè)的visual cue，根據(jù)每個(gè)cue來按鍵。如果這些cue的呈現(xiàn)順序是按照某個(gè)序列循環(huán)的話，被試就會在動作上也形成記憶，他們的按鍵反應(yīng)時(shí)就會降低。而且反應(yīng)時(shí)的降低并不一定需要被試意識到這個(gè)序列的順序。

而這個(gè)范式不能說明這兩個(gè)系統(tǒng)的互相影響是發(fā)生在哪個(gè)階段，是編碼，存儲，鞏固還是提取階段？因此研究者認(rèn)為，如果在SRTT這種任務(wù)之后，引入另一個(gè)任務(wù)，它和SRTT在陳述性或程序性記憶系統(tǒng)上相互競爭，就會降低SRTT的任務(wù)表現(xiàn)。

經(jīng)典的實(shí)驗(yàn)發(fā)現(xiàn)第二個(gè)任務(wù)和第一個(gè)任務(wù)之間的干擾是雙向的（上面講過）。那么這種互相影響，是不是由于干擾了verbal rehearsal呢？沒有明顯陳述性成分的運(yùn)動學(xué)習(xí)是不是就更少受到干擾呢？

最近的研究（Keisler and Shadmehr, 2010）發(fā)現(xiàn)， 兩個(gè)語義上完全無關(guān)的任務(wù)也會互相干擾，比如力場的適應(yīng)學(xué)習(xí)會受到詞表學(xué)習(xí)的干擾 。我們知道運(yùn)動適應(yīng)有一個(gè)經(jīng)典的雙過程模型，認(rèn)為運(yùn)動適應(yīng)是由兩個(gè)過程疊加的結(jié)果，一個(gè)過程對環(huán)境的變化適應(yīng)的很快消退得也很快，另一個(gè)過程適應(yīng)得很慢但消退的也很慢。研究者讓被試充分適應(yīng)力場A（幾百個(gè)試次，意味著慢速過程也適應(yīng)得較好了），再適應(yīng)力場B（20個(gè)試次，只有快速過程適應(yīng)好了），然后再做一個(gè)詞匯學(xué)習(xí)任務(wù)。他們發(fā)現(xiàn)模型擬合的結(jié)果支持，詞匯學(xué)習(xí)只影響了快速過程，而沒有影響慢速過程。

這個(gè)結(jié)果有兩種解釋，詞匯學(xué)習(xí)任務(wù)對運(yùn)動任務(wù)的干擾，是因?yàn)殛愂鲂杂洃浐瓦\(yùn)動記憶在競爭某個(gè)資源；另一種解釋就是運(yùn)動的快速過程本身就是陳述性記憶。如果是后者這種解釋，我們應(yīng)該能觀察到，當(dāng)我們減少運(yùn)動學(xué)習(xí)中可以被verbalized的成分，這種干擾會減小，比如突然引入力場和逐漸引入力場，后者的干擾應(yīng)該更小。

現(xiàn)在大多數(shù)對雙系統(tǒng)交互作用的研究，干擾任務(wù)用的都是verbal task。如果我們能觀察到非語言任務(wù)不能造成干擾了就會很有意思。

上述的工作得出了一個(gè)非常有趣的結(jié)論，就是如果要運(yùn)動學(xué)習(xí)retention的過程中受到的干擾小，就要盡可能使被試無法用語言描述所學(xué)到的內(nèi)容是什么。（這個(gè)結(jié)論好奇怪。。。不太符合常識）

前人發(fā)現(xiàn)陳述性記憶的任務(wù)一定會對動作學(xué)習(xí)的retention造成干擾，但作者認(rèn)為，如果這兩個(gè)任務(wù)之間有語義聯(lián)系，不會干擾反而會促進(jìn)retention。因此這個(gè)干擾不是固定存在的。（感覺是廢話，重點(diǎn)看一下導(dǎo)言和討論）

研究背景

procedural和declarative兩個(gè)記憶系統(tǒng)過去被認(rèn)為在神經(jīng)機(jī)制和功能上都是沒有聯(lián)系的。

程序性記憶系統(tǒng)依賴于一個(gè)網(wǎng)狀的腦部結(jié)構(gòu)，涉及部分基底神經(jīng)節(jié)、小腦和前額皮質(zhì)，其中前額皮質(zhì)包括前運(yùn)動皮層和布洛卡氏區(qū)（大腦左前下部控制言語的部分）的后部。陳述性記憶則主要是受海馬體、內(nèi)側(cè)顳葉附近的腦區(qū)、新皮層以及部分前額葉調(diào)控。

研究也發(fā)現(xiàn)，其中一個(gè)系統(tǒng)的損傷并不一定意味著另一個(gè)系統(tǒng)的損傷。比如老年癡呆癥患者學(xué)習(xí)和回憶事實(shí)和事件的能力嚴(yán)重受損，但是他們?nèi)匀豢梢詫W(xué)習(xí)新的運(yùn)動技能。而小腦損傷的病人比如huntington's disease，他們學(xué)習(xí)會議事件的能力沒問題，但是運(yùn)動技能受損了。

而最近的研究發(fā)現(xiàn)這兩個(gè)系統(tǒng)之間其實(shí)也有相互聯(lián)系。比如內(nèi)側(cè)顳葉（和陳述性記憶相關(guān)的腦區(qū)）的激活，和紋狀體（和程序性記憶相關(guān)的腦區(qū)）的激活是有關(guān)聯(lián)的（Poldrack et al., 2001）。另一方面，海馬體作為主要和陳述性記憶相關(guān)的腦區(qū)，研究發(fā)現(xiàn)在有外顯策略的動作學(xué)習(xí)，以及沒有策略的學(xué)習(xí)中都有海馬體的激活（可是難道不是外顯策略不能摘除干凈？）。

還有一類研究是用“干擾效應(yīng)”來支持這兩個(gè)記憶系統(tǒng)之間的交互（這個(gè)上面幾篇文章也說過了）。

討論

線索對記憶的提取有重要作用。Heuer, Crawford, and Schubö (2017) 做了一個(gè)這樣的實(shí)驗(yàn)，他們在記憶項(xiàng)和測試項(xiàng)之間插入了一個(gè)cue（一個(gè)箭頭指向8個(gè)位置中的一個(gè)），他們發(fā)現(xiàn) 當(dāng)cue和目標(biāo)測試項(xiàng)越接近，cue的作用就越好 。同時(shí)，語義鏈接對cue的作用影響也很大，比如Rosinski（1977）做了圖片和詞匯配對的學(xué)習(xí)實(shí)驗(yàn)，發(fā)現(xiàn)詞匯和圖片有語義聯(lián)系的情況被試學(xué)的更快。語義的鏈接可以用擴(kuò)散激活理論來理解（Collins & Loftus, 1975）。所以當(dāng)動作的語義成分和語言任務(wù)的語義成分相近的時(shí)候，語言任務(wù)的執(zhí)行也會激活動作任務(wù)的記憶，達(dá)到類似于再學(xué)習(xí)的效果。

但是，實(shí)驗(yàn)也發(fā)現(xiàn)僅僅有語義的鏈接是不夠的，在序列學(xué)習(xí)任務(wù)中，序列信息也是至關(guān)重要的，也就是說如果語言任務(wù)的序列和運(yùn)動任務(wù)是一致的，就可以促進(jìn)運(yùn)動任務(wù)的retention，而如果不一致則沒有這個(gè)效果。

三、求一篇《計(jì)算機(jī)發(fā)展史》文獻(xiàn)綜述（和論文稍有區(qū)別），2000～3000字拜托各位了 3Q

1946年2月，第一臺電子計(jì)算機(jī)ENIAC在美國加州問世，ENIAC用了18000個(gè)電子管和86000個(gè)其它電子元件，有兩個(gè)教室那么大，運(yùn)算速度卻只有每秒300次各種運(yùn)算或5000次加法，耗資100萬美元以上。盡管ENIAC有許多不足之處，但它畢竟是計(jì)算機(jī)的始祖，揭開了計(jì)算機(jī)時(shí)代的序幕。計(jì)算機(jī)的發(fā)展到目前為止共經(jīng)歷了四個(gè)時(shí)代，從1946年到1959年這段時(shí)期我們稱之為“電子管計(jì)算機(jī)時(shí)代”。第一代計(jì)算機(jī)的內(nèi)部元件使用的是電子管。由于一部計(jì)算機(jī)需要幾千個(gè)電子管，每個(gè)電子管都會散發(fā)大量的熱量，因此，如何散熱是一個(gè)令人頭痛的問題。電子管的壽命最長只有3000小時(shí)，計(jì)算機(jī)運(yùn)行時(shí)常常發(fā)生由于電子管被燒壞而使計(jì)算機(jī)死機(jī)的現(xiàn)象。第一代計(jì)算機(jī)主要用于科學(xué)研究和工程計(jì)算。從1960年到1964年，由于在計(jì)算機(jī)中采用了比電子管更先進(jìn)的晶體管，所以我們將這段時(shí)期稱為“晶體管計(jì)算機(jī)時(shí)代”。晶體管比電子管小得多，不需要暖機(jī)時(shí)間，消耗能量較少，處理更迅速、更可靠。第二代計(jì)算機(jī)的程序語言從機(jī)器語言發(fā)展到匯編語言。接著，高級語言FORTRAN語言和cOBOL語言相繼開發(fā)出來并被廣泛使用。這時(shí)，開始使用磁盤和磁帶作為輔助存儲器。第二代計(jì)算機(jī)的體積和價(jià)格都下降了，使用的人也多起來了，計(jì)算機(jī)工業(yè)迅速發(fā)展。第二代計(jì)算機(jī)主要用于商業(yè)、大學(xué)教學(xué)和政府機(jī)關(guān)。從1965年到1970年，集成電路被應(yīng)用到計(jì)算機(jī)中來，因此這段時(shí)期被稱為“中小規(guī)模集成電路計(jì)算機(jī)時(shí)代”。集成電路（Integrated Circuit，簡稱r）是做在晶片上的一個(gè)完整的電子電路，這個(gè)晶片比手指甲還小，卻包含了幾千個(gè)晶體管元件。第三代計(jì)算機(jī)的特點(diǎn)是體積更小、價(jià)格更低、可靠性更高、計(jì)算速度更快。第三代計(jì)算機(jī)的代表是IBM公司花了50億美元開發(fā)的IBM 360系列。從1971年到現(xiàn)在，被稱之為“大規(guī)模集成電路計(jì)算機(jī)時(shí)代”。第四代計(jì)算機(jī)使用的元件依然是集成電路，不過，這種集成電路已經(jīng)大大改善，它包含著幾十萬到上百萬個(gè)晶體管，人們稱之為大規(guī)模集成電路（LargeScale lntegrated Circuit，簡稱LSI）和超大規(guī)模集成電路（Very Large Scale lntegrated Circuit，簡稱VLSI）。1975年，美國1BM公司推出了個(gè)人計(jì)算機(jī)PC（PersonaI Computer），從此，人們對計(jì)算機(jī)不再陌生，計(jì)算機(jī)開始深入到人類生活的各個(gè)方面 .

四、人工智能有什么好的參考書么？

Peter Norvig 的《AI, Modern Approach 2nd》（無爭議的領(lǐng)域經(jīng)典）

Bishop, 《Pattern Recognition and Machine Learning》. 沒有影印的，但是網(wǎng)上能下到。經(jīng)典中的經(jīng)典。Pattern Classification 和這本書是兩本必讀之書?！禤attern Recognition and Machine Learning》是很新（07年），深入淺出，手不釋卷。

推薦兩本有意思的書，

一本是《Simple Heuristics that Makes Us Smart》

另一本是《Bounded Rationality: The Adaptive Toolbox》

---------------------------------------------------------------------

<從CSDN上轉(zhuǎn)載的>

機(jī)器學(xué)習(xí)與人工智能學(xué)習(xí)資源導(dǎo)引

我經(jīng)常在 TopLanguage 討論組上推薦一些書籍，也經(jīng)常問里面的牛人們搜羅一些有關(guān)的資料，人工智能、機(jī)器學(xué)習(xí)、自然語言處理、知識發(fā)現(xiàn)（特別地，數(shù)據(jù)挖掘）、信息檢索這些無疑是 CS 領(lǐng)域最好玩的分支了（也是互相緊密聯(lián)系的），這里將最近有關(guān)機(jī)器學(xué)習(xí)和人工智能相關(guān)的一些學(xué)習(xí)資源歸一個(gè)類：

首先是兩個(gè)非常棒的 Wikipedia 條目，我也算是 wikipedia 的重度用戶了，學(xué)習(xí)一門東西的時(shí)候常常發(fā)現(xiàn)是始于 wikipedia 中間經(jīng)過若干次 google ，然后止于某一本或幾本著作。

第一個(gè)是“人工智能的歷史”（History of Artificial Intelligence），我在討論組上寫道：

而今天看到的這篇文章是我在 wikipedia 瀏覽至今覺得最好的。文章名為《人工智能的歷史》，順著 AI 發(fā)展時(shí)間線娓娓道來，中間穿插無數(shù)牛人故事，且一波三折大氣磅礴，可謂"事實(shí)比想象更令人驚訝"。人工智能始于哲學(xué)思辨，中間經(jīng)歷了一個(gè)沒有心理學(xué)（尤其是認(rèn)知神經(jīng)科學(xué)的）的幫助的階段，僅通過牛人對人類思維的外在表現(xiàn)的歸納、內(nèi)省，以及數(shù)學(xué)工具進(jìn)行探索，其間最令人激動的是 Herbert Simon （決策理論之父，諾獎(jiǎng)，跨領(lǐng)域牛人）寫的一個(gè)自動證明機(jī)，證明了羅素的數(shù)學(xué)原理中的二十幾個(gè)定理，其中有一個(gè)定理比原書中的還要優(yōu)雅，Simon 的程序用的是啟發(fā)式搜索，因?yàn)楣硐到y(tǒng)中的證明可以簡化為從條件到結(jié)論的樹狀搜索（但由于組合爆炸，所以必須使用啟發(fā)式剪枝）。后來 Simon 又寫了 GPS （General Problem Solver），據(jù)說能解決一些能良好形式化的問題，如漢諾塔。但說到底 Simon 的研究畢竟只觸及了人類思維的一個(gè)很小很小的方面 —— Formal Logic，甚至更狹義一點(diǎn) Deductive Reasoning （即不包含 Inductive Reasoning , Transductive Reasoning (俗稱 analogic thinking）。還有諸多比如 Common Sense、Vision、尤其是最為復(fù)雜的 Language 、Consciousness 都還謎團(tuán)未解。還有一個(gè)比較有趣的就是有人認(rèn)為 AI 問題必須要以一個(gè)物理的 Body 為支撐，一個(gè)能夠感受這個(gè)世界的物理規(guī)則的身體本身就是一個(gè)強(qiáng)大的信息來源，基于這個(gè)信息來源，人類能夠自身與時(shí)俱進(jìn)地總結(jié)所謂的 Common-Sense Knowledge （這個(gè)就是所謂的 Emboddied Mind 理論。），否則像一些老兄直接手動構(gòu)建 Common-Sense Knowledge Base ，就很傻很天真了，須知人根據(jù)感知系統(tǒng)從自然界獲取知識是一個(gè)動態(tài)的自動更新的系統(tǒng)，而手動構(gòu)建常識庫則無異于古老的 Expert System 的做法。當(dāng)然，以上只總結(jié)了很小一部分我個(gè)人覺得比較有趣或新穎的，每個(gè)人看到的有趣的地方不一樣，比如里面相當(dāng)詳細(xì)地介紹了神經(jīng)網(wǎng)絡(luò)理論的興衰。所以我強(qiáng)烈建議你看自己一遍，別忘了里面鏈接到其他地方的鏈接。

順便一說，徐宥同學(xué)打算找時(shí)間把這個(gè)條目翻譯出來，這是一個(gè)相當(dāng)長的條目，看不動 E 文的等著看翻譯吧:)

第二個(gè)則是“人工智能”（Artificial Intelligence）。當(dāng)然，還有機(jī)器學(xué)習(xí)等等。從這些條目出發(fā)能夠找到許多非常有用和靠譜的深入?yún)⒖假Y料。

然后是一些書籍

書籍：

1. 《Programming Collective Intelligence》，近年出的入門好書，培養(yǎng)興趣是最重要的一環(huán)，一上來看大部頭很容易被嚇走的:P

2. Peter Norvig 的《AI, Modern Approach 2nd》（無爭議的領(lǐng)域經(jīng)典）。

3. 《The Elements of Statistical Learning》，數(shù)學(xué)性比較強(qiáng)，可以做參考了。

4. 《Foundations of Statistical Natural Language Processing》，自然語言處理領(lǐng)域公認(rèn)經(jīng)典。

5. 《Data Mining, Concepts and Techniques》，華裔科學(xué)家寫的書，相當(dāng)深入淺出。

6. 《Managing Gigabytes》，信息檢索好書。

7. 《Information Theory：Inference and Learning Algorithms》，參考書吧，比較深。

相關(guān)數(shù)學(xué)基礎(chǔ)（參考書，不適合拿來通讀）：

1. 線性代數(shù)：這個(gè)參考書就不列了，很多。

2. 矩陣數(shù)學(xué)：《矩陣分析》，Roger Horn。矩陣分析領(lǐng)域無爭議的經(jīng)典。

3. 概率論與統(tǒng)計(jì)：《概率論及其應(yīng)用》，威廉·費(fèi)勒。也是極牛的書，可數(shù)學(xué)味道太重，不適合做機(jī)器學(xué)習(xí)的。于是討論組里的 Du Lei 同學(xué)推薦了《All Of Statistics》并說到

機(jī)器學(xué)習(xí)這個(gè)方向，統(tǒng)計(jì)學(xué)也一樣非常重要。推薦All of statistics，這是CMU的一本很簡潔的教科書，注重概念，簡化計(jì)算，簡化與Machine Learning無關(guān)的概念和統(tǒng)計(jì)內(nèi)容，可以說是很好的快速入門材料。

4. 最優(yōu)化方法：《Nonlinear Programming, 2nd》非線性規(guī)劃的參考書?！禖onvex Optimization》凸優(yōu)化的參考書。此外還有一些書可以參考 wikipedia 上的最優(yōu)化方法條目。要深入理解機(jī)器學(xué)習(xí)方法的技術(shù)細(xì)節(jié)很多時(shí)候（如SVM）需要最優(yōu)化方法作為鋪墊。

王寧同學(xué)推薦了好幾本書：

《Machine Learning, Tom Michell》, 1997.

老書，牛人。現(xiàn)在看來內(nèi)容并不算深，很多章節(jié)有點(diǎn)到為止的感覺，但是很適合新手（當(dāng)然，不能"新"到連算法和概率都不知道）入門。比如決策樹部分就很精彩，并且這幾年沒有特別大的進(jìn)展，所以并不過時(shí)。另外，這本書算是對97年前數(shù)十年機(jī)器學(xué)習(xí)工作的大綜述，參考文獻(xiàn)列表極有價(jià)值。國內(nèi)有翻譯和影印版，不知道絕版否。

《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999

老書，牛人。貌似第一本完整講述IR的書?？上R這些年進(jìn)展迅猛，這本書略有些過時(shí)了。翻翻做參考還是不錯(cuò)的。另外，Ricardo同學(xué)現(xiàn)在是Yahoo Research for Europe and Latin Ameria的頭頭。

《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork

大約也是01年左右的大塊頭，有影印版，彩色。沒讀完，但如果想深入學(xué)習(xí)ML和IR，前三章（介紹，貝葉斯學(xué)習(xí)，線性分類器）必修。

還有些經(jīng)典與我只有一面之緣，沒有資格評價(jià)。另外還有兩本小冊子，論文集性質(zhì)的，倒是講到了了不少前沿和細(xì)節(jié)，諸如索引如何壓縮之類?？上嗣?，又被我壓在箱底，下次搬家前怕是難見天日了。

（呵呵，想起來一本：《Mining the Web - Discovering Knowledge from Hypertext Data》）

說一本名氣很大的書：《Data Mining: Practical Machine Learning Tools and Techniques》。Weka 的作者寫的?？上?nèi)容一般。理論部分太單薄，而實(shí)踐部分也很脫離實(shí)際。DM的入門書已經(jīng)不少，這一本應(yīng)該可以不看了。如果要學(xué)習(xí)了解 Weka ，看文檔就好。第二版已經(jīng)出了，沒讀過，不清楚。

信息檢索方面，Du Lei 同學(xué)再次推薦：

信息檢索方面的書現(xiàn)在建議看Stanford的那本《Introduction to Information Retrieval》，這書剛剛正式出版，內(nèi)容當(dāng)然up to date。另外信息檢索第一大牛Croft老爺也正在寫教科書，應(yīng)該很快就要面世了。據(jù)說是非常pratical的一本書。

對信息檢索有興趣的同學(xué)，強(qiáng)烈推薦翟成祥博士在北大的暑期學(xué)校課程，這里有全slides和閱讀材料：http://net.pku.edu.cn/~course/cs410/schedule.html

maximzhao 同學(xué)推薦了一本機(jī)器學(xué)習(xí)：

加一本書：Bishop, 《Pattern Recognition and Machine Learning》. 沒有影印的，但是網(wǎng)上能下到。經(jīng)典中的經(jīng)典。Pattern Classification 和這本書是兩本必讀之書?！禤attern Recognition and Machine Learning》是很新（07年），深入淺出，手不釋卷。

最后，關(guān)于人工智能方面（特別地，決策與判斷），再推薦兩本有意思的書，

一本是《Simple Heuristics that Makes Us Smart》

另一本是《Bounded Rationality: The Adaptive Toolbox》

不同于計(jì)算機(jī)學(xué)界所采用的統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法，這兩本書更多地著眼于人類實(shí)際上所采用的認(rèn)知方式，以下是我在討論組上寫的簡介：

這兩本都是德國ABC研究小組（一個(gè)由計(jì)算機(jī)科學(xué)家、認(rèn)知科學(xué)家、神經(jīng)科學(xué)家、經(jīng)濟(jì)學(xué)家、數(shù)學(xué)家、統(tǒng)計(jì)學(xué)家等組成的跨學(xué)科研究團(tuán)體）集體寫的，都是引起領(lǐng)域內(nèi)廣泛關(guān)注的書，尤其是前一本，后一本則是對 Herbert Simon （決策科學(xué)之父，諾獎(jiǎng)獲得者）提出的人類理性模型的擴(kuò)充研究），可以說是把什么是真正的人類智能這個(gè)問題提上了臺面。核心思想是，我們的大腦根本不能做大量的統(tǒng)計(jì)計(jì)算，使用fancy的數(shù)學(xué)手法去解釋和預(yù)測這個(gè)世界，而是通過簡單而魯棒的啟發(fā)法來面對不確定的世界（比如第一本書中提到的兩個(gè)后來非常著名的啟發(fā)法：再認(rèn)啟發(fā)法（cognition heuristics）和選擇最佳（Take the Best）。當(dāng)然，這兩本書并沒有排斥統(tǒng)計(jì)方法就是了，數(shù)據(jù)量大的時(shí)候統(tǒng)計(jì)優(yōu)勢就出來了，而數(shù)據(jù)量小的時(shí)候統(tǒng)計(jì)方法就變得非常糟糕；人類簡單的啟發(fā)法則充分利用生態(tài)環(huán)境中的規(guī)律性（regularities），都做到計(jì)算復(fù)雜性小且魯棒。

關(guān)于第二本書的簡介：

1. 誰是 Herbert Simon

2. 什么是 Bounded Rationality

3. 這本書講啥的：

我一直覺得人類的決策與判斷是一個(gè)非常迷人的問題。這本書簡單地說可以看作是《決策與判斷》的更全面更理論的版本。系統(tǒng)且理論化地介紹人類決策與判斷過程中的各種啟發(fā)式方法（heuristics）及其利弊（為什么他們是最優(yōu)化方法在信息不足情況下的快捷且魯棒的逼近，以及為什么在一些情況下會帶來糟糕的后果等，比如學(xué)過機(jī)器學(xué)習(xí)的都知道樸素貝葉斯方法在許多情況下往往并不比貝葉斯網(wǎng)絡(luò)效果差，而且還速度快；比如多項(xiàng)式插值的維數(shù)越高越容易 overfit，而基于低階多項(xiàng)式的分段樣條插值卻被證明是一個(gè)非常魯棒的方案）。

在此提一個(gè)書中提到的例子，非常有意思：兩個(gè)團(tuán)隊(duì)被派去設(shè)計(jì)一個(gè)能夠在場上接住拋過來的棒球的機(jī)器人。第一組做了詳細(xì)的數(shù)學(xué)分析，建立了一個(gè)相當(dāng)復(fù)雜的拋物線近似模型（因?yàn)檫€要考慮空氣阻力之類的原因，所以并非嚴(yán)格拋物線），用于計(jì)算球的落點(diǎn)，以便正確地接到球。顯然這個(gè)方案耗資巨大，而且實(shí)際運(yùn)算也需要時(shí)間，大家都知道生物的神經(jīng)網(wǎng)絡(luò)中生物電流傳輸只有百米每秒之內(nèi)，所以 computational complexity 對于生物來說是個(gè)寶貴資源，所以這個(gè)方案雖然可行，但不夠好。第二組則采訪了真正的運(yùn)動員，聽取他們總結(jié)自己到底是如何接球的感受，然后他們做了這樣一個(gè)機(jī)器人：這個(gè)機(jī)器人在球拋出的一開始一半路程啥也不做，等到比較近了才開始跑動，并在跑動中一直保持眼睛于球之間的視角不變，后者就保證了機(jī)器人的跑動路線一定會和球的軌跡有交點(diǎn)；整個(gè)過程中這個(gè)機(jī)器人只做非常粗糙的軌跡估算。體會一下你接球的時(shí)候是不是眼睛一直都盯著球，然后根據(jù)視線角度來調(diào)整跑動方向？實(shí)際上人類就是這么干的，這就是 heuristics 的力量。

相對于偏向于心理學(xué)以及科普的《決策與判斷》來說，這本書的理論性更強(qiáng)，引用文獻(xiàn)也很多而經(jīng)典，而且與人工智能和機(jī)器學(xué)習(xí)都有交叉，里面也有不少數(shù)學(xué)內(nèi)容，全書由十幾個(gè)章節(jié)構(gòu)成，每個(gè)章節(jié)都是由不同的作者寫的，類似于 paper 一樣的，很嚴(yán)謹(jǐn)，也沒啥廢話，跟《Psychology of Problem Solving》類似。比較適合 geeks 閱讀哈。

另外，對理論的技術(shù)細(xì)節(jié)看不下去的也建議看看《決策與判斷》這類書（以及像《別做正常的傻瓜》這樣的傻瓜科普讀本），對自己在生活中做決策有莫大的好處。人類決策與判斷中使用了很多的 heuristics ，很不幸的是，其中許多都是在適應(yīng)幾十萬年前的社會環(huán)境中建立起來的，并不適合于現(xiàn)代社會，所以了解這些思維中的缺點(diǎn)、盲點(diǎn)，對自己成為一個(gè)良好的決策者有很大的好處，而且這本身也是一個(gè)非常有趣的領(lǐng)域。

（完）

以上就是關(guān)于AI文章綜述相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。