1;2;3;??早期探索：从最初的问题求解程序起步，开启了人工智能的探索之旅。
??范式转变：经历了从人工神经网络和人工生命的研究，到符号计算、神经计算和进化计算的倡导与实施。
??范式竞争：符号主义、联结主义、行为主义三大工作范式相互竞争与转换，根源在于“智能的本质就是计算”这一基石受到挑战。
??思维与计算：思维即计算，探究、解释、理解智能的过程，通过认知模型到算法再到程序的转化，实现机器的智能行为。;经典人工智能与现代人工智能对比;??基于知识的演绎学习：
??归结原理：一种重要的定理证明方法，通过将前提和结论转化为子句集，利用归结策略进行推理，最终得出结论。
??谓词演算：一种形式化的逻辑语言，用于描述和推理关于对象及其属性的知识，是经典人工智能中知识表示和推理的重要工具。
??启发式搜索：在搜索过程中利用启发式信息来引导搜索方向，提高搜索效率，常用于解决复杂的问题求解任务。
??应用场景：符号问题求解、定理证明和数值计算等。
;??基于案例的归纳学习：
??人工神经网络模型：模拟人脑神经元网络的结构和功能，通过调整神经元之间的连接权重来实现学习和推理。
??深度学习：利用多层神经网络对数据进行特征提取和转换，实现对复杂模式和关系的识别。
??强化学习：智能体通过与环境进行交互，根据获得的奖励信号来调整自身的行为策略，以最大化长期累积奖励。
??特点：带有不确定性，需要大量的人工标注数据和算力支持。;??算法成熟高效
算法优势：经典人工智能的算法经过长期的发展和完善，比较成熟、可靠并有效。
成本对比：相对于现代人工智能方法的复杂且成本高昂，经典人工智能算法在处理某些问题时更为高效。
实例说明：在资源受限的环境下，经典人工智能算法能够快速给出解决方案。;??现代人工智能的基础
AlphaGo案例：AlphaGo的基础部分依然是博弈算法，这体现了经典人工智能在现代人工智能发展中的重要地位。
技术传承：现代人工智能的许多技术和方法都是在经典人工智能的基础上发展而来的，经典人工智能为现代人工智能的研究提供了重要的理论基础和实践经验。
??白盒推理的优势
可解释性：白盒推理能使得学习者知其然更知其所以然，能够清晰地理解推理过程和决策依据。
应用价值：在一些对决策过程要求透明、可解释的领域，如医疗诊断、金融风险评估等，白盒推理具有重要的应用价值。;10;??概念组成：概念名、内涵表示、外延表示
??数理逻辑：使用人工语言和数学方法，将逻辑应用到数学领域
??模糊集合论：用于表达经典集合论不能表达的概念内涵
;人类的智能活动主要是获取并运用知识，作为智能的基础，常见的知识表示方法有：;知识工程（KnowledgeEngineering）是经典人工智能的一个分支，是人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供求解的手段。
??定义：涉及知识获取、表示、组织、管理和应用
??目标：创建模拟人类专家决策和解决问题能力的智能系统
??发展历程：从理论转向应用，从基于推理转向基于知识;知识图谱（KnowledgeGraph）是一种结构化的语义知识库，它通过图的形式存储和表示实体（Entities）、概念（Concepts）、属性（Attributes）以及它们之间的关系（Relationships）。
知识图谱的构建步骤：
（1）数据收集：收集相关领域的数据，包括文本、数据库、API等；
（2）实体识别：从数据中识别出实体，并进行标准化；
（3）关系抽取：确定实体之间的语义关系；
（4）属性分配：为实体分配相应的属性；
（5）本体构建：设计和构建本体，定义概念、属性和关系的框架；
（6）知识融合：整合来自不同数据源的知识；
（7）知识推理：利用逻辑和推理规则发现新的知识；
（8）知识更新和维护：定期更新知识图谱，修复错误和过时的信息；
（9）可视化和查询：提供可视化工具和查询接口，使用户能够探索和检索知识图谱。;搜索技术是解决问题和做出决策的关键工具。常用的搜索技术如下：;群智能算法（SwarmIntelligence,SI）是一类受自然界中动物群体行为启发的算法，这些算法模拟了如蚂蚁、蜜蜂、鱼群和鸟群等生物的集体行为。群智能算法通常具有分布式、自组织和适应性的特点，被广泛应用于优化问题和搜索任务。;专家系统是符号主义学派的典型代表，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。
??定义：具有专门知识和经验的计算机智能程序系统
??发展历程：
初创期（1971年前）
成熟期（1971-1977年）
黄金期（1978年到20世纪90年代中期）
??分类：基于规则、基于框架、基于案例、基于模型、基于Web的专家系统;专家系统的构成：;专家系统的分类：;人工智能规划起源于状