大众对人工智能认识的误区
很多计算机从业人员，对人工智能的理解 数据挖掘和深度学习。
另一部分对人工智能的理解，则多了知识图谱。
其实，人工智能的理论基础和技术分支，都极其广泛。具体详见下文。
揭开人工智能的神秘面纱 — 什么是人工智能
人工智能的概念
现阶段，对人工智能的概念还没有统一的定义。有兴趣的同学，可以网上找一下，在这里不累述。
人工智能的理论基础
哲学
起源于哲学的本体论，则是用来定义实体，以及建立 实体之间的关联关系。
目前，本体论主要用于知识图谱的建设。
数学
- 逻辑：主要用在逻辑推理上面。涉及到 专家系统和知识图谱上面；
- 计算：
- 概率：贝叶斯网络，甚至是数据挖掘（机器学习），均涉及到概率；
经济学
- 运筹学：在各种约束条件下，寻求最优解或者次优解。在任务调度方面广泛使用；
- 博弈论：
神经科学
- 神经网络/深度学习
心理学
- 不是很了解
计算机科学
个人认为，就从工程的角度来讲，计算机科学和数学，是支撑人工智能最大的两个支柱。
- 搜索算法：规划类的问题；
- 图论：应用在知识图谱；
- 编译原理（词法分析和语法分析）：支持推理引擎语言的设计和开发；
- 数据库理论：图数据库；
控制论
- 不是很了解
语言学
- 自然语言处理
人工智能简介
人工智能的历史
人工智能的产业结构
人工智能的智能层次
人工智能的参考框架
其实，智能运维的整体框架，最终也会跟这个框架非常的相似，在第四个系列里面，会有详细的介绍。
人工智能相关技术概述
人工智能的技术体系
机器学习
概述
监督算法 — 分类算法
- 线性分类
- 非线性分类
监督算法 — 预测算法
无监督算法 — 聚类算法
- K-means算法
- 基于密度的算法
神经网络
经典的神经网络 — 全链接神经网络
递归神经网络
主要用在语音识别，经典的递归神经网络算法是 LSTM
卷积神经网络
主要用在图像识别
知识图谱
知识图谱的历史
知识图谱的技术框架
专家系统和知识图谱的区别
通用知识图谱和领域知识图谱的区别
贝叶斯网络
遗传算法
遗传算法，在人工智能领域的应用场景，就是 模型参数 调参。
混合智能系统
一个大型的人工智能解决方案，很难单靠一个技术分支就能够完成。以下展示的是 神经网络 + 专家系统的其中一种组织结构。
