1樓：哈哈哈
很多人工智慧的方法，尤其是深度學習的方法，沒有明確的物理意義，其設計缺乏依據。
只有少數人工智慧演算法的部分結構，有著較為確切的設計依據。
[3]。
深度殘差收縮網路
2樓：冰笛
先了解一下人工智慧與各個學科之間的關係吧：
每個學科都是在它自己的領域內挖掘規律，尋找共性並抽象為知識，是把自然現象、事物事件當成了土壤。而哲學是在所有學科中尋找共性並抽象為知識，所以給人一種活在交叉學科裡的感覺，其實是把這些學科當成了土壤，任何學科的缺失都會造成哲學體系的營養不良，所以研究哲學很難，曾經悟透的基本上都是聖人。哲學理論是否正確？
過去靠的是讀者的共鳴，而該學科真正的驗證其實是人工智慧，因為殘缺的哲學理論只會產生弱智能，而完善的哲學理論是集人類智慧型之大成，才能造出和人一樣的強智慧型。
當然，強智慧型的偏軟體部分用到的文科類知識會多一些，偏硬體部分用到的理工類知識會多一些。
3樓：糯公尺糖
從業相關，回答可能有點蟹藥
要準確回答：
人工智慧是根據什麼原理來設計和製造的？
得從人類的唯利角度出發（這個動力根源）為什麼需要人工智慧？
其實蠻簡單的，就是先人搞了很多各種亂七八糟的數學公式定理而對映到計算機中，形成了各種各樣的演算法，應用這些相當的不方便經典函式式子，即：y=F(x)
而F只有上帝才知道（上帝擲色子）
但在實際應用中，考慮到誤差，因此只能找乙個比較接近的f來模擬代替F，f這個公式其實，僅僅只能做到「擬合」，比如可以線性擬合、曲線擬合等等（統計學習）。
而「有些懶人」就想，有沒有一勞永逸的方法，就是不需要找公式，至少不需要人工去找？
最早的辦法是把這些擬合公式存到計算機中，設計演算法自動選擇這些公式可是有些人覺得還是不夠「懶」
那只能完全做乙個"人"出來，即這個人工智慧可以代表各種f,不需要我們告訴它公式
人工智慧在目前來說，分為
1.弱人工智慧
2.強人工智慧（能通過圖靈測試的推敲）目前弱人工智慧f這個的其中的一種核心即是感知機：
如：感知機原理具體可以看看下面的資料：
糯公尺糖：從1+1到人工智慧的數學本質漫談隨記（一）糯公尺糖：從1+1到人工智慧的數學本質漫談隨記（二）糯公尺糖：
從1+1到人工智慧的數學本質漫談隨記（三）糯公尺糖：從1+1到人工智慧的數學本質漫談隨記（四）糯公尺糖：從1+1到人工智慧的數學本質漫談隨記（五）
4樓：先捨後得
人工智慧是相當廣範的，它是一門新興學科。在解放人手，人腳的機器上，再進化一點解放一下人腦。讓機器識別人臉，路線，產品判別，等等方面。
這些都是根據人的經驗，然後用機器算計，設計到具體程式中。在人工智慧的初器離開不了人的沒計，機器本身之間不能創造智慧型，和創新式思考。
5樓：Tracing
看其他答案說的很高階我也看不懂，目前人工智慧裡面很火的神經網路，深度學習，機器學習等等，我感覺原理很簡單，就是y=f(x)，
用語言描述就是，給機器輸入資訊x，讓機器輸出我們想要的資訊y,而人工智慧就是解決如何建構函式f的。
當前的深度學習也好，神經網路也好，別看名字高大上，本質都沒有脫離，建構函式和引數，優化擬合f，與真正人類智慧型差十萬八千里。
6樓：假設
人工智慧的基本原理中最重要的一條：人是機器。也就是說人（包括人的智慧型）不是超自然的，因而是可能被人工製造出來的。
有了以上前提，還需要知道什麼是智慧型，才能知道怎麼去製造智慧型。但很可惜關於智慧型似乎還沒有乙個很好的定義。只有乙個大概的方向，越像人的「智慧型」的就越接近人工智慧。
關於人工智慧，現在主要有兩個方向：
第乙個，也是最早的，起源於所謂的「邏各斯中心主義」，簡單來說就是「語言不僅是思維的工具，也是思維本身」。這個方向主要從邏輯出發，發掘語言中的邏輯關係，然後用數字計算機模擬這種邏輯。
另乙個方向，是在解剖學發展起來之後，發現人的大腦是大量神經元有機聯絡在一起形成的，因此發展出所謂的「連線主義」。這個方向更像是仿生學，最直接的方法當然是直接用生物神經元搭乙個「大腦」出來。但人的大腦有百億神經元（大概吧，記不清了），直接造出來貌似很難。
因此更實用的方法是用電子電路模擬神經元， 也就是人工神經網路，這就是上世紀所謂「第五代計算機」的思路。當然這個東西貌似是失敗了。現在流行的（深度）神經網路，更像是交叉學科，是在通用的數字電子計算機上模擬人工神經網路。
貌似現在有人把基於數字電子計算機的人工智慧稱為「計算智慧型」。
（本人非專業人士，以上內容純屬跟著感覺走，有錯莫怪。）
7樓：百得
人工智慧的基本原理是：對事物的屬性和方法進行識別和歸納就是學習；
帶有條件判斷的邏輯行為就是智慧型；
深入的知識庫和高效的邏輯過程就是智慧型；
從學習的層次上來看，對知識庫進行再學習能帶來智慧型；
知識庫是學習的結果、問題的存在區間和求解的依據；
思維、思緒就是或長或短的一段邏輯過程；
可以安全重組的連續邏輯過程就是意識；
思維互相感知並互相認同為乙個整體就是自我意識；
人類採用非自然方法實現智慧型就是智慧型機；
人類採用非自然方法實現自我意識就是人工智慧；
人工智慧為學習和求解而發端、為機械人第二法則而必須。
以上原理是根本思路，設計和製造就牽涉更多啦。
8樓：非理
人工智慧的基礎有兩個：
1. 搜尋演算法
應用舉例：深搜，廣搜，A*，Minimax等等理論基礎：演算法理論
2. 學習和優化演算法
應用舉例：監督學習，無監督學習，半監督學習理論基礎：優化和統計概率
9樓：
人造的智慧型當然是根據「智慧型」的原理來設計和「製造」的啊。
不過「智慧型」人類還沒完全搞懂，所以人造的「智慧型」還有很多難題和空白。
10樓：北圈
飛機的飛行是空氣動力學，到僅有空氣動力學是造不出飛機的。
人工智慧就如同這架飛機，這只是乙個大的學科，按照不同領域的應用還是不同的，現在瓶頸還是在於人機互交，也就是數模，模數的轉換
11樓：paradisor
如果是問「人工智慧在自然科學裡的基礎有哪些」，那麼能列出很長的單子：哲學、神經科學、認知科學、心理學、邏輯學、統計學、優化理論、語言學、控制論、演算法與程式設計，etc.
但是如果問「人工智慧(的產品)是根據什麼原理設計的」，那麼答案只能是「人工智慧學」。人工智慧本來就是乙個學科名，用來描述使用人工設計的規則來解釋或模擬智慧型的研究。我們可以說人工智慧和機械人設計的關係相似於空氣動力學和飛機製造的關係，但是你找不到一門學科與人工智慧的關係相似於空氣動力學和飛機製造的關係。
什麼是人工智慧？如何入行人工智慧？
十三 目前掀起一波熱潮的人工智慧，主要是在用機器想方設法模擬人腦工作方式。比如神經網路。模擬人腦，像人一樣 是很多人最開始對人工智慧的定義。甚至有乙個爭論，人工智慧是否會超過人類 知乎上有篇翻譯的文，標題叫 為什麼霍金等人都叫大家警惕人工智慧 看完你會覺得頭大甚至有恐慌感，但事實上，科學家們普遍不支...
人工智慧和人工智慧深度學習是通過怎樣的原理實現的？
C飛花逐夢 人工智慧實際上是乙個很大的概念，而深度學習是其中的乙個重要分支，或者說是一種重要方法。實際上深度學習背後的神經網路概念很早就有提出，隨著算力的提高，以及BP等理論的提出，過去認為不太可行的做法現在變得可行了，深度學習近年來的大熱離不開這樣的背景，而深度學習的成功應用也一下子把AI再次推向...
什麼是人工智慧？人工智慧 機器學習 深度學習三者之間有什麼關係嗎？
祩徍徍 人工智慧是乙個很寬泛的概念，各種定義都有，機器學習是人工智慧的一種實現方法，深度學習是機器學習的一種實現方法，是在機器學習的基礎上建立起來的，深度學習最基本的形式就是神經網路。 王易諾 人工智慧 英語 artificial intelligence，縮寫為AI 是指由人製造出來的機器所表現出...