天才一秒记住【久久文学】地址：https://www.jjwxx.com
纳什均衡：博弈论里的一个核心概念，如果任意一位参与者在其他所有参与者的策略确定的情况下，其选择的策略都是最优的，那么这个组合就被定义为纳什均衡。
逆向强化学习：机器学习程序观察人类的行为，试图从观察中学习到奖励系统。
判定问题：判定问题是指答案可以用是否来回答的数学问题。
例如“16的平方根是4吗？”
和“7920是质数吗？”
之类。
艾伦·图灵解决了判定问题，即是否所有的数学判定问题都是可判定的。
他指出有一些判定问题（尤其是停机问题）无法用算法来解决，这种类型的问题即是不可判定问题。
偏好偏好关系：对于所有可供选择的事物，你按照偏好程度进行排序。
如果想要一个智能体代表你行事，它需要知道你的偏好，才能为你做出最佳选择。
普罗米修斯工程：20世纪80年代欧洲无人驾驶汽车技术的开创性实验。
奇点：机器智能超越人类智能的假设节点。
启发式搜索：一种利用“经验法则”
来决定集中搜索方向的方法，启发式搜索是基于经验法则的，所以无法保证搜索方向一定正确。
另请参见A*。
嵌入（智能体）：行为人工智能时代的一个中心思想，大意是指人工智能的进步需要开发真正嵌入某个环境中并且能够作用于该环境中的智能体，而不是脱离实体开发（专家系统通常就是这样）。
前提：在逻辑上，前提是你最初掌握的知识，你要使用逻辑推理等方式从前提中得出结论。
前因条件：专家系统的“如果……那么……”
规则中，“如果”
后面跟随的部分即为前因条件。
例如，在规则“如果动物有**，那么该动物是哺乳动物”
中，前因条件是“动物有**”
。
强化学习：一种机器学习的形式，让智能体在环境中进行活动，并以奖励的形式接受对其行为的反馈。
强人工智能：强人工智能的目标是建立一个真正有思维和意识等的人工智能系统，另请参见弱人工智能和通用人工智能。
没有人知道强人工智能是否能实现，以及它会是什么样子。
（神经网络中的）权重：在神经网络中，神经元之间的连接（轴突）被赋予了权重数字。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！