Artificial intelligence 经典人工智能，本体，机器学习，贝叶斯

我开始研究机器学习和贝叶斯推理在计算机视觉和情感计算中的应用

如果我理解正确的话，他们之间有一场大讨论

• 经典IA、本体、语义web研究者
• 还有机器学习和贝叶斯

我认为它通常被称为强人工智能与弱人工智能，也与功能心理学（大脑作为黑匣子集）和认知心理学（心理理论，镜像神经元）等哲学问题有关，但这不是像这样的编程论坛的重点

---

我想了解这两种观点之间的差异。理想情况下，答案将引用示例和学术论文，其中一种方法获得良好结果，而另一种方法失败。我还对历史趋势感兴趣：为什么方法不受欢迎，新的方法开始兴起。例如，我知道贝叶斯推理在计算上很难处理，这是NP中的一个问题，这就是为什么在信息技术领域概率模型长期不受欢迎的原因。然而，它们已经开始在计量经济学中兴起。

我想你把几个想法混在一起了。“人工智能”任务的基于规则的方法和概率方法之间确实存在区别，但这与人工智能的强弱无关，与心理学关系不大，也不像对立双方之间的战斗那样清晰。另外，我认为说贝叶斯推理没有在计算机科学中使用，因为推理一般是NP完全的，这有点误导。这一结果在实践中通常并不重要，而且大多数机器学习算法都不会进行真正的贝叶斯推理

话虽如此，自然语言处理的历史从80年代和90年代早期基于规则的系统发展到今天的机器学习系统。查看信息提取任务的历史，了解信息提取任务的早期方法。将其与当前基于机器学习方法的命名实体识别和解析（这是一个很好的来源）的最新技术进行比较

---

至于具体的参考文献，我怀疑你会发现有人写过一篇学术论文，说“统计系统比基于规则的系统更好”，因为通常很难做出这样明确的陈述。在谷歌上快速搜索“基于统计与基于规则”的文章，可以看到类似的机器翻译，并根据它们的优缺点推荐使用这两种方法。我想你会发现这是典型的学术论文。在这个问题上，我读过的唯一一本真正表明立场的书是“这本书读得很好。”

我想你把几个想法混在一起了。“人工智能”任务的基于规则的方法和概率方法之间确实存在区别，但这与人工智能的强弱无关，与心理学关系不大，也不像对立双方之间的战斗那样清晰。另外，我认为说贝叶斯推理没有在计算机科学中使用，因为推理一般是NP完全的，这有点误导。这一结果在实践中通常并不重要，而且大多数机器学习算法都不会进行真正的贝叶斯推理

话虽如此，自然语言处理的历史从80年代和90年代早期基于规则的系统发展到今天的机器学习系统。查看信息提取任务的历史，了解信息提取任务的早期方法。将其与当前基于机器学习方法的命名实体识别和解析（这是一个很好的来源）的最新技术进行比较

至于具体的参考文献，我怀疑你会发现有人写过一篇学术论文，说“统计系统比基于规则的系统更好”，因为通常很难做出这样明确的陈述。在谷歌上快速搜索“基于统计与基于规则”的文章，可以看到类似的机器翻译，并根据它们的优缺点推荐使用这两种方法。我想你会发现这是典型的学术论文。在这个问题上，我读过的唯一一本真正站得住脚的书是“这本书读得很好。”

至于“基于规则”与“概率”之争，你可以参考朱迪亚·珀尔的经典著作——《智能系统中的概率推理》。珀尔写的书非常偏向于他所说的“内涵系统”“这基本上与基于规则的东西相反。我认为这本书是AI中所有概率事件的导火索（你也可以说时间已经到了，但那是当时的书）

我认为机器学习是一个不同的故事（尽管它更接近概率人工智能而不是逻辑）。

至于“基于规则”与“概率”的对比，你可以参考朱迪亚·珀尔（Judea Pearl）的经典著作——《智能系统中的概率推理》。珀尔的写作非常偏向于他所谓的“内涵系统”“这基本上与基于规则的东西相反。我认为这本书是AI中所有概率事件的导火索（你也可以说时间已经到了，但那是当时的书）

---

我认为机器学习是一个不同的故事（尽管它更接近概率人工智能而不是逻辑）。

那么，你把标题和标签的字段弄糊涂了吗？那么，你把标题和标签的字段弄糊涂了吗？