人工智慧與機器學習

1. Weak AI的可以由機器學習(Machine Learning)來代表。只要給定問題的範圍，訓練的資料(training data)，就可以由資料中選擇特徵(feature selection)，然後建構資料的模型(model selection)，最後把這個模型當成學習的成果，拿來做預測(prediction)。
2. 機器學習算是比較務實的方式，來達到人工智慧的效果。不過長久來看，會有一些困難發生：(1)在不同的問題領域，要如何選擇適當的特徵來學習，也就是feature selection的問題。(2)問題範圍變大以後，如何調整原來的學習方法，取得具有代表性的資料。(以上面辨識男女生的例子來說，如果是用外國人的照片來訓練機器，要如何把訓練出來的模型model用在華人的臉部辨識上面)(3)有些問題不管參數怎麼調整，現有的模型總是無法達到100%的正確率。
3. 目前機器學習的方法，除了基本的統計分析以外，之前提到的類神經網路也是。另外一個主要的方法就是規則式(rule-based)系統

參考來源： http://mmdays.com/2007/05/03/ai/ (在「Google 網頁註解」中檢視)