java能写人工智能吗?人工智能有哪些算法?
-
工智能计算机科支企图解智能实质并产种新能类智能相似式做反应智能机器该领域研究包括机器、语言识别、图像识别、自语言处理专家系统等。
人工智能（Artificial_Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
说起人工智能我们大家都很熟悉，各种人工智能概念，AI概念层不出穷，仔细想来无外乎智能音箱、智能打印机、智能售卖机等等诸如此类似乎没多少“智能”，和我们脑海中的“AI印象”，如：终结者、机器人、阿尔法狗、自动驾驶等技术大相径庭。
目前，普遍认为人工智能的研究始于1956年达特茅斯会议，早期人工智能研究中，如何定义人工智能是个喋喋不休的问题，但基调始终是：像人一样决策、像人一样行动、理性的决策、理性的行动等研究方向。2年前 0条评论 -
同意上一个回答，我来补充一下
决策树
决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。
随机森林
在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。
逻辑回归
逻辑回归，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。
Adaboost
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。
其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。
朴素贝叶斯
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛的两种分类模型是决策树模型和朴素贝叶斯模型。
和决策树模型相比，朴素贝叶斯分类器发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，朴素贝叶斯分类器模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。
K近邻
所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。
SVM
使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。
神经网络
人工神经网络是生物神经网络在某种简化意义下的技术复现，它的主要任务是根据生物神经网络的原理和实际应用的需要建造实用的人工神经网络模型，设计相应的学习算法，模拟人脑的某种智能活动，然后在技术上实现出来用以解决实际问题。因此，生物神经网络主要研究智能的机理；人工神经网络主要研究智能机理的实现，两者相辅相成。
3年前 0条评论 -
算法就分很多类，这里拿“合一”来作为介绍，为了应用推理规则（比如取式假言推理)，推理系统必须能够判断两个表达式何时相同，也就是这两个表达式何时匹配。在命题演算中，这是显而易见的:两个表达式是匹配的当且仅当它们在语句构成上相同。在谓词演算中，表达式中变量的存在使匹配两个语句的过程变得复杂。全称例化允许用定义域中的项来替换全称量化变量。这需要一个决策处理来判断是否可以使变量替换产生的两个或更多个表达式相同〈通常是为了应用推理规则)。合一是一种判断什么样的替换可以使产生的两个谓词演算表达式匹配的算法。我们在上-一节中已经看到了这个过程，VX( man(X)=mortal(X))中的×替换成了man( socrates)中的 soc-rates。合一和像假言推理这样的推理规则允许我们对一系列逻辑断言做出推理。为了做到这一点，必须把逻辑数据库表示为合适的形式。这种形式的一个根本特征是要求所有的变量都是全称量化的。这样便允许在计算替代时有完全的自由度。存在量化变量可以从数据库语句中消除，方法是用使这个语句为真的常量来替代它们。如，可以把3× parent( X, tom)替代为表达式parent( bob, tom)或parent( mary , tom) ，假定在当前解释下bob和 mary是tom的双亲。消除存在量化变量的处理会因这些替换的值可能依赖于表达式中的其他变量而变得复杂。
3年前 0条评论 - 推荐教程：Python教程
人工智能英文简称AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能算法也被称之为软计算 ，它是人们受自然界规律的启迪，根据其原理模拟求解问题的算法。

目前的人工智能算法有人工神经网络遗传算法、模拟退火算法、群集智能蚁群算法和例子群算等等。

随着人工智能算法的不断优化，可以不仅可以帮助我们提高工作效率、改善我们的生活水平，同时也能为我们在庞大的现代信息资源中迅速的找到我们所需要的信息。
3年前 0条评论 -
这个问题很好，很有创意，也很符合现在科技的发展。
java是现在最火的编程语言之一。java开发人员每年都有很多新人进入这一行业。并且也是高薪的一类人群。但是伴随AI技术的不断发展和普及，人工智能已经从各个方面都走进了我们的生活中，例如智能家居已经很普遍了。科研方面，智能机器人的研发希望可以服务于需要我们人类生活的其他方面。
这里就开始说人工智能需不需要学习java。个人认为需要学习java，但是代替不了人类程序员。就目前的人工智能学习的状态来看，如果人工智能学java，根据不同的需求需要编相应的程序，未知的bug就有很大概率出现，在修复bug的情况下，还需要人类帮忙让它学习改bug的过程。这样是很长的一段路，但也肯定避免不了bug的出现。4年前 0条评论 -
人工智能领域是未来主要的发展方向之一，目前很多Java程序员也都有着手学习python知识，这个确实是个不错的选择，而且未来人工智能方向发展前景还是不错的，不论是就业情况还是薪资待遇都比较可观!
目前整个人工智能领域的人才缺口还是比较大的，而且由于人工智能领域的人才培养周期比较长，所以人才缺口将持续较长一段时间，这为Java程序员转换到人工智能领域提供了机会，而且目前行业内确实有不少Java程序员正在进行转换。
但是想要转人工智能，我们还是需要做一些准备，例如：第一：补齐基础学科知识。人工智能领域的研发需要具备扎实的数学基础，不论是计算机视觉、自然语言处理还是机器学习，都需要有具备较强的算法设计和实现能力。所以就要求Java程序员(应用级开发)要补齐数学方面的短板，如果要想在人工智能领域走得更远，一定要重视数学基础。
第二：语言的转换。目前在人工智能领域，Python、R和Go语言的应用比较广泛，尤其是Python语言，所以目前不少Java程序员也在逐渐开始转换。我在早期从事机器学习实现的时候也在使用Java语言，后来转换到Python语言之后，确实在开发效率方面有所提升。
第三：具有一定的研发环境。人工智能领域的研发目前依然处在探索阶段，行业内有大量的课题需要攻克，尤其在落地应用方面还需要产业领域的专家参与，所以从事人工智能研发一定要有一个较好的研发环境。
只要你做好想转人工智能的方向，是完全可以的，可以参考我给出的以上几条建议5年前 0条评论 -
Java和人工智能的前景都十分光明。相比来说，Java的人才需求比人工智能的人才需求大。但人工智能的薪资比Java高一些。不过薪资具体还是看个人薪资。从学习难度来说，Java的难度比人工智能高一些。到底学哪个还是看个人的兴趣。毕竟兴趣是最好的老师。
可以从老师、学的内容、环境、等等方面对比，可以去千锋试听两周，实地感受下氛围，看看你对到底对哪个编程语言感不感兴趣，能不能学会。亲身体验过答案更准确一些。6年前 0条评论 -
spark可以用来做机器学习，而spark支持Java的API，所以Java可以用来写udf，实现机器学习。7年前 0条评论
-
模式识别需要非常好的概率论，数理统计；另外会用到少量矩阵代数，随机过程和高数中的一些运算，当然是比较基础的；如果要深入的话恐怕需要学泛函，但是一般情况下不需要达到这种深度。神经网络，遗传算法等智能算法在模式识别有非常重要的应用，但是一般不需要学习计算机学科的人工智能，我们控制有一个交叉学科叫做智能控制是讲这些的，智能控制不需要什么基础，有中学数学的集合和对空间有一点点的了解就足够了，模糊数学的基础是包含在这门学科里的。8年前 0条评论
