人工智能学习知识总索引

知识库概述

本知识库系统梳理人工智能学习的九大核心方向，涵盖从基础数学理论到高级算法范式的完整知识体系。每个方向包含理论基础、核心算法与实践应用的完整链条。

十三大知识方向

序号	方向	文档数	核心主题
1	语义学	6	概念语义、形式语义、语用学、分布式语义、计算语义
2	符号学	3	符号逻辑、索绪尔符号学、皮尔斯符号学
3	机器学习	5	监督学习、无监督学习、特征工程、模型评估
4	深度学习	5	CNN、RNN、Transformer、GAN、扩散模型
5	大型语言模型	3	GPT、LLaMA、Prompt工程、SFT、RLHF
6	知识图谱	4	图神经网络、图嵌入、知识图谱构建、TransE
7	强化学习	7	MDP、Q学习、DQN、PPO、多智能体
8	进化算法	5	遗传算法、遗传编程、进化策略、差分进化、PSO
9	对抗算法	6	博弈论、对抗样本、GAN、对抗训练、多智能体博弈
10	算法优化	5	计算复杂性、近似算法、组合优化、随机算法、在线算法
11	数学基础	7	概率论、统计学、线性代数、凸优化、信息论、图论、博弈论
12	认知科学	4	认知心理学、感知与表征、记忆系统、注意力机制
13	逻辑与推理	4	一阶逻辑、模态逻辑、非经典逻辑、自动定理证明

---

知识图谱概览

graph TD
    subgraph 数学基础["📐 数学基础 (7篇)"]
        A1[概率论]
        A2[统计学]
        A3[线性代数]
        A4[凸优化]
        A5[信息论]
        A6[图论]
        A7[博弈论]
    end

    subgraph 逻辑基础["🔺 逻辑与推理 (4篇)"]
        B1[一阶逻辑]
        B2[模态逻辑]
        B3[非经典逻辑]
        B4[自动定理证明]
    end

    subgraph 认知基础["🧠 认知科学 (4篇)"]
        C1[认知心理学]
        C2[感知与表征]
        C3[记忆系统]
        C4[注意力机制]
    end

    subgraph 语言理解["📝 语义与符号 (9篇)"]
        D1[概念语义]
        D2[形式语义]
        D3[语用学]
        D4[分布式语义]
        D5[计算语义]
        E1[符号逻辑]
        E2[索绪尔符号学]
        E3[皮尔斯符号学]
    end

    subgraph 机器学习["🤖 机器学习 (5篇)"]
        F1[监督学习]
        F2[无监督学习]
        F3[特征工程]
        F4[模型评估]
        F5[聚类降维]
    end

    subgraph 深度学习["🖥️ 深度学习 (5篇)"]
        G1[CNN]
        G2[RNN/LSTM]
        G3[Transformer]
        G4[GAN]
        G5[扩散模型]
    end

    subgraph 大模型["💬 大语言模型 (3篇)"]
        H1[LLM基础]
        H2[Prompt工程]
        H3[SFT/RLHF]
    end

    subgraph 知识图谱["🔗 知识图谱 (4篇)"]
        J1[图神经网络]
        J2[图嵌入]
        J3[知识构建]
        J4[TransE]
    end

    subgraph 学习范式["🎯 学习算法 (12篇)"]
        K1[Q学习]
        K2[DQN]
        K3[PPO]
        K4[策略梯度]
        K5[多智能体RL]
        L1[遗传算法]
        L2[遗传编程]
        L3[进化策略]
        L4[差分进化]
        L5[粒子群优化]
    end

    subgraph 对抗与优化["⚔️ 对抗与优化 (11篇)"]
        M1[博弈论与AI]
        M2[对抗样本]
        M3[GAN]
        M4[对抗训练]
        M5[多智能体博弈]
        N1[计算复杂性]
        N2[近似算法]
        N3[组合优化]
        N4[随机算法]
        N5[在线算法]
    end

    A1 --> K1
    A2 --> K1
    A3 --> K2
    A4 --> K3
    A5 --> K2
    A7 --> M1
    A6 --> J1
    B1 --> B2
    C4 --> K3
    C4 --> G3
    D1 --> D5
    D5 --> K2
    E1 --> D2
    F1 --> G1
    F2 --> F5
    G3 --> H1
    H1 --> H2
    H2 --> H3
    J1 --> J2
    J2 --> J3
    K1 --> K2
    K2 --> K3
    L1 --> L2
    M1 --> M2
    M2 --> M3
    M3 --> M4
    N1 --> N2

---

核心知识链接

语言与表示层

• 语义学 — 语言意义的理论基石
• 符号学 — 符号与意义的形式化
• 大型语言模型 — 大语言模型与Prompt工程
• 知识图谱 — 知识表示与图结构

感知与学习层

• 机器学习 — 监督与无监督学习基础
• 深度学习 — 神经网络与深度表示

数学与逻辑层

• 数学基础 — AI的数学根基
• 逻辑与推理 — 形式推理的逻辑系统

决策与优化层

• 强化学习 — 序贯决策学习
• 进化算法 — 进化计算范式
• 算法优化 — 计算效率与复杂性

智能与对抗层

• 对抗算法 — 对抗性学习与博弈
• 认知科学 — 人类智能的认知机制

---

学习路径建议

入门路径：数学基础 → 机器学习 → 深度学习 → 大语言模型

数学基础 → 机器学习基础 → 深度学习 → Transformer → LLM

进阶路径：语义符号 → 对抗攻防 → 生成模型

语义学 + 符号学 → 对抗样本 → GAN → 扩散模型

交叉路径：认知启发 → 算法创新

认知科学 → 注意力机制 → 算法优化 → 进化算法

垂直路径：知识表示 → 图学习 → 知识图谱

图论 → 图神经网络 → 图嵌入 → 知识图谱构建

---

使用提示

• 点击各方向链接可直接进入该方向的详细索引
• 使用图谱了解知识间的关联关系
• 配合双向链接探索相关概念