回顾过去50年来人工智能领域的三个范例：逻辑（Logic），概率图模型（Probabilistic Mathods）和深度学习（Deep Learning）。在当今，“数据驱动（data-driven），或大数据/深度学习，这些思想已成为主流，而之前并非一直如此。早期，人工智能的一些方法是基于逻辑的，而从逻辑的方法过度到数据驱动方法。在很大程度上受到概率思想的影响。
回顾逻辑和概率图模型，让它们做出一些预报。预报是人工智能和机器学习需要处理的问题。我们将按照年代顺序进行论述。
1.逻辑和算法（常识性的”思考”机器）
早期,人工智能的问题涉及逻辑，自动定理证明，符号的处理。John McCarthy在1952年中的一篇关于人工智能论文将标题定为”Programs with common sense”
2.可能性，统计，和图模型（”测量”机器）
3.深度学习和机器学习（数据驱动机器)
深度阅读
结论
（未完待续）
More info:Deep learning vs Probabilistic Graphical Models vs Logic
