什么是“人工智能”

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  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。

  人工智能的定义可以分为两部分,即“人工”和“智能”。“人工”比较好理解,争议性也不大。

  关于什么是“智能”,就问题多多了。这涉及到其它诸如意识、自我、思维(包括无意识的思维)等等问题。

  人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

  人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。

  人工智能在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用。

  展开全部人工智能是计算机学科的一个分支,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。这是因为近三十年来它获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕的成果,人工智能已逐步成为一个独立的分支,无论在理论和实践上都已自成一个系统。

  人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科,其范围已远远超出了计算机科学的范畴,人工智能与思维科学的关系是实践和理论的关系,人工智能是处于思维科学的技术应用层次,是它的一个应用分支。从思维观点看,人工智能不仅限于逻辑思维,要考虑形象思维、灵感思维才能促进人工智能的突破性的发展,数学常被认为是多种学科的基础科学,数学也进入语言、思维领域,人工智能学科也必须借用数学工具,数学不仅在标准逻辑、模糊数学等范围发挥作用,数学进入人工智能学科,它们将互相促进而更快地发展。[2]

  机器视觉,指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,自动规划,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学,语言和图像理解,遗传编程等。

  哲学和认知科学,数学,神经生理学,心理学,计算机科学,信息论,控制论,不定性论

  自然语言处理,知识表现,智能搜索,推理,规划,机器学习,知识获取,组合调度问题,感知问题,模式识别,逻辑程序设计软计算,不精确和不确定的管理,人工生命,神经网络,复杂系统,遗传算法

  对于人的思维模拟可以从两条道路进行,一是结构模拟,仿照人脑的结构机制,制造出“类人脑”的机器;二是功能模拟,暂时撇开人脑的内部结构,而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟,是对人脑思维的信息过程的模拟。

  弱人工智能如今不断地迅猛发展,尤其是2008年经济危机后,美日欧希望借机器人等实现再工业化,工业机器人以比以往任何时候更快的速度发展,更加带动了弱人工智能和相关领域产业的不断突破,很多必须用人来做的工作如今已经能用机器人实现。

  现如今,人工智能已经被炒的非常火热,似乎不管是不是科技圈的人士,都要在嘴边聊上几句人工智能,以显示自己多么与时俱进。

  当然一方面人工智能的确是未来的方向,而另一方面则是因为人工智能有可能是科技圈中的下一个黑天鹅。说不定什么时候,一只独角兽就会从中诞生。

  现在大多数人工智能都属于伪人工智能。为什么这么说,可以从以下两个方面来解释。

  而做出人工智能的这些人才也是一样,他们需要切实的接触到真正的人工智能当中,不过这样的人才在全世界也就寥寥几百个。

  但是好像在一瞬间,在中国就有几万个人工智能方面的人才被选拔了出来,可想而知这样的人才是真正的人工智能专家吗?

  这些人才往往被大公司冠以年薪30万或50万疯抢,虽然里面的确有很多优秀的人才,但是这样未免显得太过着急。从人才培养角度来看,人工智能领域还存在着大量的泡沫。

  许多创业公司喜欢为自己的项目贴上一个标签,这样的话不但可以吸引眼球,更能得到投资人的青睐。

  虽然不能说这种做法是错误的,但这显然也不是真正的人工智能,甚至会误导其他人对于人工智能的认知。

  比如许多项目在贴上人工智能标签之前非常简单,只是一些如同机器人学习,或者算法研究之类的项目,如今摇身一变全都成为了人工智能。

  我们既不是专家,也不是专门研究这种领域的学者,有没有简单的方法直接辨别什么是人工智能,什么是伪人工智能?

  举一个简单的例子,之前人们也尝试教计算机下国际象棋。计算机经过学习之后,与人们依然互有胜负,在最终完全战胜人类的时候,时间已经过去了10年。

  而谷歌的AlphaGo,从什么都不会到围棋中不可战胜的存在只用了短短一年的时间。

  如果你隔一段时间,大概3个月左右去看一个算法的进步,比如面部识别,如语音识别,如果该算法进步只是代数级,没有达到指数级,那么这种算法可能更多的是机器学习,还未达到人工智能水平。

  既然已经辨别了什么是真正的人工智能,那么对于人工智能而言,什么才是最重要的。

  可能有些人会说算法,有些人会说设备,有些人会说编程技术。虽然它们也是构成人工智能中重要的一环,但是这些都不是最重要的。

  对于真正的人工智能而言,最重要的永远是大数据,只有拥有完整的数据,人工智能才能真正的发展起来。就像是一把宝刀,需要有一块好的磨刀石才能让它更加锐利,而大数据恰好就是这块最好的磨刀石。

  就像是谷歌的AlphaGo,有人说为什么AlphaGo不去下象棋,而是只在围棋领域中称雄呢。

  AlphaGo的专家则表示,不是他们不想这么做,而是无法这么做。因为在围棋中,日本人一直以来有保存棋谱的习惯,在每个棋谱上都标注了什么是第1手,什么是第100手,这样很容易被AlphaGo学习。

  但是对于象棋来说,自古以来大多数都是残局。虽说残局也很精彩,但是对于AlphaGo来说,它不知道残局形成的原因,对之前的步骤一无所知,这样就会对它的认知造成障碍。

  这也说明,完整的数据对于人工智能多么重要。任何抛开数据谈人工智能的,全都是耍流氓。

  目前,中国的大部分数据全都被BAT所掌握着,国外则是Facebook、Google、亚马逊之类的企业。对于创业者而言,想要打破数据的垄断具有相当大的挑战,但也不是没有机会。

  比如说医疗数据,BAT就还没有形成垄断。金融方面数据,更多的掌握在金融公司手中,这些互联网企业也没有。

  在这两个领域,不管你的技术水平如何,至少在数据方面是在同一起跑线上,这对于创业者或后进入的公司是一个难得机遇。同时,下一个巨头也有可能在这两个领域诞生。

  就拿医疗来说,国外已经有许多家企业与医院达成协作,直接读取医院中的病例以及X光片或者CT片。

  医生一天看10张并且分析出症状都已经是非常有经验了,而人工智能,则可以在1个小时内看10万张,效率不可同日而语。

  对于医生而言,诊断病因需要基于自己的经验积累。但是对于人工智能来说这就太简单了,通过图像和最终诊断结果的闭环学习,人工智能很快就能对X光片或CT片进行病因分析。当然这一过程需要不断完善,才能提升正确性及智能化。

  在国外由于隐私保护非常严密,很多数据无法开放,因此无法做到大量数据录入。

  但是由于如今中国民众对于隐私保护还没有那么严格,因此中国企业还是有机会在这个领域中实现超越的。

  安徽新华电脑专修学院始建于1988年,隶属于新华教育集团,是国家信息化教育示范基地、中国 IT 教育影响力品牌院校.人工智能是模仿人类某些或部分智慧的功能。全部模仿人类智慧功能的机器(机器人)或设备,一般是无法实现的,也没有必要。

  《博弈圣经》人工智能的定义;人们把理性看成智能、把智能看成(0、1、2、)三维数码、把三维数码看成逻辑,人工智能,也就是理性的三维数码逻辑(+-×÷)的精确运算。