1, 什么是人工智能?

来源:百度问答 责任编辑:李利平
默认
特大
宋体
黑体
雅黑
楷体


1, 什么是人工智能?(图3)


1, 什么是人工智能?(图7)


1, 什么是人工智能?(图9)


1, 什么是人工智能?(图14)


1, 什么是人工智能?(图18)


1, 什么是人工智能?(图22)

  为了解决用户可能碰到关于"1, 什么是人工智能?"相关的问题,突袭网经过收集整理为用户提供相关的解决办法,请注意,解决办法仅供参考,不代表本网同意其意见,如有任何问题请与本网联系。"1, 什么是人工智能?"相关的详细问题如下:1, 什么是人工智能?
===========突袭网收集的解决方案如下===========

解决方案1:

人工智能目前很火热,不管是不是互联网行业里面的人士,都在关注人工智能,同时也经常听到身边的人在聊起人工智能,但是很多人对于人工智能的了解只是停留在表面,那么人工智能到底是什么,今天科多大数据来给大家详细介绍下人工智能的概念。

什么才是真正的人工智能

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?

答案是有的。

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。

由此可以看出,真正的人工智能体现在其卓越的学习能力。

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。

人工智能中的独角兽

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。

只要有了大数据,特定领域超越BAT也不是不可能的。

所以说,数据才是人工智能中最重要的一环。

现在科多大数据更新大数据开发、数据分析、python爬虫等试听视频,小伙伴们可上科多大数据官网咨询领取哦~

解决方案2:

人工智能(Artificial Intelligence),英文缩写为AI。
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。
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。
人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

解决方案3:

人工智能(计算机科学的一个分支)

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。 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。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,但没有一个统一的定义。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。
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。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
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。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。
关于什么是“智能”,就问题多多了。这涉及到其它诸如意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)(包括无意识的思维(UNCONSCIOUS_MIND)等等问题。人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
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。

人工智能机器人
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义:“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
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(基因工程、纳米科学、人工智能)三大尖端技术之一。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研究价值编辑

具有人工智能的机器人
例如繁重的科学和工程计算本来是要人脑来承担的,如今计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展,另一方面又转向更有意义、更加困难的目标。
通常,“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识,学习策略,在遇到类似的问题时,运用经验知识解决问题并积累新的经验,就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外,还会创造,即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来,计算机最难学会的就是“顿悟”。或者再严格一些来说,计算机在学习和“实践”方面难以学会“不依赖于量变的质变”,很难从一种“质”直接到另一种“质”,或者从一个“概念”直接到另一个“概念”。正因为如此,这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。[1]
这是智能化研究者梦寐以求的东西。
2013年,帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法,该方法导出了研究函数性质的新方法。作者发现,新数据分析方法给计算机学会“创造”提供了一种方法。本质上,这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的,是普通人无法拥有但计算机可以拥有的“能力”。从此,计算机不仅精于算,还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力,否则计算机真的有一天会“反捕”人类。[1]
当回头审视新方法的推演过程和数学的时候,作者拓展了对思维和数学的认识。数学简洁,清晰,可靠性、模式化强。在数学的发展史上,处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来,而数学定理最大的特点就是:建立在一些基本的概念和公理上,以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说,数学是最单纯、最直白地反映着(至少一类)创造力模式的学科。[1]
3科学介绍编辑
实际应用
机器视觉: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。
学科范畴
人工智能是一门边沿学科,属于自然科学和社会科学的交叉。
涉及学科
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
研究范畴
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
意识和人工智能
人工智能就其本质而言,是对人的思维的信息过程的模拟。
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。
而强人工智能则暂时处于瓶颈,还需要科学家们和人类的努力。
4发展阶段编辑
1956年夏季,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会,共同研究和探讨用机器模拟智能的一系列有关问题,并首次提出了“人工智能”这一术语,它标志着“人工智能”这门新兴学科的正式诞生。IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。
从1956年正式提出人工智能学科算起,50多年来,取得长足的发展,成为一门广泛的交叉和前沿科学。总的说来,人工智能的目的就是让计算机这台机器能够像人一样思考。如果希望做出一台能够思考的机器,那就必须知道什么是思考,更进一步讲就是什么是智慧。什么样的机器才是智慧的呢?科学家已经作出了汽车,火车,飞机,收音机等等,它们模仿我们身体器官的功能,但是能不能模仿人类大脑的功能呢?到目前为止,我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官,我们对这个东西知之甚少,模仿它或许是天下最困难的事情了。
当计算机出现后,人类开始真正有了一个可以模拟人类思维的工具,在以后的岁月中,无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了,全世界几乎所有大学的计算机系都有人在研究这门学科,学习计算机的大学生也必须学习这样一门课程,在大家不懈的努力下,如今计算机似乎已经变得十分聪明了。例如,1997年5月,IBM公司研制的深蓝(DEEP BLUE)计算机战胜了国际象棋大师卡斯帕洛夫(KASPAROV)。大家或许不会注意到,在一些地方计算机帮助人进行其它原来只属于人类的工作,计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科,计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。
5技术研究编辑
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机,人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能技术研究 ARTIFICIAL INTELLIGENCE AND ROBOTICS RESEARCH 是一本关注人工智能与机器人研究领域最新进展的国际中文期刊,由汉斯出版社发行,本刊支持思想创新、学术创新,倡导科学,繁荣学术,集学术性、思想性为一体,旨在为了给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论人工智能与机器人研究领域内不同方向问题与发展的交流平台。
研究领域

人工智能技术研究
智能机器人
模式识别与智能系统
虚拟现实技术与应用
系统仿真技术与应用
工业过程建模与智能控制
智能计算与机器博弈
人工智能理论
语音识别与合成
机器翻译
图像处理与计算机视觉
计算机感知
计算机神经网络
知识发现与机器学习
建筑智能化技术与应用
人工智能其他学科
研究方法
如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是:是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样,人类生物学对于人工智能研究是没有关系的?智能行为能否用简单的原则(如逻辑或优化)来描述?还是必须解决大量完全无关的问题?
智能是否可以使用高级符号表达,如词和想法?还是需要“子符号”的处理?JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念,也提议人工智能应归类为SYNTHETIC INTELLIGENCE,[29]这个概念后来被某些非GOFAI研究者采纳。
大脑模拟
主条目:控制论和计算神经科学
20世纪40年代到50年代,许多研究者探索神经病学,信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能,如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议.直到1960, 大部分人已经放弃这个方法,尽管在80年代再次提出这些原理。
符号处理
主条目:GOFAI
当20世纪50年代,数字计算机研制成功,研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学, 斯坦福大学和麻省理工学院,而各自有独立的研究风格。JOHN HAUGELAND称这些方法为GOFAI(出色的老式人工智能)。[33] 60年代,符号方法在小型证明程序上模拟高级思考有很大的成就。基于控制论或神经网络的方法则置于次要。[34] 60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器,同时这也是他们的目标。
认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化,同时他们为人工智能的基本原理打下基础,如认知科学, 运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来,并在80年代于SOAR发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙,JOHN MCCARTHY认为机器不需要模拟人类的思想,而应尝试找到抽象推理和解决问题的本质,不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题,包括知识表示, 智能规划和机器学习. 致力于逻辑方法的还有爱丁堡大学,而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者 (如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题,需要专门的方案-他们主张不存在简单和通用原理(如逻辑)能够达到所有的智能行为。ROGER SCHANK 描述他们的“反逻辑”方法为 "SCRUFFY" .常识知识库 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子,因为他们必须人工一次编写一个复杂的概念。基于知识大约在1970年出现大容量内存计算机,研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划,这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
子符号法
80年代符号人工智能停滞不前,很多人认为符号系统永远不可能模仿人类所有的认知过程,特别是感知,机器人,机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。
自下而上, 接口AGENT,嵌入环境(机器人),行为主义,新式AI机器人领域相关的研究者,如RODNEY BROOKS,否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点,同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动,感知和形象)。计算智能80年代中DAVID RUMELHART 等再次提出神经网络和联结主义. 这和其他的子符号方法,如模糊控制和进化计算,都属于计算智能学科研究范畴。
统计学法
90年代,人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法,即这些方法的结果是可测量的和可验证的,同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作(如数学,经济或运筹学)。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题,而没有考虑长远的强人工智能目标。
集成方法
智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织(如公司)。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案,而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法,一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学(也使用ABSTRACT AGENTS的概念)。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。一个系统中包含符号和子符号部分的系统称为混合智能系统 ,而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI 和最高级别的传统符号AI提供桥梁,同时放宽了规划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。
智能模拟
机器视、听、触、感觉及思维方式的模拟: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,智能搜索,定理证明,逻辑推理,博弈,信息感应与辨证处理。
学科范畴
人工智能是一门边沿学科,属于自然科学、社会科学、技术科学三向交叉学科。
涉及学科
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,仿生学,社会结构学与科学发展观。
研究范畴
语言的学习与处理,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,遗传算法人类思维方式,最关键的难题还是机器的自主创造性思维能力的塑造与提升。
应用领域
机器翻译,智能控制,专家系统,机器人学,语言和图像理解,遗传编程机器人工厂,自动程序设计,航天应用,庞大的信息处理,储存与管理,执行化合生命体无法执行的或复杂或规模庞大的任务等等。
值得一提的是,机器翻译是人工智能的重要分支和最先应用领域。不过就已有的机译成就来看,机译系统的译文质量离终极目标仍相差甚远;而机译质量是机译系统成败的关键。中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出:要提高机译的质量,首先要解决的是语言本身问题而不是程序设计问题;单靠若干程序来做机译系统,肯定是无法提高机译质量的;另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下,机译要想达到“信、达、雅”的程度是不可能的。
安全问题
人工智能还在研究中,但有学者认为让计算机拥有智商是很危险的,它可能会反抗人类。这种隐患也在多部电影中发生过,其主要的关键是允不允许机器拥有自主意识的产生与延续,如果使机器拥有自主意识,则意味着机器具有与人同等或类似的创造性,自我保护意识,情感和自发行为。
实现方法
人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术,使系统呈现智能的效果,而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法(ENGINEERING APPROACH),它已在一些领域内作出了成果,如文字识别、电脑下棋等。另一种是模拟法(MODELING APPROACH),它不仅要看效果,还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法(GENERIC ALGORITHM,简称GA)和人工神经网络(ARTIFICIAL NEURAL NETWORK,简称ANN)均属后一类型。遗传算法模拟人类或生物的遗传-进化机制,人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果,两种方式通常都可使用。采用前一种方法,需要人工详细规定程序逻辑,如果游戏简单,还是方便的。如果游戏复杂,角色数量和活动空间增加,相应的逻辑就会很复杂(按指数式增长),人工编程就非常繁琐,容易出错。而一旦出错,就必须修改原程序,重新编译、调试,最后为用户提供一个新的版本或提供一个新补丁,非常麻烦。采用后一种方法时,编程者要为每一角色设计一个智能系统(一个模块)来进行控制,这个智能系统(模块)开始什么也不懂,就像初生婴儿那样,但它能够学习,能渐渐地适应环境,应付各种复杂情况。这种系统开始也常犯错误,但它能吸取教训,下一次运行时就可能改正,至少不会永远错下去,用不到发布新版本或打补丁。利用这种方法来实现人工智能,要求编程者具有生物学的思考方法,入门难度大一点。但一旦入了门,就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定,应用于复杂问题,通常会比前一种方法更省力。 本回答被提问者和网友采纳

解决方案4:

你听说过人工智能吗?什么是人工智能?

在回答这个问题之前。我们先了解一下人工智能这个词。

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。所谓的人工就是使用人力办事。这是字面意思。在这里。人工的意思是人本身所能办到的事情或者说是人的能力。古时候的工具是在节省人力的情况下发明制造出来的。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工”就是通常意义下的人工系统。

关于什么是“智能”,就问题多多了。从字面意思上来理解的话,智能也就是智力的能力,就是指人靠思维想出来的东西,简单来说,智能就是智力系统。但是实际上的智能不仅仅如此。这涉及到其它诸如意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)(包括无意识的思维(UNCONSCIOUS_MIND))等等问题。人唯一了解的智能是人本身的智力思维,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对为是人工智能相关的研究课题。

那么人工智能究竟是什么呢?

人工智能之父 John McCarthy说:人工智能就是制造智能的机器,更特指制作人工智能的程序。人工智能模仿人类的思考方式使计算机能智能的思考问题,人工智能通过研究人类大脑的思考、学习和工作方式,然后将研究结果作为开发智能软件和系统的基础。

人工智能的概念很宽,所以人工智能也分很多种,我们按照人工智能的实力将其分成三大类:

1、弱人工智能

弱人工智能Artificial Narrow Intelligence (ANI):弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能,但是它只会下象棋,你要问它怎样更好地在硬盘上储存数据,它就不知道怎么回答你了。比如第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人,Alpha Go其实也是一个弱人工智能。

2、强人工智能

强人工智能又称通用人工智能或完全人工智能, 指的是可以胜任人类所有工作的人工智能。一个可以称得上强人工智能的程序, 大概需要具备以下几方面的能力:存在不确定因素时进行推理,使用策略,解决问题,制定决策的能力;知识表示的能力,包括常识性知识的表示能力;规划能力;学习能力;使用自然语言进行交流沟通的能力;将上述能力整合起来实现既定目标的能力。

3、超人工智能

假设计算机程序通过不断发展,可以比世界上最聪明、最有天赋的人类还聪明,那么由此产生的人工智能系统就可以被称为超人工智能。超人工智能的定义最为模糊,因为没人知道, 超越人类最高水平的智慧到底会表现为何种能力。如果说对于强人工智能,我们还存在从技术角度进行探讨的可能性的话,那么,对于超人工智能,今天的人类大多就只能从哲学或科幻的角度加以解析了。

人工智能的主要技术:深度学习+大数据

简单地说, 深度学习就是把计算机要学习的东西看成一大堆数据, 把这些数据丢进一个复杂的、包含多个层级的数据处理网络,然后检查经过这个网络处理得到的结果数据是不是符合要求 ——如果符合, 就保留这个网络作为目标模型,如果不符合,就一次次地、锲而不舍地调整网络的参数设置,直到输出满足要求为止。

这就好比输入一股水流,计算机只要调节中间层层阀门,如果可以在预期的管道出口看到水流,那么就说明这个管道符合要求。而我们要做的,只是告诉计算机输入和预期的结果,让他自己找规律。当然,新的输入进入时,我们也要保证已经调节好的管道不变化。

也就是说,深度学习算法是有计算机自己凑出来的模型。这样反倒更加实用,更能够从本质上解决问题。

当然,搭建好的“管道”只有通过各种类型“水流”的检验,才能变得越来越接近真实的世界,值得一提的是,大数据正是为这些“管道”提供了源源不断的“水流”。

我们知道深度学习、大规模计算、大数据都是在2010年前后逐渐步入成熟的。

那么人工智能可以应用与那些领域呢?人工智能主要用在以下领域:自动驾驶、智慧生活、智慧医疗。这是主要的几个方向。这里小编简单给大家说一下,因为这个领域十分的广泛,所以就简单的给大家提一下,下一篇文章会注重这个点详细介绍的,感兴趣的话,大家可以关注我的主页,每天都会更新人工智能的相关文章。

解决方案5:

目前比较前端的有触景无限的视觉卡与智能引擎系统、海康威视的深眸相机等。

1, 什么是人工智能?

答:人工智能(计算机科学的一个分支) 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。 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...

1 人工智能的研究领域具体包含哪些?是机器人和算...

答: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。 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...

1以下哪种不属于人工智能(D ) A 、机器人 B、语...

答: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。 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...

人工智能的1.0时代,到底是智能还是智障

答:很复杂,简单点说,你中有我,我中有你。如果非要给个具体的答案,那应该是人工智能是智能信息系统的一部分,侧重点是信息系统。

1究竟什么是人工智能人工智能包括哪些领域各有何应...

答:再厉害的人工智能也智能无限接近于人的智能,而不能超越人的智能,但是从宏观上和具体应用的方面,人工智能的确要比人厉害,因为在控制设备方面它可以面面俱到,而人可能会有疏忽,但是人工智能却缺少智能的最基本也是最重要的三件能力,那就是...

中国人工智能现在情况如何?

答:2017年9月,高盛发布了关于中国人工智能的最新研究报告,报告详细剖析了受益于AI技术的一众中国公司及中国人工智能崛起的各种因素,称中国的人工智能正在崛起,中国将成为全球的AI超级强国。 本周,美团外卖在北京举行“智能语音助手”发布会。据...

人工智能属于数据科学的一部分吗

答:人工智能中有数据科学的内容,但两者还是有不同的地方。 AI只是其数据科学组成部分的一个集合 组成AI的数据科学组成部分分为以下几类。其中可能会有些重叠,但是这些将会是你在媒体上看到的详细类别。 Deep Learning深度学习 Natural Language P...

vivoz1人工智能都有哪

答:jovi助手,查天气,快递,赛事安排等等很多

大数据分析和人工智能到底有什么区别,它们不是一回事

答:大数据分析: 是指对规模巨大的数据进行分析。大数据可以概括为5个V, 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、Value(价值)、真实性(Veracity)。大数据作为时下最火热的IT行业的词汇,随之而来的数据仓库、数据安全、数据分析、...

人工智能和IT是一样的吗?有什么连接吗?是共同的...

答:IT范围很广,互联网、计算机、通信都可以称作IT,人工智能是通过编程实现的,涉及计算机硬件和软件

声明:突袭网提供的解决方案均由系统收集自互联网,仅供参考,突袭网不保证其准确性,亦不代表突袭网观点,请自行判断真伪,突袭网不承担任何法律责任.

为您准备的相关内容:

  • 1以下哪种不属于人工智能(D ) A 、机器人 B、语言识别...
  • 什么是人工智能??
  • 首次提出“人工智能”这一术语是在哪一年?
  • 中国人工智能现在到底是一个什么样的水准?
  • 人工智能时代真的来临了吗
  • 人工智能和一个核心三大技术有何联系
  • 请问一下 这种人工智能 是怎么做的?
  • 对于一个不懂的初学者来说,如何学习人工智能
  • >>> 温馨提示:您还可以点击下面分页查看更多相关内容 <<<

    头条

    热门

    24小时热评

    热点排行榜

    Copyright ? 2012-2016 tuxi.com.cn 版权所有 京ICP备10044368号 京公网安备11010802011102号 关于我们 | 广告服务 | 诚聘英才 | 联系我们 | 友情链接 | 免责申明