精選百科
本文由作者推薦
人工智能
本詞條是多義詞，共23個(gè)義項
計算機科學(xué)分支
人工智能（Artificial Intelligence），英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統的一門(mén)新的技術(shù)科學(xué)。
人工智能是計算機科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應的智能機器，該領(lǐng)域的研究包括機器人、語(yǔ)言識別、圖像識別、自然語(yǔ)言處理和專(zhuān)家系統等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應用領(lǐng)域也不斷擴大，可以設想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì )是人類(lèi)智慧的“容器”。人工智能可以對人的意識、思維的信息過(guò)程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過(guò)人的智能。
人工智能是一門(mén)極富挑戰性的科學(xué)，從事這項工作的人必須懂得計算機知識，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機器學(xué)習，計算機視覺(jué)等等，總的說(shuō)來(lái)，人工智能研究的一個(gè)主要目標是使機器能夠勝任一些通常需要人類(lèi)智能才能完成的復雜工作。但不同的時(shí)代、不同的人對這種“復雜工作”的理解是不同的。2017年12月，人工智能入選“2017年度中國媒體十大流行語(yǔ)”。
基本信息
| 中文名 | 人工智能 |
| 外文名 | ARTIFICIAL INTELLIGENCE |
| 提出時(shí)間 | 1956年 |
| 提出地點(diǎn) | DARTMOUTH學(xué)會(huì ) |
| 名稱(chēng)來(lái)源 | 雨果·德·加里斯的著(zhù)作 |
| 簡(jiǎn)稱(chēng) | AI |
收起
概述
人工智能
人工智能在計算機領(lǐng)域內，得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統，仿真系統中得到應用。
人工智能是研究使計算機來(lái)模擬人的某些思維過(guò)程和智能行為（如學(xué)習、推理、思考、規劃等）的學(xué)科，主要包括計算機實(shí)現智能的原理、制造類(lèi)似于人腦智能的計算機，使計算機能實(shí)現更高層次的應用。人工智能將涉及到計算機科學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等學(xué)科?？梢哉f(shuō)幾乎是自然科學(xué)和社會(huì )科學(xué)的所有學(xué)科，其范圍已遠遠超出了計算機科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實(shí)踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應用層次，是它的一個(gè)應用分支。從思維觀(guān)點(diǎn)看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進(jìn)人工智能的突破性的發(fā)展，數學(xué)常被認為是多種學(xué)科的基礎科學(xué)，數學(xué)也進(jìn)入語(yǔ)言、思維領(lǐng)域，人工智能學(xué)科也必須借用數學(xué)工具，數學(xué)不僅在標準邏輯、模糊數學(xué)等范圍發(fā)揮作用，數學(xué)進(jìn)入人工智能學(xué)科，它們將互相促進(jìn)而更快地發(fā)展。
早期研究
在20世紀40—50年代期間，為了實(shí)現“制造具有某種人類(lèi)智慧的聰明機器”的理想，人們至少提出了三種途徑：
一是對環(huán)境適應。1948年，Wiener提出控制論，強調智能表現為“對變化的外界環(huán)境的適應”。其關(guān)鍵是反饋，這個(gè)思想后被Ashiby發(fā)展為以微分方程定性理論為基礎的控制理論，基于此，Ashiby寫(xiě)出了?大腦設計?的著(zhù)作，這個(gè)思想在以后人工智能的發(fā)展中并沒(méi)有起到主導作用，直到1991年，Brooks提出臨場(chǎng)人工智能時(shí)，這個(gè)思想才進(jìn)入人工智能的研究范疇。
二是神經(jīng)信息處理。鑒于智能來(lái)自神經(jīng)活動(dòng)的信息加工過(guò)程，根據神經(jīng)科學(xué)的研究結果，建立智能模型是一個(gè)合理的選擇，這類(lèi)研究與1943年Mcculloch與Pitts的神經(jīng)元信息加工方式的模型，以及1948年Hebb的學(xué)習機制的研究有密切關(guān)系，建立模型的方法一般以統計學(xué)(優(yōu)化)為基礎。
三是認知科學(xué)。在人類(lèi)行為層次建立智能模型，其最重要的研究是Turing實(shí)驗，即一種根據行為判別機器是否具有智能的準則。1951年，Shannon首先設計并實(shí)現了第一個(gè)計算機下棋程序，相對于神經(jīng)信息加工的智能研究，它不介意行為產(chǎn)生的原因，且模型一般以符號推理為基礎。
在“模擬與解釋人類(lèi)智能行為”研究的半個(gè)世紀中，“對環(huán)境適應”一直沒(méi)有成為主流，除了“機器昆蟲(chóng)”之外，在理論與方法上，似乎并沒(méi)有本質(zhì)性的影響?；谡J知科學(xué)(復雜信息處理)與基于神經(jīng)信息加工兩種實(shí)現智能行為的研究，交替引領(lǐng)著(zhù)這類(lèi)研究。
研究任務(wù)
人工智能的研究有兩個(gè)相輔相成的任務(wù)，一是發(fā)展具有類(lèi)似生物(人類(lèi))智能的計算系統(智能信息處理或智能系統)，并以此來(lái)解決困難的實(shí)際問(wèn)題。二是借助計算機模擬并解釋生物(人類(lèi))的智能(認知科學(xué))，盡管有的研究者將后者劃歸為人工智能學(xué)科。但是，還是有很多研究者將人工智能的研究限制在前者的理論和方法上，這樣，人工智能也就自然成為計算機科學(xué)的一個(gè)分支。
研究?jì)热?/div>
人工智能學(xué)科的主要研究?jì)热莅ǎ褐R表示，自動(dòng)推理和搜索方法，機器學(xué)習和知識獲取，知識處理系統，自然語(yǔ)言處理，計算機視覺(jué)，智能機器人，自動(dòng)程序設計等方面。
研究進(jìn)展
20世紀90年代以來(lái)，盡管人工智能學(xué)科的研究遇到的嚴重的困難，但還是出現了一系列至今對計算科學(xué)有重要影響的研究結果，其中最為重要的是，1991年，Minsky出版了他的著(zhù)作，《Society of Mind(思維的社會(huì ))》，這本著(zhù)作關(guān)于“智慧由一些小的無(wú)智慧的獨立功能單元組合后產(chǎn)生”的建議，以及創(chuàng )造的新術(shù)語(yǔ)“Agent”，已引起理論與應用研究者的關(guān)注。Agent已成為計算機科學(xué)很多領(lǐng)域廣泛使用的概念，據此還發(fā)展成為知識表示的方法論———本體論(Ontology)。
進(jìn)入20世紀90年代，統計機器學(xué)習逐步開(kāi)始引領(lǐng)人工智能研究的主流。這時(shí)，對人工智能十分重要的表示與推理的研究，由于基于優(yōu)化的學(xué)習算法大多數采用給定基函數。因此，其表示變得單一，且由此導致推理成為計算模型函數的簡(jiǎn)單問(wèn)題，表示與推理在統計機器學(xué)習中失去了研究?jì)r(jià)值。
統計機器學(xué)習在以后的20年間，并沒(méi)有沿著(zhù)BP的非線(xiàn)性算法的路線(xiàn)發(fā)展。反之，回歸線(xiàn)性感知機是其特點(diǎn)，在Valiant的概率近似正確(Probability Approximation correct,PAC)學(xué)習理論意義下Vapnik提出了支持向量機(Support Vector Machine,SVM)。盡管統計方法在這個(gè)時(shí)期占據了主流地位，但是，人工智能的研究者并沒(méi)有忘記“智能”的含義，因此，在這個(gè)時(shí)期，發(fā)展了大量不同的學(xué)習方式。這些方式大多來(lái)自對人類(lèi)學(xué)習的研究，例如，流形學(xué)習、主動(dòng)學(xué)習、集成學(xué)習、多示例學(xué)習等。
這個(gè)時(shí)期，這類(lèi)研究分為兩個(gè)不同的研究路線(xiàn)：一是以PAC為基礎，強調學(xué)習過(guò)程可以基于有限樣本，并使得對誤差的分析以1-δ概率成立，這個(gè)路線(xiàn)的最重要的貢獻是強調建立模型的算法應該在線(xiàn)性空間設計。即，強調返回線(xiàn)性感知機，這是對BP算法設計的反叛。由此，導致至今還是重要的研究課題———核函數。
另一個(gè)有趣的路線(xiàn)是遵循傳統統計學(xué)理念。根據熱力學(xué)的“系綜(Enseble)”、神經(jīng)科學(xué)的“集群(Enseble)”，以及統計學(xué)的重采樣(Resampling)等原理發(fā)展了現在稱(chēng)為“集成學(xué)習(Enseble Learning)”的方法，其本質(zhì)是，對實(shí)際問(wèn)題隨機采樣并建立模型。采樣次數進(jìn)行多次，由此獲得多個(gè)模型。然后，在這些模型張成的空間上建立實(shí)際問(wèn)題的模型。在統計學(xué)上證明，如果采樣次數趨于無(wú)窮，由此建立的模型的均方差與一次采樣建立的模型的均方差相等。這就是已被廣泛應用于各個(gè)不同領(lǐng)域的Bootstrap原理。與此同時(shí)，1991年人們證明了弱可學(xué)習定理，由此發(fā)展了算法Boosting，它與上述隨機采樣的區別：一是對給定樣本集合的采樣，二是下一次采樣盡量包含上一次采樣建立的模型不能準確描述的樣本。因此，Boosting需要建立在PAC基礎上。
此期間最廣為人們所喜愛(ài)的研究結果是“最大間距(Margin)”算法，其誤差界依賴(lài)樣本集合兩個(gè)閉凸集之間的距離(Margin)。即，距離越大，泛化性能越好。由于這個(gè)原理的幾何解釋十分清晰，由此設計的算法簡(jiǎn)單易懂。因此，被很多研究者所喜歡。
人工智能研究已經(jīng)有50多年的歷史，發(fā)展是曲折的。從制造具有智能的機器夢(mèng)想來(lái)看，相距甚遠。從計算機應用的角度來(lái)看，其成果甚豐。不夸張地說(shuō)，它已經(jīng)成為計算機應用發(fā)展的原始動(dòng)力之一，甚至更長(cháng)。
研究?jì)r(jià)值
人工智能
通常，“機器學(xué)習”的數學(xué)基礎是“統計學(xué)”、“信息論”和“控制論”。還包括其他非數學(xué)學(xué)科。這類(lèi)“機器學(xué)習”對“經(jīng)驗”的依賴(lài)性很強。計算機需要不斷從解決一類(lèi)問(wèn)題的經(jīng)驗中獲取知識，學(xué)習策略，在遇到類(lèi)似的問(wèn)題時(shí)，運用經(jīng)驗知識解決問(wèn)題并積累新的經(jīng)驗，就像普通人一樣。我們可以將這樣的學(xué)習方式稱(chēng)之為“連續型學(xué)習”。但人類(lèi)除了會(huì )從經(jīng)驗中學(xué)習之外，還會(huì )創(chuàng )造，即“跳躍型學(xué)習”。這在某些情形下被稱(chēng)為“靈感”或“頓悟”。一直以來(lái)，計算機最難學(xué)會(huì )的就是“頓悟”?；蛘咴?lài)栏褚恍﹣?lái)說(shuō)，計算機在學(xué)習和“實(shí)踐”方面難以學(xué)會(huì )“不依賴(lài)于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個(gè)“概念”直接到另一個(gè)“概念”。正因為如此，這里的“實(shí)踐”并非同人類(lèi)一樣的實(shí)踐。人類(lèi)的實(shí)踐過(guò)程同時(shí)包括經(jīng)驗和創(chuàng )造。
這是智能化研究者夢(mèng)寐以求的東西。
2013年，帝金數據普數中心數據研究員S.CWANG開(kāi)發(fā)了一種新的數據分析方法，該方法導出了研究函數性質(zhì)的新方法。作者發(fā)現，新數據分析方法給計算機學(xué)會(huì )“創(chuàng )造”提供了一種方法。本質(zhì)上，這種方法為人的“創(chuàng )造力”的模式化提供了一種相當有效的途徑。這種途徑是數學(xué)賦予的，是普通人無(wú)法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會(huì )因精于算而精于創(chuàng )造。計算機學(xué)家們應該斬釘截鐵地剝奪“精于創(chuàng )造”的計算機過(guò)于全面的操作能力，否則計算機真的有一天會(huì )“反捕”人類(lèi)。
當回頭審視新方法的推演過(guò)程和數學(xué)的時(shí)候，作者拓展了對思維和數學(xué)的認識。數學(xué)簡(jiǎn)潔，清晰，可靠性、模式化強。在數學(xué)的發(fā)展史上，處處閃耀著(zhù)數學(xué)大師們創(chuàng )造力的光輝。這些創(chuàng )造力以各種數學(xué)定理或結論的方式呈現出來(lái)，而數學(xué)定理最大的特點(diǎn)就是：建立在一些基本的概念和公理上，以模式化的語(yǔ)言方式表達出來(lái)的包含豐富信息的邏輯結構。應該說(shuō)，數學(xué)是最單純、最直白地反映著(zhù)（至少一類(lèi)）創(chuàng )造力模式的學(xué)科。
發(fā)展階段
人工智能
從1956年正式提出人工智能學(xué)科算起，50多年來(lái)，取得長(cháng)足的發(fā)展，成為一門(mén)廣泛的交叉和前沿科學(xué)?？偟恼f(shuō)來(lái)，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什么是思考，更進(jìn)一步講就是什么是智慧。什么樣的機器才是智慧的呢？科學(xué)家已經(jīng)作出了汽車(chē)，火車(chē)，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類(lèi)大腦的功能呢？到目前為止，我們也僅僅知道這個(gè)裝在我們天靈蓋里面的東西是由數十億個(gè)神經(jīng)細胞組成的器官，我們對這個(gè)東西知之甚少，模仿它或許是天下最困難的事情了。
當計算機出現后，人類(lèi)開(kāi)始真正有了一個(gè)可以模擬人類(lèi)思維的工具，在以后的歲月中，無(wú)數科學(xué)家為這個(gè)目標努力著(zhù)。如今人工智能已經(jīng)不再是幾個(gè)科學(xué)家的專(zhuān)利了，全世界幾乎所有大學(xué)的計算機系都有人在研究這門(mén)學(xué)科，學(xué)習計算機的大學(xué)生也必須學(xué)習這樣一門(mén)課程，在大家不懈的努力下，如今計算機似乎已經(jīng)變得十分聰明了。例如，1997年5月，IBM公司研制的深藍（DEEPBLUE）計算機戰勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會(huì )注意到，在一些地方計算機幫助人進(jìn)行其它原來(lái)只屬于人類(lèi)的工作，計算機以它的高速和準確為人類(lèi)發(fā)揮著(zhù)它的作用。人工智能始終是計算機科學(xué)的前沿學(xué)科，計算機編程語(yǔ)言和其它計算機軟件都因為有了人工智能的進(jìn)展而得以存在。
2019年3月4日，十三屆全國人大二次會(huì )議舉行新聞發(fā)布會(huì )，大會(huì )發(fā)言人張業(yè)遂表示，已將與人工智能密切相關(guān)的立法項目列入立法規劃。
2021年7月，在2021世界人工智能大會(huì )開(kāi)幕式上，工信部部長(cháng)肖亞慶表示，中國人工智能產(chǎn)業(yè)發(fā)展取得了顯著(zhù)成效，圖像識別、語(yǔ)音識別等技術(shù)創(chuàng )新應用進(jìn)入了世界先進(jìn)行列，人工智能發(fā)明專(zhuān)利授權總量全球排名第一，核心產(chǎn)業(yè)規模持續增長(cháng)，已經(jīng)形成覆蓋基礎層、技術(shù)層和應用層的完整產(chǎn)業(yè)鏈和應用生態(tài)。
2021年7月，美國政府問(wèn)責署 ( the U.S. Government Accountability Office, GAO)對聯(lián)邦機構及其他組織機構發(fā)布了人工智能（Artificial Intelligence, AI）問(wèn)責框架，該框架分為治理（Governance）、數據（Data）、性能（Performance）和監測（Monitoring）四個(gè)部分。每部分都包含關(guān)鍵做法，關(guān)鍵問(wèn)題和問(wèn)責程序等內容。
2021年8月，全球專(zhuān)業(yè)招聘集團瀚納仕日前發(fā)布了2021年《中國大陸科技行業(yè)報告》表示，中國在人工智能領(lǐng)域處于世界領(lǐng)先地位，擁有全球近60%大數據專(zhuān)家。然而隨著(zhù)產(chǎn)業(yè)不斷細分，新賽道日新月異，人才的供給端與需求端存在差異，在A(yíng)I賦能的跨界領(lǐng)域，人才競爭更是日益激烈。
2021年10月29日，由國家網(wǎng)信辦、工信部、公安部、國家廣電總局等聯(lián)合主辦，以“融新匯智，競促發(fā)展”為主題的第三屆中國人工智能大賽在京啟動(dòng)。
2022年6月6日消息，日本國土交通省正在推進(jìn)技術(shù)研發(fā)，利用人工智能（AI）從防災直升機拍攝的影像中推定河流泛濫的浸水范圍和塌方地點(diǎn)。
科學(xué)介紹
技術(shù)研究
用來(lái)研究人工智能的主要物質(zhì)基礎以及能夠實(shí)現人工智能技術(shù)平臺的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數理邏輯、語(yǔ)言學(xué)、醫學(xué)和哲學(xué)等多門(mén)學(xué)科。人工智能學(xué)科研究的主要內容包括：知識表示、自動(dòng)推理和搜索方法、機器學(xué)習和知識獲取、知識處理系統、自然語(yǔ)言理解、計算機視覺(jué)、智能機器人、自動(dòng)程序設計等方面。
研究方法
如今沒(méi)有統一的原理或范式指導人工智能研究。許多問(wèn)題上研究者都存在爭論。其中幾個(gè)長(cháng)久以來(lái)仍沒(méi)有結論的問(wèn)題是：是否應從心理或神經(jīng)方面模擬人工智能？或者像鳥(niǎo)類(lèi)生物學(xué)對于航空工程一樣，人類(lèi)生物學(xué)對于人工智能研究是沒(méi)有關(guān)系的？智能行為能否用簡(jiǎn)單的原則（如邏輯或優(yōu)化）來(lái)描述？還是必須解決大量完全無(wú)關(guān)的問(wèn)題？
智能是否可以使用高級符號表達，如詞和想法？還是需要“子符號”的處理？JOHNHAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應歸類(lèi)為SYNTHETICINTELLIGENCE，這個(gè)概念后來(lái)被某些非GOFAI研究者采納。
大腦模擬
主條目：控制論和計算神經(jīng)科學(xué)
20世紀40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò )構造的初步智能，如W.GREYWALTER的TURTLES和JOHNSHOPKINSBEAST。這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIOCLUB舉行技術(shù)協(xié)會(huì )會(huì )議。直到1960，大部分人已經(jīng)放棄這個(gè)方法，盡管在80年代再次提出這些原理。
符號處理
主條目：GOFAI
當20世紀50年代，數字計算機研制成功，研究者開(kāi)始探索人類(lèi)智能是否能簡(jiǎn)化成符號處理。研究主要集中在卡內基梅隆大學(xué)，斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨立的研究風(fēng)格。JOHNHAUGELAND稱(chēng)這些方法為GOFAI(出色的老式人工智能)。60年代，符號方法在小型證明程序上模擬高級思考有很大的成就?；诳刂普摶蛏窠?jīng)網(wǎng)絡(luò )的方法則置于次要。60~70年代的研究者確信符號方法最終可以成功創(chuàng )造強人工智能的機器，同時(shí)這也是他們的目標。
認知模擬經(jīng)濟學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類(lèi)問(wèn)題解決能力和嘗試將其形式化，同時(shí)他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A，如認知科學(xué)，運籌學(xué)和經(jīng)營(yíng)科學(xué)。他們的研究團隊使用心理學(xué)實(shí)驗的結果開(kāi)發(fā)模擬人類(lèi)解決問(wèn)題方法的程序。這方法一直在卡內基梅隆大學(xué)沿襲下來(lái)，并在80年代于SOAR發(fā)展到高峰?；谶壿嫴幌癜瑐悺ぜ~厄爾和赫伯特·西蒙，JOHNMCCARTHY認為機器不需要模擬人類(lèi)的思想，而應嘗試找到抽象推理和解決問(wèn)題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗室致力于使用形式化邏輯解決多種問(wèn)題，包括知識表示，智能規劃和機器學(xué)習。致力于邏輯方法的還有愛(ài)丁堡大學(xué)，而促成歐洲的其他地方開(kāi)發(fā)編程語(yǔ)言PROLOG和邏輯編程科學(xué)?！胺催壿嫛彼固垢４髮W(xué)的研究者(如馬文·閔斯基和西摩爾·派普特)發(fā)現要解決計算機視覺(jué)和自然語(yǔ)言處理的困難問(wèn)題，需要專(zhuān)門(mén)的方案-他們主張不存在簡(jiǎn)單和通用原理（如邏輯）能夠達到所有的智能行為。ROGERSCHANK描述他們的“反邏輯”方法為"SCRUFFY"。常識知識庫(如DOUGLENAT的CYC)就是"SCRUFFY"AI的例子，因為他們必須人工一次編寫(xiě)一個(gè)復雜的概念?；谥R大約在1970年出現大容量?jì)却嬗嬎銠C，研究者分別以三個(gè)方法開(kāi)始把知識構造成應用軟件。這場(chǎng)“知識革命”促成專(zhuān)家系統的開(kāi)發(fā)與計劃，這是第一個(gè)成功的人工智能軟件形式?！爸R革命”同時(shí)讓人們意識到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識。
子符號法
80年代符號人工智能停滯不前，很多人認為符號系統永遠不可能模仿人類(lèi)所有的認知過(guò)程，特別是感知，機器人，機器學(xué)習和模式識別。很多研究者開(kāi)始關(guān)注子符號方法解決特定的人工智能問(wèn)題。
自下而上，接口A(yíng)GENT，嵌入環(huán)境（機器人），行為主義，新式AI機器人領(lǐng)域相關(guān)的研究者，如RODNEYBROOKS，否定符號人工智能而專(zhuān)注于機器人移動(dòng)和求生等基本的工程問(wèn)題。他們的工作再次關(guān)注早期控制論研究者的觀(guān)點(diǎn)，同時(shí)提出了在人工智能中使用控制理論。這與認知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的：更高的智能需要個(gè)體的表征(如移動(dòng)，感知和形象)。計算智能80年代中DAVIDRUMELHART等再次提出神經(jīng)網(wǎng)絡(luò )和聯(lián)結主義。這和其他的子符號方法，如模糊控制和進(jìn)化計算，都屬于計算智能學(xué)科研究范疇。
統計學(xué)法
90年代，人工智能研究發(fā)展出復雜的數學(xué)工具來(lái)解決特定的分支問(wèn)題。這些工具是真正的科學(xué)方法，即這些方法的結果是可測量的和可驗證的，同時(shí)也是人工智能成功的原因。共用的數學(xué)語(yǔ)言也允許已有學(xué)科的合作（如數學(xué)，經(jīng)濟或運籌學(xué)）。STUARTJ.RUSSELL和PETERNORVIG指出這些進(jìn)步不亞于“革命”和“NEATS的成功”。有人批評這些技術(shù)太專(zhuān)注于特定的問(wèn)題，而沒(méi)有考慮長(cháng)遠的強人工智能目標。
集成方法
智能AGENT范式智能AGENT是一個(gè)會(huì )感知環(huán)境并作出行動(dòng)以達致目標的系統。最簡(jiǎn)單的智能AGENT是那些可以解決特定問(wèn)題的程序。更復雜的AGENT包括人類(lèi)和人類(lèi)組織（如公司）。這些范式可以讓研究者研究單獨的問(wèn)題和找出有用且可驗證的方案，而不需考慮單一的方法。一個(gè)解決特定問(wèn)題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法，一些則是子符號神經(jīng)網(wǎng)絡(luò )或其他新的方法。范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語(yǔ)言--如決策論和經(jīng)濟學(xué)（也使用ABSTRACTAGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結構和認知體系結構研究者設計出一些系統來(lái)處理多ANGENT系統中智能AGENT之間的相互作用。一個(gè)系統中包含符號和子符號部分的系統稱(chēng)為混合智能系統，而對這種系統的研究則是人工智能系統集成。分級控制系統則給反應級別的子符號AI和最高級別的傳統符號AI提供橋梁，同時(shí)放寬了規劃和世界建模的時(shí)間。RODNEYBROOKS的SUBSUMPTIONARCHITECTURE就是一個(gè)早期的分級系統計劃。
智能模擬
機器視、聽(tīng)、觸、感覺(jué)及思維方式的模擬：指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專(zhuān)家系統，智能搜索，定理證明，邏輯推理，博弈，信息感應與辨證處理。
安全問(wèn)題
人工智能還在研究中，但有學(xué)者認為讓計算機擁有智商是很危險的，它可能會(huì )反抗人類(lèi)。這種隱患也在多部電影中發(fā)生過(guò)，其主要的關(guān)鍵是允不允許機器擁有自主意識的產(chǎn)生與延續，如果使機器擁有自主意識，則意味著(zhù)機器具有與人同等或類(lèi)似的創(chuàng )造性，自我保護意識，情感和自發(fā)行為。
實(shí)現方法
人工智能在計算機上實(shí)現時(shí)有2種不同的方式。一種是采用傳統的編程技術(shù)，使系統呈現智能的效果，而不考慮所用方法是否與人或動(dòng)物機體所用的方法相同。這種方法叫工程學(xué)方法（ENGINEERINGAPPROACH），它已在一些領(lǐng)域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（MODELINGAPPROACH），它不僅要看效果，還要求實(shí)現方法也和人類(lèi)或生物機體所用的方法相同或相類(lèi)似。遺傳算法（GENERICALGORITHM，簡(jiǎn)稱(chēng)GA）和人工神經(jīng)網(wǎng)絡(luò )（ARTIFICIALNEURALNETWORK，簡(jiǎn)稱(chēng)ANN）均屬后一類(lèi)型。遺傳算法模擬人類(lèi)或生物的遺傳-進(jìn)化機制，人工神經(jīng)網(wǎng)絡(luò )則是模擬人類(lèi)或動(dòng)物大腦中神經(jīng)細胞的活動(dòng)方式。為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細規定程序邏輯，如果游戲簡(jiǎn)單，還是方便的。如果游戲復雜，角色數量和活動(dòng)空間增加，相應的邏輯就會(huì )很復雜（按指數式增長(cháng)），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最后為用戶(hù)提供一個(gè)新的版本或提供一個(gè)新補丁，非常麻煩。采用后一種方法時(shí)，編程者要為每一角色設計一個(gè)智能系統（一個(gè)模塊）來(lái)進(jìn)行控制，這個(gè)智能系統（模塊）開(kāi)始什么也不懂，就像初生嬰兒那樣，但它能夠學(xué)習，能漸漸地適應環(huán)境，應付各種復雜情況。這種系統開(kāi)始也常犯錯誤，但它能吸取教訓，下一次運行時(shí)就可能改正，至少不會(huì )永遠錯下去，用不到發(fā)布新版本或打補丁。利用這種方法來(lái)實(shí)現人工智能，要求編程者具有生物學(xué)的思考方法，入門(mén)難度大一點(diǎn)。但一旦入了門(mén)，就可得到廣泛應用。由于這種方法編程時(shí)無(wú)須對角色的活動(dòng)規律做詳細規定，應用于復雜問(wèn)題，通常會(huì )比前一種方法更省力。
主要成果
人機對弈
1996年2月10～17日，GARRYKASPAROV以4：2戰勝“深藍”（DEEPBLUE）。
1997年5月3～11日，GARRYKASPAROV以2.5：3.5輸于改進(jìn)后的“深藍”。
2003年2月GARRYKASPAROV3:3戰平“小深”（DEEPJUNIOR）。
2003年11月GARRYKASPAROV2:2戰平“X3D德國人”(X3D-FRITZ）。
模式識別
采用$模式識別引擎，分支有2D識別引擎，3D識別引擎，駐波識別引擎以及多維識別引擎
自動(dòng)工程
自動(dòng)駕駛（OSO系統）
印鈔工廠(chǎng)（￥流水線(xiàn)）
獵鷹系統（YOD繪圖）
知識工程
以知識本身為處理對象，研究如何運用人工智能和軟件技術(shù)，設計、構造和維護知識系統
專(zhuān)家系統
計算機視覺(jué)和圖像處理
機器翻譯和自然語(yǔ)言理解
數據挖掘和知識發(fā)現
爭議事件
2021年9月，美國聯(lián)邦法官Leonie Brikema裁定：根據《專(zhuān)利法》，人工智能不能被列為美國專(zhuān)利的發(fā)明者。表示，法律僅允許“個(gè)人”（individual）擁有專(zhuān)利，人類(lèi)屬于“個(gè)人”，機器不是。該案由美國人工智能專(zhuān)家史蒂芬·L·泰勒（Stephen L. THALER）博士提起，其認為人工智能系統DABUS（Device for the Autonomous Bootstrapping of Unified Sentience，統一感知自動(dòng)引導設備）產(chǎn)出了Neural Flame（一種以新穎且富有創(chuàng )意的方式閃爍以吸引注意力的警示燈）和Fractal Container（一種基于分形幾何的飲料容器），應該允許其被列為專(zhuān)利中的發(fā)明人。
參考資料
[1]
人工智能立法提速 把握“邊界”是關(guān)鍵[引用日期2020-03-26]
[2]
2017年度中國媒體十大流行語(yǔ)：“十九大”“新時(shí)代”上榜[引用日期2020-03-26]
[3]
肖亞慶：我國人工智能發(fā)明專(zhuān)利授權總量全球排名第一|界面新聞 · 快訊 · 界面[引用日期2021-07-08]
[4]
美國規制人工智能，發(fā)布問(wèn)責框架 · 今日頭條[引用日期2021-07-17]
[5]
行業(yè)報告：中國人工智能全球領(lǐng)先，AI+醫療跨界人才緊缺 · 中國新聞網(wǎng)[引用日期2021-08-12]
展開(kāi)
相關(guān)合集
新型信息基礎設施
共3個(gè)詞條3407閱讀
國家大數據中心
一根特殊的網(wǎng)絡(luò )虛擬專(zhuān)線(xiàn)
人工智能
計算機科學(xué)分支
工業(yè)互聯(lián)網(wǎng)
概念
查看更多
相關(guān)視頻
全部
4947次播放04:15
【院士說(shuō)】作為世界三大尖端技術(shù)之一，人工智能到底是什么？
概述
6993次播放01:16
人工智能成未來(lái)5年發(fā)展趨勢？如何才能突破中國科技進(jìn)步的阻礙？
合集
發(fā)展階段
4個(gè)視頻
2544次播放01:18
人工智能是怎么做到智能的？
實(shí)現方法
1937次播放01:39
細思極恐！人工智能時(shí)代來(lái)了，你會(huì )下崗嗎？
爭議事件
人工智能相關(guān)的文章
《拜拜，戀愛(ài)腦：完美關(guān)系的心理學(xué)秘密》是玲瓏姐所著(zhù)，2017年由江蘇鳳凰文藝出版社出版的一本書(shū)，探討戀愛(ài)關(guān)系的心理學(xué)秘密。
圣保羅（S?oPaulo）位于巴西東南部圣保羅州，是圣保羅州的首府，巴西最大的城市，也是南美洲最大最繁華最富裕的城市，世界著(zhù)名的國際大都市。
拜城縣（英文：Bay County），位于新疆維吾爾自治區西南部，阿克蘇地區東北部。北依天山與昭蘇、特克斯縣相連，南隔卻勒塔格山與新和縣為界，東與庫車(chē)縣毗鄰，西與溫宿縣接壤?？偯娣e15916.81平方千米，根據第七次人口普查數據顯示拜城縣常住人口為231113人。有維吾爾、漢、回、哈薩克、柯?tīng)柨俗蔚?/p>
葡萄酒（漢語(yǔ)世界有時(shí)以紅酒稱(chēng)之）是經(jīng)過(guò)發(fā)酵的葡萄或葡萄汁制作而成的酒精飲料。葡萄酒主要由水和酒精（乙醇）組成，但也有芳香化合物、酸、酚類(lèi)物質(zhì)、二氧化碳等其他物質(zhì)。一般葡萄酒中酒精含量7%到16%（體積分數），但在部分特種葡萄酒中，酒精含量可達20%（體積分數）。
巴爾米拉（Palmyra）是敘利亞沙漠上的一片綠洲，位于大馬士革的東北方，是古代最重要的文化中心之一，保存大都市的許多紀念性建筑。巴爾米拉處于1世紀-2世紀幾種文化的交匯處，所以它的藝術(shù)和建筑能夠把古希臘羅馬的技藝與本地的傳統及波斯的影響巧妙地融合在一起。作為敘利亞的一張國家名片，有著(zhù)2000多年歷史的巴爾米拉古城被譽(yù)為“沙漠新娘”，一直是該國最值得驕傲的寶貴財富之一，1980年被聯(lián)合國教科文組織列入世界文化遺產(chǎn)名錄。這座古羅馬風(fēng)格的古城地處地中海東岸和幼發(fā)拉底河之間沙漠邊緣的一片綠洲中，曾是古絲綢之路上
尚可名片
這家伙太懶了，什么都沒(méi)寫(xiě)！
作者
