有哪些简单的网站,wordpress添加动漫人物,深圳公司社保网站,全国最好的网站建设案例前言 人工智能#xff08;Artificial Intelligence#xff09;#xff0c;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。人工智能是新一轮科技革命和产业变革的重要驱动力量。 #x1f4d5;作者简介#x…
前言 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。人工智能是新一轮科技革命和产业变革的重要驱动力量。 作者简介热爱跑步的恒川致力于C/C、Java、Python等多编程语言热爱跑步喜爱音乐的一位博主。 本文收录于恒川的日常汇报系列大家有兴趣的可以看一看 相关专栏C语言初阶、C语言进阶系列、恒川等大家有兴趣的可以看一看 Python零基础入门系列Java入门篇系列、docker技术篇系列、Apollo的学习录系列正在发展中喜欢Python、Java、docker的朋友们可以关注一下哦 人工智能的定义详解与研究价值的讨论 1. 技术研究2. 研究方法2.1 大脑模拟2.2 符号处理2.3 子符号法2.4 统计学法2.5 集成方法 3. 智能模拟4. 学科范畴5. 涉及学科6. 研究范畴7. 安全问题8. 实现方法9. 与人类差距 1. 技术研究 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。
2. 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这个概念后来被某些非GOFAI研究者采纳。
2.1 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。
2.2 符号处理 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)。 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。 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SCRUFFYAI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。
2.3 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。
2.4 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。
2.5 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 与人类差距 2023年中国科学院自动化研究所中科院自动化所团队最新完成的一项研究发现基于人工智能的神经网络和深度学习模型对幻觉轮廓“视而不见”人类与人工智能的“角逐”在幻觉认知上“扳回一局”。 如果这份博客对大家有帮助希望各位给恒川一个免费的点赞作为鼓励并评论收藏一下⭐谢谢大家 制作不易如果大家有什么疑问或给恒川的意见欢迎评论区留言。
