本篇文章讲述了计算机科学的分支AI的讲解,本篇文章有许多小细节,希望大家认真阅读本篇文章哦~
我们首先应该给出一个人工智能的整体定义。问题是,这样一个独特的、清晰的定义不存在于AI研究者的社区! (最重要的是,了解和定义智能本身仍然是一个持续的努力。)
3种定义人工智能的方法
事实上,有几种方法来考虑什么是AI。 第一个也是最常见的是看看人工智能研究的热门结果:粗略地说,“创造和研究机器的行为表现为智能”或“创造和研究机器思考”。
定义AI的第二种方式是通过查看它的组件或子问题,它的目的是解决。你最常听到的是:
我们不能抵制添加一种更加文化或志同的方式来定义人工智能,由Astro Teller(现为X的首席执行官,Alphabet的“moonshot工厂”)在1998年建议:“AI是科学如何让机器去做他们的电影的东西。”
事实上,这个定义并不远离人工智能(或强AI或全AI)和人工超智能的概念,其中的例子在科幻小说的作品中很多。他们指定的通才系统将分别达到或超过人类的能力——也就是说,将结合我们刚刚列出的所有组件。
如今AI评论员中最受欢迎的娱乐之一就是试图猜测Skynet什么时候将接管。 如果你注意到关于通用人工智能和人工超智能的预测之间有很大的差异,这是完全正常的——真的很难说,这样的预测是否低于还是过高估计,这样的水平的机器智能是否甚至可以实现。
人工智能的2种主要方法
自从20世纪50年代人工智能开始以来,已经采用了两种方法:
在第一种方法中,你编程规则,通过步骤树解决问题——人工智能的先驱,许多逻辑学家,喜欢这种方法。 它在20世纪80年代达到高潮,随着专家系统的兴起,旨在封装从狭窄领域的专家获取的知识库和决策引擎,以帮助有机化学家识别未知分子。
问题是,使用这样的系统,你必须从头开始开发一个新的模式——手写,特定的规则本质上非常困难或完全不可能从一个问题推广到下一个,从语音识别到医疗诊断。
在第二种方法中,你编写一个通用模型,但它是计算机使用你提供的数据调整模型的参数。 这是最近最流行的方法。
它的一些模型真的接近统计方法,但最有名的是受神经科学的启发:他们被称为人工神经网络(或ANNs)。 这样的ANN具有一个共同的通用方法:
如果你听说过当前的深度学习的狂潮,那是因为这种类型的ANN由大量的图层组成,因此“深”。它在诸如识别图像中的对象的任务中产生了显着的结果。
此外,你可能会遇到以下3种方法之一来对机器学习模型进行分类:
1 监督学习:为模型提供标签数据。例如,一个常规的猫图像附带一个明确的“猫”标签。
2 无监督学习:为模型提供无标签数据,并让它自己识别模式。 由于数据通常没有标签,需要考虑智能手机中积累的所有照片,标签过程需要时间,无监督学习方法更难/欠发达,看起来比受监管的学习更有前途。
3 强化学习:在你的模型的每次迭代结束时,你只需给它一个“等级”。 让我们以DeepMind为例,训练一个模型来玩老阿塔里游戏:等级是游戏显示的分数,模型逐渐学会最大化。 强化学习方法可能是三个中最不发达的,但DeepMind算法的最近的成就已经揭示了这一努力的新的希望。
人工智能分类特点如下:
所以,当你将人工智能研究所解决的问题、各种各样的“思想流派”、这些流派的分支机构、各种目标和灵感来源结合起来时,你就会明白为什么对组织进行分类的尝试总是有缺陷的。看看这个,你看到问题了吗?
将“机器学习”和“语音”置于同一水平是不准确的,因为你可以使用机器学习模型来解决语音问题——它们不是并行分支,而是不同的方式来分类AI。
因此,人工智能领域的困难和吸引人在于,它肯定不是一个有序的树——而是一个灌木丛。 一个分枝比另一个分枝生长得快,并且处于显要地位,然后是另一个转弯,等等。一些分支已经交叉,其他分支没有,一些分支已经被切割,并且新的分支将出现。
干货分享:
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。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”,也可能超过人的智能。
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。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。
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。
因此我们的建议是:永远不要忘记大局,否则你会迷路的!
小结:相信大家最后阅读完毕收获不小吧?想学习本方面的更多内容,自己私下还得多多学习。当然如果有什么问题或者想了解相关方面的详细内的话,请关注编程学习网教育平台哟~