人工智能会抢走我们的工作吗?两位北大教授这样解读。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。
人工智能(AI)是指在机器上实现类似乃至超越人类的感知、认知、行为等智能的系统。与人类历史上其他技术革命相比,人工智能对人类社会发展的影响可能位居前列。
人工智能(AI)是指在机器上实现类似乃至超越人类的感知、认知、行为等智能的系统。与人类历史上其他技术革命相比,人工智能对人类社会发展的影响可能位居前列。人类社会也正在由以计算机、通信、互联网、大数据等技术支撑的信息社会,迈向以人工智能为关键支撑的智能社会,人类生产生活以及世界发展格局将由此发生更加深刻的改变。
人工智能分为强人工智能和弱人工智能。强人工智能,也称通用人工智能,是指达到或超越人类水平的、能够自适应地应对外界环境挑战的、具有自我意识的人工智能。弱人工智能,也称狭义人工智能,是指人工系统实现专用或特定技能的智能,如人脸识别、机器翻译等。迄今为止大家熟悉的各种人工智能系统,都只实现了特定或专用的人类智能,属于弱人工智能系统。弱人工智能可以在单项上挑战人类,比如下围棋,人类已经不是人工智能的对手了。
人工智能发展的基本思想和技术路径有三种
人工智能研究工作肇始于20世纪40年代,但其完整概念在1956年才正式登上历史舞台,在美国达特茅斯学院举行的“人工智能夏季研讨会”上提出。这个研讨会的主题就是用机器来模仿人类学习以及其他方面的智能,推进了人工智能起起伏伏、螺旋发展的历程。
第一个阶段,1956—1976年,基于符号逻辑的推理证明阶段。这一阶段的主要成果是利用布尔代数作为逻辑演算的数学工具,利用演绎推理作为推理工具,发展了逻辑编程语言,实现了包括代数机器定理证明等机器推理决策系统。但在人工智能理论与方法工具尚不完备的初期阶段,以攻克认知作为目标显然不切实际,人工智能研究逐步从高潮进入低谷。
第二个阶段,1976—2006年,基于人工规则的专家系统阶段。这个阶段的主要进展是打开了知识工程的新研究领地,研制出专家系统工具与相关语言,开发出多种专家系统,比如故障诊断专家系统、农业专家系统、疾病诊断专家系统、邮件自动分拣系统等等。专家系统主要由知识库、推理机以及交互界面构成,其中,知识库的知识主要由各领域专家人工构建。然而,知识仅靠专家的手工表达实现,终不免挂一漏万,使得专家系统无法与人类专家与时俱进的学习能力相匹配,人工智能研究第二次进入瓶颈期。
第三个阶段,2006年至今,大数据驱动的深度神经网络阶段,也是深度学习大行其道的时期。人工神经网络的发展,随着人工智能的发展起起伏伏。初期人们对其可以模拟生物神经系统的某些功能十分关注,但是对复杂网络的学习收敛性、健壮性和快速学习能力一直难以把握,直到上世纪80年代反向传播算法的发明和90年代卷积网络的发明,神经网络研究取得重要突破。深度神经网络方法走到前台,开启了人工智能新阶段。
自诞生以来,人工智能发展的基本思想和技术路径总的来说有三种。
第一种路径是符号主义或者说逻辑学派,形式逻辑是其理论基础,主张人工智能应从智能的功能模拟入手,认为符号是智能的基本元素,智能是符号的表征和运算过程。前述第一个阶段和第二个阶段中,符号主义都是主导思想。
第二种路径是连接主义或者说神经网络学派,发源于上世纪40年代,强调智能活动是由大量简单(神经)单元通过复杂连接后并行运行的结果。其基本思想是:既然人脑智能是由神经网络产生的,那就通过人工方式构造神经网络,再通过训练产生智能。人工神经网络是对生物神经网络的抽象和简化。80年代神经网络的兴盛和近年来兴起的深度学习网络,都是包含多层神经元的人工神经网络。
第三种路径是行为主义或者说控制学派,又称进化主义。这个学派在上世纪80年代末、90年代初兴起,思想源头是上世纪40年代的控制论。控制论认为,智能来自智能主体与环境以及其他智能主体相互作用的成功经验,是优胜劣汰、适者生存的结果。
机器学习是未来方向,将人类从重复性劳动中解放出来
机器学习是上世纪80年代中期发展起来的人工智能新方向。机器学习研究机器怎样模拟或实现人类的学习行为,以获取新的知识或技能,或者根据环境自适应地调整对策。机器学习可以让机器通过对经验进行“归纳”和“推理”而实现自动改进。
目前,机器学习仍然是人工智能研究的热点之一,包括深度学习的可解释性和可信性,增强智能系统的自学习和自适应能力,以及无监督学习、多模态协同学习、强化学习、终生学习等新的机器学习方法。另外,考虑到数据安全和隐私保护,在数据加密或者部分加密的情况下如何学习,也是重要研究方向之一。在深度学习浪潮推动下,人工智能其他研究方向也在加速发展,包括机器感知、模式识别与数据挖掘、自然语言处理、知识表示与处理、智能芯片与系统、认知与神经科学启发的人工智能、人工智能和其他学科的交叉等。
中国是世界上人工智能研发和产业规模最大的国家之一。虽然我们在人工智能基础理论与算法、核心芯片与元器件、机器学习算法开源框架等方面起步较晚,但在国家人工智能优先发展策略、大数据规模、人工智能应用场景与产业规模、青年人才数量等方面具有优势。
中国的人工智能发展,挑战与机遇同在,机遇大于挑战。尽管是后来者,但我们市场规模大,青年人多,奋斗精神强,长期来看更有优势。如果说18世纪中叶蒸汽机带来第一次工业革命,持续了100年;19世纪中叶电力带来第二次工业革命,持续了100年;20世纪中叶计算机与通信带来第三次工业革命,到现在持续了70多年;我们可以预见,本世纪中叶前后人工智能可能会带来下一次工业革命,影响百年。当然,现在人工智能技术的储备还远没有达到开启智能时代的量级,还需要持续积累和创新。现在的计算机体系结构,还无法满足实现强人工智能的需求。未来可能的突破方向包括人工智能基础理论与算法、类脑计算、生物计算、量子计算等。
其影响不仅关系国家发展,而且关系亿万劳动者日常生活。以深度学习为代表的人工智能技术高速发展并广泛应用,正在深刻改变人类社会生活的方方面面。产业界从提高效率、降低成本等角度,积极采用人工智能技术解决各种应用问题,包括智能机器人、智能制造、智能监控、无人驾驶、自动问答、医疗诊断、智能家居、政务法务等,为人类带来福祉。
从就业角度来看,越来越多的超市、银行、餐馆开始使用机器服务,甚至律师、证券分析师等高知识含量工作也可能被机器人取代,这给劳动者就业带来挑战。人工智能的应用必然会提高劳动生产率,正如第一次工业革命期间,机器的应用虽然减少了传统轻工业就业岗位,但是也创造了更多新兴产业就业岗位。人工智能也一样,随着它的发展,将会产生很多新的工作岗位,只是对技能的要求与传统岗位不同。因此,随着人工智能的推进,教育培训体系也应该根据就业结构变化而积极调整,加快推进产业升级中的职业转岗培训。
人工智能把我们从简单重复的劳动中解放出来,更有利于人类充分挖掘自己的智能潜力。面对即将到来的智能社会,我们应该以积极态度拥抱变化。与其担忧工作被抢走,不如与机器“共勉”,机器尚在持续学习,我们人类难道不应该更加努力学习、终身学习吗?(作者高文为北京大学教授、中国工程院院士,黄铁军为北京大学教授)
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。
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
软考中级精品资料免费领
- 历年真题答案解析
- 备考技巧名师总结
- 高频考点精准押题
- 资料下载
- 历年真题
193.9 KB下载数265
191.63 KB下载数245
143.91 KB下载数1148
183.71 KB下载数642
644.84 KB下载数2756
相关文章
发现更多好内容- Java House 有哪些具体的方法?(Java House的方法有哪些)
- Java 如何读取 txt 文件内容并进行处理?(java怎么读取txt文件内容并处理)
- JavaEx 的性能表现究竟如何?(javaex的性能表现如何)
- 如何高效进行PHP数据类型转换的测试?
- 如何用 Java 保证 qqwry 数据的完整性?(qqwry java怎样保证数据完整)
- PHP数据类型转换:在编程中的关键应用
- 在 Java 中如何实现打印输出?(java怎么打印输出)
- Java OGNL 注入攻击的预防措施有哪些?(java ognl注入攻击如何预防 )
- Java 中如何实现 double 类型转 BigDecimal 类型?(java double转bigdecimal怎么实现)
- 在 Java 中如何利用 Map 构建表格?(java中怎么使用map做表格)