人工智能的4种实现途径

　　人工智能的4种实现途径

　　具体可以搜索一下：快包

　　智能产品开发，外包服务平台

　　演绎、推理和解决问题早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用机率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。

　　对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的记忆体或是运算时间。寻找更有效的算法是优先的人工智能研究项目。

　　人

　　类解决问题的模式通常是用最快捷，直观的判断，而不是有意识的，一步一步的推导，早期人工智能研究通常使用逐步推导的方式。人工智能研究已经于这种“次表

　　征性的”解决问题方法取得进展：实体化的代理人研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。

　　[编辑] 知识表示法主要文章：知识表示和常识知识库

　　[编

　　辑]

　　规划智能Agent必须能够制定目标和实现这些目标。他们需要一种方法来建立一个可预测的世界模型(将整个世界状态用数学模型表现出来，并能预测它们的行

　　为将如何改变这个世界)，这样就可以选择功效最大(或“值”)的行为。

　　在传统的规划问题中，智能Agent被假定它是世界中为一具有影响力的，所以它要做出什么行为是已经确定的。但是，如果事实并非如此，它必须定期检查世界

　　模型的状态是否和自己的预测相符合。如果不符合，它必须改变它的计划。因此智能代理必须具有在不确定结果的状态下推理的能力。

　　在多Agent中，多Agent规划采用合作和竞争去完成一定的目标，使用演化算法和群体智慧可以达成一个整体的突现行为目标。

　　[编辑] 学习主要文章：机器学习

　　[编辑] 自然语言处理主要文章：自然语言处理

　　[编辑] 运动和控制主要文章：机器人学

　　[编辑] 知觉主要文章：机器感知、计算机视觉和语音识别

　　机器感知是指能够使用传感器所输入的资料(如照相机，麦克风，声纳以及其他的特殊传感器)然后推断世界的状态。计算机视觉能够分析影像输入。另外还有语音识别、人脸辨识和物体辨识。

　　[编辑] 社交主要文章：情感计算

　　情

　　感和社交技能对于一个智慧代理人是很重要的。 首先，通过了解他们的动机和情感状态，代理人能够预测别人的行动(这涉及要素

　　博弈论、决策理论以及能够塑造人的情感和情绪感知能力检测)。此外，为了良好的人机互动，智慧代理人也需要表现出情绪来。至少它必须出现礼貌地和人类打交

　　道。至少，它本身应该有正常的情绪。

　　[编辑] 创造力主要文章：计算机创造力

　　一个人工智能的子领域，代表了理论(从哲学和心理学的角度)和实际(通过特定的实现产生的系统的输出是可以考虑的创意，或系统识别和评估创造力)所定义的创造力。 相关领域研究的包括了人工直觉和人工想像。

　　[编

　　辑]

　　多元智慧大多数研究人员希望他们的研究最终将被纳入一个具有多元智能(称为强人工智能)，结合以上所有的技能并且超越大部分人类的能力。有些人认为为了达

　　成以上目标，可能需要拟人化的特性，如人工意识或人工大脑。

　　上述许多问题被认为是人工智能完整性：为了解决其中一个问题，你必须解决全部的问题。即使一个简单和特定的任务，如机器翻译，要求机器按照作者的论点(推

　　理)，知道什么是被人谈论(知识)，忠实地再现作者的意图(情感计算)。因此，机器翻译被认为是具有人工智能完整性：它可能需要强人工智能工，就像是人类

　　一样。

　　[编辑]

　　强人工智能和弱人工智能人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的：

　　人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性(见下)。另一个定义指人工智能是人造机器

　　所表现出来的智能。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里

　　“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。

　　[编辑] 强人工智能强人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题(Problem_solving)的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：

　　类人的人工智能，即机器的思考和推理就像人的思维一样。

　　非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

　　[编辑] 弱人工智能弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。

　　强人工智能的研究目前处于停滞不前的状态下。人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别。就现下的人工智能研究领域来看，研究者已大量造出看起来像是智能的机器，取得相当丰硕的理论上和实质上的成果。

　　[编辑] 对强人工智能的哲学争论“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：

　　“强

　　人工智能观点认为计算机不仅是用来研究人的思维的一种工具;相反，只要运行适当的程序，计算机本身就是有思维的。”(J Searle in Minds

　　Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980)

　　关

　　于强人工智能的争论，不同于更广义的一元论和二元论的争论。其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的?希

　　尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事

　　情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有

　　思维和意识。

　　也有哲学家持不同的观点。Daniel C. Dennett 在其著作 Consciousness Explained

　　里认为，人也不过是一台有灵魂的机器而已，为什么我们认为：“人可以有智能，而普通机器就不能”呢?他认为像上述的数据转换机器是有可能有思维和意识的。

　　有

　　的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如Simon Blackburn在其哲学入门教材 Think

　　里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她/他仅仅是看

　　起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。Blackburn

　　认为这是一个主观认定的问题。

　　需要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。

　　人工智能专业前景如何?

　　极其好。如果说计算机专业是上个时代的老大，那么人工智能专业就是下个时代的龙头。因为：

　　1. 大数据、芯片计算能力、5G网络的发展使得AI人工智能得以高速发展。目前在自动驾驶、智能家居、工业制造等很多领域，人工智能都在快速突破。例如预计5-10年后，美国有50%的车辆将是无人驾驶。

　　2. 真正的人工智能公司发展潜力很大， 人才更容易脱颖而出。如人工智能芯片公司“深鉴科技”，由四名清华高手仅仅创立2年后被收购，收购价3-4亿美元。当然，该专业的工资也很高，真正的人工智能岗位年薪百万比较容易。

　　人工智能专业的要求高么?

　　很高。该专业的前景有多好，对应的专业要求就有多高。 人工智能是计算机+数学建模的结合，该专业要求有极其好的数学逻辑能力，能把该专业真正学明白的估计没多少人。 例如给你1万张手机自拍人脸照片，让你通过编程，建立一个数学模型识别出照片中哪些人脸是高兴的表情。你需要把照片转化为计算机可处理数据，例如不同格式不同尺寸的图片如何统一处理;你需要搭建模型来判断数据有什么规律是表示高兴，例如计算嘴角的弧度、眉头的皱纹等等，同时要考虑不同年龄不同人种的脸部特点;模型要经过大量训练来优化，这会需要大量的计算机处理能力(例如几十台服务器)，需要设计优秀的程序来保证训练过程尽量减少计算机的消耗以及减少计算时间(如并行计算)。

　　因此，基本是绝对的数学学霸可以真正搞定该专业。

http://m.99zihua.cn/a/3759.html 人工智能的4种实现途径 计算机专业