如果说有一项技术彻底改变了21世纪，那一定是人工智能。谷歌新掌舵人桑达尔·皮查伊曾说过：“人工智能给我们的生活和工作带来的改变，甚至超过火和电。”生活方式。以前只能在科幻小说中才知道的工具和生活方式，如今在人工智能的加持下，从各个角度渗透到我们的日常生活中，带动技术进步、产业升级，推动市场经济全面快速发展。因此，正确理解人工智能的概念非常重要。本文将帮助您了解人工智能的定义、阶段、类型和研究领域。人工智能的定义1956年，JohnMcCarthy（1927~2011）在达特茅斯会议上提出了“人工智能（AI）”一词。他将人工智能定义为：“制造智能机器的科学与工程”。制造智能机器的科学与工程。人工智能也可以定义为能够执行需要人类智能的任务的计算机系统的开发，例如决策、检测对象、解决复杂问题等。人工智能的阶段许多文章认为，通用人工智能、狭义人工智能和超智能是人工智能的不同类型。相反，它们是人工智能的三个阶段。弱人工智能（ANI）弱人工智能，又称狭义人工智能。在这个阶段，机器不具备任何思维能力，只是执行一组预定义的功能，比如语音识别、图像识别等，是一种擅长单一方面的人工智能，类似于高级仿生学。它们的存在只是为了解决特定的特定任务，主要是统计数据，从中可以推导出模型。例如，AlphaGo只能下围棋，不能执行其他任务。弱人工智能的例子有Siri、Alexa、自动驾驶汽车、AlphaGo、人形机器人索菲亚等。到目前为止，几乎所有基于人工智能的系统都属于弱人工智能。强人工智能(AGI)强人工智能，又称通用人工智能。与弱人工智能不同，强人工智能可以像人类一样处理不同层次的问题，而不仅仅是执行一组预定义的功能。不仅如此，强人工智能还具有自我学习、理解复杂概念等多种能力。因此，强人工智能的发展要比弱人工智能困难得多。事实上，国际主流人工智能学术界的目标仅限于弱人工智能。目前，很少有人对强人工智能进行研究，尚未形成相应的成果。强大的人工智能也被许多科学家视为对人类生存的威胁。斯蒂芬·霍金警告说：“全人工智能（FullArtificialIntelligence）的发展可能意味着人类文明的终结……设计本身。由于生物进化的时间限制，人类无法与之抗衡，很可能被取代”超级人工智能（ASI）当弱人工智能已经大体实现，强人工智能正在通过深度学习不断向其逼近时，超级人工智能的概念呼之欲出。在这个阶段，计算机的能力将超越人类。目前，强人工智能是电影和科幻小说中描绘的一个假设场景：机器已经接管世界。“人工智能（我不是指狭义的人工智能）正在以惊人的速度发展。除非你能直接接触像DeepMind这样的组织，否则你不知道人工智能的增长速度有多快——它正以接近指数的速度增长。五年之内（最多十年），就会有危险发生的风险。”–ElonMusk人工智能的类型当有人要求你解释不同类型的AI系统时，你必须根据它们的功能进行分类。密歇根州立大学的ArendHintze将人工智能分为以下类型：单一响应、有限记忆、ReactiveMachineAI这种AI是最基本的AI系统，只根据当前数据运行，只考虑当前情况的机器。也就是说，反应型机器只能做出反应，它既没有记忆能力，也没有能力利用过去的经验来做出当前的决定。反应式机器的一个典型例子是著名的IBM国际象棋程序深蓝）。1997年5月，它以3.5:2.5的比分击败了世界冠军加里·卡斯帕罗夫，成为第一个在标准比赛时限内击败国际象棋世界冠军的计算机系统。深蓝看似具有人类智能，但实际上它只关注棋盘上的现状，在可能的走法中做出决策。除了遵守重复的棋局不能连续出现三次的规则外，与经验丰富的人类不同，它对过去没有概念。当前的人工智能要么没有世界的概念，要么对其执行的特定任务只有极其有限和特定的概念。深蓝的新鲜之处在于它放弃了扩大计算机可能考虑的可能移动范围的想法。相反，开发人员找到了一种方法，让它根据对某些动作结果的评估来缩小“视角”，并停止追求某些可能的动作。同样，AlphaGo无法评估所有棋步，但它采用了比深蓝更复杂的方法：使用神经网络评估棋盘走法。这种类型的人工智能无法在专门领域之外发挥作用，而且很容易被愚弄。它们不能交互地成为世界的一部分。显然，它们只是最基本的人工智能系统，并不符合我们对人工智能系统未来的期望，即能够真正与人类互动，甚至对周围环境做出逼真的反应。有限记忆人工智能（LimitedMemoryAI）有限记忆，顾名思义，就是人工智能可以通过研究过去的数据做出明智的决策。这种类型的AI具有短期或临时记忆，可用于存储过去的经验并评估未来的行为。自动驾驶汽车就是这种类型的人工智能，使用最近收集的数据做出即时决策。例如，通过传感器识别横穿马路的行人、陡峭的道路、交通信号等，可以做出更好的驾驶决策，这有助于预防交通事故。然而，自动驾驶汽车的历史信息存在时间太短，无法像经验丰富的人类驾驶员那样存储在“经验库”中。这类人工智能不会建立全面的“表征”（representations），它不会记住自己的经历，也不会学习如何处理新情况。心智理论（TheoryOfMindAI），心理学术语，是人类理解自身和周围人心理状态的能力。这个理论起源于哲学。进入心理学领域后，逐渐成为认知心理学和神经心理学的研究热点之一。心智理论是人类社会形成的关键。通过这一理论，人们可以更好地理解社会互动的内在动力。试想，如果人类无法理解彼此的动机和意图，那么彼此之间的交流与合作将变得极其困难，甚至是不可能的。这类人工智能比前两种更先进，在心理学上有重要作用，主要是机器“情商”的发展。如果人工智能系统真的能够与人类并肩同行，那么它们必须能够理解每个人都有思想和感受，理解人类的期望，并据此调整自己的行为。这是我们现在的人工智能和未来的人工智能之间的重要区别。Self-awareAI这是人工智能发展的最后一步：建立一个可以形成自我表征的系统。像埃隆马斯克和斯蒂芬霍金斯这样的天才一直在警告我们人工智能的发展。让我们希望我们永远不会达到人工智能的这种状态。因为，在这种状态下，机器会有自己的意识，它会实现自己，知道自己的内在状态，预知他人的感受。目前，具有自我意识的人工智能离我们还很遥远。不过，未来还是有可能达到超级人工智能的阶段。人工智能的研究领域人工智能可以通过以下技术解决现实世界的问题：机器学习深度学习自然语言处理机器人学模糊逻辑专家系统机器学习机器学习是通过解释、处理和分析数据来解决实际问题的科学。机器的帮助。它的根源可以追溯到1952年ArthurSamuel（被誉为“机器学习之父”）在IBM设计的跳棋程序。机器学习分为监督学习、无监督学习和强化学习三种。毫无疑问，机器学习可以帮助人类克服我们认为阻碍人类水平人工智能发展的知识和常识瓶颈，因此很多人将机器学习视为人工智能的梦想。深度学习深度学习是在高维数据上实施神经网络以获得洞察力并形成解决方案的过程。深度学习是机器学习的一个高级领域，可用于解决更高级的问题，它是Facebook、自动驾驶汽车、Siri、ALexa等虚拟助手面部认证算法背后的逻辑。自然语言处理Natural语言处理是一门从人类自然语言中提取见解以便与机器交流并发展您的业务的科学。它也是人工智能中最古老、研究最多、要求最高的领域之一。任何开发智能系统的尝试最终似乎都必须解决使用何种形式的标准进行通信的问题。例如，口头交流通常比使用图形或基于数据的系统的交流更受欢迎。自然语言理解的基础是在1940年代和50年代使用有限自动机、形式语法和概率建立的。然而，在1950年代和60年代早期使用机器翻译语言的尝试被证明是徒劳的。在20世纪70年代，趋势是转向符号和随机方法。进入21世纪后，随着机器学习的兴起，自然语言处理迎来了新的突破，推动了随机过程、机器学习、信息抽取和问答等现有方法的应用。例如，推特使用自然语言处理技术过滤推文中的恐怖主义语言，亚马逊使用自然语言处理来理解客户评论并改善用户体验。机器人人工智能机器人是人工智能代理，它们在现实环境中行动，通过采取负责任的行动产生结果。该领域在计算几何和视觉方面与人工智能密切相关。目前，在机器人技术，尤其是嵌入式系统中，我们可以看到人工智能的许多表现形式，包括搜索算法、逻辑、专家系统、模糊逻辑、机器学习、神经网络、遗传算法、规划，甚至游戏。人形机器人索菲亚是机器人技术中人工智能的一个例子。模糊逻辑模糊逻辑是一种基于“真实度”原则的计算方法，而不是现代计算机逻辑通常意义上的布尔逻辑。也就是说，我们得到的结果往往不是非黑即白、正面或负面的，而是“在一定程度上”的结果。例如，机器人在到达目标的途中可能会遇到障碍，但机器人必须坚持不懈才能实现目标。也就是说，机器人的世界不仅是离散的，它还依赖于一定的“自由度”，某些属性有不同程度的变化，而不是仅仅产生“开”或“关”、“是”或“否”模糊理论是在1965年由LotfiZadeh(1921~)提出的，Zadeh最初并没有想到模糊逻辑可以用来设计工业过程来控制和“智能”消费产品。后来，MarkHopkins发现了应用模糊逻辑在各个领域，包括经济、农业、航空航天、核科学、生物医学等等。事实上，模糊逻辑已经取得了广泛的应用。专家系统专家系统是一种智能计算机程序系统，它包含大量具有某一领域专家级的知识和经验量，能够运用人类专家的知识和解决问题的方法来处理该领域的问题。也就是说，专家系统是具有大量专业知识和经验的程序系统。它利用人工智能技术和计算机技术，根据某一领域的一个或多个专家提供的知识和经验，模拟人类专家进行推理和判断。为了解决需要人类专家处理的复杂问题，简而言之，专家系统就是模拟人类专家解决领域问题的计算机程序系统。20多年来，知识工程研究、专家系统理论和技术不断发展，应用几乎渗透到各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程等。在科技、法律、商业、航天技术、自动控制、计算机设计与制造等诸多领域，已经开发了数以千计的专家系统，其中很多在功能方面已经达到甚至超过了同领域人类专家的水平。功能，并在实际应用中产生。巨大的经济效益。专家系统使用if-then逻辑符号来解决复杂问题。他们不依赖于传统的过程编程。一个专家系统通常由六部分组成：人机交互界面、知识库、推理机、解释器、综合数据库和知识获取。其中，知识库与推理机的分离独树一帜。专家系统的体系结构随专家系统的类型、功能和规模而变化。专家系统的基本工作流程是用户通过人机界面回答系统提出的问题，推理机将用户输入的信息与知识库中每条规则的条件进行匹配，并将得出的结论存储起来。综合数据库中的匹配规则。最后，专家系统会得出最终结论，呈现给用户。
