斯坦福教授ChristopherManning一页介绍AI领域核心概念。在“AI”随处可见的当下，你真的了解人工智能领域的核心概念吗？刚才，斯坦福大学教授、人工智能实验室（SAIL）负责人、HAI副主任ChristopherManning在一页中定义了AI领域的核心术语。他表示希望这些定义能够帮助外行了解人工智能。在这篇一页纸的论文中，曼宁介绍了十几个术语的定义，包括“智能”、“人工智能”、“机器学习”、“深度学习”等。链接：https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf详情见下文：智能可以定义为学习和执行适当的技术来解决问题和实现目标能力，这些能力可以适应不确定和不断变化的外部环境。完全预编程的工业机器人灵活、准确且一致，但并不智能。人工智能（AI）由斯坦福大学名誉教授约翰·麦卡锡于1955年提出，他将人工智能定义为“制造智能机器的科学与工程”。许多研究已经使由人类编程的机器能够以智能方式执行任务，例如下棋。但今天，人工智能领域的重点是实现至少能像人类一样学习的机器。自治系统能够独立计划和确定操作步骤，以实现指定目标，而无需微观管理。医院中的送货机器人必须在繁忙的走廊中自主导航才能成功完成任务。在人工智能领域，“自治”并不意味着像政治或生物学中经常出现的“自治”。机器学习(ML)是人工智能的一部分，研究计算机代理如何根据经验或数据改进他们的感知、知识、思维或行动。为此，机器学习领域的知识涉及计算机科学、统计学、心理学、神经科学、经济学和控制论。在监督学习中，计算机学习预测人类给出的标签，例如根据带标签的狗照片学习狗的品种。虽然无监督学习不需要标签，但有时您需要自己完成预测任务，例如尝试预测句子中的每个后续单词。强化学习让代理学习优化其整体奖励的动作序列，例如在没有明确的好技术示例的情况下自主赢得游戏。深度学习是指使用大型多层神经网络计算连续（实数）表示，有点类似于人脑中神经元的分层组织。目前，深度学习是最成功的机器学习方法，可用于所有类型的机器学习，能够在少量数据的基础上取得更好的泛化性能，能够更好地扩展到大规模数据和计算能力。算法列出了要执行的精确步骤，就像一个人将步骤写入计算机程序一样。人工智能系统包含算法，但算法通常仅用作学习或奖励计算方法。他们的大部分行为都是从数据或经验中学习到的，就像斯坦福大学毕业生安德烈·卡帕蒂(AndrejKarpathy)的“软件2.0”带来的系统设计的根本变化一样。狭义的人工智能是指可以处理特定任务的智能系统，例如语音识别或人脸识别。人类级AI，或通用人工智能(AGI)，旨在寻找能够智能处理各种任务的上下文感知机器，例如高效的社交聊天机器人或人机交互。以人为中心的人工智能是指寻找能够增强人类能力、满足人类社会需求并受到人类启发的人工智能。它为人类开发高效的伙伴和工具，例如机器人助手和养老机器人。
