人工智能是什么？

来源：蜘蛛抓取(WebSpider) 时间：2022-09-17 09:48 标签： ipd培训机构推荐

谈到人工智能，我们就会联想到：大数据、云计算、深度学习和脑类智能等科技的发展。人工智能的浪潮又一次掀起。

人工智能：人工智能是计算机科学中涉及研究，设计和应用智能机器的一个分支。其近期的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术，随着人工中能的发展，人工智能将涉及到计算机科学，心理学，哲学和语言等学科，其范围不仅仅定格在计算机科学领域范围内。人工智能是智能机器所执行的通常与人类智能有关的智能行为，例如：判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。

应该从哪些层次对认知行为进行研究？

心理活动的最高级层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序，语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。可以从下列四个层次开展对认知本质的研究：

（1） 认知生理学：研究认知行为的生理过程，主要研究人的神经系统的活动，是认知科学的底层，它是与心理学、神经学、脑科学有密切关系，且与基因学、遗传学等有交叉联系。

（2） 认知心理学：研究认知行为的心理活动，主要研究人的思维策略，是认知科学研究领域的顶层。它与心理学有密切关系，且与人类学、语言学交叉。

（3） 认知信息学：研究人的认知行为在人体内的初级信息处理，主要研究认知行为如何通过初级信息自然处理，由生理活动变为心理活动，或由心理活动变为生理活动。这是认知活动的中间层，承上启下，它与神经学、信息学、计算机科学有密切关系，并与心理学、生理学有交叉关系。

（4） 认知工程学：研究认知行为的信息加工处理，主要研究如何通过以计算机为中心的人工信息处理系统，对人的各种认知行为进行信息处理。它与人工智能、信息学、计算机科学有密切的关系，并与控制论、系统学等交叉。

人工智能的基本研究方法有哪几类？

功能模拟法，结构模拟法，行为模拟法，集成模拟法， 概率计算，符号规则逻辑

运算，模糊计算，神经计算，进化计算和免疫计算。

人工智能的研究目标是什么？

更好地理解人类智能 通过编写程序来模仿和检验有关人类智能的理论。

创造有用的灵巧程序 该程序能够执行一般需要人类专家才能实现的任务。

近期研究目标：建造智能计算机以代替人类的某些智力活动。

远期研究目标：用自动机模仿人类的思维活动和智力功能。

一、什么是智能硬件平台？ 智能硬件平台不应该仅仅局限于PC端和移动终端，智

目前最好的智能手表如下： 1、苹果 Watch 7 Apple Watch 7是目前最好的智能手表，但

人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟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。

上个世纪50年代一次学术讨论会议上，当时几位著名的科学家从不同学科的角度探讨用机器模拟人类智能等问题，并首次提出了“人工智能”的术语。从此，人工智能这门新兴的学科诞生了。那场学术讨论会议，就是计算机科学史上著名的达特茅斯会议（Dartmouth Conferences）。

此外，人工智能在自然语言识别，指纹识别、地图导航、自动驾驶等方向都有很大贡献，在此就不做具体描述了。

人工智能的评判标准是什么

要回答这个问题，就不得不先介绍另一个著名的概念：图灵测试。

图灵测试是著名科学家阿兰·麦席森·图灵于1950年提出的。其内容是，如果计算机程序能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则该程序通过测试，表明该程序拥有接近于人类的智能。

直白地解释一下，就如下图中的情景：

图灵测试的参与者包含一名或多名评委，两名测试者。其中一名测试者是人类，另一名测试者是计算机程序。在评委不能直接看到测试者的情况下，由评委提出若干问题，然后根据回答做出自己的判断。

时至今日，世界上只有一个智能聊天程序勉强通过了图灵测试，它的名字是 尤金·古斯特曼。由此可见，人类距离实现真正意义上的人工智能，还有很长的道路要走。

人工智能，机器学习，深度学习三者的关系是什么？

简单来说，这三者呈现出同心圆的关系：

同心圆的最外层是人工智能，从提出概念到现在，先后出现过许多种实现思路和算法。

同心圆的中间层是机器学习，属于人工智能的一个子集，互联网的许多推荐算法、相关性排名算法，所依托的基础就是机器学习。

　　人工智能是一门边缘学科，用来模拟人的思维，已经引起了许多学科的日益重视，并且有越来越多的实用意义，而且许多不同专业背景的科学家正在人工智能领域内获得一些新的思维和新的方法。作为一个计算机科学中涉及智能计算机系统的一个分支，这些系统呈现出与人类的智能行为有关的特性。

　　人工智能的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。当前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学，以及基于概率论和经济学的算法等等也在逐步探索当中。 思维来源于大脑，而思维控制行为，行为需要意志去实现，而思维又是对所有数据采集的整理，相当于数据库，所以人工智能最后会演变为机器替换人类。

　　人工智能的第一个大成就是发展了能够求解难题的下棋程序。在1997年，IBM“深蓝”在世界象棋中战胜世界棋王卡斯帕罗夫，最重要原因就是其强悍的数据处理能力。“深蓝”每秒能够进行2亿次的运算，能够通过计算预判之后的12步，对比做出最优的决策。谷歌的搜索引擎与亚马逊的智能推荐系统也都是人工智能的具体应用领域，在大量数据的训练下，无论是谷歌的搜索结果，还是亚马逊的推荐结果，都越来越精准，这构成了两家数据公司的核心竞争力。据悉，在研发过程中，IBM研制小组向“深蓝”输入100年来所有国际特级大师开局和残局的下法。在下棋程序中应用的其他技术也包括把困难的问题分成一些比较容易的子问题，发展成为搜索和问题规约这样的人工智能基本技术。今天的计算机程序更是能够达到击败人类的世界冠军的程度，已经展现了人工智能的威力。

　　下面，来简述一下人工智能是怎样下棋并打败人类的：
为了实现一个能够下棋的程序，我们采用状态空间的方法来解决问题。首先要为象棋建立一个数学模型，用一种或多种合适的数据结构来表示象棋。这样就有一个建立模型的逻辑问题，合适的逻辑将对后面的求解象棋问题起到重要的作用。一个比较简单的方法是：给不同的棋子赋予不同的权值，其中给“王”赋予超过其他棋子很多的权值，这样再确定一个目标函数，以减少对方的权值总和为目的，就可以获得一个比较简单的走法。当然如果这样的模型过于简单，效果也不会很好。在我们获得了一个数学上的模型之后，将问题分解成为用这模型能够理解的子问题。而求解象棋问题的过程就是一个试探搜索的过程，把象棋的规则和目标函数的可能运行方向结合起来，就可以指导下一个子的落子位置，也就是说获得了一个状态的集合。然后从这个状态集合的每个状态推导再下一步的状态集合，这样反复运行，就可以得到一个树型结构，在这个结构中运用一系列的规则和搜索技术，就可能确定一个合理的走法。很明显，如果状态空间的精度越高，属性结构的复杂度就越高。

　　从上面可以看出，类似上面这样的状态空间求解问题的主要技术包括状态的描述、描述目标状态和搜索策略。其中搜索策略模拟人的思维过程，是体现算法优劣的关键部分。主要的搜索策略包括有宽度优先的搜索、深度优先的搜索、启发式的搜索等。状态空间方法借助于现代计算机的强大的计算能力，尽可能地穷尽所有的可能的状态，是一个最多被应用的人工智能理论分支。

　　另一种不同于状态空间法的方法是问题规约的方法。在问题规约的方法中，问题描述或目标是其主要的数据结构。已知问题的描述，然后通过一系列的变换，把此问题最终变为一个子问题的集合；这些子问题的解可以直接得到，从而解决了初始的问题。比如著名的“梵塔问题”就是可以这样解决的一个问题。可见一个采用问题规约的问题表示可以有三个部分组成：一个初始问题的描述、一套把问题变成子问题的算符、一套本原问题的描述。

我要回帖

更多关于 ipd培训机构推荐 的文章

 

随机推荐