人工智能简介
人工智能(英语:Artificial Intelligence, AI)亦称机器智能,是指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序的手段实现的类人智能技术。该词同时也指研究这样的智能系统是否能够实现,以及如何实现的科学领域。一般教材中的定义领域是“智能主体(intelligent agent)的研究与设计”,智能主体是指一个可以观察周遭环境并作出行动以达致目标的系统。约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程。”
AI的核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。强人工智能目前仍然是该领域的长远目标。目前强人工智能已经有初步成果,甚至在一些视频辨识、语言分析、棋类游戏等等单方面的能力达到了超越人类的水平,而且人工智能的通用性代表着,能解决上述的问题的是一样的AI程序,无须重新开发算法就可以直接使用现有的AI完成任务,与人类的处理能力相同,但达到具备思考能力的统合强人工智能还需要时间研究,比较流行的方法包括统计方法,计算智能和传统意义的AI。目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。
- 概论
- 发展史
- 研究课题
- 强人工智能和弱人工智能
- 研究方法
- 实际应用
- 学科范畴
- 应用领域
概论
- 人工智能的定义可以分为两部分,即“人工”和“智能”。
- “人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总括来说,“人工系统”就是通常意义下的人工系统。
- 关于什么是“智能”,这涉及到其它诸如意识(consciousness)、自我(self)、心灵(mind),包括无意识的精神(unconscious mind)等等问题。人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能必要元素的了解也很有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
- 人工智能目前在计算机领域内,得到了愈加广泛的发挥。并在机器人、经济政治决策、控制系统、仿真系统中得到应用。
发展史
研究课题
目前人工智能的研究方向已经被分成几个子领域,研究人员希望一个人工智能系统应该具有某些特定能力,以下将这些能力列出并说明。
- 演绎、推理和解决问题
- 知识表示法 (主条目:知识表示和常识知识库)
- 规划
- 学习 (主条目:机器学习)
- 自然语言处理 (主条目:自然语言处理)
- 运动和控制 (主条目:机器人学)
- 知觉 (主条目:机器感知、计算机视觉和语音识别)
- 社交 (主条目:情感计算)
- 创造力 (主条目:计算机创造力)
- 伦理管理
- 经济冲击
强人工智能和弱人工智能
- 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(解决问题)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:
1.类人的人工智能,即机器的思考和推理就像人的思维一样。
2.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。 - 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。
弱人工智能是对比强人工智能才出现的,因为人工智能的研究一度处于停滞不前的状态下,直到类神经网络有了强大的运算能力加以模拟后,才开始改变并大幅超前。
研究方法
- 控制论与大脑模拟 (主条目:控制论和计算神经科学)
- 符号处理 (主条目:GOFAI,即出色的老式人工智能)
- 子符号方法
- 统计学方法
- 集成方法
实际应用
机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划等。
学科范畴
人工智能是一门边缘学科,属于自然科学和社会科学的交叉。
涉及学科:
- 物理学
- 哲学和认知科学
- 逻辑学
- 数学
- 心理学
- 计算机科学
- 控制论
- 决定论
- 不确定性原理
- 社会学
- 犯罪学
- 智能犯罪
研究范畴
- 自然语言处理(NLP; Natural Language Processing)
- 知识表现(Knowledge Representation)
- 智能搜索(Intelligent Search)
- 推理
- 规划(Planning)
- 机器学习(Machine Learning)
- 增强式学习(Reinforcement Learning)
- 知识获取
- 感知问题
- 模式识别
- 逻辑程序设计
- 软计算(Soft Computing)
- 不精确和不确定的管理
- 人工生命(Artificial Life)
- 人工神经网络(Artificial Neural Network)
- 复杂系统
- 遗传算法
- 数据挖掘(Data Mining)
- 模糊控制
应用领域
- 智能控制
- 机器人学
- 自动化技术
- 语言和图像理解
- 遗传编程
- 法学信息系统
- 下棋