【经典的人工智能成果】
人机对弈
1996年2月10~17日, Garry Kasparov以4:2战胜“深蓝” (Deep Blue)。
1997年5月3~11日, Garry Kasparov以3.5:2.5输于改进后的“深蓝” 。
2003年2月Garry Kasparov 3:3战平 “小深”(Deep Junior)。
2003年11月Garry Kasparov 2:2战平 “X3D德国人” (X3D-Fritz )。
模式识别
指纹识别
人脸识别
语音识别
文字识别
图像识别
车牌识别
知识工程
以知识本身为处理对象,研究如何运用人工智能和软件技术,设计、构造和维护知识系统
专家系统
智能搜索引擎
计算机视觉和图像处理
机器翻译和自然语言理解
数据挖掘和知识发现
人工智能(Artificial Intelligence或简称AI)有时也称作机器智能,是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通计算机实现的智能。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。
http://upload.wikimedia.org/wikipedia/commons/1/17/ArtificialFictionBrain.png
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。
[编辑] 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,专家系统等。
[编辑] 学科范畴
人工智能是一门边沿学科,属于自然科学和社会科学的交叉。
[编辑] 涉及学科
哲学和认知科学
数学
心理学
计算机科学
控制论
决定论
不确定性原理
[编辑] 研究范畴
自然语言处理
知识表现
智能搜索
推理
规划
机器学习
知识获取
感知问题
模式识别
逻辑程序设计
软计算
不精确和不确定的管理
人工生命
人工神经网络
复杂系统
遗传算法
资料挖掘
模糊控制
[编辑] 应用领域
智能控制
机器人学
语言和图像理解
遗传编程
法学资讯系统
人工智能的发展方向,是力求使智能系统会分析,自适应并做出自己的决策。
应用:在工业上应用于某些计算系统和传感系统中。例如神经系统:有三台机子共同承担某项工作,当有一台坏了,另外的两台自动分担坏掉的这台机子的任务。传感器探测方面:探测范围发生了变化,传感器会自动适应等等。
现状:目前还只能做到通过简单的学习,系统会自动记住并适应,也能做简单的分析。现在我国可以人工芯片植入控制鸽子行为。它国有人凭意念控制电脑操作。
好像现在研究的方向是感觉和反射吧。职能的本质我想归根结底要靠近哲学和伦理学范畴,也就是又要讨论一个老问题,我们为什么成为人,我们从哪里来到哪里去。技术角度来讲,将来的模糊学概念出现在电脑软件设计中应该会有自主意识的机器人产生,但那时还是不是可控?我们允许不允许自主意识的机器人存在?《全民公敌》上威尔,史密斯的态度也是我的态度。不能理解也不愿意接受有那样的机器人存在。
人工智能是近年来引起人们很大兴趣的一个领域:它的研究目标是用机器,通常为电子仪器、电脑等,尽可能地模拟人的精神活动,并且争取在这些方面最终改善并超出人的能力;其研究领域及应用范围十分广泛、例如,自动定理证明、推理、模式识别、专家知识系统、智能机器人、学习、博彩、自然语言理解等等。 模式识别可能是人工智能这门学科中最基本也是最重要的一部分。简单来说,模式识别就是让电脑能够认识它周围的事物,使我们与电脑的交流更加自然与方便。它包括文字识别(读)、语音识别(听)、语音合成(说)、自然语言理解与电脑图形识别。现在的电脑可以说是又耸又哑,而且还是个瞎子,如果模式识别技术能够得到充分发展并应用于电脑,那我们就能够很自然地与电脑进行交流,开也不需要记那些英文的命令就可以立接向电脑下命令。这也为智能机器人的研究提供了必要条件,它能使机器人能够像人一样与外面的世界进行交流。 在人工智能的应用当中最有趣的应该就是机器人了其实机器人的范围很广,不仅包括各种外型的智能机器人,还包括一些用于工业生产的、用于代替人类劳动的机器人、现在的机器人技术在制造只有某一种功能的机器人方面已经取得了一定的成果、但是要研制一种多功能、人性化的智能机器人,还需要不少时间。到了那时,我们在科幻片中看到的人类与机器人的矛盾不知会不会成为现实。 专家系统具有一定的商业特性、它先把某一种行业(譬如医学、法律等等)的主要知识都输入到电脑的系统知识库里,再由设计者根据这些知识之间的特有关系和职业人员的经验,设计出一个系统,这个系统不仅能够为使用者提供这个行业知识的查询、建议等服务,更重要的是作为一个人工智能系统、必须具有自动推理、学习的能力。专家系统经常应用于各种商业用途,例如企业内部的客户息系统,决策支持系统,以及我们在世面上可以看见的医学顾问、法津顾问等软件。 除此之外,在我们生活中的许多地方都能找到人工智能的影子。例如许多家用电器里都有智能芯片,汽车、飞机的夺航系统,电动游或里的人工专能程序,以及某些特制的能够帮助人的电子产品。
Hadoop|
Apache Pig|
Apache Kafka|
Apache Storm|
Impala|
Zookeeper|
SAS|
TensorFlow|
人工智能基础|
Apache Kylin|
Openstack|
Flink|
MapReduce|
大数据|
云计算|
用户登录
还没有账号?立即注册
用户注册
投稿取消
文章分类: |
|
还能输入300字
上传中....