im錢包官方下載安裝|ai是什么意思?

作者: im錢包官方下載安裝
2024-03-07 16:58:24

AI是什么？它與人工智能的區(qū)別是什么？AI是如何工作的？ - 知乎

AI是什么？它與人工智能的區(qū)別是什么？AI是如何工作的？ - 知乎首發(fā)于AI探索切換模式寫文章登錄/注冊AI是什么？它與人工智能的區(qū)別是什么？AI是如何工作的？ABSilence人性，智慧，挑戰(zhàn)，改善前言隨著科技的發(fā)展，人工智能（Artificial Intelligence，簡稱AI）已經逐漸成為了我們生活中的常態(tài)。無論是在工作、娛樂、甚至是日常生活中，我們都能感受到AI帶來的便利和改變。然而，對于很多人來說，AI還是一個比較抽象的概念，不清楚它是如何工作的，也不知道它與人工智能的區(qū)別是什么。因此，希望能通過本文，讓大家對AI有一個基本的了解。AI是什么？人工智能（AI）是一種模擬人類智能思維的技術，它可以實現(xiàn)人類的認知和思維活動。通過這種技術，計算機可以模擬人類的思維方式和智能，從而可以完成許多復雜的任務，如圖像識別、語音識別、自然語言處理、決策制定等。AI技術包括許多不同的領域和技術，例如機器學習、深度學習、自然語言處理、計算機視覺等，這些技術都是為了實現(xiàn)人工智能而發(fā)展起來的。人工智能技術在現(xiàn)代社會中的應用已經變得越來越廣泛，如在醫(yī)療領域，可以使用AI技術進行醫(yī)學影像分析、診斷、預測等；在金融領域，可以利用AI技術進行風險管理、欺詐檢測、信用評估等；在制造業(yè)中，可以使用AI技術進行智能制造和智能化管理。此外，還有其他很多領域也在應用AI技術，例如自動駕駛、智能家居、游戲開發(fā)、教育等。總之，人工智能技術的發(fā)展已經成為了推動社會進步的重要力量，未來AI技術的應用將會更加廣泛。AI與人工智能的區(qū)別是什么？雖然AI和人工制造的實體，如機器人等，都可以看作是人工智能的一種，但是AI和人工智能之間確實有一些區(qū)別。AI通常是指通過計算機程序來模擬人類智能，使得計算機能夠像人類一樣處理、理解和學習信息。AI技術的實現(xiàn)方式主要是通過利用機器學習、深度學習、自然語言處理等算法，使得計算機能夠處理大量數據，從而實現(xiàn)對信息的理解、分類、識別等操作。而人工智能則是指通過人工制造出具有人類智能的實體，例如機器人等。與AI不同的是，人工智能的實體需要具有物理形態(tài)，能夠在現(xiàn)實世界中進行操作和交互。與AI相比，人工智能的發(fā)展涉及到多個學科，包括機械工程、電子工程、材料科學等?？梢哉f，AI是人工智能的一種實現(xiàn)方式，它是通過計算機程序來模擬人類智能。而人工智能則更加注重實體的制造和控制，在現(xiàn)實世界中扮演著更加具體的角色。AI是如何工作的？AI的工作方式可以概括為三個部分：輸入、處理和輸出。1、輸入AI系統(tǒng)通過傳感器、麥克風等設備獲取外界信息，例如圖像、聲音、文本等。這些輸入數據是AI系統(tǒng)進行后續(xù)分析和處理的基礎。2、處理AI系統(tǒng)使用各種算法和模型對輸入數據進行分析和處理，以提取有用的信息和特征。這些算法和模型包括神經網絡、深度學習、機器學習、統(tǒng)計學習等。這些技術可以讓AI系統(tǒng)自動地學習和改進，從而實現(xiàn)更準確和有效的分析和預測。3、輸出AI系統(tǒng)通過各種方式將處理后的結果輸出，例如文本、圖像、語音、動作等。這些輸出結果可能會通過屏幕、揚聲器、機器人等物理設備進行展示，也可能會以數據的形式傳輸到其他系統(tǒng)中進行后續(xù)處理和分析。需要注意的是，AI系統(tǒng)的輸入、處理和輸出不是一次性的，而是一個循環(huán)迭代的過程。系統(tǒng)通過不斷地接收輸入數據，分析和處理數據，并輸出結果，實現(xiàn)自我學習和改進，從而更好地適應復雜多變的現(xiàn)實世界?？偟膩碚f，AI的工作方式類似于人類的思維過程，也是通過輸入信息，對信息進行分析和處理，然后輸出結果。但與人類不同的是，AI系統(tǒng)可以在極短的時間內處理大量數據，并從中提取有用的信息，從而實現(xiàn)更準確和有效的分析和預測。AI的應用領域AI技術的應用領域非常廣泛，下面我們將介紹幾個主要的應用領域。1、醫(yī)療保健AI技術在醫(yī)療保健領域的應用越來越廣泛，其中包括醫(yī)學圖像分析、疾病診斷、藥物研發(fā)等方面。例如，AI技術可以幫助醫(yī)生在大量的醫(yī)學圖像數據中快速準確地檢測出疾病，還可以根據患者的癥狀、體征等數據進行診斷，從而提高疾病的診斷準確性和效率。2、金融在金融領域，AI技術可以幫助金融機構進行風險管理、投資決策、反欺詐等方面。例如，銀行可以利用AI技術對客戶的信用記錄進行分析，從而進行信用評估和風險控制；保險公司可以利用AI技術對保險索賠進行自動處理，提高理賠的效率和準確性。3、制造業(yè)在制造業(yè)領域，AI技術可以幫助企業(yè)提高生產效率和質量，減少生產成本和人力成本。例如，利用AI技術可以實現(xiàn)工廠設備的自動化控制和故障預測，從而提高設備的穩(wěn)定性和生產效率；還可以利用AI技術對生產過程進行優(yōu)化和調整，提高產品的質量和生產效率。4、教育在教育領域，AI技術可以幫助教師進行學生的學習評估、知識傳授和學習指導。例如，利用AI技術可以對學生的學習數據進行分析，從而得出學生的學習情況和弱點，為教師提供個性化的學習指導和輔導；還可以利用AI技術實現(xiàn)在線教育，提高教育資源的普及率和可及性。5、在娛樂領域中，AI技術也有著廣泛的應用。以下是一些常見的例子：（1）游戲：AI可以用來控制游戲中的虛擬角色，讓游戲更具挑戰(zhàn)性和互動性。例如，在一些大型游戲中，AI可以控制虛擬角色的行為，使游戲更加逼真，玩家可以與虛擬角色進行互動。（2）音樂和藝術：AI可以用來創(chuàng)建音樂和藝術品。例如，AI可以學習和分析各種音樂樣本，然后生成新的音樂作品。此外，AI還可以通過對藝術家的作品進行學習，生成新的藝術品。（3）博彩游戲：AI可以用來提高博彩游戲的公正性和安全性。例如，AI可以通過對賭局的歷史記錄進行分析，來檢測作弊行為。（4）虛擬現(xiàn)實：AI可以用來提高虛擬現(xiàn)實體驗的逼真程度。例如，AI可以用來模擬自然環(huán)境中的各種物理現(xiàn)象，使虛擬世界更加真實。（5）電影和視頻：AI可以用來創(chuàng)建特效和動畫。例如，AI可以模擬物體的運動和行為，來創(chuàng)造更加逼真的特效?？偟膩碚f，AI技術在醫(yī)療、金融、制造、教育、娛樂等領域都有著廣泛的應用，并且隨著技術的不斷發(fā)展和創(chuàng)新，AI技術的應用領域還會不斷擴展和深化。AI的問題與挑戰(zhàn)盡管AI技術已經取得了巨大的進展，但它也面臨著一些問題和挑戰(zhàn)。以下是一些主要的問題和挑戰(zhàn)：1、數據隱私AI需要大量的數據來訓練模型和算法，但這些數據可能包含敏感信息，例如個人身份信息、病歷記錄等。如果這些數據被不當使用或泄露，可能會對個人隱私造成威脅。2、算法不透明AI模型和算法的復雜性使得它們的決策過程很難理解和解釋。這可能會導致算法不透明，讓人們難以理解AI系統(tǒng)的行為和決策，從而限制了人們對其進行監(jiān)管和控制的能力。3、責任和法律問題隨著AI技術的應用范圍越來越廣泛，涉及到的責任和法律問題也越來越復雜。例如，當AI系統(tǒng)出現(xiàn)錯誤或偏差時，誰來承擔責任？如何界定AI系統(tǒng)的法律地位？4、不平等和歧視由于訓練數據的偏差和算法的局限性，AI系統(tǒng)可能會對某些群體產生不平等和歧視。例如，在招聘、貸款等方面，AI系統(tǒng)可能會偏向某些群體或忽略某些重要的因素。5、安全和濫用問題隨著AI技術的發(fā)展，惡意使用AI系統(tǒng)的可能性也在增加。例如，攻擊者可能會利用AI系統(tǒng)進行網絡攻擊、欺詐等。此外，AI系統(tǒng)也可能被濫用，例如制作虛假視頻、音頻等?？傊?，AI技術的發(fā)展不僅帶來了許多機遇，也面臨著一些重大的問題和挑戰(zhàn)。解決這些問題需要跨學科的合作和全球性的努力。結語AI技術的發(fā)展已經深入到了我們的日常生活中。在未來，AI將會在更多的領域得到應用，同時也會帶來更多的問題和挑戰(zhàn)。因此，我們需要更加深入地了解AI技術的本質，掌握其優(yōu)缺點，充分認識到其帶來的影響和潛在風險。只有在深入了解AI技術的同時，我們才能更好地應對未來面臨的挑戰(zhàn)，充分發(fā)揮AI技術在推動社會進步、改善人類生活質量等方面的積極作用。在后續(xù)的文章中，我們將會進一步探討這些問題，以及AI在不同領域的應用。編輯于 2023-03-10 10:30?IP 屬地美國人工智能AI?贊同 10??4 條評論?分享?喜歡?收藏?申請轉載?文章被以下專欄收錄AI探索探索AI技術的基礎知識、應用場景、技術

什么是人工智能？— 人工智能（AI）詳解 — AWS

跳至主要內容

單擊此處以返回 Amazon Web Services 主頁

聯(lián)系我們

支持?

中文（簡體）?

我的賬戶?

登錄

創(chuàng)建 AWS 賬戶

re:Invent

產品

解決方案

定價

文檔

了解

合作伙伴網絡

AWS Marketplace

客戶支持

活動

探索更多信息

關閉

????

Bahasa Indonesia

Deutsch

English

Espa?ol

Fran?ais

Italiano

Português

Ti?ng Vi?t

Türk?e

Ρусский

???

日本語

???

中文 (簡體)

中文 (繁體)

關閉

我的配置文件

注銷 AWS Builder ID

AWS 管理控制臺

賬戶設置

賬單與成本管理

安全證書

AWS Personal Health Dashboard

關閉

支持中心

專家?guī)椭?/p>

知識中心

AWS Support 概述

AWS re:Post

單擊此處以返回 Amazon Web Services 主頁

免費試用

聯(lián)系我們

re:Invent

產品

解決方案

定價

AWS 簡介

入門

文檔

培訓和認證

開發(fā)人員中心

客戶成功案例

合作伙伴網絡

AWS Marketplace

支持

AWS re:Post

登錄控制臺

下載移動應用

什么是云計算？

云計算概念中心

Machine Learning

機器學習和人工智能（AI）

什么是人工智能 (AI)？

創(chuàng)建 AWS 賬戶

了解機器學習免費服務

在云中免費構建、部署和運行機器學習應用程序

查看機器學習服務

使用最全面的 AI 和 ML 服務集更快地創(chuàng)新

瀏覽機器學習培訓

利用 AWS 專家編寫的內容開始機器學習培訓

閱讀機器學習博客

閱讀關于 AWS 機器學習產品的最新新聞和最佳實踐

什么是人工智能？

人工智能技術是如何發(fā)展的？

人工智能有什么好處？

人工智能的實際應用有哪些？

關鍵的人工智能技術有哪些？

人工智能實施面臨哪些挑戰(zhàn)？

AI 應用架構的關鍵組成部分是什么？

AWS 如何支持您的人工智能需求？

什么是人工智能？

人工智能（AI）是致力于解決通常與人類智能相關聯(lián)的認知性問題的計算機科學領域，這些問題包括學習、創(chuàng)造和圖像識別等。現(xiàn)代組織從各種來源收集大量數據，例如智能傳感器、人工生成的內容、監(jiān)控工具和系統(tǒng)日志。人工智能的目標是創(chuàng)建從數據中獲取意義的自我學習系統(tǒng)。然后，人工智能可以應用這些知識以類似人類的方式解決新問題。例如，人工智能技術可以對人類對話做出有意義的響應，創(chuàng)建原始圖像和文本，并根據實時數據輸入做出決策。您的組織可以在您的應用程序中集成 AI 功能，以優(yōu)化業(yè)務流程、改善客戶體驗并加快創(chuàng)新。

人工智能技術是如何發(fā)展的？

在 Alan Turing 1950 年的開創(chuàng)性論文《計算機械和智能》中，他考慮了機器是否會思考。在本文中，Turing 首先創(chuàng)造了人工智能一詞，并將其作為一種理論和哲學概念提出。?

在 1957 年至 1974 年之間，計算機的發(fā)展使計算機能夠存儲更多數據并更快地進行處理。在此期間，科學家們進一步開發(fā)了機器學習 (ML) 算法。該領域的進展促使國防高級研究計劃局（DARPA）等機構設立了人工智能研究基金。起初，這項研究的主要目標是發(fā)現(xiàn)計算機是否可以轉錄和翻譯口語。

在整個 20 世紀 80 年代，可用資金的增加和科學家在人工智能開發(fā)中使用的不斷擴展的算法工具包簡化了開發(fā)。David Rumelhart 和 John Hopfield 發(fā)表了關于深度學習技術的論文，這些論文表明計算機可以從經驗中學習。?

從 1990 年到 21 世紀初，科學家們實現(xiàn)了人工智能的許多核心目標，比如擊敗衛(wèi)冕世界象棋冠軍。與前幾十年相比，現(xiàn)代時代的計算數據和處理能力更強，人工智能研究現(xiàn)在變得更加普遍，更容易獲得。它正在迅速演變?yōu)槿斯ねㄓ弥悄埽虼塑浖梢詧?zhí)行復雜的任務。軟件可以自己創(chuàng)造、決策和學習，這些任務以前只限于人類。

人工智能有什么好處？

人工智能有可能為各種行業(yè)帶來一系列好處。

解決復雜的問題

AI 技術可以使用 ML 和深度學習網絡，以類似人類的智能解決復雜問題。AI 可以大規(guī)模擴展來處理信息——遇到模式、識別信息并提供答案。您可以使用 AI 來解決一系列領域的問題，例如欺詐檢測、醫(yī)療診斷和業(yè)務分析。

提高業(yè)務效率

與人類不同，人工智能技術可以在不降低性能的情況下全天候工作。換句話說，AI 可以毫無錯誤地執(zhí)行手動任務。您可以讓 AI 專注于重復、繁瑣的任務，這樣您就可以在業(yè)務的其他領域使用人力資源。AI 可以減少員工的工作負載，同時簡化所有與業(yè)務相關的任務。?

更明智的決策

相比之下，人工智能可以比任何人更快地使用 ML 來分析大量數據。AI 平臺可以發(fā)現(xiàn)趨勢、分析數據并提供指導。通過數據預測，人工智能可以幫助建議未來的最佳行動方案。

實現(xiàn)業(yè)務流程自動化

您可以使用 ML 訓練 AI，使其精確、快速地執(zhí)行任務。這可以通過自動化員工感到吃力或厭煩的業(yè)務部分來提高運營效率。同樣，您可以使用 AI 自動化來騰出員工資源，用于更復雜和更具創(chuàng)造性的工作。?

人工智能的實際應用有哪些？

人工智能的應用范圍很廣。雖然不是詳盡無遺的清單，但以下是一些突出人工智能不同用例的示例。

智能文檔處理

智能文檔處理（IDP）可將非結構化文檔格式轉換為可用數據。例如，它將電子郵件、圖像和 PDF 等業(yè)務文檔轉換為結構化信息。IDP 使用自然語言處理（NLP）、深度學習和計算機視覺等人工智能技術來提取、分類和驗證數據。?

例如，英國土地注冊局 (HMLR) 處理超過 87% 的英格蘭和威爾士的財產所有權。HMLR 社會工作者比較和審查復雜的法律文件有關的財產交易。該組織部署了一個人工智能應用程序來自動進行文檔比較，從而將審查時間減少了 50%，并增強了財產轉讓審批流程。更多信息，請閱讀 HMLR 如何使用 Amazon Textract。

應用程序性能監(jiān)控

應用程序性能監(jiān)控（APM）是使用軟件工具和遙測數據來監(jiān)控關鍵業(yè)務應用程序性能的過程?；?AI 的 APM 工具使用歷史數據在問題發(fā)生之前對其進行預測。他們還可以通過向您的開發(fā)人員推薦有效的解決方案來實時解決問題。這種策略可以保持應用程序的有效運行并解決瓶頸。

例如，Atlassian 生產的產品旨在簡化團隊合作和組織。Atlassian 使用 AI APM 工具來持續(xù)監(jiān)控應用程序、檢測潛在問題并確定嚴重性優(yōu)先級。借助此功能，團隊可以快速響應基于機器學習的建議并解決績效下降的問題。?

閱讀有關 APM 的信息 ?

預測性維護

人工智能增強型預測性維護是使用大量數據來識別可能導致運營、系統(tǒng)或服務停機的問題的過程。預測性維護使企業(yè)能夠在潛在問題發(fā)生之前將其解決，從而減少停機時間并防止中斷。

例如，Baxter 在全球擁有 70 個生產基地，可全天候運營以提供醫(yī)療技術。Baxter 采用預測性維護來自動檢測工業(yè)設備中的異常情況。用戶可以提前實施有效的解決方案，以減少停機時間并提高運營效率。要了解更多信息，請閱讀 Baxter 如何使用 Amazon Monitron。

醫(yī)學研究

醫(yī)學研究使用 AI 來簡化流程、自動執(zhí)行重復任務并處理大量數據。您可以在醫(yī)學研究中使用人工智能技術來促進端到端的藥物發(fā)現(xiàn)和開發(fā)，轉錄病歷，并縮短新產品的上市時間。

舉一個現(xiàn)實世界的例子，C2i Genomics 使用人工智能來運行大規(guī)模擴展、可定制的基因組管道和臨床檢查。通過涵蓋計算解決方案，研究人員可以專注于臨床表現(xiàn)和方法開發(fā)。工程團隊還使用 AI 來減少資源需求、工程維護和 NRE 成本。有關更多詳細信息，請閱讀 C2i Genomics 如何使用 AWS HealthOmics。

業(yè)務分析

業(yè)務分析使用 AI 來收集、處理和分析復雜的數據集。您可以使用 AI 分析來預測未來價值，了解數據的根本原因，并減少耗時的流程。?

例如，富士康使用人工智能增強的業(yè)務分析來提高預測準確性。他們的預測準確性提高了 8％，從而使工廠每年節(jié)省 53.3 萬美元。他們還使用業(yè)務分析來減少勞動力浪費，并通過數據驅動的決策提高客戶滿意度。

關鍵的人工智能技術有哪些？

深度學習神經網絡構成了人工智能技術的核心。神經網絡反映了人腦中發(fā)生的過程。大腦包含數百萬個神經元，這些神經元協(xié)同工作以處理和分析信息。深度學習神經網絡使用人工神經元共同處理信息。每個人造神經元或節(jié)點都使用數學計算來處理信息并解決復雜的問題。這種深度學習方法可以解決問題或自動執(zhí)行通常需要人工智能的任務。

您可以通過以不同的方式訓練深度學習神經網絡來開發(fā)不同的 AI 技術。接下來我們將介紹一些基于神經網絡的關鍵技術。

閱讀有關深度學習的信息 ?

閱讀有關神經網絡的信息 ?

自然語言處理

NLP 使用深度學習算法來解釋、理解和收集文本數據的含義。NLP 可以處理人類創(chuàng)建的文本，這使得它對于總結文檔、自動化聊天機器人和進行情感分析非常有用。?

閱讀有關 NLP 的信息 ?

計算機視覺

計算機視覺使用深度學習技術從視頻和圖像中提取信息和見解。使用計算機視覺，計算機可以像人類一樣理解圖像。您可以使用計算機視覺來監(jiān)控在線內容中是否有不恰當的圖像、識別人臉和對圖像細節(jié)進行分類。在自動駕駛汽車和卡車中，監(jiān)控環(huán)境并在瞬間做出決定至關重要。

閱讀有關計算機視覺的內容 ?

生成式人工智能

生成式人工智能是指人工智能系統(tǒng)，它可以從簡單的文本提示中創(chuàng)建新的內容和構件，如圖像、視頻、文本和音頻。與過去局限于分析數據的人工智能不同，生成式人工智能利用深度學習和海量數據集來產生高質量、類似人類的創(chuàng)造性輸出。在實現(xiàn)激動人心的創(chuàng)造性應用的同時，也存在著對偏見、有害內容和知識產權的擔憂?？偟膩碚f，生成式人工智能代表了人工智能性能的一次重大進化，以類似人類的方式生成新的內容和構件。

閱讀有關生成式人工智能的信息 ?

語音識別

語音識別軟件使用深度學習模型來解釋人類語音、識別單詞和檢測含義。神經網絡可以將語音轉錄為文本，并指示聲音情感。您可以在虛擬助手和呼叫中心軟件等技術中使用語音識別來識別含義并執(zhí)行相關任務。

閱讀有關語音轉文字的信息 ?

人工智能實施面臨哪些挑戰(zhàn)？

人工智能面臨許多挑戰(zhàn)，使實施變得更加困難。以下障礙是 AI 實現(xiàn)和使用中最常見的一些挑戰(zhàn)。

數據治理

數據治理政策必須遵守監(jiān)管限制和隱私法。要實施 AI，您必須管理數據質量、隱私和安全。您對客戶數據和隱私保護負責。為了管理數據安全，您的組織應該清楚地了解 AI 模型如何使用每層客戶數據并與之交互。

技術難題

使用機器學習訓練 AI 會消耗大量資源。高處理能力門檻對于深度學習技術發(fā)揮作用至關重要。您必須擁有強大的計算基礎架構才能運行 AI 應用程序和訓練模型。處理能力可能很昂貴，并且會限制人工智能系統(tǒng)的可擴展性。

數據限制

為了訓練無偏見的人工智能系統(tǒng)，您需要輸入海量數據。您必須有足夠的存儲容量來處理和處理訓練數據。同樣，您必須制定有效的管理和數據質量流程，以確保用于訓練的數據的準確性。

AI 應用架構的關鍵組成部分是什么？

人工智能架構由四個核心層組成。這些層中的每一層都使用不同的技術來執(zhí)行特定的角色。接下來是對每一層的解釋。

第 1 層：數據層

人工智能建立在各種技術之上，例如機器學習、自然語言處理和圖像識別。這些技術的核心是數據，它構成了人工智能的基礎層。該層主要側重于為 AI 應用程序準備數據。現(xiàn)代算法，尤其是深度學習算法，需要大量的計算資源。因此，該層包括充當子層的硬件，它為訓練 AI 模型提供了必要的基礎架構。您可以將此層作為第三方云提供商提供的完全托管的服務進行訪問。

閱讀有關機器學習的信息 ?

第 2 層：機器學習框架和算法層

機器學習框架由工程師與數據科學家合作創(chuàng)建，以滿足特定業(yè)務用例的要求。然后，開發(fā)人員可以使用預先構建的函數和類來輕松構造和訓練模型。這些框架的示例包括 TensorFlow、PyTorch 和 scikit-learn。這些框架是應用程序架構的重要組成部分，提供了輕松構建和訓練 AI 模型的基本功能。

第 3 層：模型層

在模型層，應用程序開發(fā)人員實現(xiàn)人工智能模型，并使用前一層的數據和算法對其進行訓練。這一層對人工智能系統(tǒng)的決策能力至關重要。

以下是該層的一些關鍵組件。

模型結構

這種結構決定了模型的容量，包括層、神經元和激活函數。根據問題和資源，可以選擇前饋神經網絡、卷積神經網絡 (CNN) 或其他網絡。

模型參數和函數

訓練期間的學習值，如神經網絡權重和偏差，對預測至關重要。損失函數評估模型的性能，旨在最小化預測輸出和真實輸出之間的差異。

優(yōu)化器

該組件調整模型參數以減少損失函數。梯度下降和自適應梯度算法 (AdaGrad) 等各種優(yōu)化器有不同的用途。

第 4 層：應用層

第四層是應用層，它是 AI 架構中面向客戶的部分。您可以讓 AI 系統(tǒng)完成某些任務、生成信息、提供信息或做出數據驅動的決策。應用層允許最終用戶與 AI 系統(tǒng)進行交互。

AWS 如何支持您的人工智能需求？

Amazon Web Services (AWS) 提供最全面的服務、工具和資源，以滿足您的 AI 技術需求。AWS 讓各種規(guī)模的組織都能使用 AI，因此任何人都可以構建創(chuàng)新的新技術，而不必擔心基礎架構資源。

AWS 機器學習和人工智能提供數百種服務，用于為各種類型的用例構建和擴展 AI 應用程序。以下是您可以使用的服務示例：

Amazon CodeGuru 安全防御工具用于檢測、監(jiān)控和修復代碼安全漏洞

Amazon Fraud Detector 檢測在線欺詐并增強檢測模型

Amazon Monitron 使基礎架構問題防患于未然。

Amazon Rekogniton 自動化、簡化和擴展圖像識別和視頻分析

Amazon Textract 可從任何文檔中提取打印文本、分析手寫內容并自動捕獲數據

Amazon Transcribe 將語音轉換為文本，從視頻文件中提取關鍵業(yè)務見解，并提高業(yè)務成效

?立即創(chuàng)建賬戶，開始使用 AWS 上的人工智能。

使用 AWS 的后續(xù)步驟

查看其他與產品相關的資源

了解有關機器學習服務的更多信息?

注冊免費賬戶

立即享受 AWS 免費套餐。

注冊?

開始在控制臺中構建

在 AWS 管理控制臺中開始構建。

登錄?

登錄控制臺

了解有關 AWS 的信息

什么是 AWS？

什么是云計算？

AWS 包容性、多樣性和公平性

什么是 DevOps？

什么是容器？

什么是數據湖？

AWS 云安全性

人工智能（智能科學與技術專業(yè)術語）_百度百科

（智能科學與技術專業(yè)術語）_百度百科網頁新聞貼吧知道網盤圖片視頻地圖文庫資訊采購百科百度首頁登錄注冊進入詞條全站搜索幫助首頁秒懂百科特色百科知識專題加入百科百科團隊權威合作下載百科APP個人中心人工智能是一個多義詞，請在下列義項上選擇瀏覽（共38個義項）展開添加義項人工智能播報討論上傳視頻智能科學與技術專業(yè)術語收藏查看我的收藏0有用+10本詞條由“科普中國”科學百科詞條編寫與應用工作項目審核。人工智能（Artificial Intelligence），英文縮寫為AI。 [24]是新一輪科技革命和產業(yè)變革的重要驅動力量， [26]是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能是智能學科重要的組成部分，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能是十分廣泛的科學，包括機器人、語言識別、圖像識別、自然語言處理、專家系統(tǒng)、機器學習，計算機視覺等。 [1]人工智能大模型帶來的治理挑戰(zhàn)也不容忽視。 [44]馬斯克指出，在人工智能機器學習面具之下的本質仍然是統(tǒng)計。 [38]營造良好創(chuàng)新生態(tài)，需做好前瞻研究，建立健全保障人工智能健康發(fā)展的法律法規(guī)、制度體系、倫理道德。 [44]著眼未來，在重視防范風險的同時，也應同步建立容錯、糾錯機制，努力實現(xiàn)規(guī)范與發(fā)展的動態(tài)平衡。 [44]最新新聞如何在規(guī)范中發(fā)展人工智能技術？2024-03-04 11:59近日，文生視頻模型Sora的推出引起廣泛關注。人工智能技術快速發(fā)展，其潛在的風險也隨之出現(xiàn)，真假的界限似乎變得更加模糊?，F(xiàn)在的AI讓詐騙手段越發(fā)高明，但同樣人工智能技術也可以成為檢測手段，兩股力量的博弈如何實現(xiàn)？...詳情內容來自央視新聞中文名人工智能外文名Artificial Intelligence所屬學科計算機智能學科簡????稱AI提出時間1956年提出地點DARTMOUTH學會目錄1定義詳解2研究價值3發(fā)展階段4科學介紹5技術研究?研究方法?智能模擬?學科范疇?涉及學科?研究范疇?安全問題?實現(xiàn)方法?與人類差距6專業(yè)機構?美國?中國7主要成果?人機對弈?模式識別?自動工程?知識工程8相關著作9發(fā)展簡史?計算機時代?競賽?大量程序?日常生活?強弱對比?政策措施10研究課題?解決問題?知識表示法?規(guī)劃?學習?自然語言處理?運動和控制?知覺?社交?創(chuàng)造力?多元智能?人工智能影響?應用領域11流行語12發(fā)展現(xiàn)狀13發(fā)展方向14倫理規(guī)范15應用成果16相關事件定義詳解播報編輯人工智能機器人關于什么是“智能”，涉及到諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND））等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是人工智能。人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統(tǒng)的智能也普遍被認為是人工智能相關的研究課題。尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學?！倍硪粋€美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規(guī)律，構造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。20世紀70年代以來，人工智能被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是21世紀三大尖端技術（基因工程、納米科學、人工智能）之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。人工智能是研究使用計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科?？梢哉f幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智能與思維科學的關系是實踐和理論的關系，人工智能是處于思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發(fā)展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等范圍發(fā)揮作用，數學進入人工智能學科，它們將互相促進而更快地發(fā)展。 [3]研究價值播報編輯具有人工智能的機器人例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的復雜任務”，可見復雜工作的定義是隨著時代的發(fā)展和技術的進步而變化的，人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更加困難的目標。通常，“機器學習”的數學基礎是“統(tǒng)計學”、“信息論”和“控制論”。還包括其他非數學學科。這類“機器學習”對“經驗”的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題并積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續(xù)型學習”。但人類除了會從經驗中學習之外，還會創(chuàng)造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機最難學會的就是“頓悟”。或者再嚴格一些來說，計算機在學習和“實踐”方面難以學會“不依賴于量變的質變”，很難從一種“質”直接到另一種“質”，或者從一個“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經驗和創(chuàng)造。這是智能化研究者夢寐以求的東西。2013年，帝金數據普數中心數據研究員S.C WANG開發(fā)了一種新的數據分析方法，該方法導出了研究函數性質的新方法。作者發(fā)現(xiàn)，新數據分析方法給計算機學會“創(chuàng)造”提供了一種方法。本質上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當有效的途徑。這種途徑是數學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創(chuàng)造。計算機學家們應該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。當回頭審視新方法的推演過程和數學的時候，作者拓展了對思維和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發(fā)展史上，處處閃耀著數學大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數學定理或結論的方式呈現(xiàn)出來，而數學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富信息的邏輯結構。應該說，數學是最單純、最直白地反映著（至少一類）創(chuàng)造力模式的學科。發(fā)展階段播報編輯1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，并首次提出了“人工智能”這一術語，它標志著“人工智能”這門新興學科的正式誕生。IBM公司“深藍”電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術的一個完美表現(xiàn)。從1956年正式提出人工智能學科算起，50多年來，取得長足的發(fā)展，成為一門廣泛的交叉和前沿科學?？偟恼f來，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什么是思考，更進一步講就是什么是智慧。什么樣的機器才是智慧的呢？科學家已經作出了汽車、火車、飛機和收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？我們也僅僅知道這個裝在我們天靈蓋里面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。當計算機出現(xiàn)后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數科學家為這個目標努力著。如今人工智能已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，如今計算機似乎已經變得十分聰明了。例如，1997年5月，IBM公司研制的深藍（DEEP BLUE）計算機戰(zhàn)勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬于人類的工作，計算機以它的高速和準確為人類發(fā)揮著它的作用。人工智能始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟件都因為有了人工智能的進展而得以存在。2017年12月，人工智能入選“2017年度中國媒體十大流行語”。 [2]2019年3月4日，十三屆全國人大二次會議舉行新聞發(fā)布會，大會發(fā)言人張業(yè)遂表示，已將與人工智能密切相關的立法項目列入立法規(guī)劃 [4]?！渡疃葘W習平臺發(fā)展報告(2022)》認為，伴隨技術、產業(yè)、政策等各方環(huán)境成熟，人工智能已經跨過技術理論積累和工具平臺構建的發(fā)力儲備期，開始步入以規(guī)模應用與價值釋放為目標的產業(yè)賦能黃金十年。 [13]2021年9月25日，為促進人工智能健康發(fā)展，《新一代人工智能倫理規(guī)范》發(fā)布。2023年4月，美國《科學時報》刊文介紹了正在深刻改變醫(yī)療保健領域的五大領先技術：可穿戴設備和應用程序、人工智能與機器學習、遠程醫(yī)療、機器人技術、3D打印。 [23]2024年3月，文生視頻模型Sora的推出引起廣泛關注。人工智能技術快速發(fā)展，其潛在的風險也隨之出現(xiàn)，真假的界限似乎變得更加模糊。 [45]科學介紹播報編輯實際應用機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，自動規(guī)劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。學科范疇人工智能是一門邊緣學科，屬于自然科學和社會科學的交叉。涉及學科哲學和認知科學，數學，神經生理學，心理學，計算機科學，信息論，控制論，不定性論研究范疇自然語言處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計軟計算，不精確和不確定的管理，人工生命，神經網絡，復雜系統(tǒng)，遺傳算法意識和人工智能人工智能就其本質而言，是對人的思維的信息過程的模擬。對于人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，制造出“類人腦”的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬?，F(xiàn)代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。弱人工智能如今不斷地迅猛發(fā)展，尤其是2008年經濟危機后，美日歐希望借機器人等實現(xiàn)再工業(yè)化，工業(yè)機器人以比以往任何時候更快的速度發(fā)展，更加帶動了弱人工智能和相關領域產業(yè)的不斷突破，很多必須用人來做的工作如今已經能用機器人實現(xiàn)。而強人工智能則暫時處于瓶頸，還需要科學家們和人類的努力。技術研究播報編輯用來研究人工智能的主要物質基礎以及能夠實現(xiàn)人工智能技術平臺的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學技術的發(fā)展史聯(lián)系在一起的。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫(yī)學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。研究方法如今沒有統(tǒng)一的原理或范式指導人工智能研究。許多問題上研究者都存在爭論。其中幾個長久以來仍沒有結論的問題是：是否應從心理或神經方面模擬人工智能?或者像鳥類生物學對于航空工程一樣，人類生物學對于人工智能研究是沒有關系的？智能行為能否用簡單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關的問題？智能是否可以使用高級符號表達，如詞和想法？還是需要“子符號”的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應歸類為SYNTHETIC INTELLIGENCE，這個概念后來被某些非GOFAI研究者采納。大腦模擬主條目：控制論和計算神經科學20世紀40年代到50年代，許多研究者探索神經病學，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網絡構造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。這些研究者還經常在普林斯頓大學和英國的RATIO CLUB舉行技術協(xié)會會議.直到1960，大部分人已經放棄這個方法，盡管在80年代再次提出這些原理。符號處理主條目：GOFAI當20世紀50年代，數字計算機研制成功，研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內基梅隆大學，斯坦福大學和麻省理工學院，而各自有獨立的研究風格。JOHN HAUGELAND稱這些方法為GOFAI(出色的老式人工智能)。[33] 60年代，符號方法在小型證明程序上模擬高級思考有很大的成就。基于控制論或神經網絡的方法則置于次要。[34] 60~70年代的研究者確信符號方法最終可以成功創(chuàng)造強人工智能的機器，同時這也是他們的目標。認知模擬經濟學家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A，如認知科學，運籌學和經營科學。他們的研究團隊使用心理學實驗的結果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內基梅隆大學沿襲下來，并在80年代于SOAR發(fā)展到高峰。基于邏輯不像艾倫·紐厄爾和赫伯特·西蒙，JOHN MCCARTHY認為機器不需要模擬人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的算法。他在斯坦福大學的實驗室致力于使用形式化邏輯解決多種問題，包括知識表示，智能規(guī)劃和機器學習. 致力于邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學.“反邏輯”斯坦福大學的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計算機視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識知識庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因為他們必須人工一次編寫一個復雜的概念?；谥R大約在1970年出現(xiàn)大容量內存計算機，研究者分別以三個方法開始把知識構造成應用軟件。這場“知識革命”促成專家系統(tǒng)的開發(fā)與計劃，這是第一個成功的人工智能軟件形式?！爸R革命”同時讓人們意識到許多簡單的人工智能軟件可能需要大量的知識。子符號法80年代符號人工智能停滯不前，很多人認為符號系統(tǒng)永遠不可能模仿人類所有的認知過程，特別是感知，機器人，機器學習和模式識別。很多研究者開始關注子符號方法解決特定的人工智能問題。自下而上，接口AGENT，嵌入環(huán)境（機器人），行為主義，新式AI機器人領域相關的研究者，如RODNEY BROOKS，否定符號人工智能而專注于機器人移動和求生等基本的工程問題。他們的工作再次關注早期控制論研究者的觀點，同時提出了在人工智能中使用控制理論。這與認知科學領域中的表征感知論點是一致的:更高的智能需要個體的表征(如移動，感知和形象)。計算智能80年代中DAVID RUMELHART 等再次提出神經網絡和聯(lián)結主義. 這和其他的子符號方法，如模糊控制和進化計算，都屬于計算智能學科研究范疇。統(tǒng)計學法90年代，人工智能研究發(fā)展出復雜的數學工具來解決特定的分支問題。這些工具是真正的科學方法，即這些方法的結果是可測量的和可驗證的，同時也是人工智能成功的原因。共用的數學語言也允許已有學科的合作（如數學，經濟或運籌學）。STUART J. RUSSELL和PETER NORVIG指出這些進步不亞于“革命”和“NEATS的成功”。有人批評這些技術太專注于特定的問題，而沒有考慮長遠的強人工智能目標。集成方法智能AGENT范式智能AGENT是一個會感知環(huán)境并作出行動以達致目標的系統(tǒng)。最簡單的智能AGENT是那些可以解決特定問題的程序。更復雜的AGENT包括人類和人類組織（如公司）。這些范式可以讓研究者研究單獨的問題和找出有用且可驗證的方案，而不需考慮單一的方法。一個解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法，一些則是子符號神經網絡或其他新的方法。范式同時也給研究者提供一個與其他領域溝通的共同語言--如決策論和經濟學（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結構和認知體系結構研究者設計出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個系統(tǒng)中包含符號和子符號部分的系統(tǒng)稱為混合智能系統(tǒng) ，而對這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級控制系統(tǒng)則給反應級別的子符號AI 和最高級別的傳統(tǒng)符號AI提供橋梁，同時放寬了規(guī)劃和世界建模的時間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個早期的分級系統(tǒng)計劃。智能模擬機器視、聽、觸、感覺及思維方式的模擬：指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，智能搜索，定理證明，邏輯推理，博弈，信息感應與辨證處理。學科范疇人工智能是一門邊沿學科，屬于自然科學、社會科學、技術科學三向交叉學科。涉及學科哲學和認知科學，數學，神經生理學，心理學，計算機科學，信息論，控制論，不定性論，仿生學，社會結構學與科學發(fā)展觀。研究范疇語言的學習與處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不精確和不確定的管理，人工生命，神經網絡，復雜系統(tǒng)，遺傳算法人類思維方式，最關鍵的難題還是機器的自主創(chuàng)造性思維能力的塑造與提升。安全問題人工智能還在研究中，但有學者認為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發(fā)生過，其主要的關鍵是允不允許機器擁有自主意識的產生與延續(xù)，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創(chuàng)造性，自我保護意識，情感和自發(fā)行為。因此，人工智能的安全可控問題要同步從技術層面來解決。 [27]隨著技術的發(fā)展成熟，監(jiān)管形式可能逐步發(fā)生變化，但人工智能必須接受人工監(jiān)管的本質不能改變。 [28]生成式AI可能引發(fā)大規(guī)模隱私或者個人信息泄露問題。 [36]實現(xiàn)方法人工智能在計算機上實現(xiàn)時有2種不同的方式。一種是采用傳統(tǒng)的編程技術，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（ENGINEERING APPROACH），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡稱GA）和人工神經網絡（ARTIFICIAL NEURAL NETWORK，簡稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳-進化機制，人工神經網絡則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細規(guī)定程序邏輯，如果游戲簡單，還是方便的。如果游戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最后為用戶提供一個新的版本或提供一個新補丁，非常麻煩。采用后一種方法時，編程者要為每一角色設計一個智能系統(tǒng)（一個模塊）來進行控制，這個智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環(huán)境，應付各種復雜情況。這種系統(tǒng)開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發(fā)布新版本或打補丁。利用這種方法來實現(xiàn)人工智能，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由于這種方法編程時無須對角色的活動規(guī)律做詳細規(guī)定，應用于復雜問題，通常會比前一種方法更省力。與人類差距2023年，中國科學院自動化研究所（中科院自動化所）團隊最新完成的一項研究發(fā)現(xiàn)，基于人工智能的神經網絡和深度學習模型對幻覺輪廓“視而不見”，人類與人工智能的“角逐”在幻覺認知上“扳回一局”。 [16]專業(yè)機構播報編輯美國⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工學院⒉ STANFORD UNIVERSITY斯坦福大學(CA)⒊ CARNEGIE MELLON UNIVERSITY卡內基美隆大學(PA)⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大學伯克利分校⒌ UNIVERSITY OF WASHINGTON華盛頓大學⒍ UNIVERSITY OF TEXAS-AUSTIN德克薩斯大學奧斯汀分校⒎ UNIVERSITY OF PENNSYLVANIA賓夕法尼亞大學⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利諾伊大學厄本那—香檳分校⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK馬里蘭大學帕克分校⒑ CORNELL UNIVERSITY 康奈爾大學 (NY)⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST馬薩諸塞大學AMHERST校區(qū)⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亞理工學院UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大學-安娜堡分校⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大學⒖ COLUMBIA UNIVERSITY哥倫比亞大學(NY)UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大學洛杉磯分校⒘ BROWN UNIVERSITY布朗大學(RI)⒙ YALE UNIVERSITY耶魯大學(CT)⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亞大學圣地亞哥分校⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大學麥迪遜分校中國1、中國科學院自動化研究所2、清華大學3、北京大學4、南京理工大學5、北京科技大學6、中國科學技術大學7、吉林大學8、哈爾濱工業(yè)大學9、北京郵電大學10、北京理工大學11、廈門大學人工智能研究所12、西安交通大學智能車研究所13、中南大學智能系統(tǒng)與智能軟件研究所14、西安電子科技大學智能所15、華中科技大學圖像與人工智能研究所16、重慶郵電大學17、武漢工程大學主要成果播報編輯人機對弈1996年2月10～17日， GARRY KASPAROV以4：2戰(zhàn)勝“深藍” （DEEP BLUE）。1997年5月3～11日， GARRY KASPAROV以2.5：3.5輸于改進后的“深藍”。2003年2月GARRY KASPAROV 3:3戰(zhàn)平 “小深”（DEEP JUNIOR）。2003年11月GARRY KASPAROV 2:2戰(zhàn)平 “X3D德國人” （X3D-FRITZ）。模式識別采用 $模式識別引擎，分支有2D識別引擎，3D識別引擎，駐波識別引擎以及多維識別引擎2D識別引擎已推出指紋識別，人像識別，文字識別，圖像識別，車牌識別；駐波識別引擎已推出語音識別自動工程自動駕駛（OSO系統(tǒng)）印鈔工廠（￥流水線）獵鷹系統(tǒng)（YOD繪圖）知識工程以知識本身為處理對象，研究如何運用人工智能和軟件技術，設計、構造和維護知識系統(tǒng)專家系統(tǒng)智能搜索引擎計算機視覺和圖像處理機器翻譯和自然語言理解數據挖掘和知識發(fā)現(xiàn)相關著作播報編輯《視讀人工智能》：機器真的可以思考嗎？人的思維只是一個復雜的計算機程序嗎？本書著眼于人工智能這個有史以來最為棘手的科學問題之一，集中探討了其背后的一些主要話題。人工智能不僅僅是一個虛構的概念。人類對智能機體結構半個世紀的研究表明：機器可以打敗人類最偉大的棋手，類人機器人可以走路并且能和人類進行互動。盡管早就有宣言稱智能機器指日可待，但此方面的進展卻緩慢而艱難。意識和環(huán)境是困擾研究的兩大難題。我們到底應該怎樣去制造智能機器呢？它應該像大腦一樣運轉？它是否需要軀體？從圖靈影響深遠的奠基性研究到機器人和新人工智能的飛躍，本書圖文并茂的將人工智能在過去半個世紀的發(fā)展清晰的呈現(xiàn)到讀者面前?！度斯ぶ悄艿奈磥怼罚涸忈屃酥悄艿膬群?，闡述了大腦工作的原理，并告訴我們如何才能制造出真正意義上的智能機器——這樣的智能機器將不再僅僅是對人類大腦的簡單模仿，它們的智能在許多方面會遠遠超過人腦。霍金斯認為，從人工智能到神經網絡，早先復制人類智能的努力無一成功，究其原因，都是由于人們并未真正了解智能的內涵和人類大腦。所謂智能，就是人腦比較過去、預測未來的能力。大腦不是計算機，不會亦步亦趨、按部就班的根據輸入產生輸出。大腦是一個龐大的記憶系統(tǒng)，它儲存著在某種程度上反映世界真實結構的經驗，能夠記憶事件的前后順序及其相互關系，并依據記憶做出預測。形成智能、感覺、創(chuàng)造力以及知覺等基礎的，就是大腦的記憶-預測系統(tǒng)……《人工智能哲學》：人工智能哲學是伴隨現(xiàn)代信息理論和計算機技術發(fā)展起來的一個哲學分支。本書收集了人工智能研究領域學者的十五篇代表性論文，這些論文為計算機科學的發(fā)展和人工智能哲學的建立作出了開創(chuàng)性的貢獻。這些文章總結了人工智能發(fā)展的歷程，該學科發(fā)展的趨勢，以及人工智能中的重要課題。在這些劃時代的著作中，包括有：現(xiàn)代計算機理論之父艾倫·圖靈的“計算機與智能”；美國哲學家塞爾的“心靈，大腦與程序”；J·E·欣頓等人的“分布式表述”，以及本書編者、英國人工智能學者M·A·博登的“逃出中文屋”?！度斯ぶ悄埽阂环N現(xiàn)代的方法》：本書以詳盡和豐富的資料，從理性智能體的角度，全面闡述了人工智能領域的核心內容，并深入介紹了各個主要的研究方向，是一本難得的綜合性教材。全書分為八大部分：第一部分"人工智能"，第二部分"問題求解"，第三部分"知識與推理"，第四部分"規(guī)劃"，第五部分"不確定知識與推理"，第六部分"學習"，第七部分"通訊、感知與行動"，第八部分"結論"。本書既詳細介紹了大量的基本概念、思想和算法，也描述了各研究方向最前沿的進展，同時收集整理了詳實的歷史文獻與事件。因此本書適合于不同層次和領域的研究人員及學生，可以作為信息領域和相關領域的高等院校本科生和研究生的教材或教學輔導書目，也可以作為相關領域的科研與工程技術人員的參考書。發(fā)展簡史播報編輯人工智能的傳說可以追溯到古埃及，但隨著1941年以來電子計算機的發(fā)展，技術已最終可以創(chuàng)造出機器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）一詞最初是在1956年DARTMOUTH學會上提出的，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展，在它還不長的歷史中，人工智能的發(fā)展比預想的要慢，但一直在前進，從40年前出現(xiàn)，已經出現(xiàn)了許多AI程序，并且它們也影響到了其它技術的發(fā)展。計算機時代1941年的一項發(fā)明使信息存儲和處理的各個方面都發(fā)生了革命.這項同時在美國和德國出現(xiàn)的發(fā)明就是電子計算機.第一臺計算機要占用幾間裝空調的大房間，對程序員來說是場噩夢：僅僅為運行一個程序就要設置成千的線路.1949年改進后的能存儲程序的計算機使得輸入程序變得簡單些，而且計算機理論的發(fā)展產生了計算機科學，并最終促使了人工智能的出現(xiàn).計算機這個用電子方式處理數據的發(fā)明，為人工智能的可能實現(xiàn)提供了一種媒介.雖然計算機為AI提供了必要的技術基礎，但直到50年代早期人們才注意到人類智能與機器之間的聯(lián)系. NORBERT WIENER是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動調溫器.它將收集到的房間溫度與希望的溫度比較，并做出反應將加熱器開大或關小，從而控制環(huán)境溫度.這項對反饋回路的研究重要性在于：WIENER從理論上指出，所有的智能活動都是反饋機制的結果.而反饋機制是有可能用機器模擬的.這項發(fā)現(xiàn)對早期AI的發(fā)展影響很大.1955年末，NEWELL和SIMON做了一個名為"邏輯專家"（LOGIC THEORIST）的程序.這個程序被許多人認為是第一個AI程序.它將每個問題都表示成一個樹形模型，然后選擇最可能得到正確結論的那一枝來求解問題."邏輯專家"對公眾和AI研究領域產生的影響使它成為AI發(fā)展中一個重要的里程碑.1956年，被認為是人工智能之父的JOHN MCCARTHY組織了一次學會，將許多對機器智能感興趣的專家學者聚集在一起進行了一個月的討論.他請他們到 VERMONT參加 " DARTMOUTH人工智能夏季研究會".從那時起，這個領域被命名為 "人工智能".雖然 DARTMOUTH學會不是非常成功，但它確實集中了AI的創(chuàng)立者們，并為以后的AI研究奠定了基礎.DARTMOUTH會議后的7年中，AI研究開始快速發(fā)展.雖然這個領域還沒明確定義，會議中的一些思想已被重新考慮和使用了. CARNEGIE MELLON大學和MIT開始組建AI研究中心.研究面臨新的挑戰(zhàn)：下一步需要建立能夠更有效解決問題的系統(tǒng)，例如在"邏輯專家"中減少搜索；還有就是建立可以自我學習的系統(tǒng).1957年一個新程序，"通用解題機"（GPS）的第一個版本進行了測試.這個程序是由制作"邏輯專家" 的同一個組開發(fā)的.GPS擴展了WIENER的反饋原理，可以解決很多常識問題.兩年以后，IBM成立了一個AI研究組.HERBERT GELERNETER花3年時間制作了一個解幾何定理的程序.當越來越多的程序涌現(xiàn)時，MCCARTHY正忙于一個AI史上的突破.1958年MCCARTHY宣布了他的新成果：LISP語言. LISP到今天還在用."LISP"的意思是"表處理"（LIST PROCESSING），它很快就為大多數AI開發(fā)者采納.1963年MIT從美國政府得到一筆220萬美元的資助，用于研究機器輔助識別.這筆資助來自國防部高級研究計劃署（ARPA），已保證美國在技術進步上領先于蘇聯(lián).這個計劃吸引了來自全世界的計算機科學家，加快了AI研究的發(fā)展步伐.競賽LOEBNER（人工智能類）以人類的智慧創(chuàng)造出堪與人類大腦相平行的機器腦（人工智能），對人類來說是一個極具誘惑的領域，人類為了實現(xiàn)這一夢想也已經奮斗了很多個年頭了。而從一個語言研究者的角度來看，要讓機器與人之間自由交流那是相當困難的，甚至可以說可能會是一個永無答案的問題。人類的語言，人類的智能是如此的復雜，以至于我們的研究還并未觸及其導向本質的外延部分的邊沿。大量程序以后幾年出現(xiàn)了大量程序.其中一個叫"SHRDLU"."SHRDLU"是"微型世界"項目的一部分，包括在微型世界（例如只有有限數量的幾何形體）中的研究與編程.在MIT由MARVIN MINSKY領導的研究人員發(fā)現(xiàn)，面對小規(guī)模的對象，計算機程序可以解決空間和邏輯問題.其它如在60年代末出現(xiàn)的"STUDENT"可以解決代數問題，"SIR"可以理解簡單的英語句子.這些程序的結果對處理語言理解和邏輯有所幫助.70年代另一個進展是專家系統(tǒng).專家系統(tǒng)可以預測在一定條件下某種解的概率.由于當時計算機已有巨大容量，專家系統(tǒng)有可能從數據中得出規(guī)律.專家系統(tǒng)的市場應用很廣.十年間，專家系統(tǒng)被用于股市預測，幫助醫(yī)生診斷疾病，以及指示礦工確定礦藏位置等.這一切都因為專家系統(tǒng)存儲規(guī)律和信息的能力而成為可能.70年代許多新方法被用于AI開發(fā)，如MINSKY的構造理論.另外DAVID MARR提出了機器視覺方面的新理論，例如，如何通過一副圖像的陰影，形狀，顏色，邊界和紋理等基本信息辨別圖像.通過分析這些信息，可以推斷出圖像可能是什么.同時期另一項成果是PROLOGE語言，于1972年提出. 80年代期間，AI前進更為迅速，并更多地進入商業(yè)領域.1986年，美國AI相關軟硬件銷售高達4.25億美元.專家系統(tǒng)因其效用尤受需求.象數字電氣公司這樣的公司用XCON專家系統(tǒng)為VAX大型機編程.杜邦，通用汽車公司和波音公司也大量依賴專家系統(tǒng).為滿足計算機專家的需要，一些生產專家系統(tǒng)輔助制作軟件的公司，如TEKNOWLEDGE和INTELLICORP成立了。為了查找和改正現(xiàn)有專家系統(tǒng)中的錯誤，又有另外一些專家系統(tǒng)被設計出來.日常生活人們開始感受到計算機和人工智能技術的影響.計算機技術不再只屬于實驗室中的一小群研究人員. 個人電腦和眾多技術雜志使計算機技術展現(xiàn)在人們面前.有了像美國人工智能協(xié)會這樣的基金會.因為AI開發(fā) 的需要，還出現(xiàn)了一陣研究人員進入私人公司的熱潮。150多所像DEC（它雇了700多員工從事AI研究）這樣的公司共花了10億美元在內部的AI開發(fā)組上.其它AI領域也在80年代進入市場.其中一項就是機器視覺. MINSKY和MARR的成果如今用到了生產線上的相機和計算機中，進行質量控制.盡管還很簡陋，這些系統(tǒng)已能夠通過黑白區(qū)別分辨出物件形狀的不同.到1985年美國有一百多個公司生產機器視覺系統(tǒng)，銷售額共達8千萬美元.但80年代對AI工業(yè)來說也不全是好年景.86-87年對AI系統(tǒng)的需求下降，業(yè)界損失了近5億美元.象 TEKNOWLEDGE和INTELLICORP兩家共損失超過6百萬美元，大約占利潤的三分之一巨大的損失迫使許多研究領導者削減經費.另一個令人失望的是國防部高級研究計劃署支持的所謂"智能卡車".這個項目目的是研制一種能完成許多戰(zhàn)地任務的機器人。由于項目缺陷和成功無望，PENTAGON停止了項目的經費.人工智能機器人(2張)盡管經歷了這些受挫的事件，AI仍在慢慢恢復發(fā)展.新的技術在日本被開發(fā)出來，如在美國首創(chuàng)的模糊邏輯，它可以從不確定的條件作出決策；還有神經網絡，被視為實現(xiàn)人工智能的可能途徑.總之，80年代AI被引入了市場，并顯示出實用價值.可以確信，它將是通向21世紀之匙. 人工智能技術接受檢驗在"沙漠風暴"行動中軍方的智能設備經受了戰(zhàn)爭的檢驗.人工智能技術被用于導彈系統(tǒng)和預警顯示以及其它先進武器.AI技術也進入了家庭.智能電腦的增加吸引了公眾興趣；一些面向蘋果機和IBM兼容機的應用軟件例如語音和文字識別已可買到；使用模糊邏輯，AI技術簡化了攝像設備.對人工智能相關技術更大的需求促使新的進步不斷出現(xiàn).人工智能已經并且將繼續(xù)不可避免地改變我們的生活。強弱對比人工智能的一個比較流行的定義，也是該領域較早的定義，是由約翰·麥卡錫（JOHN MCCARTHY）在1956年的達特矛斯會議（DARTMOUTH CONFERENCE）上提出的：人工智能就是要讓機器的行為看起來就象是人所表現(xiàn)出的智能行為一樣。但是這個定義似乎忽略了強人工智能的可能性（見下）。另一個定義指人工智能是人造機器所表現(xiàn)出來的智能性?？傮w來講，對人工智能的定義大多可劃分為四類，即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。這里“行動”應廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。強人工智能(BOTTOM-UP AI)強人工智能觀點認為有可能制造出真正能推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，并且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：類人的人工智能，即機器的思考和推理就像人的思維一樣。非類人的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。弱人工智能(TOP-DOWN AI)弱人工智能觀點認為不可能制造出能真正地推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。主流科研集中在弱人工智能上，并且一般認為這一研究領域已經取得可觀的成就。強人工智能的研究則處于停滯不前的狀態(tài)下。對強人工智能的哲學爭論“強人工智能”一詞最初是約翰·羅杰斯·希爾勒針對計算機和其它信息處理機器創(chuàng)造的，其定義為：“強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當的程序，計算機本身就是有思維的?！保↗ SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）這是指使計算機從事智能的活動。在這里智能的涵義是多義的、不確定的，像下面所提到的就是其中的例子。利用計算機解決問題時，必須知道明確的程序?？墒牵思词乖诓磺宄绦驎r，根據發(fā)現(xiàn)（HEU- RISTIC）法而設法巧妙的解決了問題的情況是不少的。如識別書寫的文字、圖形、聲音等，所謂認識模型就是一例。再有，能力因學習而得到的提高和歸納推理、依據類推而進行的推理等，也是其例。此外，解決的程序雖然是清楚的，但是實行起來需要很長時間，對于這樣的問題，人能在很短的時間內找出相當好的解決方法，如競技的比賽等就是其例。還有，計算機在沒有給予充分的合乎邏輯的正確信息時，就不能理解它的意義，而人在僅是被給予不充分、不正確的信息的情況下，根據適當的補充信息，也能抓住它的意義。自然語言就是例子。用計算機處理自然語言，稱為自然語言處理。關于強人工智能的爭論不同于更廣義的一元論和二元論（DUALISM）的爭論。其爭論要點是：如果一臺機器的唯一工作原理就是對編碼數據進行轉換，那么這臺機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是對數據進行轉換，而數據本身是對某些事情的一種編碼表現(xiàn)，那么在不理解這一編碼和這實際事情之間的對應關系的前提下，機器不可能對其處理的數據有任何理解。基于這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。也有哲學家持不同的觀點。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里認為，人也不過是一臺有靈魂的機器而已，為什么我們認為人可以有智能而普通機器就不能呢？他認為像上述的數據轉換機器是有可能有思維和意識的。有的哲學家認為如果弱人工智能是可實現(xiàn)的，那么強人工智能也是可實現(xiàn)的。比如SIMON BLACKBURN在其哲學入門教材 THINK 里說道，一個人的看起來是“智能”的行動并不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她/他僅僅是看起來是智能的?；谶@個論點，既然弱人工智能認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。BLACKBURN 認為這是一個主觀認定的問題。需要要指出的是，弱人工智能并非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在百多年前是被認為很需要智能的。政策措施2019年6月17日，國家新一代人工智能治理專業(yè)委員會發(fā)布《新一代人工智能治理原則——發(fā)展負責任的人工智能》，提出了人工智能治理的框架和行動指南。這是中國促進新一代人工智能健康發(fā)展，加強人工智能法律、倫理、社會問題研究，積極推動人工智能全球治理的一項重要成果。 [5]研究課題播報編輯人工智能的研究方向已經被分成幾個子領域，研究人員希望一個人工智能系統(tǒng)應該具有某些特定能力，以下將這些能力列出并說明。解決問題早期的人工智能研究人員直接模仿人類進行逐步的推理，就像是玩棋盤游戲或進行邏輯推理時人類的思考模式。到了1980和1990年代，利用概率和經濟學上的概念，人工智能研究還發(fā)展了非常成功的方法處理不確定或不完整的資訊。對于困難的問題，有可能需要大量的運算資源，也就是發(fā)生了“可能組合爆增”：當問題超過一定的規(guī)模時，電腦會需要天文數量級的存儲器或是運算時間。尋找更有效的算法是優(yōu)先的人工智能研究項目。人類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識的，一步一步的推導，早期人工智能研究通常使用逐步推導的方式。人工智能研究已經于這種“次表征性的”解決問題方法取得進展：實體化AGENT研究強調感知運動的重要性。神經網絡研究試圖以模擬人類和動物的大腦結構重現(xiàn)這種技能。知識表示法AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THE RELATIONSHIPS BETWEEN THOSE CONCEPTS.主條目：知識表示和常識知識庫規(guī)劃智能AGENT必須能夠制定目標和實現(xiàn)這些目標。他們需要一種方法來建立一個可預測的世界模型(將整個世界狀態(tài)用數學模型表現(xiàn)出來，并能預測它們的行為將如何改變這個世界)，這樣就可以選擇功效最大的行為。在傳統(tǒng)的規(guī)劃問題中，智能AGENT被假定它是世界中唯一具有影響力的，所以它要做出什么行為是已經確定的。但是，如果事實并非如此，它必須定期檢查世界模型的狀態(tài)是否和自己的預測相符合。如果不符合，它必須改變它的計劃。因此智能代理必須具有在不確定結果的狀態(tài)下推理的能力。在多AGENT中，多個AGENT規(guī)劃以合作和競爭的方式去完成一定的目標，使用演化算法和群體智慧可以達成一個整體的突現(xiàn)行為目標。學習主條目：機器學習機械學習的主要目的是為了從使用者和輸入數據等處獲得知識，從而可以幫助解決更多問題，減少錯誤，提高解決問題的效率。對于人工智能來說，機械學習從一開始就很重要。1956年，在最初的達特茅斯夏季會議上，雷蒙德索洛莫諾夫寫了一篇關于不監(jiān)視的概率性機械學習：一個歸納推理的機械。自然語言處理主條目：自然語言處理運動和控制主條目：機器人學知覺主條目：機器感知、計算機視覺和語音識別機器感知是指能夠使用傳感器所輸入的資料(如照相機，麥克風，聲納以及其他的特殊傳感器)然后推斷世界的狀態(tài)。計算機視覺能夠分析影像輸入。另外還有語音識別、人臉辨識和物體辨識。社交主條目：情感計算KISMET，一個具有表情等社交能力的機器人情感和社交技能對于一個智能AGENT是很重要的。首先，通過了解他們的動機和情感狀態(tài)，代理人能夠預測別人的行動(這涉及要素博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測)。此外，為了良好的人機互動，智慧代理人也需要表現(xiàn)出情緒來。至少它必須出現(xiàn)禮貌地和人類打交道。至少，它本身應該有正常的情緒。創(chuàng)造力主條目：計算機創(chuàng)造力一個人工智能的子領域，代表了理論(從哲學和心理學的角度)和實際(通過特定的實現(xiàn)產生的系統(tǒng)的輸出是可以考慮的創(chuàng)意，或系統(tǒng)識別和評估創(chuàng)造力)所定義的創(chuàng)造力。相關領域研究的包括了人工直覺和人工想像。多元智能大多數研究人員希望他們的研究最終將被納入一個具有多元智能(稱為強人工智能)，結合以上所有的技能并且超越大部分人類的能力。有些人認為要達成以上目標，可能需要擬人化的特性，如人工意識或人工大腦。上述許多問題被認為是人工智能完整性：為了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務，如機器翻譯，要求機器按照作者的論點(推理)，知道什么是被人談論(知識)，忠實地再現(xiàn)作者的意圖(情感計算)。因此，機器翻譯被認為是具有人工智能完整性：它可能需要強人工智能，就像是人類一樣。人工智能影響（1）人工智能對自然科學的影響。在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類最終認識自身智能的形成。（2）人工智能對經濟的影響。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益。AI也促進了計算機工業(yè)網絡工業(yè)的發(fā)展。但同時，也帶來了勞務就業(yè)問題。由于AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結構的劇烈變化。（3）人工智能對社會的影響。AI也為人類文化生活提供了新的模式?，F(xiàn)有的游戲將逐步發(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應用已經深入到各大游戲制造商的開發(fā)中。一個理想的人工智能社會是人類與人工智能友好相處的社會。 [30]伴隨著人工智能和智能機器人的發(fā)展，不得不討論是人工智能本身就是超前研究，需要用未來的眼光開展現(xiàn)代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產生的沖突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。在人工智能發(fā)展上首先要做好風險管控，這樣發(fā)展起來的人工智能才是人類之福。 [29]應用領域機器翻譯，智能控制，專家系統(tǒng)，機器人學，語言和圖像理解，遺傳編程機器人工廠，自動程序設計，航天應用，龐大的信息處理，儲存與管理，執(zhí)行化合生命體無法執(zhí)行的或復雜或規(guī)模龐大的任務等等。值得一提的是，機器翻譯是人工智能的重要分支和最先應用領域。不過就已有的機譯成就來看，機譯系統(tǒng)的譯文質量離終極目標仍相差甚遠；而機譯質量是機譯系統(tǒng)成敗的關鍵。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出：要提高機譯的質量，首先要解決的是語言本身問題而不是程序設計問題；單靠若干程序來做機譯系統(tǒng)，肯定是無法提高機譯質量的；另外在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下，機譯要想達到“信、達、雅”的程度是不可能的。智能家居之后，人工智能成為家電業(yè)的新風口。 [6]流行語播報編輯2017年12月，人工智能入選“2017年度中國媒體十大流行語”。入選理由：經過多年的演進，人工智能發(fā)展進入了新階段。為搶抓人工智能發(fā)展的重大戰(zhàn)略機遇，構筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設創(chuàng)新型國家和世界科技強國，2017年7月20日，國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》?！兑?guī)劃》提出了面向2030年我國新一代人工智能發(fā)展的指導思想、戰(zhàn)略目標、重點任務和保障措施，為我國人工智能的進一步加速發(fā)展奠定了重要基礎。 [2]2024年1月8日，人工智能入選2023勞動熱詞。背景：2023年初，由AI（人工智能）技術驅動的聊天機器人ChatGPT風靡互聯(lián)網。隨后，國內外不少科技企業(yè)先后發(fā)布人工智能大模型。這些大模型具有大量參數和復雜結構的機器學習模型，能夠處理海量數據、完成各種復雜的任務，如自然語言處理、計算機視覺、語音識別等。觀察：我的工作，會被AI取代嗎？2023年，這似乎是職場人最熱門的議題，但這并不是一個新問題。隨著制造業(yè)迎來以機械臂為代表的智能化轉型，一些技術工人已經面臨過職業(yè)危機了。事實上，每一次技術變革，根本目的都是解放人而非取代人，這一次也不例外。無論是將工位讓給機械臂、與代碼打交道的技術工人，還是最近才與“AI繪畫”遭遇的插畫師，都發(fā)現(xiàn)AI可以幫人們完成部分重復性、標準化的工作，但在面對復雜情況或需要創(chuàng)意時，“老師傅”依然不可代替。AI會對某些職業(yè)產生影響，但也必將創(chuàng)造新的就業(yè)機會。對勞動者來說，適應新的技術并培養(yǎng)與之合作的技能，是讓AI“為我所用”的必經之路。 [37]發(fā)展現(xiàn)狀播報編輯2021年7月13日，中國互聯(lián)網協(xié)會發(fā)布了《中國互聯(lián)網發(fā)展報告（2021）》?！秷蟾妗凤@示，2020年，人工智能產業(yè)規(guī)模達到了3031億元。 [7]在人工智能領域，2020年人工智能產業(yè)規(guī)模保持平穩(wěn)增長，產業(yè)規(guī)模達到了3031億元，同比增長15%，增速略高于全球的平均增速。產業(yè)主要集中在北京、上海、廣東、浙江等省份，我國在人工智能芯片領域、深度學習軟件架構領域、中文自然語言處理領域進展顯著。 [7]2022年6月27日，在第二十四屆中國科協(xié)年會閉幕式上，中國科協(xié)隆重發(fā)布10個對科學發(fā)展具有導向作用的前沿科學問題，其中包括“ 如何實現(xiàn)可信可靠可解釋人工智能技術路線和方案 [11]”。2022年12月9日，最高人民法院發(fā)布《關于規(guī)范和加強人工智能司法應用的意見》。 [15]2023年3月，為貫徹落實國家《新一代人工智能發(fā)展規(guī)劃》，科技部會同自然科學基金委啟動“人工智能驅動的科學研究”（AI for Science）專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發(fā)、基因研究、生物育種、新材料研發(fā)等重點領域科研需求展開，布局“人工智能驅動的科學研究”前沿科技研發(fā)體系。 [18]艾媒咨詢數據顯示，2016年，中國人工智能產業(yè)規(guī)模已突破100億元，增長率達到43.3%。2023年2月，工信部發(fā)布的數據表明，2022年中國AI核心產業(yè)規(guī)模已達到5000億。2023年，合合信息旗下啟信寶聯(lián)合城市進化論發(fā)布發(fā)布的《中國人工智能產業(yè)圖鑒》數據顯示，2016年全國AI相關存續(xù)企業(yè)近28萬家，2022年超過60萬家，相較于6年前存續(xù)企業(yè)數量增長超114%。截至2022年底，工信部設立的國家AI創(chuàng)新應用先導區(qū)增至11個，覆蓋長三角、京津冀、粵港澳、成渝四大戰(zhàn)略區(qū)域以及長江中游城市群。 [19]2023年4月7日，俄羅斯總理米哈伊爾·米舒斯京在會見國家杜馬議員時表示，目前俄羅斯經濟中運用的人工智能約占20％，到2024年計劃至少達到50％。 [21]布魯塞爾當地時間2023年12月8日晚，歐洲議會、歐盟成員國和歐盟委員會三方，在歷經近40個小時的漫長談判后就《人工智能法案》達成協(xié)議。 [31]2024年1月19日，國務院新聞辦公室舉行新聞發(fā)布會，工業(yè)和信息化部新聞發(fā)言人、運行監(jiān)測協(xié)調局局長陶青表示，中國人工智能企業(yè)數量超4400家。 [41]發(fā)展方向播報編輯《重大領域交叉前沿方向2021》（2021年9月13日由浙江大學中國科教戰(zhàn)略研究院發(fā)布）認為當前以大數據、深度學習和算力為基礎的人工智能在語音識別、人臉識別等以模式識別為特點的技術應用上已較為成熟，但對于需要專家知識、邏輯推理或領域遷移的復雜性任務，人工智能系統(tǒng)的能力還遠遠不足。 [9]基于統(tǒng)計的深度學習注重關聯(lián)關系，缺少因果分析，使得人工智能系統(tǒng)的可解釋性差，處理動態(tài)性和不確定性能力弱，難以與人類自然交互，在一些敏感應用中容易帶來安全和倫理風險。類腦智能、認知智能、混合增強智能是重要發(fā)展方向。 [8]2024年，由清華大學經濟管理學院、度小滿等機構聯(lián)合編寫的《2024年金融業(yè)生成式人工智能應用報告》發(fā)布?！秷蟾妗氛J為，生成式人工智能技術在金融業(yè)中的應用尚處于技術探索和試點應用的并行期，預計1年至2年內首批大模型增強的金融機構會進入成熟應用期，3年后將會帶動金融業(yè)生成式人工智能規(guī)?；瘧?。 [42]成本是目前制約人工智能發(fā)展的因素之一，也是未來人工智能發(fā)展需要攻克的難點。2023年11月，一家市場機構聯(lián)合京東云發(fā)布的《金融行業(yè)先進AI存力報告》提到，人工智能大模型落地的成本問題是業(yè)界關注重點。千億級別參數、動輒以月來計算的訓練周期，對應到存儲環(huán)節(jié)意味著巨大的成本，因此人工智能若想在更大范圍內應用，仍有很強的降本增效需求。 [43]倫理規(guī)范播報編輯2021年9月25日，2021中關村論壇在中關村國家自主創(chuàng)新示范區(qū)展示中心舉行全體會議，會上，國家新一代人工智能治理專業(yè)委員會主任薛瀾發(fā)布了《新一代人工智能倫理規(guī)范》，旨在將倫理融入人工智能全生命周期，為從事人工智能相關活動的自然人、法人和其他相關機構等提供倫理指引，促進人工智能健康發(fā)展。 [10]2023年3月29日，英國政府發(fā)布了針對人工智能產業(yè)監(jiān)管的白皮書，概述了針對ChatGPT等人工智能治理的五項原則。它們分別是：安全性和穩(wěn)健性、透明度和可解釋性、公平性、問責制和管理，以及可競爭性。在接下來的12個月里，監(jiān)管機構將向相關組織發(fā)布實用指南，以及風險評估模板等其他工具，制定基于五項原則的一些具體規(guī)則。也將在議會推動立法，制定具體的人工智能法案。企業(yè)應該解釋何時以及如何使用人工智能，并透露系統(tǒng)的決策過程，以“暴露”使用人工智能所帶來的風險。 [20]應用成果播報編輯美國人工智能公司OpenAI的大語言模型ChatGPT在推出約兩個月后，1月已達到1億月活躍用戶，成為歷史上增長最快的消費者應用程序。相關專家預計，ChatGPT不僅是新一代聊天機器人的突破，也將為信息產業(yè)帶來巨大變革，但由此帶來的學術造假、技術濫用、輿論安全等風險亦不容忽視。 [40]2022年6月，Michael Chazan等利用一款深度學習人工智能工具，發(fā)現(xiàn)100萬年前人類用火的證據，這被認為是有史以來最重要的創(chuàng)新之一。 [12]韓國計劃到2027年將人工智能技術用于軍事目的，包括自行榴彈炮的無人操作和無人機的使用。 [14]在人工智能技術“芯片-框架-模型-應用”四層結構中，百度是全球為數不多在這四層進行全棧布局的公司，從昆侖芯，到飛槳深度學習框架，再到文心一言預訓練大模型，到百度搜索等應用，各個層面都有自研技術。 [17]在電子競技領域，隨著人工智能等新科技的不斷涌現(xiàn)，AI可以變身高端玩家，作為“神對手”與電競選手展開對練，也可化身“神隊友”輔助配合，在幫助電競選手調整戰(zhàn)術、提升技巧的同時，提升人工智能的自我學習能力。 [22]人工智能已應用于養(yǎng)老服務產業(yè)。第九屆中國國際養(yǎng)老服務業(yè)博覽會近期在北京舉辦，人工智能機器人等智慧養(yǎng)老產品備受關注。 [25]金融領域AI大模型呈現(xiàn)出“百花齊放”的景象。騰訊云發(fā)布了金融行業(yè)大模型解決方案，招聯(lián)金融、度小滿、星環(huán)科技、奇富科技等均發(fā)布了金融大模型。AI與金融相遇，為金融科技領域帶來了創(chuàng)新和變革的可能。在傳統(tǒng)的金融業(yè)務中，紙質資料的處理占據了大量的人力、物力和時間。如今AI大模型可以在十幾秒鐘的時間內輕松讀完公司年報，從中提煉出重要的觀點和關鍵詞，并生成財務分析、業(yè)務發(fā)展預測等專業(yè)化內容。同時，AI數字人已經成為許多銀行大模型業(yè)務應用落地的“標配”之一，數字員工可以24小時無休地承擔客服等工作。 [32]人工智能技術在國內金融領域的價值潛力備受矚目，尤其是在手機銀行方面，用戶基數龐大，可供應用的場景豐富，這些特點都為人工智能技術的落地提供了良好的機會。在此背景下，不少手機銀行近期推出迭代升級新版本，重點提升了人工智能技術的應用。例如，交通銀行推出手機銀行8.0版本，新版本依托人工智能大數據分析能力，從海量信息中提煉，推出基金大數據榜單，助力客戶進行投資決策。郵儲銀行手機銀行9.0版本打造“AI空間+數字員工+視頻客服”服務。其中，AI空間通過下拉手機銀行首頁進入，向客戶直觀展示本月收支、常用繳費、最近收款人等信息，為客戶提供定制服務。 [39]相關事件播報編輯當地時間2023年12月20日，英國最高法院公布的判決結果顯示，一名美國計算機科學家在為其人工智能系統(tǒng)創(chuàng)造的發(fā)明申請專利時敗訴。英國知識產權局此前拒絕了他的專利注冊申請，理由是發(fā)明人必須是人類或公司，而不是機器，隨后泰勒向英國最高法院提出上訴，這一上訴在20日被駁回，因為根據英國專利法，“發(fā)明人必須是自然人”。 [33]據報道，2023年11月2日，以色列軍方聲稱，他們在新一輪的巴以沖突中使用了人工智能（AI）技術來精準鎖定和打擊目標。目前，以色列軍方主要使用兩個人工智能系統(tǒng)參與軍事作戰(zhàn)。一個是用于處理大量數據并選擇空襲目標的系統(tǒng)；另一個是用于計算彈藥裝載量并制定突襲計劃的人工智能模型。軍方官員表示，現(xiàn)在可以在數分鐘內選擇空襲目標并實施襲擊，這是前所未有的速度。 [34]2023年12月，入選2023年理論視野中的十大熱點。 [35]新手上路成長任務編輯入門編輯規(guī)則本人編輯我有疑問內容質疑在線客服官方貼吧意見反饋投訴建議舉報不良信息未通過詞條申訴投訴侵權信息封禁查詢與解封?2024?Baidu?使用百度前必讀?|?百科協(xié)議?|?隱私政策?|?百度百科合作平臺?|?京ICP證030173號?京公網安備110000020000

一文看懂人工智能（AI的本質+發(fā)展史+局限性） - 知乎

一文看懂人工智能（AI的本質+發(fā)展史+局限性） - 知乎切換模式寫文章登錄/注冊一文看懂人工智能（AI的本質+發(fā)展史+局限性）產品壹佰看見世界，貼近彼此，產品理應“壹佰分”。人工智能和 AI 已經走入了普通大眾的視野，我們在生活中可以看到很多跟 AI 相關的產品。比如 Siri、AI 拍照、AI 修圖…雖然大家看得多，但是大部分都是一知半解。到底什么是人工智能？他有什么神奇的地方？未來會發(fā)展成什么樣？本篇文章將完整的解答大家的問題。文章內容會讓不懂技術的朋友也能輕松的看懂?！?排除 90% 的誤解」關于人工智能，你需要知道的3個重點大家都看過或者聽說過類似的言論或者電影：人工智能很危險！AI 對人類是威脅?。ㄉ踔劣腥私o出了具體的時間點）機器人會占領的地球，人類將變?yōu)闄C器人的奴隸！……請大家放100個心，不要神話人工智能，科幻電影里的劇情以目前的技術發(fā)展來看，完全不可能！這種擔心就好像瑪雅人預測2012年地球將毀滅一樣！人工智能（AI）本質上是一種工具那么我們應該如何正確的看待人工智能（AI）？AI 跟我們使用的錘子、汽車、電腦……都一樣，其本質都是一種工具。工具必須有人用才能發(fā)揮價值，如果他們獨立存在是沒有價值的，就想放在工具箱里的錘子一樣，沒有人揮舞它就沒有任何價值。人工智能本質上是一種工具工具之間也有差別雖然錘子、汽車、電腦、AI 都是工具。但是他們還是有差別的。他們最核心的差別就是效能（更準確的說應該是杠桿率）。我們把上面幾個工具的使用場景對比一下就能理解了：錘子：用過錘子的人都知道，為了釘一個釘子，大部分的力還是人出的。錘子的使用場景中，人出了1份力，得到了2倍的回報。汽車：人類跑步20分鐘達到的距離，汽車2分鐘就能搞定！而且這個過程中人類不需要出太多力氣。汽車的使用場景中，人出了1份力，得到了10倍的回報。電腦：人類自己計算一些復雜的問題可能需要花1個月甚至更久的時間（還不一定正確），而電腦可能只需要1秒就完成了，并且精確無誤！而人們使用電腦只需要敲幾下鍵盤，點幾下鼠標就可以了。電腦的使用場景中，人出了1份力，得到了1,000,000倍的回報。人工智能：人工智能其實是超越了之前電腦的邊界，以前電腦無法做的事情 AI 可以做了。所以從杠桿率上講，人工智能和電腦是在一個量級上的，但是它能做的事情更多了，大大超越了傳統(tǒng)電腦的能力范圍，所以大家十分看好。但是（凡是都有但是），AI 在很多很多場景和領域還是沒有價值，很多能力甚至不如小學生。所以，目前 AI 的局限性依然很大！所有人都應該知道的關于 AI 的3個重點？人工智能（AI）的本質是一種工具，歸根結底還是需要人去使用它。雖然有些場景 AI 已經超越人類了（比如 AlphaGo 下圍棋），但是還是有很多很多的場景，AI 沒什么價值（推薦深度好文《人工智障 2 : 你看到的AI與智能無關》）。AI 不是萬能（通用）的，擅長下圍棋的 AI 不能跟人聊天，擅長聊天的 AI 不能下圍棋。大家在電影里看到的啥都會的機器人短期內還無法實現(xiàn)?！?什么是人工智能？」跟普通程序對比，深入了解 AI開門見山的給出人人都能聽懂的解釋：人工智能（AI）是一種高級的計算機程序AI 有明確的目標AI 可以“看到”或者“聽到”環(huán)境的變化，可以感受到環(huán)境的變化他會根據不同的環(huán)境做出不同的反應，從而實現(xiàn)既定的目標。簡單的說清楚AI是什么下面是書面語的版本，看著更嚴謹（裝逼）一些：人工智能（Artificial Intelligence，簡稱AI）是計算機科學下的一個分支。某些方面像人一樣，AI 可以“看到”和“聽到”環(huán)境的變化，同時可以根據環(huán)境的變化做出合理的判斷和行動，從而實現(xiàn)某些目標。下面就針對“環(huán)境感知”、“合理判斷”和“實現(xiàn)目標”3個層面來詳細對比一下普通的計算機程序和人工智能：普通程序人工智能感知環(huán)境普通程序只知道這是一張圖片或者視頻，但是并不知道里面的內容是什么。AI 可以“理解”圖片和視頻內有什么內容，AI 也可以“理解”聽到的聲音是什么意思。合理判斷普通程序是很多死規(guī)則的組合，在任何情況下都只能按照死規(guī)則走。AI 可以主動優(yōu)化自己的規(guī)則，也就是大家常說的“學習”，但跟人類的學習還是有很大差異！實現(xiàn)目標普通程序是沒有目標感，只會根據規(guī)則自動運行。AI 是可以有“目標感”的，并通過反饋不斷優(yōu)化自己的的行為來更好的實現(xiàn)目標。雖然上面的對比讓 AI 看上去很強大，但是實際上并非如此，AI 在某些場景表現(xiàn)的很好，但是在某些場景表現(xiàn)的很不理想。AI 并沒有想象中強大，它也會犯低級錯誤AI 的確具備了理解圖片、視頻和語音（非結構化數據）的能力，但并不代表這些能力已經很強大的。AI 經常犯一些低級錯誤，下面就是一個具體的案例：AI沒有想象中強大，有時會犯很低級的錯誤左：摩托車的遮擋讓 AI 把一只猴子誤認為人類。中：自行車的遮擋讓 AI 把猴子誤認為人類，同時叢林背景導致 AI 將自行車把手誤認為是鳥。右：吉他把猴子變成了人，而叢林把吉他變成了鳥上圖顯示了在一張叢林猴子的照片中 ps 上一把吉他的效果。這導致深度網絡將猴子誤認為人類，同時將吉他誤認為鳥，大概是因為它認為人類比猴子更可能攜帶吉他，而鳥類比吉他更可能出現(xiàn)在附近的叢林中。AI 對數據的依賴相當于人類對空氣的依賴目前（截止到2019年）是深度學習最流行的時代，深度學習在各個領域雖然表現(xiàn)出了很強大的能力，但是并不是人人都能玩轉深度學習的，因為它需要海量的帶標注的數據，這種條件不是人人都具備的。簡單的做一個類比，獅子的力量很強大，狗的力量相比較就弱小很多。雖然獅子的戰(zhàn)斗力很強，但是獅子需要吃很多東西才能保持戰(zhàn)斗力。而狗就不需要吃那么多的東西。如果不給獅子吃足夠的東西，他可能會躺在地上完全喪失戰(zhàn)斗力。深度學習就類似獅子，想讓他發(fā)揮出戰(zhàn)斗力，就需要給他喂養(yǎng)大量的數據（相當于獅子的食物）。不然再出色的深度學習模型都無法發(fā)揮任何價值。AI需要大量數據才能發(fā)揮價值獅子對食物也是比較挑剔的，不是給他吃啥都行的，而深度學習更是如此！數據是否有標注、數據是否“干凈”、數據是否有多樣性……都對深度學習的學習結果影響巨大！總結一下的話：深度學習時代的 AI 對數據量級要求極高深度學習時代的 AI 對數據規(guī)范要求極高像 Google 這種擁有海量數據的公司最容易在 AI 領域有較大的突破和優(yōu)勢，而一般的小公司很難跨越數據的門檻。人工智能的發(fā)展歷史AI 不是什么全新的東西，他已經發(fā)展了大幾十年了！下面我們介紹一下最具代表性的3個發(fā)展階段。上圖是從1950年至2017年之間，人工智能領域出現(xiàn)的一些里程碑式的事件?？偨Y下來會分為3大階段：第一次浪潮（非智能對話機器人）20世紀50年代到60年代1950年10月，圖靈提出了人工智能（AI）的概念，同時提出了圖靈測試來測試 AI。圖靈測試提出沒有幾年，人們就看到了計算機通過圖靈測試的“曙光”。1966年，心理治療機器人 ELIZA 誕生那個年代的人對他評價很高，有些病人甚至喜歡跟機器人聊天。但是他的實現(xiàn)邏輯非常簡單，就是一個有限的對話庫，當病人說出某個關鍵詞時，機器人就回復特定的話。第一次浪潮并沒有使用什么全新的技術，而是用一些技巧讓計算機看上去像是真人，計算機本身并沒有智能。第二次浪潮（語音識別）20世紀80年代到90年代在第二次浪潮中，語音識別是最具代表性的幾項突破之一。核心突破原因就是放棄了符號學派的思路，改為了統(tǒng)計思路解決實際問題。在《人工智能》一書中，李開復詳細介紹了這個過程，他也是參與其中的重要人物之一。第二次浪潮最大的突破是改變了思路，摒棄了符號學派的思路，轉而使用了統(tǒng)計學思路解決問題。第三次浪潮（深度學習+大數據）21世紀初2006年是深度學習發(fā)展史的分水嶺。杰弗里辛頓在這一年發(fā)表了《一種深度置信網絡的快速學習算法》，其他重要的深度學習學術文章也在這一年被發(fā)布，在基本理論層面取得了若干重大突破。之所以第三次浪潮會來主要是2個條件已經成熟：2000年后互聯(lián)網行業(yè)飛速發(fā)展形成了海量數據。同時數據存儲的成本也快速下降。使得海量數據的存儲和分析成為了可能。GPU 的不斷成熟提供了必要的算力支持，提高了算法的可用性，降低了算力的成本。深度學習引領了第三次AI浪潮在各種條件成熟后，深度學習發(fā)揮出了強大的能力。在語音識別、圖像識別、NLP等領域不斷刷新紀錄。讓 AI 產品真正達到了可用（例如語音識別的錯誤率只有6%，人臉識別的準確率超過人類，BERT在11項表現(xiàn)中超過人類…)的階段。第三次浪潮來襲，主要是因為大數據和算力條件具備，這樣深度學習可以發(fā)揮出巨大的威力，并且 AI 的表現(xiàn)已經超越人類，可以達到“可用”的階段，而不只是科學研究。人工智能3次浪潮的不同之處前兩次熱潮是學術研究主導的，第三次熱潮是現(xiàn)實商業(yè)需求主導的。前兩次熱潮多是市場宣傳層面的，而第三次熱潮是商業(yè)模式層面的。前兩次熱潮多是學術界在勸說政府和投資人投錢，第三次熱潮多是投資人主動向熱點領域的學術項目和創(chuàng)業(yè)項目投錢。前兩次熱潮更多時提出問題，第三次熱潮更多時解決問題。想進一步了解 AI 的歷史，推薦閱讀李開復的《人工智能》，上面關于3次浪潮的內容都摘抄自這本書，想看這本書的可以點擊下面的購買鏈接。人工智能今天和未來的局限在哪里？在探尋 AI 的邊界時，我們可以先簡單粗暴的把 AI 分為3類：弱人工智能強人工智能超人工智能弱人工智能、強人工智能、超人工智能弱人工智能弱人工智能也稱限制領域人工智能（Narrow AI）或應用型人工智能（Applied AI），指的是專注于且只能解決特定領域問題的人工智能。例如：AlphaGo、Siri、FaceID……強人工智能又稱通用人工智能（Artificial General Intelligence）或完全人工智能（Full AI），指的是可以勝任人類所有工作的人工智能。強人工智能具備以下能力：存在不確定性因素時進行推理，使用策略，解決問題，制定決策的能力知識表示的能力，包括常識性知識的表示能力規(guī)劃能力學習能力使用自然語言進行交流溝通的能力將上述能力整合起來實現(xiàn)既定目標的能力超人工智能假設計算機程序通過不斷發(fā)展，可以比世界上最聰明，最有天賦的人類還聰明，那么，由此產生的人工智能系統(tǒng)就可以被稱為超人工智能。我們當前所處的階段是弱人工智能，強人工智能還沒有實現(xiàn)（甚至差距較遠），而超人工智能更是連影子都看不到。所以“特定領域”目前還是 AI 無法逾越的邊界。人工智能未來的邊界是什么？如果在深入一點，從理論層面來解釋 AI 的局限性，就要把圖靈大師搬出來了。圖靈在上世紀30年代中期，就在思考3個問題：世界上是否所有數學問題都有明確的答案？如果有明確的答案，是否可以通過有限的步驟計算出答案？對于那些有可能在有限步驟計算出來的數學問題，能否有一種假象的機械，讓他不斷運動，最后當機器停下來的時候，那個數學問題就解決了？圖靈還真設計出來一套方法，后人稱它為圖靈機。今天所有的計算機，包括全世界正在設計的新的計算機，從解決問題的能力來講，都沒有超出圖靈機的范疇。（大家都是地球人，差距怎么就這么大呢？？？）通過上面的3個問題，圖靈已經劃出了界限，這個界限不但適用于今天的 AI ，也適用于未來的 AI 。下面我們再進一步把邊界清晰的描述一下：AI 可以解決的問題其實非常局限世界上有很多問題，只有一小部分是數學問題在數學問題里，只有一小部分是有解的在有解的問題中，只有一部分是理想狀態(tài)的圖靈機可以解決的在后一部分（圖靈機可解決的部分），又只有一部分是今天的計算機可以解決的而 AI 可以解決的問題，又只是計算機可以解決問題的一部分。擔心人工智能太強大？你想多了！在一些特定場景中， AI 可以表現(xiàn)的很好，但是在大部分場景中，AI 并沒有什么用。如何客觀的看待人工智能？技術總是在短期內被高估，但是在長期又被低估。24%的人擔心機器人會從人類手里接管地球PEGA 做過一項調查，涉及了全球 6000 多個普通消費者，詢問他們對 AI 的看法，有下面一些結果：34%的人認為自己使用過 AI ，這些人中84%的人實際使用過50%以上的人搞不清楚 AI 到底有哪些能力60%的人并不知道 Amazon Alexa 和Google Home 使用了 AI 技術72%的人懼怕 AI 技術對人類的威脅，24%的人擔心機器人會從人類手里接管地球查看更多調查結果，可以訪問《What consumers really think about AI: A global study》【附帶1分鐘視頻】AI 已經來了，并且會飛速發(fā)展我們每天都在使用的輸入法就使用了很多 AI 相關的技術，但是很多人并不知道。不要小看輸入法里使用的這些技術，它能使我們的打字效率大大提高，如果沒有這些技術，我們會多花數百年的時間在打字上！除了輸入法，大家都使用過的 AI 產品還有：美顏相機里的一鍵美顏功能抖音里的道具功能微信里的語音轉文字今日頭條里的推算算法垃圾短信及垃圾郵件的過濾功能智能手機里的操作系統(tǒng)……如果我不說相信大家并不知道 AI 已經進入我們生活的方方面面了。而且 AI 在未來幾十年還會對各行各業(yè)產生巨大的影響。我們需要以開放的心態(tài)擁抱 AI，大部分情況下它都是人類的朋友，而不是敵人。AI 并沒有我們想象中那么厲害AlphaGo在圍棋上碾壓人類AlphaGo 戰(zhàn)勝李世石，這個熱點幾乎所有人都知道。很多人通過這件事情開始擔心 AI 未來對人類的威脅。而現(xiàn)實是 AlphaGo 不管下圍棋有多厲害，對我們的生活都沒有半毛錢的關系，那只是一場秀。但是大眾會根據這件事做對 AI 產生偏見：AI 的能力已經超越了人類AI 未來會無所不能AI 對人類是威脅，我們要限制 AI 的發(fā)展……不要擔心 AI 會取代你的工作在“人工智能威脅論”里，大家最擔心的是 AI 會取代大量的工作崗位，導致大量普通老百姓失業(yè)。這件事的確會發(fā)生：蒸汽機出現(xiàn)后，機器取代了大量的底層勞動力；電話出現(xiàn)后，不再需要那么多的郵遞員了；互聯(lián)網出現(xiàn)后，更是影響了各行各業(yè)；但是，這是一件好事：每一項新技術都會讓一部分人下崗，而這些人現(xiàn)在有了更好的崗位上一些職業(yè)消失了，但是會誕生更多的新職業(yè)（如果讓你選擇“美甲”和“耕地”，你會如何選擇？）簡單總結一下：可見的未來，AI 還是一種工具AI 跟計算機、互聯(lián)網一樣，是歷史潮流，我們要了解它、適應它、利用它AI 的確會取代部分崗位，但是會出現(xiàn)更多新職業(yè)，不用擔心下崗問題誰能更高效的跟 AI 協(xié)作，誰的價值就會越大本文由 easyAI-人工智能知識庫公眾號：easyAI - 人工智能知識庫原創(chuàng)發(fā)布于產品壹佰平臺，未經許可，禁止轉載和商用?！鞠嚓P推薦】數據本沒有意義，AI本沒有智慧，是人讓其有了意義從美劇PersonofInterest趣談人工智能餓了么技術副總裁張浩：我們在大數據及AI領域的實踐發(fā)揮創(chuàng)業(yè)想象力的可能，AI與新零售的組合將會發(fā)生什么？人類將變成人工智能，未來的營銷以“機器”為中心如何成為第一代的AI人：AI技術、AI產品、AI運營群雄逐鹿，AI如何落地刷臉支付發(fā)布于 2019-07-31 17:05產品經理人工智能?贊同 36??2 條評論?分享?喜歡?收藏?申請

什么是人工智能 (AI)？| IBM

什么是人工智能 (AI)？

人工智能利用計算機和機器模仿人類大腦解決問題和決策的能力

探索企業(yè)級的 AI 與數據平臺

注冊獲取人工智能 (AI) 更新

什么是人工智能(AI)？

雖然過去幾十年中出現(xiàn)了人工智能 (AI) 的許多定義，但 John McCarthy 在 2004 年的這篇論文（ibm.com 外部鏈接）中提供了以下定義：“它是制造智能機器的科學和工程，特別是智能計算機程序。它與使用計算機理解人類智能的類似任務有關，但人工智能不必局限于生物學上能觀察到的方法。”

然而，在這個定義出現(xiàn)之前的幾十年，艾倫·圖靈 (Alan Turing) 于 1950 年出版的開創(chuàng)性著作《計算機器與智能》(Computing Machinery and Intelligence)（ibm.com 外部鏈接）標志著人工智能對話的誕生。在這篇論文中，通常被稱為“計算機科學之父”的圖靈提出了以下問題：“機器能思考嗎？”。為了回答這個問題，他提供了一個測試，這就是著名的“圖靈測試”，在此測試中，人類詢問者將嘗試區(qū)分哪些文本響應是計算機做出的，哪些是人類做出的。雖然這項測試自發(fā)布以來經過了大量審查，但它仍然是人工智能 (AI) 歷史的重要組成部分，也是哲學中一個不斷發(fā)展的概念，因為它利用了有關語言學的想法。

Stuart Russell 和 Peter Norvig 隨后出版了《人工智能：一種現(xiàn)代方法》（ibm.com 外部鏈接），成為人工智能 (AI) 研究領域的領先教科書之一。在這本書中，他們深入研究了人工智能的四個潛在目標或定義，這些目標或定義根據理性和思考與行動來區(qū)分計算機系統(tǒng)：

人類的方法：

像人類一樣思考的系統(tǒng)

像人類一樣行動的系統(tǒng)

理想的方法：

理性思考的系統(tǒng)

理性行動的系統(tǒng)

艾倫·圖靈的定義屬于“像人類一樣行事的系統(tǒng)”范疇。

從最簡單的形式來看，人工智能是一個結合計算機科學和強大數據集來解決問題的領域。它還包含機器學習和深度學習的子領域，這些領域經常與人工智能一起提及。這些學科由人工智能算法組成，旨在創(chuàng)建專家系統(tǒng)，根據輸入數據進行預測或分類。

多年來，人工智能經歷了多次炒作周期，但即使是

懷疑論者，也會認為，OpenAI 的 ChatGPT 的發(fā)布似乎標志著一個轉折點。上一次生成式人工智能讓人如此憂心忡忡的時候，還是因為在計算機視覺方面取得突破，但現(xiàn)在的飛躍則是在自然語言處理方面。而且，不僅僅是語言：生成模型還可以學習軟件代碼、分子、自然圖像和各種其他數據類型的語法。

這項技術的應用每天都在增長，而我們才剛剛開始

探索可能性。但是，隨著圍繞人工智能的商業(yè)應用的新一輪炒作開始，

圍繞倫理的對話變得至關重要。要詳細了解 IBM 在人工智能倫理對話中的立場，請在此處閱讀更多內容。

現(xiàn)已推出：watsonx

借助 IBM 的下一代 AI 和數據平臺，讓人工智能在您的企業(yè)發(fā)揮更強大的作用。

開始使用 Watsonx

人工智能是什么？ - 知乎

人工智能是什么？ - 知乎首頁知乎知學堂發(fā)現(xiàn)等你來答?切換模式登錄/注冊人工智能人工智能算法人工智能是什么？關注者1,092被瀏覽2,022,137關注問題?寫回答?邀請回答?好問題 22?添加評論?分享?153 個回答默認排序灣區(qū)老吳@號研所創(chuàng)始人，商業(yè)、認知、IP，一個知識博主的日常分享。? 關注《一張圖幫你全面讀懂人工智能》人工智能雖然今年很火，但對于它是個什么鬼依然很多人搞不清，今天智能菌在參考大量資料的基礎上，尤其是知乎大神@謝熊貓君的那篇神級翻譯的《為什么最近有很多名人，比如比爾蓋茨，馬斯克、霍金等，讓人們警惕人工智能？》，做了一個詳細的圖解筆記，從人工智能的定義、分類和發(fā)展路徑等角度，給大家展示了一個全面的AI圖譜。原文來自公眾號@那個吳小明，如需要1500G的人工智能學習資料可搜索關注下載。歡迎關注公眾號@那個吳小明編輯于 2020-06-11 11:59?贊同 1421??33 條評論?分享?收藏?喜歡收起?華為云開發(fā)者聯(lián)盟?已認證賬號? 關注1.什么是人工智能人工智能（Artificial Intelligence）：它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。1956年由約翰.麥卡錫首次提出，當時的定義為“制造智能機器的科學與工程”。人工智能目的就是讓機器能夠像人一樣思考，讓機器擁有智能。時至今日，人工智能的內涵已經大大擴展，是一門交叉學科。2.人工智能的層次結構基礎設施層：回顧人工智能發(fā)展史，每次基礎設施的發(fā)展都顯著地推動了算法層和技術層的演進。從20世紀70年代的計算機的興起，80年代計算機的普及，90年代計算機運算速度和存儲量的增加，互聯(lián)網興起帶來的電子化，均產生了較大的推動作用。到21世紀，大規(guī)模集群的出現(xiàn)，大數據的積累，GPU與異構/低功耗芯片興起帶來的運算力的提升，促成了深度學習的誕生，點燃了人工智能的爆**潮，其中海量的訓練數據是人工智能發(fā)展的重要燃料。算法層：機器學習是指利用算法使計算機能夠像人一樣從數據中挖掘出信息，而深度學習作為機器學習的一個子集，相比于其他學習方法，使用了更多的參數、模型也更復雜，從而使得模型對數據的理解更加深入也更加智能。計算機視覺：計算機視覺的歷史可以追溯到1966年，人工智能學家Minsky在給學生布置的作業(yè)中，要求學生通過編寫一個程序讓計算機告訴我們它通過攝像頭看到了什么，這也被認為是計算機視覺最早的任務描述。計算機視覺借鑒了人類看東西的方法，即“三維重構”與“先驗知識庫”。計算機視覺除了在比較成熟的安防領域外，也應用于金融領域的人臉識別身份驗證、電商領域的商品拍照搜索、醫(yī)療領域的智能影像診斷、機器人/無人車上作為視覺輸入系統(tǒng)等。語音處理：讓機器學會“聽”和“說”，實現(xiàn)與人類的無障礙交流一直是人工智能、人機交互領域的一大夢想。1920年生產的“Radio Rex”玩具狗可能是世界上最早的語音識別器，第一個真正基于語音識別系統(tǒng)出現(xiàn)在1952年，AT&T貝爾實驗室開發(fā)的Audrey的語音識別系統(tǒng)，能夠識別10個英文數字，正確率高達98%。比如Apple Siri，Echo等。自然語言處理：人類的日常社會活動中，語言交流是不同個體間信息交換和溝通的重要途徑。對機器而言，能否自然的與人類進行交流、理解人類表達的意思并作出合適的回應，被認為是衡量其智能程度的一個重要參照。規(guī)劃決策系統(tǒng)：人工智能規(guī)劃決策系統(tǒng)的發(fā)展，一度是以棋類游戲為載體的。比如，AlphaGo戰(zhàn)勝李世石，Master對頂級選手取得60連勝，機器人，無人車。3. 人工智能應用場景3.1. 語音處理? 語音處理主要是自動且準確的轉錄人類的語音。一個完整的語音處理系統(tǒng)，包括前端的信號處理、中間的語音語義識別和對話管理以及后期的語音合成。– 前端處理：說話人聲檢測，回聲消除，喚醒詞識別，麥克風陣列處理，語音增強等。– 語音識別：特征提取，模型自適應，聲學模型，語言模型，動態(tài)解碼等。– 語義識別和對話管理：更多屬于自然語言處理的范疇。– 語音合成：文本分析、語言學分析、音長估算、發(fā)音參數估計等。? 應用：包括醫(yī)療聽寫、語音書寫、電腦系統(tǒng)聲控、電話客服等。? 未來：真正做到像正常人類一樣，與他人流暢溝通，自由交流，還有待時日。3.2. 計算機視覺? 計算機視覺指計算機從圖像中識別出物體、場景和活動的能力，包含圖像處理、識別檢測、分析理解等技術。– 圖像處理：去噪聲、去模糊、超分辨率處理、濾鏡處理等。– 圖像識別：過程包括圖像預處理、圖像分割、特征提取、判斷匹配，可以用來處理分類、定位、檢測、分割問題等。– 圖像理解：本質是圖像與文本間的交互，可用來執(zhí)行基于文本的圖像搜索、圖像描述生成、圖像問答等。? 應用：– 醫(yī)療成像分析被用來提高疾病的預測、診斷和治療。– 在安防及監(jiān)控領域被用來指認嫌疑人。– 在購物方面，消費者現(xiàn)在可以用智能手機拍攝下產品以獲得更多信息。? 未來：計算機視覺有望進入自主理解、分析決策的高級階段，真正賦予機器“看”的能力，在無人車、智能家居等場景發(fā)揮更大的價值。3.3. 自然語言處理? 自然語言處理的幾個核心環(huán)節(jié)：知識的獲取與表達、自然語言理解、自然語言生成等，也相應出現(xiàn)了知識圖譜、對話管理、機器翻譯等研究方向。– 知識圖譜：基于語義層面對知識進行組織后得到的結構化結果。– 對話管理：包含閑聊、問答、任務驅動型對話。– 機器翻譯：由傳統(tǒng)的PBMT方法到Google的GNMT，流暢度與正確率大幅提升。? 應用：搜索引擎、對話機器人、機器翻譯、甚至高考機器人、辦公智能秘書。4. AI、機器學習、深度學習的關系4.1. 人工智能四要素1）數據如今這個時代，無時無刻不在產生大數據。移動設備、廉價的照相機、無處不在的傳感器等等積累的數據。這些數據形式多樣化，大部分都是非結構化數據。如果需要為人工智能算法所用，就需要進行大量的預處理過程。2）算法主流的算法主要分為傳統(tǒng)的機器學習算法和神經網絡算法。神經網絡算法快速發(fā)展，近年來因為深度學習的發(fā)展到了高潮。3）算力人工智能的發(fā)展對算力提出了更高的要求。以下是各種芯片的計算能力對比。其中GPU領先其他芯片在人工智能領域中用的最廣泛。GPU和CPU都擅長浮點計算，一般來說，GPU做浮點計算的能力是CPU的10倍左右。另外深度學習加速框架通過在GPU之上進行優(yōu)化，再次提升了GPU的計算性能，有利于加速神經網絡的計算。如：cuDNN具有可定制的數據布局，支持四維張量的靈活維度排序，跨步和子區(qū)域，用作所有例程的輸入和輸出。在卷積神經網絡的卷積運算中實現(xiàn)了矩陣運算，同時減少了內存，大大提升了神經網絡的性能。4）場景人工智能經典的應用場景包括：用戶畫像分析基于信用評分的風險控制欺詐檢測智能投顧智能審核智能客服機器人機器翻譯人臉識別4.2. 三者關系簡述人工智能：是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法及應用系統(tǒng)的一門新的技術科學。機器學習：專門研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。是人工智能的核心研究領域之一，任何一個沒有學習能力的系統(tǒng)都很難被認為是一個真正的智能系統(tǒng)。深度學習：源于人工神經網絡的研究，含多隱層的多層感知器就是一種深度學習結構。深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。發(fā)布于 2019-04-11 14:09?贊同 137??添加評論?分享?收藏?喜歡

到底什么是AI？什么是機器學習？ - 知乎

到底什么是AI？什么是機器學習？ - 知乎首發(fā)于數字極客切換模式寫文章登錄/注冊到底什么是AI？什么是機器學習？Bruce人工智能產品經理關于AIAI（人工智能）已經被媒體炒得不能再熱了，相信你也一定經常會聽到關于人工智能的各種傳聞，那么，到底什么是AI（人工智能）呢？這篇文章將帶你揭開人工智能神秘的面紗，并讓你對當今人工智能的發(fā)展狀況有初步的了解。我找了百度百科對于AI的解釋:“人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。”其實已經解釋的比較清楚了，人工智能是一種智慧的問題解決方法，它可以被應用到各個領域，它的實現(xiàn)形式可能是一款APP、一個機器人、一臺自動駕駛的汽車、甚至是音箱或一個水杯。人工智能 ≠ 機器人如果你對人工智能不了解，一定會對這兩者的概念混淆，其實兩者是不同的概念，如上文所述，人工智能可能被應用到各行各業(yè)，展現(xiàn)形式也是多種多樣，機器人是人工智能最佳的展示平臺，AI也是機器人不可或缺的組成部分，一臺不具備AI功能的機器人可以說是不完整的，AI在機器人上可以施展才能的領域包括圖像、影像識別、自然語言處理、行為控制等。所以，你可以這樣理解機器人，它是采用了AI的技術以實現(xiàn)某些功能的機械結構，機器人與人工智能分屬不同領域。既然說到機器人，一定要說下最近很火的索菲亞，就是下面這個機器人，她是首個機器人公民，能與人類對答如流，似乎還有著自己的思想，其實Bruce認為，這其中炒作成分很大，現(xiàn)在的AI機器人發(fā)展水平還遠未到這個水平，但從索菲亞身上，我們能看到未來機器人的影子…機器學習是人工智能的一種實現(xiàn)方法機器學習其實并不是最近幾年才提出的，之所以現(xiàn)在大家一提到人工智能就會想到機器學習，甚至把機器學習等同于人工智能去理解，是因為機器學習這兩年獲得了巨大的進步，高速的計算芯片技術日益成熟，加上移動互聯(lián)網時代沉積下來的大量數據，使得機器學習的硬件與軟件環(huán)境都得到了滿足。所以，機器學習只是人工智能的其中一種實現(xiàn)方法，但目前而言，這是一種最實際也最有效的實現(xiàn)方法。那么，我們如何去理解機器學習呢，他和我們的程序控制有哪些區(qū)別呢？我來舉一個簡單的例子，假設我們正在制作一個能自動控制平衡的獨輪車，如果使用傳統(tǒng)方法，就是用程序控制的話，我們會在程序中去寫一個電機控制程序，程序根據當前獨輪車的姿態(tài)（傾倒角度）、角加速度及前進速度等參數來計算應該給電機賦予多大的電流以使獨輪車能保持平衡，寫這個程序的過程可能需要無數次的調整參數，結果可能還不盡如人意。如果使用機器學習的話，計算機會根據輸入參數（姿態(tài)、角加速度、速度等）和目標（保持平衡）來自動計算控制程序的各項參數，并將誤差控制到可接受的范圍內。機器學習就是通過無數次的計算 ->反饋并與目標進行比較（計算誤差） ->修正計算方法 ->再計算的循環(huán)來算出一個能實現(xiàn)目標的最佳或接近最佳的算法。深度學習是機器學習的一種技術在我們使用機器學習去解決實際問題時，真實的情況往往都是比較復雜的，例如根據照片識別狗的種類、根據語音自動翻譯成文字等等，針對這類問題的算法建模通過單一的算法很難去擬合，所以深度學習通過模擬人腦中神經元的結構，通過多層結構的分層算法，使現(xiàn)實生活中復雜的應用得以實現(xiàn)?，F(xiàn)在非常熱門的圖片識別就是運用了卷積神經網絡（CNN）的深度學習算法。人工智能的應用案例1. 使模糊的照片清晰如果你有一張模糊不清的照片，以往想要修復使其清晰，只能通過經驗豐富的圖片處理專家，現(xiàn)在通過深度學習，機器能瞬間完成這項工作，好像效果還不錯呢。項目地址：https://github.com/alexjc/neural-enhance2. 自己學會走路的機器人這次，沒有為機器人行走編寫任何代碼，而是通過深度學習讓機器人學會自己行走。項目地址：https://blogs.nvidia.com/blog/2016/01/15/deep-learning-robot-walk/3. 成人視頻分類器，準確度高達95%借助深度卷積神經網絡，Miles Deep 可以快速針對成人視頻每秒畫面分類。根據性行為分了 6 個分類，精確度達到 95%。借助這個工具，可以自動編輯視頻，刪掉所有無性接觸的場景。和第 5 個雅虎的成人圖片分類器不同的是，Miles Deep 能給區(qū)分裸體和各種露骨性行為之間的區(qū)別。Miles Deep 作者稱，這是目前為止，第一個公共色情圖片分類或編輯工具。項目地址：https://github.com/ryanjay0/miles-deep4. 更多應用這里你可以找到更多的深多學習的真實應用：http://deeplearninggallery.co編輯于 2024-02-14 15:18?IP 屬地上海人工智能機器學習機器人?贊同 1??添加評論?分享?喜歡?收藏?申請轉載?文章被以下專欄收錄數字極客學知識，做最酷

什么是人工智能 (AI)？| Oracle 中國

單擊查看我們的輔助功能政策

跳到內容

關于

服務

解決方案

定價

合作伙伴

資源

關閉搜索

搜索 Oracle.com

快速鏈接

Oracle Cloud Infrastructure

Oracle Fusion Cloud Applications

Oracle Database

下載 Java

Oracle 職業(yè)機會

搜索

Country

菜單

聯(lián)系我們

登錄 Oracle Cloud

甲骨文中國

Cloud

人工智能

Oracle 云免費套餐

免費在 Oracle 云上構建、測試和部署應用。

立即注冊

AI 主題

人工智能術語辨析

AI 和開發(fā)人員

AI 技術可為企業(yè)提供哪些幫助？

AI 在企業(yè)中的應用

企業(yè)如何使用 AI？

哪些因素促進了 AI 的使用？

AI 模型訓練和開發(fā)

AI 的優(yōu)勢和挑戰(zhàn)

AI 成功案例

即時可用型 AI 讓 AI 應用更簡單

如何開始使用 AI？

構建良好的 AI 文化

從人工智能到自適應智能

AI — 未來企業(yè)的戰(zhàn)略要務和競爭優(yōu)勢

充分發(fā)揮 AI 價值的優(yōu)秀實踐

獲取 AI 支持，開啟 AI 之旅

人工智能學習庫

什么是 AI？了解人工智能

人工智能術語辨析

如今人工智能 (AI) 已變成了一個無所不包的術語，很多用來執(zhí)行在過去需要人工輸入的復雜任務的應用（例如與客戶在線溝通或下棋）都可以被稱作人工智能。在現(xiàn)實中，人工智能也經常與它的子領域互換使用，例如機器學習 (ML) 和深度學習。

然而，它們之間是有區(qū)別的，例如機器學習側重于構建能夠基于自身使用的數據進行學習或改進性能的系統(tǒng)。換句話說，所有的機器學習都是 AI，但不是所有的 AI 都是機器學習。

為了充分發(fā)揮 AI 的價值，如今許多企業(yè)正加大對數據科學團隊的投入。數據科學綜合運用統(tǒng)計、計算機科學和商業(yè)知識，從各種數據源中挖掘價值。

了解 AI 的諸多可能

了解 AI 基礎設施

AI 和開發(fā)人員

人工智能可幫助開發(fā)人員更高效地執(zhí)行以往需要手動處理的任務，與客戶建立聯(lián)系，識別模式和解決問題。但要使用人工智能，開發(fā)人員需要具備數學背景，并且熟悉算法。

在使用人工智能構建應用時，開發(fā)人員可以從簡單做起，例如通過相對簡單的三子棋項目學習人工智能的基本知識。在實踐中學習是提升技能的好方法，人工智能也不例外。當您成功完成了一個或多個小項目后，您就可以盡情探索人工智能的無限可能了。

趕快行動

AI 技術可為企業(yè)提供哪些幫助？

AI 的本質是學習并超越人類感知和響應世界的方式。如今，AI 正迅速成為創(chuàng)新的基石。得益于各種可識別數據模式然后驅動企業(yè)開展預測的機器學習技術，AI 可以為您創(chuàng)造更多價值

更全面地理解豐富的可用數據

基于預測，自動執(zhí)行過于復雜的任務或常規(guī)任務

了解 AI 和機器學習的使用場景

AI 在企業(yè)中的應用

人工智能技術可以自動執(zhí)行以往需要手動完成的流程或任務，提高企業(yè)績效和生產率，還可以超越人力極限，充分發(fā)揮數據的價值，為企業(yè)創(chuàng)造巨大的商業(yè)效益。例如，Netflix 使用機器學習將個性化提升到了一個新的高度，實現(xiàn)了 25％以上的客戶增長。

大多數公司都把數據科學作為重中之重，并在這方面投入巨資。McKinsey 在 2021 年針對 AI 開展的一項調查發(fā)現(xiàn)，在一個及以上職能中采用 AI 的企業(yè)從一年前的 50% 增加到了 56%。此外，27% 的受訪者表示至少 5% 的收入可能要歸功于 AI，而一年前僅有 22%。

AI 可以為大多數職能、業(yè)務和行業(yè)創(chuàng)造價值。其中包括通用和行業(yè)特定的應用，例如

使用交易和人口統(tǒng)計數據來預測特定客戶在與某企業(yè)的關系中將花費多少（或稱作客戶的終生價值）

根據客戶行為和偏好優(yōu)化定價

使用圖像識別來分析 X 射線圖像中的癌癥跡象

企業(yè)如何使用 AI？

根據哈佛商業(yè)評論開展的一項調查，企業(yè)主要使用 AI 來完成以下任務

檢測和阻止安全入侵（44％）

解決用戶的技術問題（41％）

減少生產管理工作（34％）

在使用認證供應商的技術時評估內部合規(guī)性（34％）

哪些因素促進了 AI 的使用？

推動 AI 在各個行業(yè)中快速發(fā)展的主要有 3 大因素。

快速可用、經濟高效、性能強勁的計算能力：強大的商用云計算為企業(yè)帶來了經濟高效、高性能的計算能力。在此之前，唯一適用于 AI 的計算環(huán)境并非基于云技術且成本高昂。

大量的可供訓練的數據： AI 需要接受大量數據的訓練才能做出正確的預測。易于使用的數據標簽和經濟實惠的結構化和非結構化數據存儲和處理讓更多算法構建和訓練成為可能。

AI 的競爭優(yōu)勢：越來越多的企業(yè)開始認識到運用 AI 洞察支持業(yè)務目標所帶來的競爭優(yōu)勢，并將其作為企業(yè)的重中之重。例如，AI 提供的針對性建議可以幫助企業(yè)更快做出更明智的決策。利用 AI 特性和功能，企業(yè)可以降低成本和風險，縮短產品上市時間，獲得更多優(yōu)勢。

了解如何運用 AI 超越極限，實現(xiàn)更大的目標

AI 模型訓練和開發(fā)

機器學習模型的開發(fā)和部署分為多個階段，包括訓練和推理。AI 訓練和推理指的是嘗試使用機器學習模型解決問題的過程。

舉例來說，機器學習工程師可能會嘗試使用不同的候選模型來解決計算機視覺問題，比如在 X 射線圖像上檢測骨折。

為了提高這些模型的準確性，工程師會向模型提供數據并優(yōu)化參數，直至達到預定義的閾值。這些訓練需求通過模型復雜度衡量，每年呈指數級增長。

規(guī)?；?AI 訓練的關鍵基礎設施技術包括集群網絡，如 RDMA 和 InfiniBand、裸金屬 GPU 計算和高性能存儲。

詳細了解 AI 基礎設施

AI 的優(yōu)勢和挑戰(zhàn)

如今很多成功案例已經有力證明了 AI 的價值。通過在傳統(tǒng)業(yè)務流程和應用中融入機器學習和感知交互，組織可顯著改善用戶體驗并提高工作效率。

但阻礙依然存在。由于多個方面的原因，很少有公司能夠規(guī)模化地部署人工智能。舉例來說，如果未采用云計算，那么機器學習項目的計算成本往往非常高。此外，構建 AI 項目不僅十分復雜，而且還需要極其稀缺、高水平的專業(yè)技能。為了盡可能減少這些痛點，企業(yè)應了解采用這些項目的時機和場景以及何時尋求第三方幫助。

了解機器學習操作如何助力您的機器學習工作

AI 成功案例

如今，AI 已經幫助很多企業(yè)取得了重大成功。

哈佛商業(yè)評論稱，通過訓練 AI 軟件，美聯(lián)社實現(xiàn)了自動撰寫短期收益新聞報道，并將新聞報道量提升了 12 倍。這讓其記者能夠專注于撰寫更具深度的文章。

Deep Patient 是西奈山伊坎醫(yī)學院構建的一個人工智能工具，可以幫助醫(yī)生在診斷出疾病之前識別高風險患者。insideBIGDATA 稱，該工具可以分析患者的病史，在發(fā)病前一年預測近 80 種疾病。

即時可用型 AI 讓 AI 應用更簡單

基于 AI 的解決方案和工具的興起意味著更多的公司可以在更短的時間內以更低的成本利用 AI。即時可用的 AI 是指具有內置 AI 功能或者自動化算法決策過程的解決方案、工具和軟件。

即時可用的 AI 包括自治修復數據庫和預構建模型，可利用各種數據集進行圖像識別和文本分析。

如何開始使用 AI？

通過聊天機器人與客戶溝通：聊天機器人可以使用自然語言處理技術來理解客戶，允許客戶提問和獲取信息。這些聊天機器人會隨著時間的推移不斷學習，旨在為客戶交互創(chuàng)造更大的價值。

監(jiān)視數據中心：IT 運維團隊可以通過一個集成了所有數據并自動跟蹤閾值和異常的云技術平臺來簡化監(jiān)視。

無需專家?guī)椭磮?zhí)行業(yè)務分析：利用具有可視化用戶界面的分析工具，非技術人員也可以輕松在系統(tǒng)中查詢所需信息，獲得通俗易懂的答案。

查看四個簡單的 AI 使用場景

構建良好的 AI 文化

要想充分利用 AI，消除 AI 應用面臨的阻礙，企業(yè)需要構建良好的 AI 文化，從而為 AI 生態(tài)系統(tǒng)提供全面支持。在此環(huán)境中

業(yè)務分析師與數據科學家共同定義問題和目標

數據工程師負責管理數據和底層數據平臺，確保其完全可用于分析

數據科學家在數據科學平臺上準備和探索數據并實施數據可視化和建模

IT 架構師負責管理為數據科學提供全面支持所需的底層基礎設施，無論是在本地部署環(huán)境還是云端

應用開發(fā)人員將模型部署到應用中，構建數據驅動的產品

了解如何讓您的數據科學團隊更高效地開展協(xié)作

從人工智能到自適應智能

隨著 AI 功能廣泛應用于主流企業(yè)運營，一個新術語正在興起：自適應智能。通過將實時的內部和外部數據與決策科學及高度可擴展的計算基礎設施相結合，自適應智能應用可幫助企業(yè)做出更明智的業(yè)務決策。

從本質上說，這些應用使您的業(yè)務更智能。您將能夠為客戶提供更好的產品、建議和服務 — 所有這些都能帶來更好的業(yè)務成果。

詳細了解采用嵌入式 AI 的 Oracle SaaS 應用如何創(chuàng)造顛覆性力量

AI — 未來企業(yè)的戰(zhàn)略要務和競爭優(yōu)勢

對于任何希望獲得更高效率、新的收入機會和提高客戶忠誠度的企業(yè)來說，AI 都是一項戰(zhàn)略要務。它正迅速成為眾多組織的競爭優(yōu)勢。有了 AI，企業(yè)可以在更短的時間內完成更多任務、創(chuàng)建個性化和極具吸引力的客戶體驗并預測業(yè)務成果，從而提升盈利能力。

但 AI 仍是一項頗為復雜的新興技術。為了充分發(fā)揮其價值，您需要在如何構建和管理大規(guī)模 AI 解決方案方面具備專業(yè)知識。一個成功的 AI 項目需要的不僅僅是聘用數據科學家。企業(yè)需要實施合適的工具、流程和管理策略來確保 AI 的成功。

充分發(fā)揮 AI 價值的優(yōu)秀實踐

哈佛商業(yè)評論就如何開始使用 AI 提出了以下建議：

在對收入和成本具有重大和直接影響的活動中應用 AI 功能。

在保持人員不變的情況下使用 AI 來提高工作效率，而不是削減或增加員工數量。

在后端而非前端開始實施 AI（IT 和會計受益最大）。

獲取 AI 支持，開啟 AI 之旅

AI 轉型已是大勢所趨。為了保持競爭力，企業(yè)終將擁抱 AI 并構建 AI 生態(tài)系統(tǒng)。在未來 10 年里，未能在某種程度上采用 AI 的企業(yè)終將落于人后。

雖然您的企業(yè)可能是個例外，但大多數公司沒有內部人才和專業(yè)知識來開發(fā)能夠充分發(fā)揮人工智能能力的生態(tài)系統(tǒng)和解決方案

要成功完成 AI 轉型之旅（包括戰(zhàn)略開發(fā)和工具訪問），您需要找到一個具備豐富行業(yè)專業(yè)知識和全面 AI 產品組合的合作伙伴。

人工智能學習庫

什么是數據科學？企業(yè)正積極將統(tǒng)計學與計算機科學概念（如機器學習和人工智能）結合起來，從大數據中提取洞見，進而推動創(chuàng)新并轉變決策制定。

什么是機器學習？機器學習是人工智能 (AI) 的一個子集，專注于構建通過數據進行學習的系統(tǒng)，旨在加快自動化決策流程和價值實現(xiàn)速度。

AI 成功案例

如今，AI 已經幫助很多企業(yè)取得了重大成功。

即時可用型 AI 讓 AI 應用更簡單

即時可用的 AI 范圍非常廣，包括使用機器學習進行自我修復的自治數據庫，以及在各種數據集中解決圖像識別和文本分析等問題的預構建模型。所有這些都能幫助公司更快地實現(xiàn)價值，提高生產效率，降低成本并改善客戶關系。

如何開始使用 AI？

監(jiān)視數據中心：IT 運營團隊可以將所有 Web、應用、數據庫性能、用戶體驗和日志數據整合到一個基于云的數據平臺中，然后通過該平臺自動監(jiān)視閾值和檢測異常，從而在系統(tǒng)監(jiān)視上節(jié)省大量時間和精力。

查看四個簡單的 AI 使用場景

哪些因素在阻礙企業(yè)釋放 AI 潛力？

盡管 AI 具有廣闊的前景，但許多公司仍然無法充分發(fā)揮機器學習和其他 AI 功能的潛力。其原因在于，然而，諷刺的是，這一問題在很大程度上是人自己造成的，正是低效的工作流阻礙了公司充分發(fā)揮 AI 的價值。

例如，數據科學家有時無法獲得構建機器學習模型所需的資源和數據，無法與同事有效開展協(xié)作，需要管理許多不同的開源工具。而應用開發(fā)人員有時需要對數據科學家開發(fā)的模型進行完全重新編碼，然后才能將這些模型嵌入到其應用中。

此外，隨著開源 AI 工具不斷涌現(xiàn)，IT 團隊要花費更多的時間來持續(xù)更新工作環(huán)境，以此為數據科學團隊提供支持。在很多情況下，由于數據科學團隊工作方式不夠標準化，這個問題還會變得更加復雜。

最終，高管層可能無法看到 AI 投資的價值，自然也就不會提供充足的支持和資源來構建 AI 成功所需要的協(xié)作和集成式生態(tài)系統(tǒng)。

構建良好的 AI 文化

要想充分利用 AI，消除 AI 應用面臨的阻礙，企業(yè)需要構建良好的 AI 文化，從而為 AI 生態(tài)系統(tǒng)提供全面支持。在此環(huán)境中

業(yè)務分析師與數據科學家共同定義問題和目標

數據工程師負責管理數據和底層數據平臺，確保其完全可用于分析

數據科學家在數據科學平臺上準備和探索數據并實施數據可視化和建模

IT 架構師負責管理為數據科學提供全面支持所需的底層基礎設施，無論是在本地部署環(huán)境還是云中

應用開發(fā)人員將模型部署到應用中，構建數據驅動的產品

了解如何讓您的數據科學團隊更高效地開展協(xié)作

從人工智能到自適應智能

從本質上說，這些應用使您的業(yè)務更智能。您將能夠為客戶提供更好的產品、建議和服務 — 所有這些都能帶來更好的業(yè)務成果。

了解采用嵌入式 AI 的 Oracle SaaS 應用如何創(chuàng)造顛覆性力量

AI — 未來企業(yè)的戰(zhàn)略要務和競爭優(yōu)勢

充分發(fā)揮 AI 價值的優(yōu)秀實踐

哈佛商業(yè)評論就如何開始使用 AI 提出了以下建議：

在對收入和成本具有重大和直接影響的活動中應用 AI 功能。

在保持人員不變的情況下使用 AI 來提高工作效率，而不是削減或增加員工數量。

在后端而非前端開始實施 AI（IT 和會計受益最大）。

獲取 AI 支持，開啟 AI 之旅

AI 轉型已是大勢所趨。為了保持競爭力，企業(yè)終將擁抱 AI 并構建 AI 生態(tài)系統(tǒng)。在未來10年里，未能在某種程度上采用 AI 的企業(yè)終將落于人后。

雖然您的企業(yè)可能是個例外，但大多數公司沒有內部人才和專業(yè)知識來開發(fā)能夠充分發(fā)揮人工智能能力的生態(tài)系統(tǒng)和解決方案

為了確保成功實現(xiàn) AI 轉型，您需要制定正確的戰(zhàn)略，找到正確的工具。對此，請選擇引領行業(yè)創(chuàng)新，具有深厚行業(yè)知識和全面的 AI 產品組合的合作伙伴。

免費在 Oracle 云上構建、測試和部署應用。

立即免費試用

人工智能學習庫

什么是機器學習？機器學習是人工智能 (AI) 的一個子集，專注于構建通過數據進行學習的系統(tǒng)，旨在加快自動化決策流程和價值實現(xiàn)速度。

AI 資訊和觀點機器學習、人工智能和數據科學正在改變企業(yè)處理復雜問題的方式，轉變各個行業(yè)的發(fā)展方向。閱讀最新文章，了解行業(yè)和您的同行都在如何采用這些技術。

注：為免疑義，本網頁所用以下術語專指以下含義：

Oracle專指Oracle境外公司而非甲骨文中國。

相關Cloud或云術語均指代Oracle境外公司提供的云技術或其解決方案。

按角色查看

招賢納士

開發(fā)人員

投資者

合作伙伴

初創(chuàng)企業(yè)

學生和教育工作者

為什么選擇 Oracle

分析報告

Oracle 多云

OCI | Microsoft Azure

云參考架構

企業(yè)責任

多元化與包容性

安全實踐

學習

什么是 AI？

什么是云計算？

什么是云存儲？

什么是 HPC？

什么是 IaaS？

什么是 PaaS？

最新動態(tài)

Oracle CloudWorld

Oracle 云免費套餐

云架構中心

云遷移

甲骨文紅牛車隊

軟件產品登記證書

完整使用程序使用通知申請流程

聯(lián)系我們

銷售： 400-699-8888

您需要什么幫助？

訂閱電子郵件

活動

新聞

OCI 博客

國家/地區(qū)

? 2024 Oracle

使用條款和隱私政策

京ICP備10049020號-1

廣告選擇

招賢納士

WeChat

甲骨文中國新浪微博

如何通俗地解釋人工智能的定義？ - 知乎

如何通俗地解釋人工智能的定義？ - 知乎首頁知乎知學堂發(fā)現(xiàn)等你來答?切換模式登錄/注冊人工智能定義理解如何通俗地解釋人工智能的定義？關注者7被瀏覽36,310關注問題?寫回答?邀請回答?好問題?添加評論?分享?5 個回答默認排序冰笛?研究智能的人 ? 關注由人工（非天然、非生育）制造出來的智能體。發(fā)布于 2023-03-22 15:21?贊同??2 條評論?分享?收藏?喜歡收起?xpanxcomPython Excle? 關注人工智能（Artificial Intelligence，AI）是一種通過計算機程序實現(xiàn)的智能行為，能夠自主地從數據中學習、推理、判斷和決策，以模擬人類智能。通俗來說，人工智能就是讓計算機具備類似于人類的智能能力，讓計算機能夠像人一樣地學習、思考、理解和做出決策。這需要借助各種算法、模型和技術，例如機器學習、深度學習、自然語言處理、計算機視覺等，來實現(xiàn)各種人工智能應用，例如智能語音助手、自動駕駛、智能客服等。悅動智能（http://xpanx.com）提供詳盡的教程和學習資源：涵蓋人工智能、機器學習、深度學習等多個領域，滿足初學者的各種需求。人工智能是一種通過計算機程序實現(xiàn)的智能行為，可以模擬人類智能，為人類社會帶來更多的便利和創(chuàng)新編輯于 2023-04-12 13:33?贊同 1??添加評論?分享?收藏?喜歡

百度安全驗證

網絡不給力，請稍后重試

返回首頁

問題反饋