人工智能全景图2.0 | 一文了解人工智能学科

本文链接：https://blog.csdn.net/Verhan_Cao/article/details/140666039

大家好，这是一节人工智能的科普视频，试图用40多分钟的时间，带你宏观了解人工智能学科，对人工智能有个初步的、全景式的把握，这对你学习具体人工智能细节大有裨益，也是我珍贵的总结。

我们学习人工智能，最自然的一个问题莫过于：什么是人工智能？在这个问题中，就揭示着人工智能学科的基本内容和研究、讨论的边界。

一、研究对象和定义

人工智能的研究对象是人类智能。这一研究对象贯穿人工智能体系的始终，是体系的主干，大家要牢记对象，牢记我们在做什么事情：模拟人类智能。

接着我们来看，人工智能的定义。

人工智能是一门研究模拟、拓展和延伸人类智能的理论、方法和工程的学科。主要利用计算机程序和算法来实现智能行为。最初是模拟人类智能，现在已经慢慢发展成拓展、延申、超越人类了。

人工智能具有以下几项显著性质：

人工智能涉及计算机科学、信息论、逻辑学、心理学、神经科学等多个领域,具有强烈的跨学科特征。它试图通过模拟人类智能,利用计算机等技术来解决实际问题。

人工智能强调将理论应用于实践,重视动手实践和问题求解能力。这要求学习者不仅要掌握理论知识,还要大量参与编程、算法设计、模型构建等实践活动,培养解决实际问题的能力。

随着人工智能技术的快速发展,如何确保AI系统的安全性、可靠性和道德性成为一个重要的研究课题。人工智能系统的应用会对社会产生广泛而深远的影响,需要关注其伦理、隐私、就业等方面的社会影响。这要求学习者不仅要关注技术,还要关注人工智能的社会责任和影响。

人工智能技术日新月异,学习这个学科需要保持对新技术、新趋势的关注和学习能力。人工智能领域的知识和技能需要长期积累和持续更新。这要求学习者培养终身学习的意识和能力。

现代人工智能高度依赖于大量的训练数据。数据的获取、处理和分析是人工智能研究的基础。这就要求学习者具备一定的数据思维和数据处理能力。

推动人工智能发展的三大因素被称为"三驾马车"，即算力、算法和数据。学习人工智能需要关注这三个方面的最新进展和发展趋势。

弱人工智能指的是针对特定任务的人工智能系统,而强人工智能指的是具有人类级别通用智能的系统。理解这两个概念有助于认识人工智能的发展历程和目标。

人工智能算法与传统算法的关键区别在于,AI算法具有学习能力,可以从数据中自动提取特征和规律,而非完全依赖人工编码。这使得AI算法具有更强的泛化能力和复杂问题解决能力。

人工智能的核心技术可以根据其应用范围分为两类：

机器学习：机器学习是一门关于数据学习的科学技术，它能帮助机器从现有的复杂数据中学习规律，以预测未来的行为结果和趋势。
知识图谱：知识图谱是一种新型的数据组织形式，它以图的形式组织知识，能够更好地表达实体之间的关系，提供更丰富的语义信息。
类脑智能计算：类脑计算是指借鉴大脑的神经网络结构和其信息存储处理运作机理，结合现代信息技术理论，在硬件、软件和算法等多个层面对于现有的计算体系进行本质变革，目标是制造类脑计算机，最终实现人工通用智能。_应用产品比如在医疗领域实现瘫痪人士通过脑机设备控制机械臂完成相应动作。
其他

计算机视觉：计算机视觉是人工智能的一个重要分支,它是研究计算机如何获取、处理、分析和理解数字图像的技术。简单来说,计算机视觉的研究者试图让计算机拥有像人类一样感知视觉世界并从图像中了解场景和环境的能力。比如人脸识别、在自动驾驶汽车上的应用。
智能语音：智能语音是指的是利用计算机对语音信息进行分析处理，以模仿人类实现听、说等语音能力的技术，语音识别和语音合成目前是其核心应用。比如我们手机上熟悉的小爱、Siri，智能音箱。
自然语言处理：自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。火爆的语言大模型（LLM）就是该技术下的产品！
生物特征识别：生物特征识别是指利用人体生物特征，如眼睛、耳朵、鼻子、嘴巴、皮肤等来识别个体身份的一种技术。比如指纹识别。
VR/AR：VR/AR也应用着特定的AI技术。
其他