人工智能的定义与相关点
-
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电脑程式的手段实现的类人智能技术。
-
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
-
人工智能的定义可以分为两部分，即“人工”和“智能”。“智能”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。
-
人工智慧的研究方向已经被分成几个子领域：
-
演绎、推理和解决问题：实体化Agent研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。
-
知识表示：是人工智能领域的核心研究问题之一，它的目标是让机器存储相应的知识，并且能够按照某种规则推理演绎得到新的知识。有许多需要解决的问题需要大量的对世界的知识,这些知识包括事先存储的先验知识和通过智能推理得到的知识。
-
规划：智能Agent必须能够制定目标和实现这些目标。他们需要一种方法来建立一个可预测的世界模型
-
机器学习：为了让机器从使用者和输入数据等处获得知识，从而让机器自动地去判断和输出相应的结果。主要分为监督学习和非监督学习两大类。
-
自然语言处理：探讨如何处理及运用自然语言，自然语言认知则是指让电脑“懂”人类的语言。
-
运动和控制、知觉、社交、创造力、伦理管理等
-
-
流派：强人工智能和弱人工智能
-
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。
-
-
-
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。
-
相关讨论
-
争论要点：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。
-
哲学家观点
-
丹尼尔·丹尼特在其著作《意识的解释》（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。
-
西蒙·布莱克本（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。布莱克本认为这是一个主观认定的问题
-
-
-
注：以上总结于维基百科。
人工智能的相关讨论
-
学术相关讨论
-
《不确定性人工智能》 中，充分的讨论了人工智能的不确定性，要点如下：
-
随机性和模糊性是不确定性的最基本内涵
-
随机性和随机数学:
- 随机性又称偶然性,是指因为事件发生的条件不充分,使得条件与结果之间没有决定性的因果关系,在事件的出现与否上表现出的不确定性质,可以用随机数学作为工具进行研究.
-
模糊性和模糊数学:
-
模糊性又称非明晰性.它的出现是由于概念本身模糊,一个对象是否符合这个概念难以确定,在质上没有明确含义,在量上没有明确界限.这种边界不清的性质,不是由人的主观认识造成的,而是事物的一种客观属性.概念外延的不确定性质,可以用模糊数学作为工具来研究.
-
人工智能对模糊性的研究方法,通常是将原有的精确知识的处理方法以各种方式模糊化,如模糊谓词、模糊规则、模糊框架、模糊语义网、模糊逻辑等等.模糊逻辑后来又发展成为一种可能性推理方法,借助于可能性度量与必然性度量,更好地处理模糊性.
-
-
随机性和模糊性的关联性
- 人们分别用随机数学和模糊数学去研究随机性和模糊性,仅仅是从不同的角度去认识不确定性,并规定了各自的公理系统.但是,当研究广义的不确定性的时候,这些公理作为前提条件是否成立,常常成了一个大问题.
-
-
混沌、分形和复杂网络
-
混 沌
- 从 20 世纪 90 年代开始,人们进一步将混沌和神经网络结合起来,提出多种混沌神经网络模型,探索应用混沌理论的各种信息处理方法,例如,在神经元模型中引入神经元的不应性,研究神经元模型的混沌响应、不应性项的定标参数、不定性时间衰减常数等参数的性质,以及这些参数和神经网络混沌响应的关系等等.这种由混沌神经网络模型绘出的图形和脑电图极为相似。
-
分 形
- 通过对大量现实数据的分析,科学家们发现价格变化存在无尺度、自相似的特点,用分形可以模拟价格随时间的变化,多重分形还可以描述市场的不确定性.与常规的统计方法不同,分形将复杂体系分解,可以体现复杂体系中的内部精细结构和蕴含的信息,而统计方法只能得到宏观的、粗略的估计。
-
复杂网络
-
具有小世界效应和无尺度特性的复杂网络近年来备受人们关注.大量的真实网络,如因特网、万维网、电力网、航空网、食物链、人际关系网都是这种复杂网络.
-
人是一个能够感知、传输、处理、开发和利用不确定性信息的最复杂的系统.人通过各种感觉器官——听觉、视觉、触觉、嗅觉、痛觉、温度觉、深感觉等——来感知外部世界.人脑具有记忆、思维、意识和智能.从结构上看,人脑是包含 140 多亿个神经细胞的复杂网络,能灵活处理各种复杂的、不确定的信息.人们正试图构建具有复杂网络特性的认知模型,模仿以神经元为基本组成单元的中枢神经系统.近年来,人们也试图将神经网络模型、模糊推理和表示、进化算法等与混沌、分形理论结合起来,构造新的模型,以体现人类的不确定认知过程。
-
-
-
人类认知过程的不确定性
-
感知的不确定性
-
记忆的不确定性
-
思维的不确定性
-
-
自然语言的不确定性
-
不确定性的计算机模拟
-
随机性、模糊性及其关联性的计算机模拟
-
分形不确定性的计算机模拟
-
网络拓扑不确定性的计算机模拟
-
-
-
Alpha Go与人工智能，是强大的运算能力还是真正的智能创造？
-
机器有没有创造力？
-
人工智能，能取代人吗？
-
人工智能，是人类的下一步进化方向吗
-
奇点何时到来？
-
-
社会相关讨论
-
忧虑之一:人工智能会否让中产阶层大规模失业
- 但人工智能的广泛应用可能冲击现有社会结构，弄掉中产阶层的传统饭碗，比如医生、律师、教师、翻译等。《经济学家》去年曾撰文称，人工智能正在加剧“职业两极化”的风险，一极是高薪水高技术职业，就是人工智能尚不能替代的职业，比如建筑师、艺术家、高级管理等，另一极就是低薪水、低技术的职业，或者说人工智能没必要替代的职业，比如清洁工、快餐员等。著名物理学家霍金在《卫报》专栏中写道：“工厂自动化已经让众多传统制造业工人失业，人工智能兴起很可能让失业潮波及中产阶层，最后留给人类的只有护理、创造和监督工作。”根据一份广为流传的花旗银行与牛津大学联合研究报告，未来10至20年内，美国47％、英国35％、经合组织国家57％的工作岗位将被人工智能取代。
-
忧虑之二:人工智能会否让富者愈富，贫者愈贫
- 一向以代表工人阶级利益自居的《卫报》近期刊发了一篇对人工智能的“檄文”，认为未来的富人可以躲进私人飞机、私人岛屿，让机器人来提供保护与服务，与其他人隔绝。在这样的世界，富人不雇佣任何人就可以让自己变得更富。资本从劳动中解放出来，意味着劳动的结束，工资的结束，工人阶级就会被消灭掉了。此文虽然有些极端，但如何避免人工智能拉大贫富差距的讨论确已成为当下热点话题。
-
忧虑之三:人工智能产业竞争激烈，非发达地区会否被边缘化
-
有技术专家称，未来科技公司都必须标榜“人工智能+”才能生存。人工智能发展已得到各国政府的重视。美国政府主要通过公共投资的方式引导人工智能产业的发展，美国政府2013财年便将22亿美元投入先进制造业，重点方向便是“国家机器人计划”。去年，美国更是加紧了对人工智能的开发，发布多项战略文件，将人工智能上升到了国家战略层面，为美国人工智能的发展制定了宏伟计划和发展蓝图。欧盟也于2013年便提出人脑计划项目，投入近12亿欧元经费，旨在通过计算机技术模拟大脑，将脑科学的研究数据与相关产业相结合，建立一套全新的、分析、整合、模拟数据的信息通信技术平台，保持欧洲在人工智能研究的领先地位。
-
科技巨头如谷歌、苹果、脸书、微软、亚马逊、IBM等，早已将发展人工智能技术作为核心战略
-
-
忧虑之四:人工智能会否逃脱法律监管，信马由缰
- 依照目前人工智能技术水平，机器人还停留在“机器”状态，但阿尔法狗已让普罗大众见识到其深度学习的能力，“机器”进化为“人”不再是天方夜谭。人工智能会否影响人类的生存延续，彻底改变人类命运，仍存在较多不确定性。加强管理人工智能的道德和法律风险，建立人工智能决策的问责机制已提上议事日程。比如人工智能可以迅速从公用数据中提取个人稳私信息，无人驾驶在遭遇突发事故时的道德选择等等
-
-
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
