对人工智能的认识_人工智能是怎么来的

　　人工智能是21世纪世界三大尖端技术之一，它在社会生产生活中起到了无可替代的巨大作用，它研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。作为计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，它是多种学科互相渗透的一门综合性新学科，是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，用以延伸人们智能的科学。

　　2） 在我看来，人工智能可以分成两个部分来理解，即“人工”和“智能”。人工，自然就是一些人力所能做到的事情，由人去完成活动。智能，应该理解为智慧和能力。既然走智能平台之路，就必须做到两点：一、通过向开发者开放免费的API接口，方便导入后台数据库；二、平台具备自我学习能力，不断完善信息和丰富数据库。

　　3）人工智能的本质就是机器自学习的过程。机器学习包括两大模块：一是数据来源，即大数据；二是数据处理方式，即机器学习算法，机器在自学习过程中两大模块同时运行。深度学习是机器学习研究中的全新领域，主要为建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。深度学习能增强机器学习的能力，整个机理得到大幅改进。

　　4）但受限于技术瓶颈，目前人工智能远未到达成熟的地步。人工智能一旦做成，将对现有移动互联网产品商业模式产生巨大的颠覆，甚至很多移动互联网、互联网产品将不复存在。它的到来，将改变现有的购物、聊天和通信方式，甚至对社交产生冲击。

　　5）基于大数据的分析和处理的人工智能能实现精准推荐。但用它来模拟人工存在较大瓶颈，即模拟不出情感、道德等人类特有特征，最根本的解决办法是基于生物计算机去变革，这是人工智能演化必经的基础性变革。以上就是我对人工智能的看法。

　　智能机器人是当前人工智能领域一个十分重要的应用领域和热门的研究方向，它直接面向应用，社会效益强，发展非常迅速。它的研制几乎需要所有的人工智能技术，而且还涉及其他许多科学技术部门和领域。作为人工智能的理想研究平台，它是一个集感知、思维、效应等多方面全面模拟人的机器系统，但其外形不一定像人。它是人工智能技术的综合试验场。可以全面地考察人工智能各个领域的技术。其能力和水平已经成为人工智能技术水平甚至人类科学技术综合水平的一个表现和体现，研究它们相互之间的关系还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。

　　2）智能机器人作为第三代机器人，具有感知、识别、推理、规划和学习等智能机制， 其中，感知本身， 就是人类和动物所具有的低级智能。智能机器人可以把感知和行动智能化结合起来。它的智能分为两个层次：第一即具有感觉、识别、理解和判断功能;第二即具有总结经验和学习的功能。

　　3）智能机器人技术将会沿着自主性、智能通信和适应性三个方向发展。移动功能是智能机器人与工业机器人显著的区别之一。智能机器人的生命在于创新， 开展仿生机构的研究， 可以从生体机构、移动模式、运动机理、信息处理与综合， 以及感知和认知等方面多层次得到启发。智能机器人的发展必将伴随着智能化算法的不断涌现，模糊控制、神经网络、遗传算法以及它们的相互结合也是智能机器人研究热点之一。由于智能机器人工作环境复杂度和任务的加重， 人类对其要求不再局限于单台智能机器人， 在动态环境中多智能机器人的合作与单个机器人路径规划要很好地统一，才能更好实现智能化。由于智能机器人的造价太高，所以至今无法普及。不过，总有一天，智能机器人将会伴着我们的生活，为我们的生活带来方便。

　　专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。ES的理论和技术不断发展，应用渗透到几乎各个领域，包括军事、法律、商业、计算机设计和制造等众多领域，开发的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。

　　它是具有大量专门知识与经验的智能计算机系统，通常，主要指计算机软件系统。它在计算机中组织整理存储了专门领域中人类专家的知识和思考解决问题的方法，经验和诀窍，不但能模拟领域专家的思维过程，而且能让计算机宛如人类专家那样智能地解决实际存在的困难和复杂的问题。即它是一个应用于某专门领域，拥有专家级知识，能模拟专家思维，能达到专家级水平的系统。

　　ES是人类专家智能的模拟，延伸和扩展，具有一定的复杂性和难度；是专家可以信赖和利用的高水平智能助手和有效工具；它可以接近人类专家的水平在特定领域工作；它能高效，准确，迅速地工作，不会产生疲劳，遗忘，不受环境，情绪等的影响；它突破了时间和空间的控制，程序可永久保存，并可复制，还可在网上传递；它能进行有效推理，包括各种精确性推理和非精确性推理。

　　相对于一般计算机软件系统来说，ES 不同于一般的计算机软件系统，从处理问题的性质来看，ES善于解决不确定性，非结构化，没有算法或虽然有算法但是在现有的机器上无法实施的困难问题，主要用于知识信息处理；从处理问题的方法看，ES 则利用专家的知识和经验，求解专门问题，而不是数学描述的方法来解决问题，它是基于知识的智能问题求解系统；从系统的结构来看，ES灵活性和可扩充性更好。

　　ES是人类专家智慧的拷贝，是人类专家的某种化身，它是基于知识的系统，虽然现在技术比较成熟，但是仍然存在很多的问题，比如系统的优化和发展问题，但是正是有这些问题的存在，才会推动专家系统一代一代的发展下去。

　　有一些词语确实应该经受更多的质疑。六十年前，一些科学家制定了一个会议日程，希望为预测并塑造未来奠定基础。他们的任务，是用计算科学重建和超越人类心智的运作。这个大会被他们命名为“达特茅斯人工智能研究项目”。

　　1955年的一个草案明确提出了达特茅斯会议的假设：“研究是基于这样一个猜想：学习的每一个环节，或者智能的任何其它功能，原则上都可以被精确描述，可以让机器进行模拟。”然而到了今天，“智能”这个词仍然很笼统。从自动驾驶的车辆到面部识别，从下象棋和围棋到基于数十亿个样本的翻译，越来越聪明的自动化方案让人入迷。然而，但每一篇文章标题中的词语都让我们偏离对机器本身的认识——机器和人根本不像，并不是对人类智能的反射。

　　阿兰·图灵1950年发表了一篇关于计算机器和智能的论文，其中写道，“我们只能看到很短的未来，但我们可以看到未来有很多事情需要去做。”如果要诚实地面对未来，我们就需要清楚我们经过了哪里，需要准确描述眼前正在发生的事情是什么。 人工智能包含一系列新兴学科，它们有更精确的名称：机器学习、符号系统、大数据、有监督学习、神经网络。然而，由于其术语中嵌入了一个六十年前的类比，大多数关于它们的讨论都受到一些干扰——同时又滋生了很多无益的幻想。

　　知道维基百科的起源未必有助于我们了解它为什么成功，也未必可以教会我们更好地使用它。但它确实是个提醒：我们今天习以为常的事情，当初可能并非是这样。所以，未来的事情也未必就会是今天的样子。