认知AI求对ps和ai的认识

认知计算是什么？与人工智能，机器学习这些概念有什么区别

“认知计算”这个概念的核心是类脑计算。

或者换种说法，狭义的认知计算就是类脑计算。

认知计算的终极目标，就是完全的类脑计算。

人工智能是一个很大的概念，个人认为从终极目标的角度来说，认知计算是实现人工智能的一条重要途径。

人脑仅凭几十瓦的功率，能够处理种种复杂的问题，怎样看都是很神奇的事情。

更重要的是，人脑认知的一个关键点在于能够处理情感，这一点是现有人工智能所难以企及的。

以神经网络的观点来看，情感就是一种计算的产物，即脑神经网络计算的产物。

那么我们以后能否建立初能够认知情感的模型？或者说部分认知情感的模型？这都是认知计算要重点解决的问题。

但个人认为，如果要从技术角度去讲认知计算和人工智能两者的关系，那就要非常谨慎。

通常的研究者恐怕难以到达这个高度。

进一步讲，能够从技术角度单把人工智能讲清楚，都是一件水平很高的事情。

至于与机器学习的关系，在现阶段，两者的相当一部分技术、算法都是重合的，但两者的服务目标则有所区别。

具体来讲，认知计算更强调“类脑”。

现今付诸实践的机器学习方法，离类脑计算尚有相当远的一段距离。

深度学习的确在计算机视觉等领域取得了巨大的成功，最近还击败了人类专业围棋手。

但个人认为深度学习在现阶段还不能说是类脑计算，最多达到仿生层面。

例如，撇开刚才讲到的情感问题不谈，如果我们关注一下神经元激活函数，就会发现实际生物体神经细胞中的input-output关系基本上是sigmoid [1]，但在deep learning中，激活函数sigmoid不一定好用，后来就出现了ReLU，大家发现ReLU比sigmoid好用得多。

但ReLU的提出实际上是离生物体神经元越走越远，因此Deep Learning是否还走在类脑的道路上，现在还不能给出肯定的结论。

另外，由于Deep learning目前还没有严格的数学理论支撑，同时人们对脑的理解还十分有限，所以完全的类脑计算还会是一个很长远的目标。

这正是认知计算需要解决的问题，要解决这个问题，就必须在研究方法论上将计算机科学和认知神经科学摆到同等的地位。

简单地说，一个没有系统地学过认知神经科学的人，完全可以做机器学习，并发出高水平的paper，但却很难做好真正的认知计算。

探索、学习、模拟人脑，正是认知计算的魅力所在。

认知智能在人工智能领域占有什么位置？应用在什么地方？

认知智能是人工智能领域最难的，也是最重要的技术领域，认知智能的突破决定是否能够真正的实现机器对世界的认知、思考、回应。

人工智能的前两个层次——计算智能和感知智能只能说在工具层面实现了突破，而不能实现新的物种的诞生；认知智能的发展将使大量繁琐但很重要的工作变的更人性、更高效、更精准，在搜索、交互、翻译、阅读、推荐、预测等方面帮助人类达到一个新高度。

按照科学家们对类人的超级智能的预想，认知智能的进化可以分为三个层次：第一层：识别、记忆、表示、处理；第二层：分析、推理、情感；第三层：创意、想象力、自我意识、信仰。

现在在第一层已经有了明显收获，在智能服务、智慧城市、智慧金融等方面都有应用，可以通过机器人的识别和处理能力来帮助人做很多工作。

在认知智能的第二层次上，小i机器人、百度、科大讯飞这些有技术实力的公司也都有一定的突破。

第三层目前还属于无人区。

认知智能国内最典型的公司就是小i机器人。

小i机器人一直坚持“大脑”研发，在认知智能领域颇有建树，让人工智能技术开始大规模进入实体产业，积累了大量行业客户和产业落地经验。

早期在医疗、呼叫中心、金融个别领域能够看到，如今我们看到有更多的领域，包括智能制造、农业、工业、零售在内的很多行业已经陆续开始跟人工智能进行融合。

小i机器人现在服务的客户就包括几十家大型银行和移动、电信、联通三家运营商，以及万达、华为、顺丰、富士康等多个行业的巨型企业。

按照业内人士普遍的共识，接下来的十年会是人工智能的第一个黄金十年，也是认知智能获得突破的重要时期，应用会越来越深入，越来越广泛。

认知心理学在人工智能领域研究的优势和劣势有哪些，以及最新的动态是什么？

我是一个成员，中国人工智能学会，人工智能是一个有前途的领域，但也非常具有挑战性的领域。

有很多有意义的工作，并不一定高度的数学能力，关键是逻辑思维能力。

你推荐一个具有里程碑意义的网站 / ，你可以链接这里走出去的和人工的智力资源。

至于什么大学最强的是就不说了，几个北京的大学和科研单位的水平是非常高的，作为一个线索。

最后，我们欢迎你到世界的人工智能，我希望你在这里取得了辉煌的成就，我们期待着您...

怎样看待AI技术的发展

从长远来看，是能促进人类进步的哈 我们现在是处于弱人工智能阶段 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。

发展的影响： (1)人工智能对自然科学的影响。

在需要使用数学计算机工具解决问题的学科，AI带来的帮助不言而喻。

更重要的是，AI反过来有助于人类最终认识自身智能的形成。

(2)人工智能对经济的影响。

专家系统更深入各行各业，带来巨大的宏观效益。

AI也促进了计算机工业网络工业的发展。

但同时，也带来了劳务就业问题。

由于AI在科技和工程中的应用，能够代替人类进行各种技术工作和脑力劳动，会造成社会结构的剧烈变化。

(3)人工智能对社会 影响。

AI也为人类文化生活提供了新的模式。

现有的游戏将逐步发展为更高智能的交互式文化娱乐手段，今天，游戏中的人工智能应用已经深入到各大游戏制造商的开发中。

伴随着人工智能和智能机器人的发展，不得不讨论是人工智能本身就是超前研究，需要用未来的眼光开展现代的科研，因此很可能触及伦理底线。

作为科学研究可能涉及到的敏感问题，需要针对可能产生的冲突及早预防，而不是等到问题矛盾到了不可解决的时候才去想办法化解。

求对ps和ai的认识

ai的强项是矢量，点线面的结构操作绝对比ps要简单，随意，可以说，用ai画款式图、结构图要比ps好。

由于两者都是adobe产品，快捷键会有部分一样，上手比较容易，但也由于ai有一定的ps影子，所以某些操作会比较复杂，不够简便，所以，我推荐也学cd。

不可否认，ai的部分功能比cd好，但cd的操作方式公认比较简单，人性，易懂。

不要相信哪种软件比哪种好的说法，他们各有千秋，用多了，好处你自然知道。