认知AI初识人工智能,从这里认识人工智能

AI研究领域有哪些？

目前人工智能的研究方向常见领域如下： 1. Reasoning, problem solving演绎、推理和解决问题：逐步推导的方式寻找更有效的算法 2. Knowledge representation知识表示法：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。

3. Planning规划：建立可预测的世界模型，选择功效最大的行为，即可以够制定目标和实现这些目标的规范。

4. Learning机器学习：让机器从用户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。

5. Natural language processing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。

自然语言生成系统把计算机数据转化为自然语言。

自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

6. Perception感知：机器感知是指能够使用传感器所输入的资料（如照相机、麦克风、声纳以及其他的特殊传感器）然后推断世界的状态。

计算机视觉能够分析影像输入。

另外还有语音识别、人脸识别和物体识别。

7. Motion and manipulation运动和控制：机器人。

8. Social intelligence社会智慧：情感计算，了解他们的动机和情感状态，代理人能够预测别人的行动。

（这涉及博弈论、决策理论以及能够塑造人的情感和情绪感知能力检测） 9. Artificial General intelligence(AGI) 通用人工智能：又称为(Strong AI)强AI：具备与人类同等智慧、或超越人类的人工智能，能表现正常人类所具有的所有智能行为。

目前人工智能研究阶段只停留在弱人工智能（applied AI，narrow AI，weak AI, artificial narrow intelligence, ANI）只处理特定的问题。

弱人工智能不需要具有人类完整的认知能力，甚至是完全不具有人类所拥有的感官认知能力，只要设计得看起来像有智慧就可以了。

而强人工智能也指通用人工智能（artificial general intelligence，AGI），或具备执行一般智慧行为的能力，通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。

初识人工智能,从这里认识人工智能

人工智能可以分为强人工智能和弱人 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 (Problem solving)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。

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 , 但并不真 正拥有智能 , 也不会有自主意识。

人工智 能的研究经历了以下几个阶段: 第一阶段:20 世纪 50 年代人工智能的兴 起和冷落。

人工智能概念首次提出后,出现了 一批显著的成果,如机器定理证明、跳棋程序、 LISP 表处理语言等。

但由于解法推理能力有 限,以及机器翻译失败等,使人工智能走入低 谷。

这一阶段的特点是:重视问题求解的方 法,忽视知识重要性。

第二阶段:20 世纪 60 年代末到 70 年代,专 家系统出现使人工智能研究出现新高潮。

DENDRAL 化学质谱分析系统、MYCIN 疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II 语音理解系统等专家系统的研究 和开发,将人工智能引向了实用化。

1969 年成立了国际人工智能联合会议(IJCAI)。

第三阶段:20 世纪 80 年代,随着第五代计 算机的研制,人工智能得到了很大发展。

日本 1982年开始了“第五代计算机研制计划”,即 “知识信息处理计算机系统KIPS”,其目的是使 逻辑推理达到数值运算那么快。

虽然此计划最 终失败,但它的开展形成了一股研究人工智能 的热潮。


第四阶段:20 世纪 80 年代末,神经网络飞 速发展。

1987 年,美国召开第一次神经网络 国际会议,宣告了这一新学科的诞生。

此后, 各国在神经网络方面的投资逐渐增加,神经网 络迅速发展起来。

第五阶段:20 世纪 90 年代,人工智能出现 新的研究高潮。

由于网络技术特别是国际互 连网的技术发展,人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。

不仅研究基于同一目标的分布式问 题求解,而且研究多个智能主体的多目标问题求解,将人工智能面向实用。

人工智能研究范畴有自然语言处理 , 知识表现,智能搜索,推理,知识获取,组合调度问题,感知问题,模式识别,逻辑程序设计,软计算,不精确和不确定的管理,人 工生命,神经网络,复杂系统等。

目前,人工智能是与具体领域相结合进行研究的,有如下领域: (1)专家系统。

依靠人 类已有的知识建立起来的知识系统,目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域。

(2)机器学习。

主要在三 个方面进行:一是研究人类学习的机理、人 脑思维的过程;二是机器学习的方法;三是建立针对具体任务的学习系统。

(3)模式识别。

研究如何使机器具有感知能力,主要研究视觉 模式和听觉模式的识别。

(4)理解自然语言。

计算机如能“听懂”人的语言,便可以直接用口语操作计算机,这将给人们带极大的便利。

(5)机器人学。

机器人是一种能模拟人的行为的机械,对它的研究经历了三代发展过程:第一代(程序控制)机器人:这种机器人只 能刻板地按程序完成工作,环境稍有变化就会出问题,甚至发生危险。

第二代(自适应)机器人:这种机器人配备有相应的感觉传感器, 能取得作业环境、操作对象等简单的信息,并由机器人体内的计算机进行分析处理,控制机器人的动作。

第三代(智能)机器人:智能机 器人具有类似人的智能,它装备了高灵敏度传感器,因而具有超过人的视觉、听觉、嗅觉、触觉的能力,能对感知的信息进行分析,控制自 己的行为,处理环境发生的变化,完成各种复杂的任务。

而且有自我学习、归纳、总结、提高已掌握知识的能力。

(6)智能决策支持系统。

20 世纪 80 年代以来专家系统在许多方面取得 成功,将人工智能中特别是智能和知识处理技术应用于决策支持系统,扩大了决策支持系统 的应用范围,提高了系统解决问题的能力,这就成为智能决策支持系统。

(7)人工神经网络。

在研究人脑的奥秘中得到启发,试图用大量的 处理单元模仿人脑神经系统工程结构和工作 机理。

人工智能的应用领域:(1)问题求解。

到目前为止,人工智能程序已能知道如何考虑它 们要解决的问题。

(2)逻辑推理与定理证明。

逻 辑推理是人工智能研究中最持久的领域之一。

定理寻找一个证明或反证,不仅需要有根据假 设进行演绎的能力,而且许多非形式的工作, 在人工智能方法的研究中定理证明是一个极 其重要的论题。

(3)自然语言处理。

自然语言的 处理是人工智能技术应用于实际领域的典范, 目前该领域的主要课题是:计算机系统如何以 主题和对话情境为基础,注重大量的常识—— 世界知识和期望作用,生成和理解自然语言。

(4)智能信息检索技术。

信息获取和精化技术 已成为当代计算机科学与技术研究中迫切需 要研究的课题,将人工智能技术应用于这一领 域是人工智能走向广泛实际应用的契机与突 破口。

(5)专家系统。

专家系统是目前人工智 能中最活跃、最有成效的研究领域,它是一 种具有特定领域内大量知识与经验的程序系统 。

人工智能的发展前景。

人工智能不单单需要逻辑思维与模仿,科学家们对人类大脑和神经系统研究的越多, 他们越加肯 定:情感是智能的一部分,而不是与智能相 分离的。

因此人工智能领域的下一个突破可能不仅在于赋予计算机更多的逻辑推理能力, 而且还要赋予它情感能力。

科学家 断言, 机器的智能会迅速超过爱因斯坦和霍金的智能之和。

大量微小的机器人将在大脑的感觉区里占据一席之地 , 并且创造 出真假难辨的虚拟现实的仿真效果。