人工智能原理(人工智能的利与弊)

 

人工智能是英文Artificial Intelligence的中文翻译，缩写为AI。1956年，麻省理工学院的马文·明斯基(Marvin Lee Minsky)和麦卡锡(J.McCarthy)一起发起达特茅斯会议并提出人工智能概念，因此马文·明斯基是人工智能之父和框架理论的创立者。

人工智能是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。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等。

通常机器学习的数学基础是统计学、信息论和控制论，还包括其他非数学学科。这类机器学习对经验的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样，我们可以将这样的学习方式称之为连续型学习。

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的容器，人工智能可以看做是对人的意识、思维的信息过程的模拟。现在网络上有一些人工智能的产品，对老照片的修复和上色就是其中之一。它是怎么做到的呢？

让AI拥有常识，让它可以判断不同场景下的物品应该是什么颜色。神经网络就像一个简化的大脑，你教给他东西，他就能记住东西，做出判断。要做到这点，需要让AI拥有图形判别的能力，要让AI能够认识物品。这项技术有两个关键点：一是图像生成器，二是对抗式学习方式。

所谓图像生成器，就是当你给出一张黑白照片要生成彩色照片时，需要生成器博闻广识，能准确的回忆起图片里面的事物原来是什么颜色。而对抗式学习方式则是难点中的难点。为了训练生成器，需要设计新颖的判别器和损失函数来评价生成的彩色图像和真实彩色图像的接近程度。在学习过程中，生成器努力记忆事物的色彩分布情况，使自己还原出来的彩色图像越来越真实，让判别器越来越难分辨。经过对大量照片样本的学习，算法能力数次迭代，AI技术终于能够对黑白照片的图像做出较为准确的判断和上色。

互联网小常识：DNS服务器和DHCP服务器都需要固定的IP地址。DHCP默认的租约期限设置为8天，最小单位为分钟，租约到期前客户端需要续订，续订工作由客户端自动完成，作用域激活后DHCP服务器才能为客户机分配IP地址。DHCP服务器中常用的选项有路由器选项和DNS服务器选项。

但人类除了会从经验中学习之外，还会创造，即跳跃型学习。这在某些情形下被称为灵感或顿悟。一直以来，计算机最难学会的就是顿悟。或者再严格一些来说，计算机在学习和实践方面难以学会不依赖于量变的质变，很难从一种质直接到另一种质，或者从一个概念直接到另一个概念，这是智能化研究者梦寐以求的东西。

人工智能不是人的智能，虽然能模拟像人那样思考，个人愚见是不可能超过人的智能，因为人工智能只是一些计算机程序，不能拥有人类的情感，没有人类的灵感或顿悟。人工智能程序在给老照片修复和上色时，比手工修复和上色快了许多，似乎也好了一些，但始终就是差那么一点情感，也不可能判断出哪张照片是艺术作品！只是完成形式上的工作，至于内容上的理解，它并不知道在干什么，正像下棋的程序虽然赢了人类中的高手，但程序并不知道它是在下棋，也不能体会下棋中的快乐！

如果生物技术工程哪天搞出个超智能的怪物，像阿凡达那样拥有了情感，即使用石头和长矛也能战胜飞机和大炮，那恐怕就是真的人工智能了，也或许将是人类的悲哀！

互联网小常识：网桥最重要的工作是建立和维护MAC地址表，其内容包括：站地址，端口和时间。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186