人工智能研究(人工智能研究范畴广泛而又异常复杂其发展需要)

 

近几年，尤其是2016年3月，谷歌旗下Deepmind公司开发的AlphaGo战胜韩国职业围棋九段李世石，使得人工智能（AI）技术大热，席卷全球。人工智能已经成为时尚用词，备受企业和资本的青睐和追捧。智能制造、智能石油钻井、智慧出行、智慧城市、智慧水务等概念，也是层出不穷。人工智能确实给人类的生产生活带来了极大的便利。

但是，紧接着，对人工智能的质疑声也接踵而来。人工智能带来的伦理问题，侵犯人类隐私的问题，以及是否会抢占人类的就业机会等问题，开始越来越多地被大众关注。

什么是人工智能

从字面意思解释，人工智能就是人类制造的智能机器。而实际上，对于人工智能的定义说法不一。人工智能图灵奖的获得者约翰麦卡锡博士曾将人工智能定义为：制造智能机器的科学和工程。人工智能之父和框架理论的创立者马文明斯基的定义则是如果由人来做就需要智力的事情，以及解决难题的能力。

互联网小常识：安装DNS服务时，根DNS服务器会被自动加到系统中。使用”nslookup“对DNS服务器进行测试，如果仅测试域名到地址的转换功能使用ping域名命令即可。

人工智能技术实际上是综合了信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科的知识，通过计算机和其他机器进行呈现。

人工智能发展史

1946年第一台计算机发明，开创了图灵机的历史，也就是英国数学家阿伦图灵提出的通过操纵电路开关产生逻辑信号（0和1），人们能创造可与完美的数学家相媲美的机器。我们目前用的计算机都是基于这个理论开发的。自此，人们开始相信，计算机可以发展成为替代人类的智能机器。

到上世纪70年代，由于技术人员低估了人工智能开发的技术难度，以及人们对人工智能的恐慌，各国开始收紧对人工智能的开发，人工智能陷入低谷。

随后一些数学算法的应用，使得人工智能又有了一定的发展。但是，物联网和搜索引擎的出现，对人工智能有很大的冲击，人们从前认为的专家系统信息，完全都可以通过互联网获得。

而本次人工智能的再次崛起，得益于深度学习等算法以及GPU硬件技术的发展。

总之，思想和科技相辅相成，才能够不断地推动技术进步，创造未来。

人工智能的测试

数学家艾伦图灵发明了一种测试机器是否智能的方法，简单来说，就是对盲盒中的对象进行测试，如果有30%的人无法区分盲盒内是机器还是人，那么这个机器就通过了这个测试。这个测试方法是在当时还没有出现人工智能甚至计算机刚刚出现不久提出的，这种方法的合理性有待商榷。甚至从哲学角度讲，如果里面的是人类，反而没有通过测试，那么意味着什么呢？

由于对人工智能的定义和测试方法本身就存在争议，所以更让现在的人工智能成为了很多商业和资本的噱头。

人工智能的组成

人工智能的三要素：算法、算力和数据。

算法本身是叠加了生物学、逻辑学等多学科的数学，算法本身的历史比人工智能和计算机的发明要早。事实上，早期的算法，为了适应早期计算机低下的运算能力，研究得很复杂，以便通过优化算法减少计算机的负荷。

算力就是按照摩尔定律集成电路上可以容纳的晶体管数目在大约每经过18个月便会增加一倍。换言之，处理器的性能每隔两年翻一倍。计算机的硬件水平迭代更新速度加快，使得算力不断得提高。神经网络算法的发展，就是得益于GPU算力的提升。人们发现，GPU在神经网络算法运算中比CUP更加适合这种扁平化的运算。

传感器、物联网和移动互联网技术的发展，为人工智能的数据分析，提供海量的数据。这样一来，也加快了人工智能的步伐。

从某种意义上说，由于算力的提升，算法在近些年的发展，反而没有上世纪算力低下的情况下，研究的深入和复杂。原因很简单，一般的算法模型，就可以通过强大的算力进行弥补，顶多就是增加硬件或时间。

互联网小常识：划分子网的三级地址结构为：网络号+子网号+主机号。

人工智能分类

从人工智能的能力水平来说，大致分为如弱人工智能、强人工智能和超级人工智能。

弱人工智能就是我们目前应用最广的机器学习模型，主要专注某一领域的内容，比如下围棋，预测行驶时间等等。

强人工智能更加侧重于各方面智能水平达到和人一样的机器人，这就不仅仅是算法，还包括人体功能学、自动控制等内容。

超级人工智能就像黑客帝国一样，超越人类的水平，甚至控制人类的程度。

从目前的发展形势和人工智能原理来看，人类在深挖弱人工智能，有向强人工智能方向发展的趋势，但是超级人工智能可能性几乎为零——人工智能不是生命，也不存在硅基生命。

人工智能和机器学习

专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统都属于人工智能范畴。但是，目前，我们应用最广的是机器学习。

机器学习中应用最多的几个概念：深度学习（神经网络）、强化学习、监督学习、无监督学习等。

按照科学的思维方式，任何事物的发展或实施都可以按照ITTO（输入、工具/技术、输出）来划分。

常规计算机方式：数据+规则=答案；

机器学习的方式：数据+答案=规格

深度学习，也就是神经网络，通过模拟人的神经网络工作原理（实际上和人的神经网络工作原理大相径庭），达到图像识别或者声音识别的效果。

强化学习，在没有大量数据但知道规则的情况下，机器和自己进行不断地训练，来提高自己的水平。最简单的例子是AlphaGo就是强化学习。

监督学习就是在学习过程中，给予奖励反馈，确认学习的效果。

人工智能的发展趋势

人工智能归根结底还是人类制造的工具，以帮助人类在生产生活中提高效率。可以简单的将人工智能想象成类似电视机、冰箱的发明。从人类历史来看，一项新的技术的出现，不会抢占人类的就业，反而会创造更多的就业机会。

从上帝视角来看，整个宇宙是一个由造物主创造的复杂系统。而人类制造的机器，不可能用一些算法就能超越人类本身。仅人类身上一个神经元，就需要神经网络算法几层的复杂运算进行模拟。因此，人工智能只能作为一种工具造福人类，当然需要法律法规去规范，而没有能力创造超级人工智能来控制人类自己。

但是，当人类过于依靠人工智能，实际上，是将人类的创新、探索甚至是生存能力渐渐抹杀。试想一下，如果没有导航，多少人开车会迷路？如果没有手机点餐，午餐会有多么不便利。从这个角度讲，不是人工智能越来越聪明，反而是人类越来越退化。如何在科技发展的浪潮中让人们保持真实的生活和有趣的灵魂呢？

互联网小常识：支持全双工模式的快速以太网的拓扑结构一定是星型的。

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