门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助中心
请选择
进入手机版
|
继续访问电脑版
公社首页
中国人工智能社区
公社版块
广播
Follow
升级会员
动态
Space
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
文章
帖子
公社群组
用户
好友
收藏
道具
勋章
任务
淘帖
动态
日志
相册
分享
记录
留言板
广播
群组
门户
导读
排行榜
设置
我的收藏
退出
首页
›
公社水吧
›
大话智能
›
人工智能:概念、发展与应用
返回列表
人工智能:概念、发展与应用
[复制链接]
一条龙
2024-4-30 20:37:16
显示全部楼层
|
阅读模式
人工智能(Artificial Intelligence,简称AI)是一个旨在使计算机具有类似人类智能的领域。近年来,AI 的发展以及在各个领域的应用取得了显著的成就,从而引起了广泛的关注。本文将对人工智能的概念、发展历程以及应用领域进行简要介绍。
1. 人工智能的概念
人工智能通常被定义为使计算机具有类似人类智能的能力,如学习、推理、解决问题、知识表达、计划、导航、自然语言处理、模式识别、感知等1。人工智能的研究目的是通过探索智慧的实质,扩展人类智能——促使智能主体会听(语音识别、机器翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会思考(人机对弈、专家系统等)、会学习(知识表示,机器学习等)、会行动(机器人、自动驾驶汽车等)2。
人工智能可以根据其表现水平和目标分为不同的类型,如弱人工智能(Weak AI)、强人工智能(Strong AI)、通用人工智能(General AI)和超级人工智能(Super AI)1。
弱人工智能,也称为狭义人工智能或人工狭义智能(Artificial Narrow Intelligence,ANI),是指专注于执行特定任务的经过训练的 AI。弱人工智能驱动了我们现在使用的大多数 AI。例如,语音助手、图像识别系统、自动驾驶汽车等。
强人工智能,也称为全面人工智能或人工全面智能(Artificial General Intelligence,AGI),是指具有与人类相当或超过的智能水平的 AI。强人工智能可以理解和处理任何复杂和抽象的问题,并具有自我意识和情感。目前,强人工智能仍然是一个理论概念,尚未实现。
通用人工智能,也称为广泛人工智能或人工广泛智能(Artificial Broad Intelligence,ABI),是指介于弱人工智能和强人工智能之间的 AI。通用人工智能可以在多个领域和任务中表现出高水平的智能,并具有一定程度的自适应和转移学习能力。通用人工智能是当前 AI 研究的一个重要目标。
超级人工智能,也称为超级智能或超级级别的人工智能(Artificial Super Intelligence,ASI),是指远远超越任何人类或其他已知形式的智能水平的 AI。超级人工智能可以掌握所有领域和任务,并具有无限的创造力和想象力。超级人工智能是一个极端的假设,可能会对人类社会产生深远的影响。
2. 人工智能的发展历程
人工智能的发展历程可以追溯到上世纪50年代,经历了符号主义、机器学习、知识工程、专家系统、智能代理和深度学习等多个阶段1。
符号主义(Symbolicism):这是人工智能的早期阶段,主要采用逻辑推理和符号操作的方法来模拟人类的思维过程。符号主义的代表作有机器定理证明、跳棋程序、ELIZA对话系统等。符号主义的优点是可以处理抽象和复杂的问题,但是缺点是需要大量的人工编码和知识表示,而且难以处理不确定性和模糊性。
机器学习(Machine Learning):这是人工智能的发展中期阶段,主要采用数学和统计的方法来让计算机从数据中自动学习规律和知识。机器学习的代表作有感知机、K最近邻算法、逻辑回归等。机器学习的优点是可以处理大量的数据和噪声,但是缺点是需要大量的计算资源和样本数据,而且难以解释和验证。
知识工程(Knowledge Engineering):这是人工智能的发展后期阶段,主要采用专家系统和知识库的方法来模拟人类专家的知识和经验。知识工程的代表作有DENDRAL化学分析系统、MYCIN医疗诊断系统等。知识工程的优点是可以处理特定领域的问题,但是缺点是需要大量的专家参与和维护,而且难以适应变化和扩展。
智能代理(Intelligent Agent):这是人工智能的发展新期阶段,主要采用多智能体系统和环境交互的方法来模拟人类在复杂环境中的行为和决策。智能代理的代表作有IBM深蓝超级计算机、谷歌AlphaGo程序等。智能代理的优点是可以处理动态和不确定性的环境,但是缺点是需要大量的探索和试错,而且难以协调和合作。
深度学习(Deep Learning):这是人工智能的发展现期阶段,主要采用深层神经网络和大数据分析的方法来让计算机从海量数据中自动提取特征和知识。深度学习的代表作有AlexNet图像分类网络、BERT自然语言理解网络等。深度学习的优点是可以处理高维度和非线性的问题,但是缺点是需要大量的计算资源和标注数据,而且难以解释和调试。
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有账号?
立即注册
x
回复
使用道具
举报
发表新帖
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖并转播
回帖后跳转到最后一页
一条龙
注册会员
0
关注
0
粉丝
9
帖子
Ta的主页
发布
发消息
加好友
最近发表
人形机器人产业发展不断提速,机构看好板块投资机遇
我国智能机器人产业企业数量超45万家
家用市场期待机器人来“敲门”
家用市场期待机器人来“敲门”
超硬核!看广东机器人“七剑客”如何笑傲江湖?
2025年,人形机器人将走进日常生活
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们