人工智慧是什麼定義是什麼

　　人工智慧技術從20世紀50年代中期興起到現在只有近60年的歷史，現在不少科學家都在研究人工智慧，也有反對的。小編在此整理了人工智慧相關內容，供大家參閱，希望大家在閱讀過程中有所收穫!

　　人工智慧的介紹

　　電腦科學的一個分支

　　人工智慧Artificial Intelligence，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是電腦科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。

　　人工智慧是對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。

　　人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。

　　人工智慧定義

　　人工智慧的定義可以分為兩部分，即“人工”和“智慧”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智慧程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。

　　關於什麼是“智慧”，就問題多多了。這涉及到其它諸如意識CONSCIOUSNESS、自我SELF、思維MIND包括無意識的思維UNCONSCIOUS_MIND等等問題。人唯一瞭解的智慧是人本身的智慧，這是普遍認同的觀點。但是我們對我們自身智慧的理解都非常有限，對構成人的智慧的必要元素也瞭解有限，所以就很難定義什麼是“人工”製造的“智慧”了。因此人工智慧的研究往往涉及對人的智慧本身的研究。其它關於動物或其它人造系統的智慧也普遍被認為是人工智慧相關的研究課題。

　　人工智慧在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。

　　尼爾遜教授對人工智慧下了這樣一個定義：“人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”而另一個美國麻省理工學院的溫斯頓教授認為：“人工智慧就是研究如何使計算機去做過去只有人才能做的智慧工作。”這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智慧活動的規律，構造具有一定智慧的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智慧行為的基本理論、方法和技術。

　　人工智慧是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一空間技術、能源技術、人工智慧。也被認為是二十一世紀三大尖端技術基因工程、奈米科學、人工智慧之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智慧已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。

　　人工智慧是研究使計算機來模擬人的某些思維過程和智慧行為如學習、推理、思考、規劃等的學科，主要包括計算機實現智慧的原理、製造類似於人腦智慧的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到電腦科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其範圍已遠遠超出了電腦科學的範疇，人工智慧與思維科學的關係是實踐和理論的關係，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等範圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。[2]

　　人工智慧研究價值

　　例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智慧才能完成的複雜任務”，可見覆雜工作的定義是隨著時代的發展和技術的進步而變化的，人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更加困難的目標。

　　通常，“機器學習”的數學基礎是“統計學”、“資訊理論”和“控制論”。還包括其他非數學學科。這類“機器學習”對“經驗”的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題並積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續型學習”。但人類除了會從經驗中學習之外，還會創造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機最難學會的就是“頓悟”。或者再嚴格一些來說，計算機在學習和“實踐”方面難以學會“不依賴於量變的質變”，很難從一種“質”直接到另一種“質”，或者從一個“概念”直接到另一個“概念”。正因為如此，這裡的“實踐”並非同人類一樣的實踐。人類的實踐過程同時包括經驗和創造。

　　這是智慧化研究者夢寐以求的東西。

　　2013年，帝金資料普數中心資料研究員S.C WANG開發了一種新的資料分析方法，該方法匯出了研究函式性質的新方法。作者發現，新資料分析方法給計算機學會“創造”提供了一種方法。本質上，這種方法為人的“創造力”的模式化提供了一種相當有效的途徑。這種途徑是數學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精於算，還會因精於算而精於創造。計算機學家們應該斬釘截鐵地剝奪“精於創造”的計算機過於全面的操作能力，否則計算機真的有一天會“反捕”人類。

　　當回頭審視新方法的推演過程和數學的時候，作者拓展了對思維和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發展史上，處處閃耀著數學大師們創造力的光輝。這些創造力以各種數學定理或結論的方式呈現出來，而數學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富資訊的邏輯結構。應該說，數學是最單純、最直白地反映著至少一類創造力模式的學科。

　　人工智慧發展階段

　　1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智慧的一系列有關問題，並首次提出了“人工智慧”這一術語，它標誌著“人工智慧”這門新興學科的正式誕生。IBM公司“深藍”電腦擊敗了人類的世界國際象棋冠軍更是人工智慧技術的一個完美表現。

　　從1956年正式提出人工智慧學科算起，50多年來，取得長足的發展，成為一門廣泛的交叉和前沿科學。總的說來，人工智慧的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什麼是思考，更進一步講就是什麼是智慧。什麼樣的機器才是智慧的呢?科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢?到目前為止，我們也僅僅知道這個裝在我們天靈蓋裡面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。

　　當計算機出現後，人類開始真正有了一個可以模擬人類思維的工具，在以後的歲月中，無數科學家為這個目標努力著。如今人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，如今計算機似乎已經變得十分聰明瞭。例如，1997年5月，IBM公司研製的深藍DEEP BLUE計算機戰勝了國際象棋大師卡斯帕洛夫KASPAROV。大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬於人類的工作，計算機以它的高速和準確為人類發揮著它的作用。人工智慧始終是電腦科學的前沿學科，計算機程式語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。

　　科學介紹

　　實際應用

　　機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智慧搜尋，定理證明，博弈，自動程式設計，智慧控制，機器人學，語言和影象理解，遺傳程式設計等。

　　學科範疇

　　人工智慧是一門邊緣學科，屬於自然科學和社會科學的交叉。

　　涉及學科

　　哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論，不定性論

　　研究範疇

　　自然語言處理，知識表現，智慧搜尋，推理，規劃，機器學習，知識獲取，組合排程問題，感知問題，模式識別，邏輯程式設計軟計算，不精確和不確定的管理，人工生命，神經網路，複雜系統，遺傳演算法

　　意識和人工智慧

　　人工智慧就其本質而言，是對人的思維的資訊過程的模擬。

　　對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出“類人腦”的機器;二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的資訊過程的模擬。

　　弱人工智慧如今不斷地迅猛發展，尤其是2008年經濟危機後，美日歐希望藉機器人等實現再工業化，工業機器人以比以往任何時候更快的速度發展，更加帶動了弱人工智慧和相關領域產業的不斷突破，很多必須用人來做的工作如今已經能用機器人實現。

　　而強人工智慧則暫時處於瓶頸，還需要科學家們和人類的努力。

　　人工智慧主要成果

　　人機對弈

　　1996年2月10～17日， GARRY KASPAROV以4：2戰勝“深藍” DEEP BLUE。

　　1997年5月3～11日， GARRY KASPAROV以2.5：3.5輸於改進後的“深藍”。

　　2003年2月GARRY KASPAROV 3:3戰平 “小深”DEEP JUNIOR。

　　2003年11月GARRY KASPAROV 2:2戰平 “X3D德國人” X3D-FRITZ。

　　模式識別

　　採用 $模式識別引擎，分支有2D識別引擎 ，3D識別引擎，駐波識別引擎以及多維識別引擎

　　2D識別引擎已推出指紋識別，人像識別 ，文字識別，影象識別 ，車牌識別;駐波識別引擎已推出語音識別;3D識別引擎已推出指紋識別玉帶林中掛玩遊智慧版1.25

　　自動工程

　　自動駕駛OSO系統

　　印鈔工廠￥流水線

　　獵鷹系統YOD繪圖

　　知識工程

　　以知識本身為處理物件，研究如何運用人工智慧和軟體技術，設計、構造和維護知識系統

　　專家系統

　　智慧搜尋引擎

　　計算機視覺和影象處理

　　機器翻譯和自然語言理解

　　資料探勘和知識發現