人工智能历史、概念、算法与技术 概括与综述（一）
经过前五章的阅读，让我脑海中从整体上建立了三个世界的基本底层架构，之后逐渐了解到数据的概念，包括定义、形式和度量等做进一步系统和深入的探讨，还讨论关于数据的几个基本科学法则并讨论这些法则在数据科学技术中的应用。而在之后的“信息纽带”“知识升华”以及“自然智能”的章节中，从各个方面对这些主题有了更深一步的认识，例如信息的结构、含义和效用，知识的概念、判断与平衡问题，再如自然智能的概念与模型问题，以及情绪智能的相关知识。在学习的过程中，我也收获了不少与每个主题相关的知识，例如数据的编码规律遵循香农信息论的基本定理，即压缩、纠错与加密；爱因斯坦和丹麦物理学家波尔围绕量子力学的解释所展开的关于物理世界本质的争论；基于生物科学的智能模型等等。基于上一章关于自然智能的学习与探讨，一个与之相关的主题便是“人工智能”。而本次“人工智能”的上半章，从人工智能的历史、概念、算法与技术四个方面进行阐述。同时本章讨论的课题如下：
（本章讨论的课题）
一、人工智能的历史
在对于人工智能的研究之中，最开始起源于英国数学家阿兰·图灵，他对于人工智能机器的最初构想与推理。在一定程度上促进了人工智能的发展与进步，不仅如此，他所设计的“图灵实验”，被用来判断和衡量机器的智能水平，至今仍是判断人工智能的方法与标准。而在70年代之后，在一些如医疗、化学、地质等领域取得一定的成功的结果下，模拟人类专家知识和经验的专家系统变得流行起来。但是由于各项应用的发展较为缓慢，且在一些问题上遇到了瓶颈。导致人工智能的发展也随之滞缓了。在90年代之中，由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年IBM公司的深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。这也在某种程度上为接下来的新一次人工智能浪潮做出了应有的铺垫。2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，各种各样的计算平台推动以深度神经网络为代表的人工智能技术飞速发展，从很大程度上打破了科学与应用之间的深厚壁垒，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术已经逐渐在生活中的各个方面进行渗透，引起了人工智能领域的进步与拓展。
（人工智能的发展历史）
二、人工智能的概念
对于人工智能的概念与定义的表达，百度上是这样定义的：“人工智能（Artificial Intelligence），英文缩写为AI。它是研究、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。”这种定义较为精确地表达出了人工智能的应用之处，除此以外，人工智能还可以被定义为一种数学模型、计算程序和执行系统，包括软件和硬件，能够胜任和完成由人类或自然智能所具有的功能和任务。[1]
在此基础上，人工智能可以在专业应用领域和行为表现等层次上进行如下分类，分为“初级智能”、“普通智能”与“超级智能”。
无独有偶，按照另一种分类方法可以将人工智能进行分类，分为“特殊人工智能”、“一般人工智能”和“超级人工智能”。
通过人工智能的分类可以看出来，有部分的人工智能可以在表现上达到和超过人类。并且通过图灵测试可以了解到，它的核心思想是将被测试的人与机器看作是“黑盒子”，假定在相同的测试条件下，给两者同样的问题，以两者做出答案的正确率作为衡量其智能水平的标准。如果机器回答正确的次数超过人，则证明机器的智能超过了人的智能。对于这样的黑盒子，它能够完成一类人类所从事的工作和任务,那么是否意味着人工智能将永远不会与自然智能具有相同的内部工作机制呢?
结果是否定的，因为按照目前的进程来看，人工智能的产生与发展始终无法摆脱人类自然智能的影响，它是人类通过一定的算法与硬件的算力相结合的产物，本质上并不是生物的，并非自发实现的。根据人类的研发意愿与研究方向，人工智能可以定向地完成一类人类所从事的工作和任务，从而达到协助人类的目的。但是，无法忽视的是，我们对于人类的自然智能的内部工作机制的研究还不是非常透彻，对于可以达到这种自然智能的算法的研究也尚未完成，因此我们无法直接将智能算法和机制借鉴和平移到到机器上来实现，于是我们仅仅可以达到通过开发某种特定的软件并与硬件相结合的方式，并以此达到对于某些人类和自然智能的外在行为、过程和效果的模仿和替代。这种层面的应用与开发是相对于表层的，并未真正地涉及到内部工作机制。但是随着科技的发展，针对于内部工作机制的探索也在进行中，例如“深度学习“机制等等，当然这只是基础的模仿与初步的探索，毕竟人类大脑这种复杂的高级智能系统，其软件和硬件的功能与结构是通过神经元之间复杂和动态的连接实现的，这很难依靠传统的计算机结构与功能实现，不过科技的发展还在继续，最终是否可以与自然智能具有相同的内部工作机制还是一个未知数。还需要科学家们的进一步研究。
三、人工智能的算法
人工智能的核心便是算法，智能算法将是具有产生智能功能和完成智能任务的程序性知识。同时，算法也有一定的学习能力，它可以从数据样本中获取将所需要的知识，并进行一定程度上的分析与归纳，形成自己的知识。有人认为，人工智能的模型是一个基于计算机架构的信息模型,与大脑自然智能具有极大的不同。
这种观点无疑是片面的，因为人工智能的算法的不断发展，通过仿生的思想，例如生物进化算法，人工神经网络算法等等。
（人工智能的两种主要算法）
尤其是人工神经网络算法，它是是一种基于神经元连接的学习算法模型。与自然智能之间的联系紧密。因为对于大脑自然智能来讲，它的模型主要存在于大脑神经网络之中。人的大脑通过脊椎与身体其它器官相连接，形成一个巨大而复杂的数据/信息处理和行为控制系统，负责管理所有心智、神经和其它活动与任务。在宏观的层次，负责学习、预测、决定和控制等算法程序均以某种特定的连接方式存在于大脑复杂动态的连接网络之中。在微观层次，大脑神经元由输入端树突、细胞体和输出端轴突构成。神经元的输入端从其它神经元得到电和化学信号并叠加。当输入信号的强度超过一定阈值时，神经元便发出脉冲信号，此信号通过轴突传到相邻的神经元或其它的接收器。[2]基于这种结构模型，人工智能也模仿并研发出人工神经元的输入信号经过加权求和及偏置后再经过某种非线性变换，即激活函数输出的方法，以此来达到相同的结果。尽管这过程中存在种种挑战，在迭代学习的过程中计算成本函数对网络神经元参数的梯度本身便具有极大挑战。对于一个具有许多局部最优点的全局优化问题，是否能够在有效的时间内准确地找到全局最优解，仍然有许多实际问题需要解决。
由此可见，这并不是人工智能唯一或最优的模型，在人工智能的不断进步之中，人工智能的深度神经网络算法日新月异，各种模型也在不断优化的过程中，针对模型优化中不断出现的问题，科学家们也在用相应的算法，知识来解决。可见，在所谓的最优方面并不成立。其次，人工智能的模型也是多元化发展的，除了神经网络算法，还有生物进化算法等等。由此可见，唯一性也不成立。
四、人工智能的技术
放眼当今时代，随着数字经济的不断发展，世界数据化程度不断加深，人工智能已经人工智能技术将成为推动社会经济发展的重要基础支撑，将与互联网一样，通过各种技术、产品和工具，融入各行各业中，不断改造各个行业的发展水平，创造新的价值体系和产业体系，并在多个行业拥有深度应用的前景。人工智能研究的领域非常广泛，如专家系统、语音识别、自然语言处理、机器学习、知识获取等等方面。当前的人工智能的研究也在从原来的初级窄域人工智能向着超级宽域人工智能不断发展。在近期人工智能不可忽视的一个应用是在棋类博弈游戏中体现出来的深度学习的算法与智能的状态。
由于棋牌的规则明确，棋牌所需的技能与思考水平也一直被认为是人类智力活动的高级形式和能力体现。早在1948年香农就发表过关于计算机在国际象棋领域的策略分析，从理论上给这种应用方向上的指引。在IBM公司的深蓝击败了世界国际象棋冠军卡斯帕罗夫后，人工智能科学家们在棋牌领域的研究不断深入，人工智能团队又将目标放在状态空间与游戏树复杂度高于其他棋类游戏的围棋上面，在2016年3月英国智能公司DeepMind开发的基于人工智能的策略和算法 “AlphaGo”成功以4比1的成绩战胜9段顶尖职业韩国棋手李世石，在此之后，AlphaGo与多位世界围棋冠军和顶级职业选手比赛，均以全胜告捷。 有人认为人工智能战胜了世界围棋冠军是否意味着超出了人类的智能。但是事实并非如此。
首先，人工智能在很大程度上借鉴和依赖大量人类所积累的围棋程序性知识，并在此基础上通过强化学习做了进一步优化。可见，人工智能所蕴含的程序及知识本质上还是人类的智能结晶。除此以外，人工智能要达到真正的人脑智能, 处理真实社会中占绝大多数的非完全信息, 还存在两个巨大障碍:一是对自然语言的理解;二是对人类知识体系的理解。
（人工智能面临的障碍）
尤其是第二点, 由于人工智能本身的发展便是建立在人们对于自我的认知与理解的基础之上的，因而人工智能的发展也不可避免地打上了人类思维的烙印，而人类思维的形态主要有感知思维、形象思维、抽象思维和灵感思维等等。目前几乎还没有把人文知识, 系统地抽象出来的算法。即使有关于人工智能作诗让专家难以分辨的新闻，但本质上作出来的诗仅仅是韵脚和意向上的拼凑，并不具有实际的内涵。因此我们可以知道，对于人工智能，总体上仍是建立在物理交互层面的研究，是对于“神经”层面的研究，而非对于“精神”层面的理解与研究。[3]所以现今的人工智能，更是一种为人类服务的，具有特定功能的服务工具。因此人工智能战胜了世界围棋冠军并不意味着超出了人类的智能，相反它从侧面证明了对于人工智能的研究达到了早期预计的目标，接下来也将会进一步发展，辅助人类未来在某一领域的研究与工作。
参考文献：
[1] [2] 黄卫平. 数据智能科学技术导论[M].北京：清华大学出版社,1-274.
[3]程柏华,李章淼.浅谈对人工智能超越人类问题的反思[J].中国新通信,2018,20(16):222-223.
人工智能历史、概念、算法与技术 概括与综述（一）相关推荐
- 通用人工智能：概念，原理，历史，应用场景，影响，未来挑战，发展前景
文章目录 通用人工智能 概念 原理 历史 应用场景 影响 未来挑战 发展前景 通用人工智能 概念 通用人工智能(General Artificial Intelligence, GAI)是指能够像人类 ...
- UML2面向对象分析与设计 -- 面向对象思维（概念、面向对象技术的发展历史、对象和类、面向对象技术的相关原则：抽象 封装 分解 泛化 多态 分层 复用）
文章目录 1. UML2面向对象分析与设计 学习目标 2. 面向对象思维 2.1 学习目标 2.2 什么是面向对象 2.3 面向对象技术的发展历史 2.4 面向对象技术的优势 2.4.1 便于沟通:在 ...
- 源码资本张宏江：只有算法和技术，那你一定挣不到钱
来源:拓扑社 概要::在人工智能这一拨的技术浪潮的公司,互联网不一样的地方就在于互联网基本上是商业模式驱动,搜索以前没有,to C这块是赢家通吃.这块做成熟以后进入互联网+. 张宏江认为,一家传统公司 ...
- 观点丨人工智能时代的区块链技术
11月12号20:00,BlockMania 「博士大爆炸」第四期暨AMA直播 第28期继续进行,本期主题为「人工智能时代的区块链技术」,分享嘉宾为武汉大学计算机学院管理科学与工程以及软件工程教授.博 ...
- 云计算、大数据、人工智能、物联网、虚拟现实技术、区块链技术（新一代信息技术）学习这一篇够了！
目录 云计算 一.云计算的基本概念 二.云计算的分类 (一) IaaS (二) SaaS (三) PaaS 三.云环境的分类.云计算的四种部署模式 (一)公有云 (二)私有云 (三)社区云 (四)混合 ...
- UC伯克利教授Stuart Russell人工智能基础概念与34个误区
来源:数据简化DataSimp 数据简化DataSimp导读:UC伯克利教授StuartRussell人工智能基础概念与34个误区,Russell是加州大学伯克利分校人工智能系统中心创始人兼计算机科学 ...
- 人工智能算法_人工智能的灵魂——算法
人工智能有三驾马车:数据.算法.算力.本文重点介绍算法相关的知识. 本文将介绍算法在人工智能里的概念,算法的4个特征.6个通用方法.以及在选择算法时需要注意的3个点. 什么是算法? 简单的说,算法就是 ...
- 人工智能与电气工程及其自动技术论述
摘要:近年来,随着人工智能相关技术的不断发展和日益成熟,技术实施成本不断降低,人工智能在很多领域的应用已经落地,并取得了显著的用效果,人工智能正在改变着各行各业,也改变我们的生活,人工智能时代已经悄然 ...
- 深度 | 伯克利教授Stuart Russell：人工智能基础概念与34个误区
Russell 是加州大学伯克利分校人工智能系统中心创始人兼计算机科学专业教授,同时还是人工智能领域里「标准教科书」<人工智能:一种现代方法>作者(谷歌研究主管 Peter Norvig ...
最新文章
- UIWebView之获取所点位置图片URL
- 解决 LLVM 错误提示 may only occur zero or one times!
- mybatis中的多对一的查询
- django不修改数据库创外键_【实战演练】Python+Django网站开发系列03-Django初始配置与静态Index页面开发...
- checkbox 多选 mysql 搜索_mySQL技术的方方面面，不管是应用还是面试，看这一文就够了...
- VC ado连接数据库
- 基于GCN的推荐该怎么搞？
- 射极跟随器实验报告数据处理_电压跟随器秘笈：运放构成电压跟随器的稳定性问题探讨...
- iOS AVPlayer的那些坑
- 如何进行系统分析与设计
- 会员管理系统适用于哪些行业
- PostgreSQL 中文手册
- Linux命令学习（1） cat命令详解
- cents7.6安装rancher
- 解读AFNetworking4.0请求原理
- 区块链与新零售的结合
- Cesium实现热力图(含源代码)
- halcon学习拓展系列—《halcon精髓之坐标系仿射篇》
- 如何制作一本精致的企业电子杂志App？
- HCIE（4）——UDP DOS攻击