微机教程-手写版中的提问。机器翻译。伊莱扎.人工智能。
[编辑此段]人工智能
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”更容易理解，争议更小。有时候我们要考虑人类能做出什么，或者人自身的智力是否高到可以创造人工智能等等。但总的来说，“人工系统”是通常意义上的人工系统。
关于什么是“智能”，有很多问题。这涉及到意识、自我、心智(包括无意识_心智)等其他问题。人们普遍认为，人们知道的唯一智能是他们自己的智能。然而，我们对自身智能和人类智能的必要元素的了解非常有限，因此很难定义什么是“人工”智能。所以对人工智能的研究往往涉及到对人类智能本身的研究。关于动物或其他人工系统的其他智能，一般也被认为是与人工智能相关的研究课题。
目前，人工智能在计算机领域越来越受到重视。它已应用于机器人、经济和政治决策、控制系统和仿真系统。
[编辑本段]人工智能的定义
美国著名的斯坦福大学人工智能研究中心的纳尔逊教授是这样定义人工智能的:“人工智能是一门关于知识的学科——如何表达知识，如何获取和使用知识。”另一位麻省理工学院的温斯顿教授认为:“人工智能就是研究如何让计算机做过去只有人才能做的智能工作。”这些说法反映了人工智能的基本思想和内容。即人工智能是研究人类智能活动规律，构造具有一定智能的人工系统，研究如何使计算机做过去需要人类智能的工作，即如何应用计算机软硬件模拟人类的一些智能行为的基础理论、方法和技术。
人工智能(AI)是计算机科学的一个分支，自20世纪70年代以来被称为世界三大前沿技术(空间技术、能源技术和人工智能)之一。也被认为是21世纪三大前沿技术之一(基因工程、纳米科学、人工智能)。这是因为它在过去的30年中发展迅速，在许多学科中得到了广泛的应用，并取得了丰硕的成果。人工智能逐渐成为一个独立的分支，在理论和实践上自成体系。
人工智能是研究如何让计算机模拟人类的一些思维过程和智能行为(如学习、推理、思考、规划等)的学科。).主要包括计算机实现智能的原理，使计算机类似于人脑智能，使计算机实现更高层次的应用。人工智能将涉及计算机科学、心理学、哲学和语言学。可以说，几乎所有的自然科学和社会科学的学科都已经远远超出了计算机科学的范畴。人工智能和思维科学的关系是实践和理论的关系。人工智能处于思维科学的技术应用层面，是它的一个应用分支。从思维的角度来看，人工智能并不局限于逻辑思维，只有形象思维和灵感思维才能推动人工智能的突破性发展。数学往往被认为是很多学科的基础科学，数学也进入了语言和思维领域。人工智能这门学科也必须借用数学工具。数学不仅在标准逻辑和模糊数学的范围内发挥作用，而且进入人工智能的学科，会相互促进，发展更快。
[编辑本段]实际应用
机器视觉:指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、智能搜索、定理证明、游戏、自动编程和航天应用。
[编辑此段落]主题类别
人工智能是一门交叉学科，属于自然科学和社会科学的交叉。
【编辑本段】涉及学科。
哲学与认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不确定性理论、仿生学、
[编辑本段]研究范围
自然语言处理、知识表示、智能搜索、推理、规划、机器学习、知识获取、组合调度问题、感知问题、模式识别、逻辑编程、软计算、不精确和不确定管理、人工生命、神经网络、复杂系统、遗传算法。
[编辑本段]应用领域
智能控制、机器人、语言和图像理解、遗传编程
[编辑此段]意识和人工智能的区别
人工智能本质上是对人类思维信息过程的模拟。
人类思维的模拟可以通过两种方式进行。一种是结构模拟，模仿人脑的结构机制，制造出“类脑”机器；第二种是功能模拟，暂时抛开人脑内部结构，从其功能过程进行模拟。现代电子计算机的出现，是对人脑思维功能的模拟，是人脑思维的信息过程。
人工智能不是人类智能，也不会超过人类智能。
“机器思维”与人类思维的本质区别；
1.人工智能纯粹是一个无意识的机械和物理过程，而人类的智能主要是一个生理和心理过程。
2.人工智能没有社会性。
3.人工智能没有人类意识所特有的动态创造力。
4.人脑的思维永远在前面，电脑的功能在后面。
[编辑本段]强人工智能和弱人工智能
人工智能的一个流行定义，也是这个领域比较早的定义，是约翰·麦卡锡|在1956年的达特茅斯会议上提出的:人工智能就是让机器的行为看起来像人类的智能行为。但这个定义似乎忽略了强人工智能的可能性(见下文)。另一种定义是指人工智能是人工机器表现出来的智能。一般来说，目前对人工智能的定义可以分为四类，即机器“像人一样思考”、“像人一样行动”、“理性思考”和“理性行动”。在这里，“行动”应该广义地理解为采取行动或做出动作的决定，而不是物理动作。
强人工智能
强人工智能的观点认为，有可能创造出真正能够推理和解决问题的智能机器_解决这种机器可以被视为有意识和自我意识的。有两种强人工智能:
类人人工智能，即机器的思维和推理，就像人的思维一样。
非人类人工智能，即机器产生与人完全不同的感知和意识，使用与人完全不同的推理方法。
弱人工智能
从弱人工智能的观点来看，不可能创造出真正能推理和解决问题的智能机器。这些机器只是看起来有智能，其实并没有真正的智能，不会有自主意识。
主流科学研究集中在弱人工智能领域，普遍认为这一研究领域已经取得了相当大的成就。强人工智能的研究走出停滞。
关于强人工智能的哲学辩论
“强人工智能”一词最初是由约翰·罗杰斯·塞尔为计算机和其他信息处理机器创造的，它被定义为:
“强人工智能的观点认为，计算机不仅仅是研究人的思维的工具；相反，只要运行适当的程序，计算机本身就是在思考。”《头脑、大脑和程序》。《行为与脑科学》第3卷，1980)这是指指导计算机从事智能活动。智能在这里的含义是模糊的，不确定的，下面提到的就是一个例子。使用计算机解题时，一定要知道清晰的程序。然而，即使当人们不清楚程序时，也有许多情况下人们试图根据启发式方法巧妙地解决问题。比如识别文字、图形、声音，所谓的认知模型就是一个例子。而且，由于学习、归纳推理、基于类比的推理等而导致的能力的提高。也是例子。另外，解决程序虽然清晰，但实施起来需要很长时间。对于这样的问题，人们可以在短时间内找到相当好的解决方法，比如竞技比赛。此外，计算机在没有给出充分的符合逻辑的、正确的信息时，是无法理解其含义的，而人只有根据适当的补充信息，给出不充分的、不正确的信息，才能把握其含义。自然语言就是一个例子。用计算机处理自然语言称为自然语言处理。
关于强人工智能的争论不同于更广泛意义上的一元论和二元论的争论。争论的要点是:如果机器唯一的工作原理是转换编码数据，那它是在思考吗？希勒认为这是不可能的。他举了一个中文房间的例子来说明，如果机器只是转换数据，而数据本身就是某个东西的编码表达，那么在不理解这个编码和这个实际的东西的对应关系的情况下，机器是不可能对它处理的数据有任何理解的。基于这一论点，希勒认为，即使机器通过了图灵测试，也不一定意味着机器真的像人一样拥有思维和意识。
也有哲学家持不同观点。丹尼尔·c·丹尼特(Daniel C. Dennett)在《意识的解释》一书中认为人只是一台有灵魂的机器。为什么我们认为人可以有智能，而普通机器不能？他认为，像上面这样的数据转换机器，拥有思维和意识是可能的。
一些哲学家认为，如果弱人工智能是可实现的，那么强人工智能也是可实现的。例如，西蒙·布莱克本在他的哲学入门教科书中说，认为一个人看似“聪明”的行为并不意味着这个人真的聪明。我永远无法知道另一个人是否真的和我一样聪明，或者她/他只是看起来聪明。基于这个论点，既然弱人工智能认为机器可以看起来很智能，那么也不能完全否定机器真的很智能。布莱克本认为这是一个主观问题。
需要指出的是，弱人工智能与强人工智能并不完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，现在的计算机能做的事情，比如算术运算，在一百多年前就已经被认为是非常智能的了。
[编辑此段]人工智能简史
人工智能的传说可以追溯到古埃及，但是随着1941以来电子计算机的发展，技术终于创造了机器智能。“人工智能”这个词最早是在1956年的达特茅斯学会上提出的。从那时起，研究人员发展了许多理论和原则。人工智能的概念也扩大了。在它短暂的历史中，人工智能的发展比预想的要慢，但一直在前进。自从40年前出现以来，出现了许多AI程序，它们也影响了其他技术的发展。
计算机时代
1941的一项发明彻底改变了信息存储和处理的方方面面。这项同时出现在美国和德国的发明是电子计算机。第一台计算机占据了几个装有空调的大房间。这对程序员来说是一场噩梦:仅仅为了运行一个程序就要设置成千上万行代码。1949中可以存储程序的改进计算机使输入程序变得更加容易，计算机理论的发展产生了计算机科学，最终促进了人工智能的出现。电子处理数据的计算机的发明为人工智能的可能实现提供了媒介。
人工智能的开始
虽然计算机为AI提供了必要的技术基础，但直到20世纪50年代初，人们才注意到人类智能与机器之间的联系。诺伯特·维纳是最早研究反馈理论的美国人之一。反馈控制最常见的例子是恒温器。它将收集的室温与所需温度进行比较，并通过调高或调低加热器来做出响应。以便控制环境温度。这个关于反馈回路的研究的重要性在于:维纳从理论上指出，所有的智能活动都是反馈机制的结果，可以用机器来模拟。这个发现对早期AI的发展影响很大。
在1955的最后，纽维尔和西蒙做了一个叫“逻辑理论家”的程序。这个程序被很多人认为是第一个AI程序。它用一个树形模型来表示每个问题。然后选择最有可能得到正确结论的一个来解决问题。“逻辑专家”对公众和AI研究领域的影响，使其成为AI发展的重要里程碑。1956年，被认为是人工智能之父的约翰·麦卡锡组织了一个社团。众多对机器智能感兴趣的专家学者齐聚一堂，进行了为期一个月的讨论。他邀请他们去佛蒙特州参加“达特茅斯人工智能夏季研讨会”。从此，这个领域被命名为“人工智能”。虽然达特茅斯学会不是很成功，但它确实集中了AI的创始人，为以后的AI研究奠定了基础。
达特茅斯会议后的七年，AI研究开始快速发展。虽然这个领域还没有明确的定义，但是会议中的一些想法已经被重新考虑和使用。卡内基梅隆大学和麻省理工学院开始成立AI研究中心。研究面临新的挑战:下一步是建立一个能更有效解决问题的系统，比如减少“逻辑专家”中的搜索；还有就是建立自学体系。
1957测试了一个新程序，第一版“通用解题机”(GPS)。这个程序是由制作“逻辑专家”的同一个小组开发的。GPS扩展了维纳的反馈原理，可以解决很多常识性的问题。两年后，IBM成立了AI研究小组。赫伯特·格勒奈特花了三年时间编写了一个解决几何定理的程序。
当越来越多的程序出现时，麦卡锡正忙于在AI历史上取得突破。1958，麦卡锡公布了他的新成果:LISP语言。LISP至今仍在使用。“LISP”的意思是“列表处理”，很快被大多数AI开发者采用。
1963年，麻省理工学院获得美国政府220万美元的资助，研究机器辅助识别。这笔拨款来自国防部高级研究计划局(ARPA)，它确保了美国在技术进步上领先于苏联。这个计划吸引了世界各地的计算机科学家，加速了AI研究的发展。
大量的程序
接下来的几年出现了大量的节目。其中一个叫“SHRDLU”。“SHRDLU”是“迷你世界”项目的一部分，包括迷你世界中的研究和编程(例如，只有有限数量的几何形状)。由麻省理工学院的马文·明斯基领导的研究人员发现，面对小规模的物体，计算机程序可以解决空间和逻辑问题。其他的程序，比如60年代末出现的“学生”，可以解决代数问题，“先生”可以理解简单的英语句子。这些程序的结果有助于处理语言理解和逻辑。
20世纪70年代的另一个发展是专家系统，它可以预测特定条件下某个解决方案的概率。当时，由于计算机容量巨大，专家系统可以从数据中提取规则。专家系统在市场上得到广泛应用。在过去的十年里，专家系统被用来预测股市，帮助医生诊断疾病，指导矿工确定矿藏的位置。专家系统存储规则和信息的能力使这一切成为可能。
在20世纪70年代，许多新方法被用于人工智能的发展，如明斯基的构造理论。此外，David Marr提出了机器视觉的新理论，例如，如何通过阴影、形状、颜色、边界和纹理等基本信息来区分一幅图像。通过分析这些信息，我们可以推断出图像可能是什么。同时，另一项成就是序言语言。是1972提出的。在20世纪80年代，人工智能发展更快，进入了更多的商业领域。1986年，美国AI相关软硬件销售额高达4.25亿美元。专家系统因其实用性而特别需要。像数字电气公司这样的公司使用XCON专家系统对VAX大型机进行编程。杜邦、通用汽车和波音也非常依赖专家系统。为了满足计算机专家的需要，一些生产专家系统来帮助制作软件的公司成立了，如Teknowledge和Intellicorp。为了发现和纠正现有专家系统中的错误，已经设计了其他专家系统。
从实验室到日常生活
人们开始感受到计算机和人工智能技术的影响。计算机技术不再属于实验室里的一小群研究人员。个人电脑和众多的技术杂志给人们带来了计算机技术。由于人工智能发展的需要，像美国人工智能协会这样的基金会也出现了研究人员进入私营公司的热潮。超过150家公司，如DEC(在人工智能研究领域雇用了700多名员工)，在内部人工智能开发团队上花费了10亿美元。
其他人工智能领域也在80年代进入市场。其中之一就是机器视觉。明斯基和马尔的成果现在被用于生产线上的照相机和计算机，以进行质量控制。尽管这些系统仍处于初级阶段，但它们已经能够用黑白来区分物体的形状。到1985，美国有100多家公司生产机器视觉系统，销售额* * *达到8000万美元。
然而，20世纪80年代对人工智能行业来说并不都是好年景。在1986-1987年，对人工智能系统的需求下降，该行业损失了近5亿美元。Teknowledge和Intellicorp等两家公司亏损600多万美元，约占利润的三分之一。巨大的损失迫使许多研究领导者削减他们的资金。另一件令人失望的事情是国防部高级研究计划局支持的所谓“智能卡车”。这个项目的目的是开发一种智能卡车。由于该项目的缺陷和无望的成功，五角大楼停止了对该项目的资助。
尽管遇到这些挫折，AI仍然在慢慢恢复。日本开发了新技术，如美国首创的模糊逻辑，可以在不确定的条件下做出决定。还有神经网络，被视为人工智能的一种可能实现方式。简而言之，AI在20世纪80年代被引入市场，并显示出其实用价值。可以肯定的是，它将是265，438+0世纪的钥匙。人工智能技术已经过测试。在“沙漠风暴”行动中，军队的智能装备经受住了战争的考验。人工智能技术已被用于导弹系统和预警显示器以及其他先进武器。AI技术也进入了家庭。智能电脑的增加吸引了人们。一些用于Mac和IBM兼容计算机的应用软件，如语音和文本识别，都是可用的。利用模糊逻辑，人工智能技术简化了摄像设备。对人工智能相关技术的更大需求促使了新的进展。人工智能已经不可避免地改变了我们的生活，并将继续如此。