什么是人工智能？
人工智能，英文单词artilect，出自雨果·德·加里斯的作品。“人工智能”这个词最早是在1956年的达特茅斯学会上提出的。此后，研究人员发展了许多理论和原理，人工智能的概念也有所扩展。人工智能是一门具有挑战性的科学，从事这项工作的人必须了解计算机知识、心理学和哲学。人工智能是一门非常广泛的科学，由不同的领域组成，如机器学习、计算机视觉等。一般来说，人工智能研究的主要目标之一是使机器能够胜任一些通常需要人类智能的复杂任务。但是不同的时代，不同的人对这个“复杂的作品”有不同的理解。例如，繁重的科学和工程计算最初是由人脑承担的。现在，计算机不仅能完成这种计算，而且比人脑做得更快更准确。因此，当代人不再把这种计算视为“需要人类智慧来完成的复杂任务”。可见，复杂工作的定义是随着时代的发展而具有人工智能的机器人。
随着科技的发展，人工智能的具体目标自然也随着时代的变化而发展。一方面不断取得新的进步，另一方面转向更有意义和难度的目标。目前可以用来研究人工智能的主要物质手段和可以实现人工智能技术的机器是计算机，人工智能的发展史与计算机科学技术的发展史是联系在一起的。除了计算机科学，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学、哲学等多个学科。人工智能研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动编程等。机器视觉的实际应用: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、自动编程和航空航天应用。学科类别人工智能是一门边缘学科，属于自然科学和社会科学的交叉。它涉及哲学和认知科学、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、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、知觉问题、模式识别、逻辑编程、软计算、不精确和不确定管理、人工生命等研究领域。遗传算法、人类思维模式的智能控制、专家系统、机器人学、语言和图像理解、遗传编程。目前人工智能还在研究中，但有学者认为，让计算机拥有智商是危险的，可能会对人类产生反叛。这种隐患在很多电影里也发生过。
人工智能的两种实现方式
在计算机上实现人工智能有两种不同的方式。一种是使用传统的编程技术，使系统呈现智能效果，不管使用的方法是否与人体或动物体使用的方法相同。这种方法被称为工程方法，它已经在一些领域取得了成果，如字符识别和计算机下棋。另一种是建模方法，这种方法不仅取决于效果，还要求实现方法与人类或生物有机体使用的方法相同或相似。本书介绍的遗传算法(GA)和人工神经网络(ANN)属于后一种类型。遗传算法模拟人类或生物的遗传-进化机制，而人工神经网络模拟人类或动物大脑中神经细胞的活动。为了获得相同的智能效果，通常可以使用这两种方法。使用前一种方法，需要手动详细指定程序逻辑，如果游戏比较简单的话比较方便。如果游戏复杂，角色数量和活动空间增加，对应的逻辑会非常复杂(指数级增加)，手工编程会非常繁琐，容易出错。一旦出现错误，修改原程序，重新编译调试，最后为用户提供新版本或新补丁，都是非常麻烦的。当采用后一种方法时，程序员应该为每个角色设计一个智能系统(一个模块)来控制。这个智能系统(模块)一开始什么都不知道，就像刚出生的婴儿一样，但是它可以学习，逐渐适应环境，应对各种复杂的情况。这种系统一开始经常出错，但是可以吸取教训，下次运行可能会改正，至少不会永远出错，也不需要发布新版本或者打补丁。用这种方法实现人工智能，需要程序员有生物思维方法，入门有点难。但是一旦进门，就可以广泛使用。由于这种方法不需要在编程中指定角色的活动规则，所以在应用于复杂问题时通常更省力。
定义
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。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。
编辑此段落的简要历史
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。这项关于反馈回路的研究的重要性在于:维纳从理论上指出，一切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。它将每个问题表示为一个树模型。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。许多对机器智能感兴趣的专家学者聚集在一起，进行了一个月的讨论。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”。虽然达特茅斯学院不是很成功，但它确实关注了人工智能的创始人。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；还有一个自学系统。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扩展了维纳反馈原理，可以解决很多常识性问题。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，麦卡锡正忙于在人工智能史上取得突破。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”。它很快被大多数人工智能开发者采用。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
随后几年出现了大量的节目。其中一个叫“SHRDLU”。“SHRDLU”是“微观世界”项目的一部分，包括微观世界的研究和编程(例如，只有有限数量的几何形状)。在麻省理工学院，由马文·明斯基领导的研究人员发现，计算机程序可以解决小规模物体的空间和逻辑问题。还有一些是20世纪60年代末出现的“学生”。
为了解决代数问题，“先生”能听懂简单的英语句子。这些程序的结果有助于处理语言理解和逻辑。在20世纪70年代，另一个发展是专家系统，它可以预测在特定条件下解决方案的概率。当时，由于计算机的巨大容量，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。在过去的十年中，专家系统被用于股票市场预测。帮助医生诊断疾病，指导矿工确定矿藏的位置等。所有这一切之所以成为可能，是因为专家系统具有储存法律和信息的能力。在20世纪70年代，许多新方法被用于AI开发，如明斯基的结构理论。此外，大卫·马尔(David Marr)提出了机器视觉的新理论，例如，如何通过图像的阴影、形状和颜色。边界、纹理等基本信息可以区分图像。通过分析这些信息，我们可以推断出这些图像可能是什么。同时另一个成果是PROLOGE语言，在1972中提出。20世纪80年代，人工智能发展更快，越来越多地进入商业领域。美国AI相关软件和硬件的销售额高达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求，一些生产专家系统来辅助制作软件的公司，如Teknowledge和Intellicorp，已经建立起来。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65，438+050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65，438+0亿美元。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。Minsky和Marr的成果现在被用于生产线上的照相机和计算机，用于质量控制。虽然还很初级，但这些系统已经能够通过黑白之间的差异来区分物体的形状。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。但对人工智能行业来说，20世纪80年代并不是一个好年景。86-87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个可以完成许多战场任务的机器人。由于该项目的缺陷和无望成功，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。它可以向不确定的人工智能机器人学习。
做出决定的条件；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。