人工智慧

人工智慧

click to edit

click to edit

人工智慧的研究是高度技術性和專業的,各分支領域都是深入且各不相通的,因而涉及範圍極廣。人工智慧的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題,其中之一是,如何使用各種不同的工具完成特定的應用程式。

click to edit

click to edit

人工智慧於一般教材中的定義領域是「智慧主體(intelligent agent)的研究與設計」,智慧主體指一個可以觀察周遭環境並作出行動以達致目標的系統。約翰·麥卡錫於1955年的定義是「製造智慧機器的科學與工程」。安德里亞斯·卡普蘭(Andreas Kaplan)和麥可·海恩萊因(Michael Haenlein)將人工智慧定義為「系統正確解釋外部資料,從這些資料中學習,並利用這些知識透過靈活適應實現特定目標和任務的能力」。

AI的核心問題包括建構能夠跟人類似甚至超卓的推理、知識、規劃、學習、交流、感知、移物、使用工具和操控機械的能力等。人工智慧目前仍然是該領域的長遠目標。目前強人工智慧已經有初步成果,甚至在一些影像辨識、語言分析、棋類遊戲等等單方面的能力達到了超越人類的水準,而且人工智慧的通用性代表著,能解決上述的問題的是一樣的AI程式,無須重新開發演算法就可以直接使用現有的AI完成任務,與人類的處理能力相同,但達到具備思考能力的統合強人工智慧還需要時間研究,比較流行的方法包括統計方法,計算智慧和傳統意義的AI。目前有大量的工具應用了人工智慧,其中包括搜尋和數學最佳化、邏輯推演。而基於仿生學、認知心理學,以及基於概率論和經濟學的演算法等等也在逐步探索當中。 思維來源於大腦,而思維控制行為,行為需要意志去實現,而思維又是對所有資料採集的整理,相當於資料庫,所以人工智慧最後會演變為機器替換人類。

解決人工智慧安全問題的內部進路

人工智慧產生危害的可能性與後果的嚴重性

人工智慧的發展現狀

click to edit

統計學習成為人工智慧走向實用的理論基礎

技術發展

面向特定領域的人工智慧(即專用人工智慧)由於應用背景需求明確、領域知識積累深厚、建模計算簡單可行,因此形成了人工智慧領域的單點突破,在局部智能水平的單項測試中可以超越人類智能。

click to edit

生成對抗學習

構建生成器模型與判別器模型,通過相互博弈,達到生成器與判別器性能的協同提升。

click to edit

2017年全球新成立人工智慧創業公司1100家,人工智慧領域共獲得投資152億美元,同比增長141%。

未來趨勢

人工智慧的基本概念

會說:語音合成、人機對話

會行動:機器人、自動駕駛汽車、無人機

會看:圖像識別、文字識別、車牌識別

研究內容:能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統

會思考:人機對弈、定理證明、醫療診斷

研究目的:探尋智能本質,研製出具有類人智能的智能機器

會學習:機器學習、知識表示

click to edit

毋庸置疑,人類的智能水平從整體上正如許多科幻電影與文學作品中所表現出來的那樣遠遠超越於其他生物智能,正是因為這一點,使得人類成為地球的統治者。因此,我們很自然地得出推論,如果人工智慧超越了人類智能,人工智慧很可能不再聽從人類的指令,反而會與人類爭奪統治權。那麼,人工智慧會從整體上超越人類智能嗎?我們可以從多個角度來考察人工智慧超越人類智能的可能性問題。雖然目前學界對智能及其實現方式的認識存在許多差異,但這正體現了人類對智能認識的多樣性,是人類實現對智能全面深理解的必經過程,並不意味著人類對智能的全面理解是不可能的。從這個角度看,科學家對人類智能的全面認識與實現,只是程度和時間的問題,而不是可能與不可能的問題。

click to edit