Please enable JavaScript.

Coggle requires JavaScript to display documents.

人工智慧 (人工智慧機器人的範疇 (智慧型搜尋, 知識表現, 推理, 規劃, 自然語言處理, 機器學習, 增強式學習, 不精確和不確定的管理,…

- - - - 機器人學（英語：robotics）是一項涵蓋了機器人的設計、建造、運作、以及應用的跨領域科技[1]，就如同電腦系統之控制、感測回授、以及資訊處理。這些科技催生出能夠取代人力的自動化機器，在危險境或製造工廠運作，或塑造成外表、行為、心智的仿人機器人。如今許多的機器人受到自然界的啟發，貢獻於生物啟發的機器人學的領域。
        
        創造可自動運轉的機器的概念可追溯至古典時代，但是直到20世紀以前，機器人的功能和潛在應用開發及研究沒有持續地成長[2]。縱觀歷史，機器人常見於模仿人類行為，且常以類似的方法管理事務。時至今日，機器人學成為一個快速成長的領域，同時先進技術持續地研發、設計、以及建造用來達成各種實用目的新款機器人，例如家庭用機器人、工業機器人或軍用機器人。許多機器人從事對人類來講非常危險的工作，如拆除炸彈、地雷、探索沉船等。機器人學還被用於STEM教育(科學Science, 技術Technology, 工程Engineering, 和數學Mathematics) 作為教學輔助。
    - - 智能控制是一種控制技術，針對控制對象及其環境、控制目標和任務的不確定性和複雜性而提出。智能控制可以自動測量被控對象的被控制量，並求出與期望值的偏差，同時採集輸入環境的信息，進而根據所採集的輸入信息和已有知識進行推理，得到對被控對象的輸出控制，同時使偏差儘可能減小或消除。一般使用如下人工智慧控制方法如類神經網路，模糊邏輯，機器學習，進化計算和遺傳算法。
  - - - 自動化的最大好處是可以節省勞動力，同時，它也可用於節約能源和材料，並改善質量，準確度和精度。
        自動化技術已被通過各種方式通常在組合來實現的，包括機械，液壓，氣動，電氣，電子和計算機。複雜系統，例如現代化工廠，飛機和船隻，通常使用所有這些組合的技術。
  - - - 遺傳編程或稱基因編程，簡稱GP，是一種從生物演化過程得到靈感的自動化生成和選擇電腦程式來完成用戶定義的任務的技術。從理論上講，人類用遺傳編程只需要告訴電腦「需要完成什麼」，而不用告訴它「如何去完成」，最終可能實現真正意義上的人工智慧：自動化的發明機器。
        
        遺傳編程是一種特殊的利用進化演算法的機器學習技術，它開始於一群由隨機生成的千百萬個電腦程式組成的「人群」，然後根據一個程式完成給定的任務的能力來確定某個程式的適合度，應用達爾文的自然選擇（適者生存）確定勝出的程式，電腦程式間也類比兩性組合，變異，基因複製，基因刪除等代代進化，直到達到預先確定的某個終止條件為止。
- - - - 人工智慧（英語：Artificial Intelligence，縮寫為AI）亦稱智械、機器智慧型，指由人製造出來的機器所表現出來的智慧型。通常人工智慧是指透過普通電腦程式來呈現人類智慧型的技術。該詞也指出研究這樣的智慧型系統是否能夠實現，以及如何實現。同時，通過醫學、神經科學、機器人學及統計學等的進步，常態預測則認為人類的無數職業也逐漸被其取代。
        人工智慧於一般教材中的定義領域是「智慧型主體（intelligent agent）的研究與設計」，智慧型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[「製造智慧型機器的科學與工程」。安德烈亞斯·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」
      - 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。
        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平，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，計算智慧型和傳統意義的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。
- - - - 1956年，在達特茅斯學院舉行的一次會議上正式確立了人工智慧的研究領域。會議的參加者在接下來的數十年間是AI研究的領軍人物。他們中有許多人預言，經過一代人的努力，與人類具有同等智能水平的機器將會出現。同時，上千萬美元被投入到AI研究中，以期實現這一目標。
        
        研究人員發現自己大大低估了這一工程的難度，人工智慧史上共出現過好幾次低潮。由於詹姆斯·萊特希爾爵士的批評和國會方面的壓力，美國和英國政府於1973年停止向沒有明確目標的人工智慧研究項目撥款。七年之後受到日本政府研究規劃的刺激，美國政府和企業再次在AI領域投入數十億研究經費，但這些投資者在80年代末重新撤回了投資。AI研究領域諸如此類的高潮和低谷不斷交替出現；至今仍有人對AI的前景作出異常樂觀的預測。
        
        儘管在政府官僚和風投資本家那裡經歷了大起大落，AI領域仍在取得進展。某些在20世紀70年代被認為不可能解決的問題今天已經獲得了圓滿解決並已成功應用在商業產品上。與第一代AI研究人員的樂觀估計不同，具有與人類同等智能水平的機器至今仍未出現。圖靈在1950年發表的一篇催生現代智能機器研究的著名論文中稱，「我們只能看到眼前的一小段距離……但是，我們可以看到仍有許多工作要做」。