什么是人工智能？

什么是人工智能？

John McCarthy 在 2004年的论文中提出了下面的定义：这是合成智能型机器尤其是智能型计算机程序的技术学科。

在 1950 年时，艾伦·图灵发布了具有里程碑意义的研究成果：“计算机器与智能”（PDF文件大小为89.8 KB）。这篇论文中，他首次提出了著名的"图灵测试"理论，并由人工评审员通过分析来鉴别计算机与人类的回答差异。

Stuart Russell 和 Peter Norvig 后期出版了"人工智能：现代方法"一书，并深入阐述了AI领域的四个核心概念或框架。该著作基于理性原则和思维-行动机制区分AI与其他计算机系统。

以简明扼要的方式而言，在最基础层面上来说，在人工智能领域中融合了计算机科学与海量数据资源的相关学科，并且能够解决各种问题。这一学科体系还涵盖了机器学习与深度学习等细分领域，并且这些细分领域都是以AI算法为基础构建起来的，并且它们都旨在构建基于输入数据进行预测或分类的专家系统

目前，AI 系统存在大量的现实应用，如语音识别、客户服务和计算机视觉。

人工智能的类型

弱AI也可称为狭义的人工智能或人工狭义智能（ANI），它是一直经过训练并致力于完成特定任务的AI系统。当前使用的大部分AI则受到了弱AI的影响或推动。

strong AI is composed of AGI and ASI. AGI is a theoretical form of AI, representing machines with human-like intelligence. It possesses self-awareness, enabling problem-solving, learning, and future planning.ASI, also referred to as super intelligence, surpasses human cognitive abilities and capabilities.

深度学习与机器学习

尽管深度学习与机器学习这两个术语通常可以相互替代使用，在某些情况下需明确两者的微妙区别

深度学习主要基于神经网络的体系。
在深度学习中，“深度”的本质特征是其架构包含三层以上的神经网络（包括输入层和输出层），这使得其具备独特的特性。

深度学习与机器学习的主要区别在于其算法的学习方式或过程。相较于传统的机器学习方法，在深度学习中能够自动化地完成大部分特征提取过程，并无需依赖大量人工干预即可完成任务处理。此外该方法能够适应更大规模的数据集从而提升性能表现而传统机器学习则更加依赖人工干预以完成数据模式识别任务

人工智能应用

目前，AI 系统存在大量的现实应用。 下面是一些最常见的示例：

*语音识别：**作为一种先进的信息获取方式，在现代科技领域具有重要地位。它也可称为自动语音识别技术 (ASR)、计算机辅助语音识别或基于声音的文本转换工具。该技术利用自然语言处理技术 (NLP)，将人类的声音转化为规范的文字内容。多个移动设备集成此技术以实现声音搜索功能，在日常生活中非常常见。例如Siri等应用或其他提供与文本相关辅助功能的服务都可以进行此类操作。

• **客户服务：**在线聊天机器人正在逐渐取代人工客服角色。他们解答FAQ如送货服务；提供个性化建议；交叉销售产品；并给予用户量身定制的尺寸建议。这一变革重塑了我们对该领域互动方式的认知。这些技术包括像Slack和Facebook Messenger这样的消息传递平台；以及像 virtual assistants 和语音助手这样的自动化服务。

• **计算机视觉：**该 AI 技术通过数字图像、视频和其他视觉数据来源实现信息提取，并指导系统行动。这种主动提供建议的能力将该技术与传统的图像识别任务区分开来。此外，在社交媒体上的照片标记、医疗影像分析以及汽车自动驾驶等领域得到了广泛应用，并主要依赖于卷积神经网络的技术支持。

推荐引擎基于AI算法分析消费者的过往购买记录

• **自动化股票交易系统：**主要用于提升股票投资组合的表现。该平台基于人工智能设计的高频交易模型每天能够处理数千笔到数百万笔的交易活动，并且完全自动化运营。

人工智能伦理道德

伴随着人工智能技术的进步，在应用过程中也不断引发更多关注的人工智能相关的伦理与道德问题。当人工智能被应用于实际操作时，在不造成对人类的伤害的前提下，则应当确保其能够保护好生命权、财产权及自由权均需得到保障。此外，在应用过程中还应防止A I系统对人类产生的歧视以及隐私方面的侵权

IBM 在AI伦理道德领域一直保持着领先地位，并实施了一系列举措以确保AI的安全性和可靠性。 IBM的AI伦理道德框架主要涵盖以下几个关键点：强调了自动化的透明度与可解释性、隐私保护、公平性和非歧视性以及可持续性的结合与人类控制这几个核心要素。

人工智能的发展历史： 大事记

"Thinking Machine"这一构想源自古希腊时期。 与此同时，在电子计算技术诞生之际（相较于本文探讨的一些议题而言），人工智能的发展历程及其关键节点与里程碑如下所述：

• 1950： 艾伦·图灵在1950年发表了他的论文《计算机器与智能》。由于他在二战期间成功破译了纳粹德国的ENIGMA密码而闻名于世。在这篇论文中提出的问题是'机器能否具有思考的能力？'并对此进行了探讨。这篇论文还提出了著名的图灵测试，并由此确定了判断计算机是否具备与人类相当智力的标准。因此之后关于图灵测试的有效性就一直存在争议。

• 1956： 在由达特茅斯学院主办的第一届人工智能会议上首次提出了"人工智能"这个术语的John McCarthy，在那次会议结束后不久还在开发Lisp语言。（McCarthy在同一年晚些时候又继续推动了这一领域的发展）。
  同样在那段时间稍后不久，
  Allen Newell、J.C.Shaw 和 Herbert Simon共同开发出了第一台真正意义上的人工智能程序Logic Theorist。

  • **1967：**Frank Rosenblatt 构建了 Mark 1 Perceptron，这是第一台基于神经网络的计算机，它可以通过试错法不断学习。 就在一年后，Marvin Minsky 和 Seymour Papert 出版了一本名为《感知器》的书，这本书既成为神经网络领域的标志性作品，同时至少在一段时间内，成为反对未来神经网络研究项目的论据。

  • **1980 年代：**使用反向传播算法训练自己的神经网络在 AI 应用中广泛使用。

• **1997年：**IBM 的深蓝计算机参加了两项国际象棋锦标赛，并在其中击败了当时世界上最伟大的棋手之一 Garry Kasparov。

  • **2011：**IBM Watson 在《危险边缘！》节目中战胜冠军 Ken Jennings 和 Brad Rutter。

2015年时，百度的Minwa超级计算机配备了被称为卷积神经网络的深度学习架构，用于图像识别和分类任务，并且其准确度超过了常规人类水平。

• **2016年：**借助于深度神经网络的强大计算能力，DeepMind 开发的人工智能程序 AlphaGo 在五场比赛中战胜了围棋界顶尖选手李世石先生（Lee Sodol）。值得注意的是，在围棋比赛中随着棋局的发展变化多端的可能性极大；这一壮举在人工智能领域具有深远的意义（仅仅在第一步就达到了14.5万亿种不同的走法！）。随后谷歌以4亿美元的价格收购了这家人工智能研究公司。

未来展望

伴随着人工智能技术的持续发展，在医疗健康、金融投资、农业技术以及能源领域等多个方面都会有广泛应用。展望未来，在各个行业和地区中，人工智能将扮演重要角色，并推动社会进步与经济发展。

但是，在人工智能的发展历程中