![人工智慧[計算機科學的一個分支]](/img/f/078/nBnauM3X4MDM3ITOycDNwADO1UTM1QDN5MjM5ADMwAjMwUzL3QzLzMzLt92YucmbvRWdo5Cd0FmLxE2LvoDc0RHa.jpg "人工智慧[計算機科學的一個分支]")
定義
能力：人工智慧（能力）是智慧型機器所執行的通常與人類智慧型有關的智慧型行為，如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習核問題求解等思維活動。
人工智慧的定義可以分為兩部分，即“人工”和“智慧型”。“人工”比較好理解，爭議性也不大。有時會要考慮什麼是人力所能及製造的，或著人自身的智慧型程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。關於什麼是“智慧型”，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人唯一了解的智慧型是人本身的智慧型，這是普遍認同的觀點。但是人類對自身智慧型的理解都非常有限，對構成人的智慧型的必要元素也了解有限，所以就很難定義什麼是“人工”製造的“智慧型”了。因此人工智慧的研究往往涉及對人的智慧型本身的研究。其它關於動物或其它人造系統的智慧型也普遍被認為是人工智慧相關的研究課題。人工智慧目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，仿真系統中得到套用。
詞源
“人工智慧 ”一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧型才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的，現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更準確，因之當代人已不再把這種計算看作是“需要人類智慧型才能完成的複雜任務”, 可見複雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯繫在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智慧學科研究的主要內容包括：知識表示、自動推理和搜尋方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智慧型機器人、自動程式設計等方面。
人工智慧畫作 簡史
自古以來，人類就力圖根據認識水平和當時的技術條件，企圖用機器來代替人的部分腦力勞動，以提高征服自然的能力。公元850年，古希臘就有製造機
機器人是典型的人工智慧套用 進入21世紀後，人工智慧相繼出現若干開創性的工作。1936年，年僅24歲的英國數學家A.M.Turing在他的一篇"理想計算機"的論文中，就提出了著名的圖林機模型，1945年他進一步論述了電子數字計算機設計思想，1950年他又在"計算機能思維嗎？"一文中提出了機器能夠思維的論述，可以說這些都是圖靈為人工智慧所作的傑出貢獻。1946年美國科學家J.W.Mauchly等人製成了世界上第一台電子數字計算機ENIAC。還有同一時代美國數學家N.Wiener控制論的創立，美國數學家C.E.Shannon資訊理論的創立，英國生物學家W.R.Ashby所設計的腦等，這一切都為人工智慧學科的誕生作了理論和實驗工具的巨大貢獻。
1956年美國的幾位心理學家，數學家，計算機科學家和資訊理論學家在Dartmonth大學召開了會議，提出了人工智慧這一學科，現在普遍認為人工智慧學科是這時建立的，到現在已有40多年的歷史，它的發展先後經歷了“認知模擬”，“語意信息理解”，“專家系統”等階段。
發展階段
從1956年正式提出人工智慧學科算起，40多年來，取得長足的發展，成為一門廣泛的交叉和前沿科學。總的說來，人工智慧的目的就是讓計算機這台機器能夠象人一樣思考。如果希望做出一台能夠思考的機器，那就必須知道什麼是思考，更進一步講就是什麼是智慧。什麼樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋裡面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。當計算機出現後，人類開始真正有了一個可以模擬人類思維的工具，在以後的歲月中，無數科學家為這個目標努力著。現在人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，現在計算機似乎已經變得十分聰明了。例如，1997年5月，IBM公司研製的深藍（Deep Blue）計算機戰勝了西洋棋大師卡斯帕洛夫（Kasparov）。大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬於人類的工作，計算機以它的高速和準確為人類發揮著它的作用。人工智慧始終是計算機科學的前沿學科，計算機程式語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。
計算機時代
龐然大物，世界第一台電子計算機 AI的開端
雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才注意到人類智慧型與機器之間 的聯繫. Norbert Wiener是最早研究反饋理論的美國人之一。最熟悉的反饋控制的例子是自動調溫器。它將收集到的房間溫度與希望的溫度比較,並做出反應將加熱器開大或關小,從而控制環境溫度。這項對反饋 迴路的研究重要性在於: Wiener從理論上指出,所有的智慧型活動都是反饋機制的結果。而反饋機制是有可能用機器模擬的。這項發現對早期AI的發
美國國防部五角大樓 
通用汽車標徽 大量的程式
以後幾年出現了大量程式。其中一個著名的叫"SHRDLU"."SHRDLU"是"微型世界"項目的一部分,包括 在微型世界(例如只有有限數量的幾何形體)中的研究與編程.在MIT由Marvin Minsky領導的研究人員發現, 面對小規模的對象,電腦程式可以解決空間和邏輯問題.其它如在60年代末出現的"STUDENT"可以解決代數 問題,"SIR"可以理解簡單的英語句子.這些程式的結果對處理語言理解和邏輯有所幫助.。70年代另一個進展是專家系統。專家系統可以預測在一定條件下某種解的機率。由於當時計算機已有巨大容量,專家系統有可能從數據中得出規律.專家系統的市場套用很廣.十年間,專
波音、世界著名飛機生產廠商 
美國國防部高級研究計畫署支持的項目“機器騾子” 不再只屬於實驗室中的一小群研究人員. 個人電腦和眾多技術雜誌使計算機技術展現在人們面前.有了象美國人工智慧協會這樣的基金會.因為AI開發 的需要,還出現了一陣研究人員進入私人公司的熱潮。150多所像DEC(它雇了700多員工從事AI研究)這樣的公司共花了10億美元在內部的AI開發組上. 其它一些AI領域也在80年代進入市場.其中一項就是機器視覺. Minsky和Marr的成果現在用到了生產線上的相機和計算機中,進行質量控制。儘管還很簡陋,這些系統已能夠通過黑白區別分辨出物件形狀的不同.到1985年美國有一百多個公司生產機器視覺系統,銷售額共達8千萬美元. 但80年代對AI工業來說也不全是好年景.86-87年對AI系統的需求下降,業界損失了近5億美元。象 Teknowledge和Intellicorp兩家共損失超過6百萬美元,大約占利潤的三分之一巨大的損失迫使許多研究領導者削減經費.另一個另人失望的是美國國防部高級研究計畫署支持的所謂"智慧卡車".這個項目目的是研製一種能完成許多戰地任務的機器人。由於項目缺陷和成功無望,Pentagon停止了項目的經費.儘管經歷了這些受挫的事件,AI仍在慢慢恢復發展.新的技術在日本被開發出來,如在美國首創的模糊邏輯,它可以從不確定的條件作出決策;還有神經網路,被視為實現人工智慧的可能途徑.總之,80年代AI被引入了市場,並顯示出實用價值.可以確信,它將是通向21世紀之匙.。人工智慧技術接受檢驗 在"沙漠風暴"行動中軍方的智慧型設備經受了戰爭的檢驗.人工智慧技術被用於飛彈系統和預警顯示以 及其它先進武器。AI技術也進入了家庭.智慧型電腦的增加吸引了公眾興趣;一些面向蘋果機和IBM兼容機的套用 軟體例如語音和文字識別已可買到;使用模糊邏輯,AI技術簡化了攝像設備.對人工智慧相關技術更大的需求促 使新的進步不斷出現.人工智慧已經並且將繼續不可避免地改變我們的生活.
超越人類的臨界點
2016年1月，Google旗下的深度學習團隊Deepmind開發的人工智慧圍棋軟體AlphaGo，以5:0戰勝了圍棋歐洲冠軍樊麾。這是人工智慧第一次戰勝職業圍棋手。
AlphaGo能通過圖靈測試不是偶然。在過往圍棋人工智慧通常採用的蒙特卡洛法之外，它加入了兩種神經網路，以減少搜尋所需的廣度和深度：用價值網路評估棋子位置的優劣，用策略網路來為下一步取樣。論文說，在與樊麾的對局中，靠著更精準的評估和更聰明的棋步選擇，AlphaGo與人類的思維方式更接近，計算量要比20年前IBM深藍計算機擊敗西洋棋世界大師卡斯帕羅夫要少幾千倍。
人工智慧近年突飛猛進。最近還有人說，人工智慧要戰勝人類圍棋手還要許多年。現實已經粉碎了這種預言。人工智慧戰勝業餘強手也就是去年的事，現在已經戰勝職業棋手。業餘強手與職業棋手之間的差距，遠大於職業棋手與職業頂尖棋手的差距。樊麾是職業二段，出生於中國，目前是法國國家圍棋隊總教練，連續三年贏得歐洲圍棋冠軍的稱號。歐洲冠軍與世界最強之間水平大概差讓先到讓兩子之間，這對人類是天塹，但對已經取得突破的人工智慧來說，步子大點也許一步就邁過去了。
圍棋成為人工智慧新突破選擇的領域，意義重大。圍棋規則簡單，變化繁多，而結果不確定，沒有“正解”。不是說初始輸入一個值，然後直線計算到終局，而是每一步都有判斷、權衡、取捨。我的體會是它好似生活的投影，簡單一些，但足夠複雜。一位認知科學家朋友陽志平說，認知心理學實驗研究智力、專家、專業技能習得，選取棋類作為遊戲。是因為它的標準化程度較高；一般的棋類遊戲標準化程度雖然不錯，但認知複雜度不行，然而圍棋不一樣，兼具了標準測試集與認知複雜度高雙重特點，這樣使得人工智慧在圍棋上取得的突破，具有劃時代意義。
人工智慧科學
實際套用
機器人世界盃開戰 智慧型模擬
球形機器人 學科範疇
陪伴機器人Kirobo mini 涉及學科
哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論
研究範疇
語言的學習與處理，知識表現，智慧型搜尋，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程式設計，軟計算，不精確和不確定的管理，人工生命，神經網路，複雜系統，遺傳算法人類思維方式，最關鍵的難題還是機器的自主創造性思維能力的塑造與提升。意識和人工智慧
視網膜識別系統 對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出“類人腦”的機器；二是能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。人工智慧不是人的智慧型，更不會超過人的智慧型。
套用領域
人類通過人工智慧獲得永生 值得一提的是，機器翻譯是人工智慧的重要分支和最先套用領域。不過就已有的機譯成就來看，機譯系統的譯文質量離終極目標仍相差甚遠；而機譯質量是機譯系統成敗的關鍵。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出：要提高機譯的質量，首先要解決的是語言本身問題而不是程式設計問題；單靠若干程式來做機譯系統，肯定是無法提高機譯質量的；另外在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下，機譯要想達到“信、達、雅”的程度是不可能的。
安全問題
目前人工智慧還在研究中，但有學者認為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發生過，其主要的關鍵是允不允許機器擁有自主意識的產生與延續，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創造性，自我保護意識，情感和自發行為。
實現方法
人工智慧在計算機上實現時有2種不同的方式。一種是採用傳統的編程技術，使系統呈現智慧型的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineering approach），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modeling approach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。本書介紹的遺傳算法（Generic Algorithm，簡稱GA）和人工神經網路（Artificial Neural Network，簡稱ANN）均屬後一類型。遺傳算法模擬人類或生物的遺傳-進化機制，人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智慧型效果，兩種方式通常都可使用。採用前一種方法，需要人工詳細規定程式邏輯，如果遊戲簡單，還是方便的。如果遊戲複雜，角色數量和活動空間增加，相應的邏輯就會很複雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程式，重新編譯、調試，最後為用戶提供一個新的版本或提供一個新補丁，非常麻煩。採用後一種方法時，編程者要為每一角色設計一個智慧型系統（一個模組）來進行控制，這個智慧型系統（模組）開始什麼也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種複雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智慧，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛套用。由於這種方法編程時無須對角色的活動規律做詳細規定，套用於複雜問題，通常會比前一種方法更省力。
“機器思維”同人類思維的本質區別：
自我繁殖機器人 2.人工智慧沒有社會性。
3.人工智慧沒有人類的意識所特有的能動的創造能力。
4.兩者總是人腦的思維在前，電腦的功能在後。
5.機器思維總是按照人類預定的程式而定。
強弱人工智慧
約翰·麥卡錫 
圖靈，邏輯學家，人工智慧之父 時間內找出相當好的解決方法，如競技的比賽等就是其例。還有，計算機在沒有給予充分的合乎邏輯的正確信息時，就不能理解它的意義，而人在僅是被給予不充分、不正確的信息的情況下，根據適當的補充信息，也能抓住它的意義。自然語言就是例子。用計算機處理自然語言，稱為自然語言處理。關於強人工智慧的爭論不同於更廣義的一元論和二元論（dualism）的爭論。其爭論要點是：如果一台機器的唯一工作原理就是對編碼數據進行轉換，那么這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是對數據進行轉換，而數據本身是對某些事情的一種編碼表現，那么在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。也有哲學家持不同的觀點。Daniel C. Dennett 在其著作 Consciousness Explained 里認為，人也不過是一台有靈魂的機器而已，為什麼我們認為人可以有智慧型而普通機器就不能呢？他認為像上述的數據轉換機器是有可能有思維和意識的。有的哲學家認為如果弱人工智慧是可實現的，那么強人工智慧也是可實現的。比如Simon Blackburn在其哲學入門教材 Think 里說道，一個人的看起來是“智慧型”的行動並不能真正說明這個人就真的是智慧型的。我永遠不可能知道另一個人是否真的像我一樣是智慧型的，還是說她／他僅僅是看起來是智慧型的。基於這個論點，既然弱人工智慧認為可以令機器看起來像是智慧型的，那就不能完全否定這機器是真的有智慧型的。Blackburn 認為這是一個主觀認定的問題。需要要指出的是，弱人工智慧並非和強人工智慧完全對立，也就是說，即使強人工智慧是可能的，弱人工智慧仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在百多年前是被認為很需要智慧型的。
人工智慧影響
（1）人工智慧對自然科學的影響 。在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助於人類最終認識自身智慧型的形成。
（2）人工智慧對經濟的影響。專家系統更深入各行各業，帶來巨大的巨觀效益。AI也促進了計算機工業網路工業的發展。但同時，也帶來了勞務就業問題。由於AI在科技和工程中的套用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結構的劇烈變化。
（3）人工智慧對社會的影響。AI也為人類文化生活提供了新的模式。現有的遊戲將逐步發展為更高智慧型的互動式文化娛樂手段，今天，遊戲中的人工智慧套用已經深入到各大遊戲製造商的開發中。
（4）人工智慧對教育的影響。我們必將面臨一個人工智慧時代，因此從小培養青少年的科技素養至關重要，而教育機器人被認為是培養青少年科技素養的最佳平台，成為教育行業的新爆點。1996年全球第一個教育機器人品牌能力風暴誕生，我國在2003年將“人工智慧初步”和“簡易機器人製作”列入高中技術課程標準選修模組，教育機器人開始逐步進入學校課程體系，如今教育機器人正朝著“校校通、班班通”的進程發展。據全球最具規模的教育機器人比賽——世界教育機器人大賽（WER）官方統計，每年已有500000名青少年使用能力風暴教育機器人報名參加比賽。
伴隨著人工智慧和智慧型機器人的發展，不得不討論是人工智慧本身就是超前研究，需要用未來的眼光開展現代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產生的衝突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。
最新訊息
谷歌剛剛宣布了一項全新計畫，目的很簡單：希望智慧型機器能與人類緊密合作。該計畫名為“人類與AI研究”（PeopleAI Research），簡稱 PAIR。谷歌接下來會陸續發布一些新的工具，來讓AI系統的內部工作機制變得更加透明。同時，谷歌還將啟動一系列的科研計畫來探索更有效的人機合作模式。
IT辭彙
定位諮詢 | 地理信息系統 | 目錄服務 | 網際網路數據中心 | 信息服務 | 超執行緒技術 | 人工智慧 | 業務流程管理
