京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 顾家彤、鲍歆祎
来源 | 读芯术
如果要列举一项彻底改变了21世纪的技术,非人工智能莫属。现如今,人工智能已然成为我们日常生活的一部分,不断丰富和便捷着社会的方方面面,今天这篇文章,将帮助读者好好了解人工智能的基本常识和基本概念,参透人工智能的前世今生。
人工智能的概念
1956年,约翰·麦卡锡(John McCarthy),计算科学与认知科学专家,美国斯坦福大学教授)如此定义“人工智能”一词——创造智能机器的科学和工程。
人工智能还可以被定义为计算机系统开发。此类计算机系统能够执行需要人类智能的任务,例如决策,对象检测,解决复杂问题等。
人工智能的发展阶段
很多文章都把人工智能分为通用人工智能(AGI)、专用人工智能(ANI)和人工超级智能(ASI)三种不同类型的人工智能。更确切地说,人工智能有三个阶段。
专用人工智能(ANI)
专用人工智能(ANI)也称为弱人工智能,是人工智能的一个发展阶段,涉及的机器只能执行一组狭义的特定任务。在这个阶段,机器不具备任何思考能力。它只是执行一组预设的功能。
弱人工智能的例子包括Siri(智能语音助手),Alexa(搜索引擎),自动驾驶汽车,Alpha-Go(人工智能机器人),Sophia(类人机器人)等。到目前为止,几乎所有基于人工智能的系统都属于弱人工智能类别。
通用人工智能(AGI)
通用人工智能(AGI)是人工智能的发展阶段,也被称为强人工智能。在这一阶段,机器将具有像我们人类一样思考和决策的能力。
目前还没有强人工智能的例子,但是,我们相信很快就能够创造出像人类一样聪明的机器。
很多科学家,包括斯蒂芬·霍金,觉得强人工智能会威胁人类的存在。霍金认为:“人工智能的完全发展可能意味着人类的终结......它将自行腾飞,并以不断增长的速度重新进行自我设计。人类受限于缓慢的生物进化过程,无法参与竞争,最终将被完全的人工智能取代。”
超级人工智能(ASI)
超级人工智能是人工智能超越人类的发展阶段。人工超级智能目前只是一个假设,就像电影和科幻小说描述的那样——机器统治世界。
考虑到目前的发展速度,机器离达到人工超级智能阶段并不遥远了。
人工智能(这里指的不是专用人工智能)的进步速度非常快。除非直接接触像Deepmind这样的团队,否则根本不知道它有多快 - 它以接近指数的速度增长。最多十年,最少可在五年内,人工智能就有发生严重危险事件的风险。埃隆·马斯克
人工智能的类型
当要求解释不同类型的人工智能系统时,必须根据其功能对人工智能进行分类。
基于人工智能系统的功能,人工智能可以分为以下类型:
反应性人工智能
这种类型的人工智能包括仅基于当前数据和情况运行的机器。反应性人工智能机器不能推断数据,评估人工智能未来的行为。他们可以执行范围缩小的预设任务。
IBM的象棋程序打败了世界冠军加里·卡斯帕罗夫。这就是一个反应性机器人的例子。
有限内存人工智能
顾名思义,有限内存人工智能可以通过研究其内存中的历史数据来做出明智的和改进的决策。这样的人工智能具有短暂或临时的记忆,可用于存储历史经验并评估未来的行为。
自动驾驶汽车是有限内存人工智能,它使用最近收集的数据做出即时决定。例如,自动驾驶汽车使用传感器识别横穿道路的平民,陡峭的道路,交通信号等,以做出更好的驾驶决定。这有助于阻止任何未来可能发生的事故。
心智理论人工智能
心智理论人工智能是一种更先进的人工智能。据推测,这类机器在心理学中起着重要作用。心智理论人工智能将主要关注情商,以便更好地理解人类的信念和思想。
心智理论人工智能尚未成熟,但人类在严谨地研究这一领域。
自我意识人工智能
让我们祈祷人工智能没有达到有自己的想法和自我意识的阶段。鉴于目前的情况,自我意识人工智能有些遥不可及。但是,将来自我意识人工智能可能会达到超级智能化阶段。
像埃隆·马斯克(Elon Musk)和斯蒂芬·霍金(StephenHawkings)这样的天才一直提醒人们警惕人工智能的进化。
人工智能的分支
人工智能通过执行以下程序/运用技巧,可以解决现实问题。
机器学习是一门让机器通过翻译,处理和分析数据解决现实问题的科学。
在机器学习下面,有如下三个分类:
1. 监督学习
2. 无监督学习
3. 强化学习
深度学习是在高维数据上实现神经网络以获得洞察力和形成解决方案的过程。深度学习是机器学习的高级领域,可用于解决更高级的问题。
深度学习是Facebook面部识别算法,自动驾驶汽车,Siri,Alexa等虚拟助手背后的逻辑。
自然语言处理
自然语言处理(NLP)是指从人类自然语言中获取见解,与机器交流,拓展业务的科学。
Twitter使用自然语言处理技术在其推文中过滤掉带有恐怖主义色彩的词汇。亚马逊也使用该技术来了解客户评论,改善用户体验。
机器人学
机器人学是人工智能的一个分支,专注于机器人的不同分支和应用。人工智能机器人在现实环境中代理人类行动,通过可靠的行动来产生结果。
例如,索菲亚类人机器人就是机器人学分支下的人工智能。
模糊逻辑
模糊逻辑是一种基于“真实度”原则的计算方法,而不是通常的现代计算机逻辑,比如本质上的布尔值。
模糊逻辑用于医学领域以解决涉及决策的复杂问题。它们还用于自动变速箱,车辆环境控制等。
专家系统
专家系统是基于人工智能的计算机系统,它学习并回报人类专家的决策能力。
专家系统使用if-then逻辑符号来解决复杂问题。它们不依赖于传统的程序编程。专家系统主要用于信息管理,医疗设施,贷款分析,病毒检测等方面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12