
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
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28