首頁 > 廠商 > 經(jīng)驗 > 達(dá)特茅斯會議提出人工智能的概念，什么是人工智能

達(dá)特茅斯會議提出人工智能的概念，什么是人工智能

來源：整理時間：2023-06-27 03:23:53 編輯：智能門戶手機(jī)版

1，什么是人工智能

　“人工智能”一詞最初是在1956 年Dartmouth學(xué)會上提出的。從那以后,研究者們發(fā)展了眾多理論和原理,人工智能的概念也隨之?dāng)U展。人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項工作的人必須懂得計算機(jī)知識，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計算機(jī)視覺等等，總的說來，人工智能研究的一個主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時代、不同的人對這種“復(fù)雜工作”的理解是不同的。例如繁重的科學(xué)和工程計算本來是要人腦來承擔(dān)的，現(xiàn)在計算機(jī)不但能完成這種計算, 而且能夠比人腦做得更快、更準(zhǔn)確，因之當(dāng)代人已不再把這種計算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”,

什么是人工智能

2，人工智能誕生的標(biāo)志是什么

達(dá)特茅斯會議被廣泛認(rèn)為是人工2113智能誕生的標(biāo)志。1956年，在由達(dá)特茅斯學(xué)院舉辦的一次會議上，計算機(jī)專家約翰·麥卡錫提出了“人工智能”一詞。后來，這被人們看作是人工智能5261正式誕生的標(biāo)志，從此人工智能走上了快速發(fā)展的道路。人工智能是需要人力、腦力、開發(fā)、高等技術(shù)與不斷的研究和嘗試等等一系列超高難度的作業(yè)才能完成的科技產(chǎn)品。當(dāng)然這種研究是得到國家和人們大力支持的發(fā)展。它的發(fā)展對國際影響力4102是非常大的。人工智能也可以定義為高仿人類，雖然不可能會像人一樣具有靈敏的反應(yīng)和思考能力，但人工知能是按1653照人類的思想結(jié)構(gòu)等等的探索而開發(fā)的研究。人工智能的開發(fā)最主要的目的就是為了替人類做復(fù)雜、有危險難度、重復(fù)枯燥等的工作，所以人工智能是以人類的結(jié)構(gòu)來設(shè)計開發(fā)的，人工智能在版得到較好的開發(fā)后國家也是全力給予支持。人工智能的開發(fā)主要也是為了幫助和便利人類的生活。所以人工權(quán)智能的定義一直以來都是以“協(xié)助人類”而存在的。人工智能概念的火熱促進(jìn)了不少行業(yè)的興起，比如域名，許多相關(guān)的.top域名已經(jīng)被注冊。

人工智能誕生的標(biāo)志是什么

3，人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)是一種怎樣的層級關(guān)系

人工智能：從概念提出到走向繁榮1956年，幾個計算機(jī)科學(xué)家相聚在達(dá)特茅斯會議，提出了“人工智能”的概念，夢想著用當(dāng)時剛剛出現(xiàn)的計算機(jī)來構(gòu)造復(fù)雜的、擁有與人類智慧同樣本質(zhì)特性的機(jī)器。其后，人工智能就一直縈繞于人們的腦海之中，并在科研實驗室中慢慢孵化。之后的幾十年，人工智能一直在兩極反轉(zhuǎn)，或被稱作人類文明耀眼未來的預(yù)言，或被當(dāng)成技術(shù)瘋子的狂想扔到垃圾堆里。直到2012年之前，這兩種聲音還在同時存在。2012年以后，得益于數(shù)據(jù)量的上漲、運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法（深度學(xué)習(xí)）的出現(xiàn)，人工智能開始大爆發(fā)。據(jù)領(lǐng)英近日發(fā)布的《全球AI領(lǐng)域人才報告》顯示，截至2017年一季度，基于領(lǐng)英平臺的全球AI（人工智能）領(lǐng)域技術(shù)人才數(shù)量超過190萬，僅國內(nèi)人工智能人才缺口達(dá)到500多萬。人工智能的研究領(lǐng)域也在不斷擴(kuò)大，圖二展示了人工智能研究的各個分支，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計算、模糊邏輯、計算機(jī)視覺、自然語言處理、推薦系統(tǒng)等。但目前的科研工作都集中在弱人工智能這部分，并很有希望在近期取得重大突破，電影里的人工智能多半都是在描繪強(qiáng)人工智能，而這部分在目前的現(xiàn)實世界里難以真正實現(xiàn)（通常將人工智能分為弱人工智能和強(qiáng)人工智能，前者讓機(jī)器具備觀察和感知的能力，可以做到一定程度的理解和推理，而強(qiáng)人工智能讓機(jī)器獲得自適應(yīng)能力，解決一些之前沒有遇到過的問題）。弱人工智能有希望取得突破，是如何實現(xiàn)的，“智能”又從何而來呢？這主要歸功于一種實現(xiàn)人工智能的方法——機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)：一種實現(xiàn)人工智能的方法機(jī)器學(xué)習(xí)最基本的做法，是使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)，然后對真實世界中的事件做出決策和預(yù)測。與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來“訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。舉個簡單的例子，當(dāng)我們?yōu)g覽網(wǎng)上商城時，經(jīng)常會出現(xiàn)商品推薦的信息。這是商城根據(jù)你往期的購物記錄和冗長的收藏清單，識別出這其中哪些是你真正感興趣，并且愿意購買的產(chǎn)品。這樣的決策模型，可以幫助商城為客戶提供建議并鼓勵產(chǎn)品消費。機(jī)器學(xué)習(xí)直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機(jī)、EM、Adaboost等等。從學(xué)習(xí)方法上來分，機(jī)器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)（如分類問題）、無監(jiān)督學(xué)習(xí)（如聚類問題）、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。傳統(tǒng)的機(jī)器學(xué)習(xí)算法在指紋識別、基于Haar的人臉檢測、基于HoG特征的物體檢測等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求或者特定場景的商業(yè)化水平，但每前進(jìn)一步都異常艱難，直到深度學(xué)習(xí)算法的出現(xiàn)。深度學(xué)習(xí)：一種實現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)深度學(xué)習(xí)本來并不是一種獨立的學(xué)習(xí)方法，其本身也會用到有監(jiān)督和無監(jiān)督的學(xué)習(xí)方法來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。但由于近幾年該領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習(xí)手段相繼被提出（如殘差網(wǎng)絡(luò)），因此越來越多的人將其單獨看作一種學(xué)習(xí)的方法。最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種學(xué)習(xí)過程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個全新的概念，可大致理解為包含多個隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。其實有不少想法早年間也曾有過，但由于當(dāng)時訓(xùn)練數(shù)據(jù)量不足、計算能力落后，因此最終的效果不盡如人意。深度學(xué)習(xí)摧枯拉朽般地實現(xiàn)了各種任務(wù)，使得似乎所有的機(jī)器輔助功能都變?yōu)榭赡?。無人駕駛汽車，預(yù)防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實現(xiàn)。三者的區(qū)別和聯(lián)系機(jī)器學(xué)習(xí)是一種實現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。我們就用最簡單的方法——同心圓，可視化地展現(xiàn)出它們?nèi)叩年P(guān)系。目前，業(yè)界有一種錯誤的較為普遍的意識，即“深度學(xué)習(xí)最終可能會淘汰掉其他所有機(jī)器學(xué)習(xí)算法”。這種意識的產(chǎn)生主要是因為，當(dāng)下深度學(xué)習(xí)在計算機(jī)視覺、自然語言處理領(lǐng)域的應(yīng)用遠(yuǎn)超過傳統(tǒng)的機(jī)器學(xué)習(xí)方法，并且媒體對深度學(xué)習(xí)進(jìn)行了大肆夸大的報道。深度學(xué)習(xí)，作為目前最熱的機(jī)器學(xué)習(xí)方法，但并不意味著是機(jī)器學(xué)習(xí)的終點。起碼目前存在以下問題：1. 深度學(xué)習(xí)模型需要大量的訓(xùn)練數(shù)據(jù)，才能展現(xiàn)出神奇的效果，但現(xiàn)實生活中往往會遇到小樣本問題，此時深度學(xué)習(xí)方法無法入手，傳統(tǒng)的機(jī)器學(xué)習(xí)方法就可以處理；2. 有些領(lǐng)域，采用傳統(tǒng)的簡單的機(jī)器學(xué)習(xí)方法，可以很好地解決了，沒必要非得用復(fù)雜的深度學(xué)習(xí)方法；3. 深度學(xué)習(xí)的思想，來源于人腦的啟發(fā)，但絕不是人腦的模擬，舉個例子，給一個三四歲的小孩看一輛自行車之后，再見到哪怕外觀完全不同的自行車，小孩也十有八九能做出那是一輛自行車的判斷，也就是說，人類的學(xué)習(xí)過程往往不需要大規(guī)模的訓(xùn)練數(shù)據(jù)，而現(xiàn)在的深度學(xué)習(xí)方法顯然不是對人腦的模擬。

人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)是一種怎樣的層級關(guān)系