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

達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：智能門戶手機版

1，什么是人工智能

　“人工智能”一詞最初是在1956 年Dartmouth學會上提出的。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擴展。人工智能是一門極富挑戰(zhàn)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。人工智能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，人工智能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能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”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(xiàn)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“需要人類智能才能完成的復雜任務”,

什么是人工智能

2，人工智能誕生的標志是什么

達特茅斯會議被廣泛認為是人工2113智能誕生的標志。1956年，在由達特茅斯學院舉辦的一次會議上，計算機專家約翰·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和思考能力，但人工知能是按1653照人類的思想結構等等的探索而開發(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雜、有危險難度、重復枯燥等的工作，所以人工智能是以人類的結構來設計開發(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了不少行業(yè)的興起，比如域名，許多相關的.top域名已經(jīng)被注冊。

人工智能誕生的標志是什么

3，人工智能機器學習深度學習是一種怎樣的層級關系

人工智能：從概念提出到走向繁榮1956年，幾個計算機科學家相聚在達特茅斯會議，提出了“人工智能”的概念，夢想著用當時剛剛出現(xiàn)的計算機來構造復雜的、擁有與人類智慧同樣本質特性的機器。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，或被稱作人類文明耀眼未來的預言，或被當成技術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、運算力的提升和機器學習新算法（深度學習）的出現(xiàn)，人工智能開始大爆發(fā)。據(jù)領英近日發(fā)布的《全球AI領域人才報告》顯示，截至2017年一季度，基于領英平臺的全球AI（人工智能）領域技術人才數(shù)量超過190萬，僅國內人工智能人才缺口達到500多萬。人工智能的研究領域也在不斷擴大，圖二展示了人工智能研究的各個分支，包括專家系統(tǒng)、機器學習、進化計算、模糊邏輯、計算機視覺、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人工智能，前者讓機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，而強人工智能讓機器獲得自適應能力，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——機器學習。機器學習：一種實現(xiàn)人工智能的方法機器學習最基本的做法，是使用算法來解析數(shù)據(jù)、從中學習，然后對真實世界中的事件做出決策和預測。與傳統(tǒng)的為解決特定任務、硬編碼的軟件程序不同，機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。舉個簡單的例子，當我們?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。機器學習直接來源于早期的人工智能領域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。從學習方法上來分，機器學習算法可以分為監(jiān)督學習（如分類問題）、無監(jiān)督學習（如聚類問題）、半監(jiān)督學習、集成學習、深度學習和強化學習。傳統(tǒng)的機器學習算法在指紋識別、基于Haar的人臉檢測、基于HoG特征的物體檢測等領域的應用基本達到了商業(yè)化的要求或者特定場景的商業(yè)化水平，但每前進一步都異常艱難，直到深度學習算法的出現(xiàn)。深度學習：一種實現(xiàn)機器學習的技術深度學習本來并不是一種獨立的學習方法，其本身也會用到有監(jiān)督和無監(jiān)督的學習方法來訓練深度神經(jīng)網(wǎng)絡。但由于近幾年該領域發(fā)展迅猛，一些特有的學習手段相繼被提出（如殘差網(wǎng)絡），因此越來越多的人將其單獨看作一種學習的方法。最初的深度學習是利用深度神經(jīng)網(wǎng)絡來解決特征表達的一種學習過程。深度神經(jīng)網(wǎng)絡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)絡結構。為了提高深層神經(jīng)網(wǎng)絡的訓練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應的調整。其實有不少想法早年間也曾有過，但由于當時訓練數(shù)據(jù)量不足、計算能力落后，因此最終的效果不盡如人意。深度學習摧枯拉朽般地實現(xiàn)了各種任務，使得似乎所有的機器輔助功能都變?yōu)榭赡?。無人駕駛汽車，預防性醫(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)系機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術。我們就用最簡單的方法——同心圓，可視化地展現(xiàn)出它們三者的關系。目前，業(yè)界有一種錯誤的較為普遍的意識，即“深度學習最終可能會淘汰掉其他所有機器學習算法”。這種意識的產(chǎn)生主要是因為，當下深度學習在計算機視覺、自然語言處理領域的應用遠超過傳統(tǒng)的機器學習方法，并且媒體對深度學習進行了大肆夸大的報道。深度學習，作為目前最熱的機器學習方法，但并不意味著是機器學習的終點。起碼目前存在以下問題：1. 深度學習模型需要大量的訓練數(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，此時深度學習方法無法入手，傳統(tǒng)的機器學習方法就可以處理；2. 有些領域，采用傳統(tǒng)的簡單的機器學習方法，可以很好地解決了，沒必要非得用復雜的深度學習方法；3. 深度學習的思想，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，人類的學習過程往往不需要大規(guī)模的訓練數(shù)據(jù)，而現(xiàn)在的深度學習方法顯然不是對人腦的模擬。

人工智能機器學習深度學習是一種怎樣的層級關系