机器思维即人工智能?

admin

人工智能（AI）是研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它试图理解智能的本质，并生产出能够以与人类智能相似的方式做出反应的新型智能机器。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词于1956年在达特茅斯学会首次提出。此后，研究人员发展了许多理论和原理，人工智能的概念也得到了扩展。人工智能是一门非常具有挑战性的科学，从事这项工作的人必须了解计算机知识、心理学和哲学。人工智能是一门非常广泛的科学，它由不同的领域组成，例如机器学习、计算机视觉等。一般来说，人工智能研究的主要目标之一是使机器能够执行一些通常需要人类智能才能完成的复杂任务。但不同的时代、不同的人对这种“复杂工作”有不同的理解。例如，繁重的科学和工程计算最初是由人脑承担的。 现在计算机不仅能完成这样的计算，而且比人脑更快更准确。因此，当代人不再把这样的计算看作是“需要人类智能才能完成的复杂任务”。可见，复杂工作的定义是随着时代的发展和技术的进步而变化的。人工智能科学的具体目标也自然而然地随着时代的变化而发展，一方面不断取得新的进展，另一方面转向更有意义、更困难的目标。目前，研究人工智能的主要物质手段和实现人工智能技术的机器是计算机。人工智能的发展史与计算机科学技术的发展史是联系在一起的。人工智能除了计算机科学外，还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等。人工智能研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动编程等。

人工智能

人工智能的定义可以分为两个部分，即“人工”和“智能”。“人工”比较容易理解，争议也较少。有时我们要考虑人类可能创造什么，或者人类的智力是否足够高到可以创造人工智能等。但总体而言，“人工系统”是通常意义上的人工系统。

关于什么是“智能”，存在许多问题。这涉及到意识、自我、思维（包括无意识思维）等其他问题。普遍接受的观点是，人们唯一理解的智能是人类智能。然而，我们对自身智能的了解非常有限，对构成人类智能的必要要素的了解也有限，因此很难定义什么是“人工”创造的“智能”。因此，人工智能的研究往往涉及对人类智能本身的研究。关于动物或其他人工系统的其他智能也通常被认为是与人工智能相关的研究课题。

人工智能在计算机领域越来越受到重视，并在机器人、经济与政治决策、控制系统、仿真系统等领域得到应用。

人工智能的定义

著名的斯坦福大学人工智能研究中心的纳尔逊教授对人工智能的定义是：“人工智能是一门关于知识的学科——关于如何表示知识、如何获取知识以及如何使用知识的科学。”麻省理工学院的另一位教授温斯顿则认为：“人工智能是研究如何使计算机完成过去只有人类才能完成的智能工作。”这些表述反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动规律、构建具有一定智能的人工系统，研究如何使计算机完成以前需要人类智能才能完成的任务。换言之，是研究如何利用计算机软件和硬件模拟人类的某些智能行为的基本理论、方法和技术。

人工智能（Artificial Intelligence，AI）是计算机科学的一个分支学科，自20世纪70年代以来，被誉为世界三大前沿技术之一（空间技术、能源技术、人工智能），也被认为是21世纪三大前沿技术之一（基因工程、纳米科学、人工智能）。这是因为它在近三十年中发展迅速，被广泛应用于许多学科，取得了丰硕的成果。人工智能已逐渐成为一个独立的分支学科，并在理论和实践上形成了一个体系。

人工智能是研究如何利用计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的一门学科，主要包括计算机智能的原理、制造类似人脑智能的计算机以及实现计算机更高层次的应用等。人工智能会涉及到计算机科学、心理学、哲学、语言学等学科，可以说几乎是自然科学和社会科学的所有学科，其范围已经远远超出了计算机科学的范围。人工智能与思维科学的关系是实践与理论的关系，人工智能处于思维科学的技术应用层面，是思维科学的一个应用分支。从思维的角度看，人工智能不仅限于逻辑思维，还需要考虑形象思维、灵感思维等，推动人工智能的突破性发展。数学常常被认为是许多学科的基础科学，数学也进入了语言、思维等领域，人工智能学科也必须借用数学工具。 数学不仅在标准逻辑、模糊数学中发挥作用，而且进入人工智能学科，它们会互相促进，更快的发展。

实际应用

机器视觉：指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、智能搜索、定理证明、游戏、自动编程、航空航天应用等。

主题分类

人工智能是一门处于自然科学与社会科学交叉的前沿学

涉及主题

哲学与认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不确定性理论、仿生学、

研究范围

自然语言处理、知识表示、智能搜索、推理、规划、机器学习、知识获取、组合调度问题、感知问题、模式识别、逻辑编程、软计算、不精确和不确定性管理、人工生命、神经网络、复杂系统、遗传算法

应用领域

智能控制、机器人、语言与图像理解、遗传编程

意识与人工智能的区别

人工智能，从本质上来说，是对人类思维信息过程的模拟。

模拟人的思维有两种方式：一种是结构模拟，即模仿人脑的结构机制，制造“类人脑”的机器；另一种是功能模拟，即暂时忽略人脑的内部结构，模拟其功能过程。现代电子计算机的出现，就是对人脑的思维功能和人脑的信息处理过程的模拟。

人工智能不是人类智能，也不会超越人类智能。

“机器思维”与人类思维的本质区别：

1、人工智能是纯粹无意识的、机械的、物理的过程，而人类智能主要是一种生理和心理的过程。

2.人工智能不具备社交能力。

3、人工智能不具备人类意识所特有的动态创造能力。

4.在这两种情况下，人脑的思考总是放在第一位的，计算机的功能则放在第二位。

强人工智能与弱人工智能

人工智能的一个流行定义，也是该领域早期的定义，是约翰·麦卡锡在1956年达特茅斯会议上提出的：人工智能就是让机器的行为看起来像人类所表现出来的智能行为。但这个定义似乎忽略了强人工智能的可能性（见下文）。另一个定义是，人工智能是人造机器所表现出来的智能。一般来说，目前人工智能的大部分定义可以分为四类，即机器“像人一样思考”、“像人一样行动”、“理性思考”和“理性行动”。这里的“行动”应该广义地理解为采取行动，或者做出行动的决定，而不是物理动作。

强人工智能

强人工智能观点认为，可以创造出真正能够推理和解决问题的智能机器，这种机器可以被视为具有感知和自我意识。强人工智能有两种类型：

类人人工智能是指机器像人类一样思考和推理。

非人人工智能是指机器具有与人类完全不同的感知能力和意识，采用与人类完全不同的推理方法。

弱人工智能

弱人工智能观点认为，不可能创造出真正能够推理、解决问题的智能机器，这些机器只是看上去很智能，但并不真正具备智能，也不具备自主意识。

主流科学研究集中于弱人工智能，普遍认为该研究领域已经取得了相当多的成果，而强人工智能的研究则停滞不前。

关于强人工智能的哲学辩论

“强人工智能”一词最初由约翰·罗杰斯·塞尔为计算机和其他信息处理机器创造，其定义为：

“强人工智能认为，计算机不仅仅是研究人类思维的工具；相反，只要运行适当的程序，计算机本身就有思维。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）这是指计算机从事智能活动的活动。这里的智能的含义是模糊的和不确定的，如下所述。使用计算机解决问题时，必须知道明确的程序。但是，人们在不清楚程序的情况下，也有很多情况可以基于启发式方法巧妙地解决问题。例如，识别书面文字、图形、声音等，即所谓的认知模型就是一个例子。此外，由于学习而提高能力，归纳推理、基于类比的推理等也是例子。此外，虽然解决程序很明确，但实施起来却需要很长时间。对于这样的问题，人们可以在很短的时间内找到相当好的解决方案，例如竞技比赛。 另外，计算机如果没有足够合乎逻辑和正确的信息，就无法理解事物的意义，而人只要得到不充分和不正确的信息，就可以根据适当的补充信息来掌握事物的意义。自然语言就是一个例子。用计算机处理自然语言就称为自然语言处理。

关于强人工智能的争论，不同于更广泛的一元论与二元论的争论，争论的要点在于：如果机器的唯一工作原理就是转换编码数据，那么机器有思想吗？塞尔认为，这是不可能的。他举出中文房间的例子来说明，如果机器只转换数据，而数据本身是某种东西的编码表示，那么在不理解这种代码与实际事物的对应关系的情况下，机器就不可能对它所处理的数据有任何理解。基于这一论证，塞尔认为，即使机器通过了图灵测试，也不一定意味着机器真的像人一样具有思想和意识。

也有哲学家持有不同观点。丹尼尔·丹尼特在他的著作《意识解释》中认为，人类只是有灵魂的机器。为什么我们认为人类可以拥有智能，而普通的机器却不能呢？他认为，像上述这样的数据转换机器很可能具有思想和意识。

有些哲学家认为，如果弱人工智能是可行的，那么强人工智能也是可行的。例如，西蒙·布莱克本在他的哲学入门教科书中说：认为一个人看似“聪明”的行为并不能真正证明这个人真的聪明。我永远无法知道另一个人是否和我一样真的聪明，或者她/他只是看上去很聪明。基于这一论点，既然弱人工智能认为有可能让机器看上去很聪明，那么就不能完全否认机器真的聪明。布莱克本认为，这是一个主观问题。

需要指出的是，弱人工智能并不完全与强人工智能对立，也就是说，即使强人工智能成为可能，弱人工智能仍然有意义。至少，今天计算机能做的事情，比如算术运算，在一百多年前就被认为需要智能

人工智能简史

人工智能的传奇可以追溯到古埃及，但随着 1941 年以来电子计算机的发展，技术终于能够创造出机器智能。“人工智能”一词于 1956 年在达特茅斯会议上首次提出。此后，研究人员开发了许多理论和原理，人工智能的概念也得到了扩展。在其短暂的历史中，人工智能的发展比预期的要慢，但它一直在向前发展。从 40 年前出现到现在，已经出现了许多 AI 程序，它们也影响了其他技术的发展。

计算机时代

1941 年的一项发明彻底改变了信息存储和处理的各个方面。这项发明同时出现在美国和德国，那就是电子计算机。第一台计算机占据了几个大型空调房间，对程序员来说是一场噩梦：仅仅运行一个程序就必须设置数千条电路。1949 年改进的可以存储程序的计算机使输入程序变得更加容易，计算机理论的发展催生了计算机科学，并最终催生了人工智能。计算机这项以电子方式处理数据的发明为人工智能的可能实现提供了一种媒介。

人工智能的起源

虽然计算机为人工智能提供了必要的技术基础，但直到 20 世纪 50 年代初，人们才注意到人类智能与机器之间的联系。诺伯特·维纳是最早研究反馈理论的美国人之一。反馈控制最熟悉的例子是恒温器。它将收集到的室温与所需温度进行比较，并通过调高或调低加热器来控制环境温度。这项关于反馈回路的研究的重要性在于，维纳从理论上指出，一切智能活动都是反馈机制的结果。而反馈机制可以被机器模拟。这一发现对早期人工智能的发展产生了很大影响。

1955年底，纽厄尔和西蒙做了一个叫做“逻辑理论家”的程序。这个程序被很多人认为是第一个AI程序。它把每个问题表示成一个树模型，然后选择最有可能得到正确结论的分支来解决问题。“逻辑理论家”对公众和AI研究领域的影响，使它成为AI发展的一个重要里程碑。1956年，被认为是人工智能之父的约翰·麦卡锡组织了一次会议，把许多对机器智能感兴趣的专家学者聚集在一起进行为期一个月的讨