人工智能与人类

　　欢迎各位阅读本篇,人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，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。本篇文章讲述了人工智能与人类，编程学习网教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!

　　引发的“人机大战”，以及此前自动驾驶汽车、人脸识别、Alpha Go等一系列成功应用案例的问世，关于人工智能的话题，近期又一次成为舆论的关注热点。

　　有人把人工智能说得十分神秘，似乎它无所不能，无所不在，甚至将彻底改变人类社会和历史。有人则把人工智能说得十分可怕，认为机器人很快就会超越人类，甚至担心不久的将来人类将沦为机器人的奴隶。我认为，这都不是理性的态度。

　　自人工智能提出以来，关于它的讨论已经几起几落。每当技术向前迈进一步，每当在某种具体的技能上机器超越人类的时候，总会出现类似的热议，乐观和悲观的极端态度激烈争辩，热闹异常。这并不是什么新鲜的现象。

　　不妨类比一下汽车和马车的比赛。今天我们看到汽车跑得比人快，或者说汽车比马车跑得快，恐怕没有一个人会感到惊奇或者紧张。然而，当初在英国为此曾引发了激烈的争议，力挺者和反对者针锋相对，争论涉及许多领域，从观念到管理办法，以至出现了“红旗法案”(该法案对于汽车上路提出了5英里的限速要求，还需要人在前面用红旗引路)，今天看来实在令人啼笑皆非。类似的，望远镜看得比人远，显微镜比人看得细，起重机比人力气大，其实都没有什么奇怪的。技术的进步就是机器对人类某种能力的超越。

　　智力方面难道机器也可以超越人吗?所谓智力，包括记忆、理解、推理、情感、联想等多方面。其实在智力中的许多方面，机器早就超过了人。比如：记忆、计算、搜索等。下围棋就是一种在一定的规则框架内，进行归纳和学习的智力行为。

　　机器能不能在智力的所有方面超越人类，以致奴役人类呢?人类还远远没有了解智力的所有方面，我们大可不必杞人忧天。我们绝不是低估技术进步的惊人速度和巨大影响，但也不要把进步中的某一步过分地炒作和夸大，要理性对待技术的进步。

　　经过几十年、几代人的努力，中国的人工智能理论研究和实际应用都已经取得了长足的进步。在人工智能的理论研究和技术人才培养方面，我们已经建成了比较完整的体系，从理论研究到实际应用，从课程建设到教材建设，人工智能都已经占据了应有的位置，得到了普遍的重视，形成了从理论研究到实际应用的、人数可观的队伍。改革开放以来，随着现代信息技术的迅速普及，信息和信息系统的重要性已经得到了广泛的关注和重视。上世纪80年代，决策支持系统(DSS)和专家系统(ES)走向社会的许多应用系统，在提高效率、优化经济和社会管理方面发挥了巨大的作用。进入21世纪以来，人工智能与互联网相结合，从军用的和民用的无人机，到智能交通和物流，直到日常生活中的家用机器人和可穿戴设备，人工智能进一步向各领域渗透。

　　不过，我们还必须关注新技术的双刃剑作用，在发挥其积极作用的同时，注意控制它的负面作用，防止新技术被误用和滥用，及时调整管理和治理的手段及方式，主动地、积极地应对由于新技术而出现的新问题。唯有如此，才能让这种新兴的、大有希望的理论和技术，造福社会。

　　干活：人工智能

　　子符号法

　　80年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知，机器人，机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。

　　自下而上, 接口AGENT，嵌入环境(机器人)， 行为主义，新式AI机器人领域相关的研究者，如RODNEY BROOKS，否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动，感知和形象)。计算智能80年代中DAVID RUMELHART 等再次提出 神经网络和 联结主义. 这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。

　　统计学法

　　90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作(如数学，经济或运筹学)。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。

　　集成方法

　　智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织(如 公司)。

　　这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号 神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如 决策论和经济学(也使用ABSTRACT AGENTS的概念)。

　　90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。

　　一个系统中包含符号和子符号部分的系统称为 混合智能系统 ,而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI 和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。

　　小结：您可以不采纳我的答案，但请您一定要考虑下我的建议哦!文章中不足及错误之处在所难免，敬请专家和读者给予批评指正。当然如果大家还想了解更多方面的详细内容的话呢，不妨关注编程学习网教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获的!