什么是人工智能

人工智能简史

在 1949 年之前，计算机可以执行命令，但“记不住”所执行的操作，因为它们无法存储这些命令。1950 年，Alan Turing 在其论文《计算机与智能》(Computing Machinery and Intelligence) 中探讨了如何打造智能计算机并测试其智能程度。五年后，第一个AI 程序在达特茅斯夏季人工智能研究计划 (DSPRAI)中问世。这一程序的出现强有力地推动了接下来几十年的 AI 研究。

1957 年至 1974 年间，计算机技术迅猛发展，速度更快、成本更低且更容易获得。在此期间，机器学习算法也得到了改进。1970 年，DSPRAI 计划的一位主办人向《Life》杂志透露，三到八年后将出现一台智能程度与普通人类不相上下的机器。尽管他们取得了成功，但计算机仍无法高效存储及快速处理信息，这成为未来十年人工智能发展面临的主要障碍。

20 世纪 80 年代，随着算法工具包的扩展和更多专项资金的投入，AI 得以崛起。John Hopefield 和 David Rumelhart 提出了“深度学习”技术，使计算机能够从经验中学习演进。Edward Feigenbaum 还提出了能够模拟人类决策能力的“专家系统”。尽管缺乏政府的资金支持和公众的宣传推广，但 AI 仍在蓬勃发展，并在接下来的二十年内实现了多个里程碑式的目标。1997 年，IBM 专为下棋而设计的计算机程序“深蓝”在对弈中战胜了国际象棋世界冠军和特级大师 Gary Kasparov。同年，由 Dragon Systems 开发的语音识别软件开始在 Windows 上实施。此外，Cynthia Breazeal 还开发了可识别和模拟人类情绪的机器人Kismet。

2016 年，Google 的 AlphaGo 程序击败了围棋大师李世石，而 2017 年，用于玩扑克的超级计算机 Libratus完胜了多位顶级人类牌手。

人工智能的类型

人工智能主要分为两大类：基于功能的 AI 和基于能力的 AI。

基于功能

• 响应式机器 - 此类 AI 没有记忆能力，无法从过去的行为中学习，例如 IBM 的“深蓝”。
• 有限理论 - 随着记忆的增加，此类 AI 能够根据既往信息制定更明智的决策，例如 GPS 定位应用等常见应用。
• 心智理论 - 此类 AI 仍在开发中，旨在深入了解人类思维。
• 自我意识 AI - 此类 AI 可以理解和唤起人类情感并拥有自己的情感，目前仍处于假设阶段。

基于能力

• 专用人工智能 (ANI) – 专注于执行狭义编程任务的系统。此类 AI 是响应式机器与有限记忆的结合，如今的大部分 AI 应用都属于这一类。
• 通用人工智能 (AGI) - 此类 AI 具有像人类一样的训练、学习、理解和执行能力。
• 超级人工智能 (ASI) - 此类 AI 具有卓越的数据处理、记忆和决策能力，能够比人类更好地完成任务。目前尚无应用实例。

人工智能、机器学习与深度学习之间的关系

人工智能是计算机科学的一个分支，旨在以机器模拟人类智能。AI 系统基于算法，运用机器学习和深度学习等技术来呈现“智能”行为。

机器学习

当计算机上的软件能够基于以往结果，成功预测出现的场景并做出响应时，即意味着机器正在“学习”。机器学习指的是计算机的一个学习过程，在此过程中，计算机可以形成模式认知或者基于数据持续学习并做出预测，最后实现无需特别编程也可做出相应调整。机器学习是人工智能的一种形式，它能有效地自动处理分析建模过程，使计算机能够独立适应新场景。

机器学习建模的四大步骤：

1. 选择并准备解决问题所需的训练数据集。这些数据标不标记均可。

2. 选择要对训练数据运行的算法。

• 对于标记数据，可以运行回归算法、决策树或基于实例的算法。
• 对于未标记数据，可以运行聚类算法、关联算法或神经网络。

3. 训练算法，建立模型。

4. 使用并改进模型。

有三种机器学习方法：“有监督”学习使用标记数据，所需的训练较少。“无监督”学习可通过识别模式和关系对未标记数据进行分类。“半监督”学习先使用一小部分标记数据集进行训练，然后再来处理大型未标记数据集的分类任务。

深度学习

深度学习是机器学习的一个分支，性能表现明显优于一些传统的机器学习方法。科学研究让我们对人类大脑行为有了新的理解，受此启发，深度学习综合利用了多层人工神经网络、数据密集型训练和计算密集型训练。这种方法非常有效，甚至在图像识别、语音识别和自然语言处理等许多领域超越了人类的能力。

深度学习模型可处理海量数据，通常采用无监督或半监督形式。