華閱文章網1.人工智能的發展階段
1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，并首次提出了“人工智能”這一術語，它標志著“人工智能”這門新興學科的正式誕生。IBM公司“深藍”電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術的一個完美表現。
從1956年正式提出人工智能學科算起，50多年來，取得長足的發展，成為一門廣泛的交叉和前沿科學。總的說來，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什么是思考，更進一步講就是什么是智慧。什么樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋里面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。
當計算機出現后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數科學家為這個目標努力著。如今人工智能已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，如今計算機似乎已經變得十分聰明了。例如，1997年5月，IBM公司研制的深藍（DEEP BLUE）計算機戰勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬于人類的工作，計算機以它的高速和準確為人類發揮著它的作用。人工智能始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟件都因為有了人工智能的進展而得以存在。
2.如何看待人工智能500字
大眾似乎都比較喜歡關心一些更具驚悚性和顛覆性（不管是好的還是壞的）的話題，在人工智能領域的表現，就是大眾更多會傾向于相信一些“AI滅世論”之類的話題。
這同時其實也意味著大家對AI抱有過分樂觀的期望。歷史上已有數次人工智能的低潮因為對AI的盲目樂觀與實際情況未能達到預期造成的失望而產生了。
因此，在一些學者出面警告我們小心AI的威脅的同時，也有更多的學者想要不斷的提醒我們：AI不是洪水猛獸，現在的AI還遠未達到會取代我們的水平。在昨天的首屆語音與智能技術高峰論壇上，微軟亞洲研究院的院長洪小文給我們詳細的解釋了他對AI、對智能本身的理解，以及我們該如何看待AI，我們到底需要一個怎樣的AI的問題。
什么是智能？洪小文認為，智能包括四個層面的定義，這幾層定義層層遞進，代表著“智能”的不同等級。第一級是功能（Capability），這點基本是沒有爭議的，機器的內存、CPU的主頻、緩存、相機的像素，這都是實打實的數據。
是很客觀的東西。第二級是智能（Intelligence），不過“智能”這個概念其實一直在變。
洪小文說，他還記得當時他買的第一臺“智能電視機”，那是很久以前的時候，一個叫珍妮絲的電視機品牌，第一次給電視機加上了遙控器，然后就叫那個電視叫智能電視了。那時候那個算不算智能電視呢？其實真的是算的，因為那之前所有電視都是沒有遙控器的，你想換臺必須要走到電視面前去換。
非常麻煩，所以當年這樣的一個改進已經足以讓人相信它是智能電視，但是到了今天，我想沒有任何人再會認為有個遙控器就叫智能電視了。今天已經沒有人認為計算能力是智能的體現了，洪小文說，甚至下棋也是這樣。
下棋就是比誰算的多。當然AlphaGo已經有一些推理的東西了，但主要還是在拼計算能力。
而到了第三和第四級的智力（Intellect）和智慧（Wisdom），定義就更模糊了。人類經常要做出決定，有的時候這些決定也不是很有智慧，但是其中很關鍵的一點是，很多時候人的決定是在數據不足的時候做出的，而在這種情況下還仍然能維持相當高的準確率。
如果有足夠的數據，很多計算機也能做出正確的決定，但一旦數據不足，計算機就會立即啞火。關于這個還有一個極端的例子是引力波：人們今年才第一次勉強檢測到引力波，這是今年的一個大新聞，然而這個東西早在一百年前就被愛因斯坦預測其存在了。
那時候哪有數據？別說小數據了，任何數據都沒有。而人可以在完全沒有數據的情況下做到預言的這么準確，這就是人類厲害的地方。
我們該如何對待智能？分析一下我們的大腦，洪小文說，我們的大腦分為兩個半球，多年來心理學家和腦科學家的研究成果表示，左右腦的分工是有區別的。左腦更多負責邏輯，右腦更多負責直覺。
左腦的分析能力更強，右腦的整合能力更強。左腦是“我知道”，右腦是“我相信”。
其實計算機是最好的左腦，比左腦還好，因為沒有人會跟計算機比計算能力。不過計算機里還有個很重要的東西叫算法，什么叫算法？洪小文說，算法就是一種按照既定順序按部就班的解決一個問題的流程（Step-by step set of operaions to solve problem）。
根據這個定義我們可以引申出創造力的定義，什么叫創造力？洪小文說，他的定義就是：解決還未解決的問題。比如費馬大定理，如果你能在這個定理被解決之前就把它解出來，或者這個問題你能解的比已有的方法更好，那說明你擁有了很強的創造力。
所以我們可以看出來，計算機現在根本沒有創造力，目前的計算機只有計算，而它用來計算的算法全部都來自于人。所以每當機器打敗一次人類，我都不會覺得計算機怎么這么強，我會覺得人怎么這么強，居然能設計出這么厲害的算法。
現在很多領域內機器人對人的勝利，其實完全是勝之不武。比如說，讓你和計算機同時算1、2、3……100的和，我們都看過高斯的算法，我們把我們自己想象成高斯，在第一次聽說這道題之后去把這個問題用巧妙的辦法解了出來，然而我們會發現這樣算的速度其實還是沒有計算機快，即使計算機用的是最笨的方法，但由于它的計算能力強，它可以在一瞬間就把這個結果算出來，但我們會因此覺得計算機比人聰明嗎？顯然不會。
洪小文表示，所以計算機真的是一個很適合當“左腦”的東西。至于強AI，我覺得如果我們要做一個東西，要逼近、甚至超越人的智慧和創造力的話，我覺得首先要了解人。
我們目前還不夠了解自己。而且，最后我還想說一點，我們到底需不需要一個各方面都很像我們的機器人呢？其實，如果這個機器人有自覺，真的有智能的話，意味著我們就是沒有辦法控制它的（機器人三定律的可行性其實很低）。
洪小文說，他常常舉一個例子：如果我們造一個機器人，想讓它去幫我們倒咖啡，那我們肯定希望我們叫它去十次它就會去幫我們倒十次。但是如果你是叫一個有自覺的東西去，比如我叫我太太幫我倒咖啡，我太太十次可能有五次跟我說你有手有腳，干嘛不自己去？然后我只能說是是是。
也就是說，我們希望造的是一個可控的機器人，而可控的意思就是沒有自覺，我不希望我們造一個機器人，叫它幫我倒咖啡，結果它說主人你干嘛不。
3.人工智能的發展
所謂人工智能是一類技術的統稱，真實存在且應用廣泛，該類技術中最具代表性的即是智能機器人技術。目前發展程度最高的機器人在外觀方面具備：高仿皮膚、復雜表情、流暢動作；在功能方面具備：自由人機對話、基本學習能力；在發展方面日本最為領先，已擁有的功能機器人包括：女性T臺走秀機器人、小提琴機器人（在北京車展展出）、以及智能程度最高的阿莫西（在2010年長沙車展展出）。國內培養人工智能人才的高等院校以哈爾濱工業大學為代表。
最先進機器人阿莫西智商已能達到8歲小孩。
4.什么是人工智能
1、人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
2、一開始是圖靈提出的概念：機器人是否會思考
然后就被擱在一邊了，直到神經網絡結構的提出，又火了一段時間，然后因為隱層訓練規則不明所以又被擱一邊了；
在接下來有人解決了隱層訓練問題，又一下子活躍起來了，大概活躍到了上世紀70年代，劃時代的SVM提出來了，至此機器學習從以仿生為主正式轉為以統計學為主；
接下來是1995年AdaBoost算法提出，實現了多分類器的級聯，又把分類效果提升了一個等級；
最后就是06年深度學習概念提出，現在看來效果很不錯，接近甚至超過人分類效果了；
總的來說就是一開始人們想用計算機做一個大腦出來，經過幾十年摸索發現不現實，最后發現可以用統計學大數據來解決。
5.人工智能發展的三個階段,分別有怎樣的重要進步
1. 人工智能就其本質而言，是對人的思維的信息過程的模擬。
2. 對于人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，制造出“類人腦”的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。
3. 弱人工智能如今不斷地迅猛發展，尤其是2008年經濟危機后，美日歐希望借機器人等實現再工業化，工業機器人以比以往任何時候更快的速度發展，更加帶動了弱人工智能和相關領域產業的不斷突破，很多必須用人來做的工作如今已經能用機器人實現。
4. 而強人工智能則暫時處于瓶頸，還需要科學家們和人類的努力。
6.人工智能的發展
原發布者：你為了誰趕路_
人工智能的主要背景與進展數學170441721113高芷晗1、人類智能和人工智能的概念和其他生物物種不同，人類是一種智慧型生物。人類智慧包含兩個相輔相成的部分：隱性智慧和顯性智慧。隱性智慧負責發現和確定創新的方向，顯性智慧負責在確定的創新方向上實現具體的創新求解。更具體地說，隱性智慧是人類發現問題和定義問題的能力，需要全局性的分析能力、想象能力和開拓能力，是一種內隱的創造性能力，因而不可被機器模擬；顯性智慧是人類在隱性智慧所定義的問題框架內解決問題的能力，需要獲取信息生成知識和運用知識解決問題的能力，是外顯的操作性能力，因而可以被機器模擬。人類的顯性智慧通常也會被稱為人類智能，模擬人類智能（顯性智慧）的科學技術就叫人工智能。隱性智慧表現在：面對環境定義的實際問題；為知識庫提供的已有知識；預設的問題求解目標。這三者就是隱性智慧定義的工作框架。在這個框架下，人工智能系統所要執行的任務就是模擬人類智能（顯性智慧）的能力，運用所提供的信息和已有知識解決所給定的實際問題，達到預定的求解目標。在人類與人工智能系統之間，人類始終是主體，人工智能系統則是人類求解問題的聰明工具。由于人工智能系統接受了人類所預設的求解目標和提供的專門知識，就保證了人類主體與客體之間實現主客雙贏的策略：主體贏，因為實現了主體的求解目標；客體贏，因為遵守體現在知識中的客觀規律。人工智能系統工作的基本過程：（1）人類主體（
7.人工智能到目前為止經歷怎樣的發展歷程
我們大腦由200多億個神經元相互連接組成一個龐大的神經網結構，這是智能的基礎——高度復雜的結構；因此要想計算機模擬智能，必須在復雜度上要跟人的大腦的復雜度數量級上要相當，如果用一個字節來模擬一個神經元，那么就會有20G的容量，但事實上1字節的容量能儲存一個神經元（包括與周圍神經元的連接狀態，一個神經元可能會與周圍幾百個神經元有鏈接）的信息嗎？答案是不行的！即使就算是20G，這只是儲存而已，還沒運算，一但運算這20G的數據，能模擬的了嗎？人思考一秒大腦的數據就已經發生了巨大的變化，計算機能一秒處理20G的數據嗎？很難！另一方面，智能的體現不僅僅是高度復雜的結構就行得通的，還得看結構的高度有序，虎鯨2000億神經元，人類860億（包括全身），為什么智能反而是倒過來的，因為人類的神經結構更加發達，更加有序，更加優化，這么優秀的神經網絡結構怎么來的，是千百萬年甚至上億年的進化而來的，用另一種說法就是，人的進化史上的閱歷更豐富，是閱歷改變了神經結構，想要重蹈這些閱歷是不可能的，因此對人工智能的訓練是個難點。
綜上所述，個人認為目前人工智能的兩大艱難，一個是硬件技術水平上無法實現龐大的計算量，另一個是無法把人工智能訓練到接近人的水平。
8.人工智能的歷史與發展
人工智能（Artificial Intelligence） ，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
“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。
目前能夠用來研究人工智能的主要物質基礎以及能夠實現人工智能技術平臺的機器就是計算機，人工智能的發展歷史是和計算機科學技術的發展史聯系在一起的。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
從1956年正式提出人工智能學科算起，50多年來，取得長足的發展，成為一門廣泛的交叉和前沿科學。總的說來，人工智能的目的就是讓計算機這臺機器能夠象人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什么是思考，更進一步講就是什么是智慧。什么樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋里面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。
當計算機出現后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數科學家為這個目標努力著。現在人工智能已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，現在計算機似乎已經變得十分聰明了。
人工智能始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟件都因為有了人工智能的進展而得以存在
轉載請注明出處華閱文章網 » 人工智能發展階段簡短500字