京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 顾家彤、鲍歆祎
来源 | 读芯术
如果要列举一项彻底改变了21世纪的技术,非人工智能莫属。现如今,人工智能已然成为我们日常生活的一部分,不断丰富和便捷着社会的方方面面,今天这篇文章,将帮助读者好好了解人工智能的基本常识和基本概念,参透人工智能的前世今生。
人工智能的概念
1956年,约翰·麦卡锡(John McCarthy),计算科学与认知科学专家,美国斯坦福大学教授)如此定义“人工智能”一词——创造智能机器的科学和工程。
人工智能还可以被定义为计算机系统开发。此类计算机系统能够执行需要人类智能的任务,例如决策,对象检测,解决复杂问题等。
人工智能的发展阶段
很多文章都把人工智能分为通用人工智能(AGI)、专用人工智能(ANI)和人工超级智能(ASI)三种不同类型的人工智能。更确切地说,人工智能有三个阶段。
专用人工智能(ANI)
专用人工智能(ANI)也称为弱人工智能,是人工智能的一个发展阶段,涉及的机器只能执行一组狭义的特定任务。在这个阶段,机器不具备任何思考能力。它只是执行一组预设的功能。
弱人工智能的例子包括Siri(智能语音助手),Alexa(搜索引擎),自动驾驶汽车,Alpha-Go(人工智能机器人),Sophia(类人机器人)等。到目前为止,几乎所有基于人工智能的系统都属于弱人工智能类别。
通用人工智能(AGI)
通用人工智能(AGI)是人工智能的发展阶段,也被称为强人工智能。在这一阶段,机器将具有像我们人类一样思考和决策的能力。
目前还没有强人工智能的例子,但是,我们相信很快就能够创造出像人类一样聪明的机器。
很多科学家,包括斯蒂芬·霍金,觉得强人工智能会威胁人类的存在。霍金认为:“人工智能的完全发展可能意味着人类的终结......它将自行腾飞,并以不断增长的速度重新进行自我设计。人类受限于缓慢的生物进化过程,无法参与竞争,最终将被完全的人工智能取代。”
超级人工智能(ASI)
超级人工智能是人工智能超越人类的发展阶段。人工超级智能目前只是一个假设,就像电影和科幻小说描述的那样——机器统治世界。
考虑到目前的发展速度,机器离达到人工超级智能阶段并不遥远了。
人工智能(这里指的不是专用人工智能)的进步速度非常快。除非直接接触像Deepmind这样的团队,否则根本不知道它有多快 - 它以接近指数的速度增长。最多十年,最少可在五年内,人工智能就有发生严重危险事件的风险。埃隆·马斯克
人工智能的类型
当要求解释不同类型的人工智能系统时,必须根据其功能对人工智能进行分类。
基于人工智能系统的功能,人工智能可以分为以下类型:
反应性人工智能
这种类型的人工智能包括仅基于当前数据和情况运行的机器。反应性人工智能机器不能推断数据,评估人工智能未来的行为。他们可以执行范围缩小的预设任务。
IBM的象棋程序打败了世界冠军加里·卡斯帕罗夫。这就是一个反应性机器人的例子。
有限内存人工智能
顾名思义,有限内存人工智能可以通过研究其内存中的历史数据来做出明智的和改进的决策。这样的人工智能具有短暂或临时的记忆,可用于存储历史经验并评估未来的行为。
自动驾驶汽车是有限内存人工智能,它使用最近收集的数据做出即时决定。例如,自动驾驶汽车使用传感器识别横穿道路的平民,陡峭的道路,交通信号等,以做出更好的驾驶决定。这有助于阻止任何未来可能发生的事故。
心智理论人工智能
心智理论人工智能是一种更先进的人工智能。据推测,这类机器在心理学中起着重要作用。心智理论人工智能将主要关注情商,以便更好地理解人类的信念和思想。
心智理论人工智能尚未成熟,但人类在严谨地研究这一领域。
自我意识人工智能
让我们祈祷人工智能没有达到有自己的想法和自我意识的阶段。鉴于目前的情况,自我意识人工智能有些遥不可及。但是,将来自我意识人工智能可能会达到超级智能化阶段。
像埃隆·马斯克(Elon Musk)和斯蒂芬·霍金(StephenHawkings)这样的天才一直提醒人们警惕人工智能的进化。
人工智能的分支
人工智能通过执行以下程序/运用技巧,可以解决现实问题。
机器学习是一门让机器通过翻译,处理和分析数据解决现实问题的科学。
在机器学习下面,有如下三个分类:
1. 监督学习
2. 无监督学习
3. 强化学习
深度学习是在高维数据上实现神经网络以获得洞察力和形成解决方案的过程。深度学习是机器学习的高级领域,可用于解决更高级的问题。
深度学习是Facebook面部识别算法,自动驾驶汽车,Siri,Alexa等虚拟助手背后的逻辑。
自然语言处理
自然语言处理(NLP)是指从人类自然语言中获取见解,与机器交流,拓展业务的科学。
Twitter使用自然语言处理技术在其推文中过滤掉带有恐怖主义色彩的词汇。亚马逊也使用该技术来了解客户评论,改善用户体验。
机器人学
机器人学是人工智能的一个分支,专注于机器人的不同分支和应用。人工智能机器人在现实环境中代理人类行动,通过可靠的行动来产生结果。
例如,索菲亚类人机器人就是机器人学分支下的人工智能。
模糊逻辑
模糊逻辑是一种基于“真实度”原则的计算方法,而不是通常的现代计算机逻辑,比如本质上的布尔值。
模糊逻辑用于医学领域以解决涉及决策的复杂问题。它们还用于自动变速箱,车辆环境控制等。
专家系统
专家系统是基于人工智能的计算机系统,它学习并回报人类专家的决策能力。
专家系统使用if-then逻辑符号来解决复杂问题。它们不依赖于传统的程序编程。专家系统主要用于信息管理,医疗设施,贷款分析,病毒检测等方面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心工作,是通过数据解读业务、支撑决策,而指标与指标体系 ...
2026-03-09在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28