人工智能

人工智能(英语artificial intelligence,缩写为 AI)亦称机器智能,与人和其他动物表现出的天然智能相反,人工智能指由人制造出来的机器所表现出来的智能。在计算机科学领域,人工智能研究被定义为“智能主体”的研究:智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。[1]通俗来说,“人工智能”指的是机器模仿人类“认知”功能以及人类其他思想:例如“学习”和“解决问题”。[2]

人工智能的范围也有争议:机器的能力越来越大,定义中任务所要求的“智能”这部分经常被省略。正如AI影响这一现象导致了了这一说法,“AI是任何还没有实现的东西。”[3]例如光学字符识别多次被从“人工智能”中除名,已经成为了一个常规技术。[4]2017年被分类为AI的能力包括成功的自然语言理解[5]在策略型游戏中完成高水平的竞赛(例如国际象棋围棋)。[6]自动驾驶汽车内容分发网络兵棋推演的智能规划。

人工智能在1956年作为学术学科被建立起来,在接下来的时间里经历过几次乐观时期,[7][8],接着是低谷以及缺乏资金(也就是“人工智能低谷”),[9]接下来取得了新的成果以及新的资金。[8][10]对于大多数历史,AI研究已经被划分为不同的子领域,而且通常各个子领域间互不关联。[11]这些子领域是基于技术考虑的,例如:特殊目标(例如“机器人”或者“机器学习”),[12]特殊工具的使用(“逻辑”或者人工神经网络),或者深层哲学区别。 [13][14][15] 子领域也基于社会因素(特殊机构或者特殊研究者所做的工作)。 [11]

AI研究的传统问题(或目标)包括自动推理知识表示自动规划学习自然语言处理感知以及移动和熟练操控物体的能力。[12]强人工智能目前仍然是该领域的长远目标。[16] 比较流行的方法包括统计方法计算智能传统意义的AI。目前有大量的工具应用于人工智能,其中包括搜索和数学优化人工神经网络以及基于概率论和经济学的演算法。AI领域涉及计算机科学数学心理学语言学哲学及其他学科。

这一领域是建立在人类智能“可以精确地描述从而机器可以模拟”的观点上的。 [17]很早以前就有一些神话小说以及哲学探索了关于思想的天然性和创造人工智能体的伦理方面的哲学争论。t19>一些人也认为AI如果发展太快会对人类造成威胁。t20>另一些人相信AI不像以前的技术革命,它将造成巨大的失业率。t21

在21世纪,AI技术经历了复兴,同时计算机性能,大量的数据以及理论理解有着优势;AI技术已经变成技术工厂的必不可少的部分,帮助在计算机科学中解决许多挑战性的问题。

历史

主条目:人工智能的历史人工智能时间线

能够思考的强人工智能出现在古代神话传说里,[18]常见于小说,比如Mary Shelley的《科学怪人》或是Karel Čapek罗梭的万能工人[19]这些角色和他们的命运激起了现在关于人工智能伦理的讨论。[20]

在古代,哲学家和数学家开始了机制或者说“形式”推理的研究。这些数理逻辑的研究直接催生了图灵的计算理论,即机器可以通过打乱简单的符号如“0”和“1”,就能模拟任何数学推论可以想到的过程。数字计算机可以模拟任何形式推理过程,这一观点被称为邱奇-图灵论题。[21]同时在神经生物学、信息论以及控制论中的发现是的研究者们考虑构建一个电子脑的可能性。图灵提出“如果人类无法区分机器和人类的回应,那么机器可以被认为是“智能的”。[22]目前承认的最早的的图灵完全“人工神经”的AI工作是McCullouch和Pitts在1943年正式设计的。[23]

AI研究于1956年起源于在达特茅斯学院举办的一个研讨会。[24]参与者Allen Newell (CMU), Herbert Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) 和Arthur Samuel (IBM)成为了AI研究的奠基者和领导者。[25]他们和学僧进行了报纸上称之为“令人惊叹”的项目:[26]计算机学习西洋跳棋策略(c.1954)引用错误:无效<ref>标签;name属性不能是单一的数字,请使用可辨识的标题(1959年被报道达到人类的平均水平之上),[27]用代数解决应用题,证明逻辑理论(逻辑理论家,首次运行c. 1956)以及说英语。[28]到20世纪60年代中期,美国国防高级研究计划局斥重资支持研究[29],世界各地纷纷建立研究室。[30]AI奠基者们对未来充满乐观:Herbert Simon预测,“二十年内,机器将能完成人能做到的一切工作。” Marvin Minsky表示赞同,“一代之内……创造‘人工智能’的问题将获得实质上的解决。”[7]

他们没有意识到现存任务的一些困难。研究进程放缓,在1974年,由于Sir James Lighthill的指责以及美国国会需要分拨基金给其他有成效的项目,美国和英国政府都削减了AI研究经费。接下来的几年被称为“AI寒冬”,[9]在这一时期AI研究很难得到经费。

在20世纪80年代初期,由于专家系统的商业成功,AI研究迎来了复兴,[31]专家系统是一种程序,能够模拟人类专家的知识和分析能力。至1985年AI市场已经达到了十亿美元。同时,日本的第五代电脑项目激发了英美政府对学术研究的资助。[8]然而,随着Lisp机器市场的崩塌,AI再一次渐入低谷,第二次低谷将持续更长的时间。[32]

在20世纪90年代后期以及21世纪初期,AI开始被用于物流,数据挖掘,诊断和其他领域。[33]这些成功归因于计算能力的增长(参见摩尔定律),解决特定问题更强的专注力,AI和其他领域(如统计、经济和数学)新的联系,以及研究者制定的数学方法和科学标准。[34]深蓝于1997年5月11日成为第一个击败当时的世界国际象棋冠军Garry Kasparov的计算机国际象棋系统。[35]

在2011年,IBM的问答系统沃森参加《危险边缘》节目,以明显的优势打败了两名最强的人类冠军Brad Rutter和Ken Jennings。[36]更快的电脑,算法改进以及大量数据使得机器学习和感知机具有优势;2012年前后,数据饥渴深度学习方法开始主导正确的基准。[37][23][23][23][23]
引用错误:<ref>标签存在,但没有找到<references/>标签