人工智能

從 集智百科
跳到: 導覽搜尋

人工智能(英語artificial intelligence,縮寫為 AI)亦稱機器智能,與人和其他動物表現出的天然智能相反,人工智能指由人製造出來的機器所表現出來的智能。在計算機科學領域,人工智能研究被定義為「智能主體」的研究:智能主體指一個可以觀察周遭環境並作出行動以達致目標的系統。[1]通俗來說,「人工智能」指的是機器模仿人類「認知」功能以及人類其他思想:例如「學習」和「解決問題」。[2]

人工智能的範圍也有爭議:機器的能力越來越大,定義中任務所要求的「智能」這部分經常被省略。正如AI影響這一現象導致了了這一說法,「AI是任何還沒有實現的東西。」[3]例如光學字符識別多次被從「人工智能」中除名,已經成為了一個常規技術。[4]2017年被分類為AI的能力包括成功的自然語言理解[5]在策略型遊戲中完成高水平的競賽(例如國際象棋圍棋)。[6]自動駕駛汽車內容分髮網絡兵棋推演的智能規劃。

人工智能在1956年作為學術學科被建立起來,在接下來的時間裡經歷過幾次樂觀時期,[7] [8],接着是低谷以及缺乏資金(也就是「人工智能低谷」),[9]接下來取得了新的成果以及新的資金。[8][10]對於大多數歷史,AI研究已經被劃分為不同的子領域,而且通常各個子領域間互不關聯。[11]這些子領域是基於技術考慮的,例如:特殊目標(例如「機械人」或者「機器學習」),[12]特殊工具的使用(「邏輯」或者人工神經網絡),或者深層哲學區別。 [13] [14] [15] 子領域也基於社會因素(特殊機構或者特殊研究者所做的工作)。 [11]

AI研究的傳統問題(或目標)包括自動推理知識表示自動規劃學習自然語言處理感知以及移動和熟練操控物體的能力。[12]強人工智能目前仍然是該領域的長遠目標。[16] 比較流行的方法包括統計方法計算智能傳統意義的AI。目前有大量的工具應用於人工智能,其中包括搜索和數學優化人工神經網絡以及基於概率論和經濟學的演算法。AI領域涉及計算機科學數學心理學語言學哲學及其他學科。

這一領域是建立在人類智能「可以精確地描述從而機器可以模擬」的觀點上的。 [17]很早以前就有一些神話小說以及哲學探索了關於思想的天然性和創造人工智能體的倫理方面的哲學爭論。t19>一些人也認為AI如果發展太快會對人類造成威脅。t20>另一些人相信AI不像以前的技術革命,它將造成巨大的失業率。t21

在21世紀,AI技術經歷了復興,同時計算機性能,大量的數據以及理論理解有着優勢;AI技術已經變成技術工廠的必不可少的部分,幫助在計算機科學中解決許多挑戰性的問題。

歷史

主條目:人工智能的歷史人工智能時間線

能夠思考的強人工智能出現在古代神話傳說里,[18]常見於小說,比如Mary Shelley的《科學怪人》或是Karel Čapek羅梭的萬能工人[19]這些角色和他們的命運激起了現在關於人工智能倫理的討論。[20]

在古代,哲學家和數學家開始了機制或者說「形式」推理的研究。這些數理邏輯的研究直接催生了圖靈的計算理論,即機器可以通過打亂簡單的符號如「0」和「1」,就能模擬任何數學推論可以想到的過程。數字計算機可以模擬任何形式推理過程,這一觀點被稱為邱奇-圖靈論題。[21]同時在神經生物學、信息論以及控制論中的發現是的研究者們考慮構建一個電子腦的可能性。圖靈提出「如果人類無法區分機器和人類的回應,那麼機器可以被認為是「智能的」。[22]目前承認的最早的的圖靈完全「人工神經」的AI工作是McCullouch和Pitts在1943年正式設計的。[23]

AI研究於1956年起源於在達特茅斯學院舉辦的一個研討會。[24]參與者Allen Newell (CMU), Herbert Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) 和Arthur Samuel (IBM)成為了AI研究的奠基者和領導者。[25]他們和學僧進行了報紙上稱之為「令人驚嘆」的項目:[26]計算機學習西洋跳棋策略(c.1954)引用錯誤:無效<ref>標籤;name屬性不能是單一的數字,請使用可辨識的標題(1959年被報道達到人類的平均水平之上),[27]用代數解決應用題,證明邏輯理論(邏輯理論家,首次運行c. 1956)以及說英語。[28]到20世紀60年代中期,美國國防高級研究計劃局斥重資支持研究[29],世界各地紛紛建立研究室。[30]AI奠基者們對未來充滿樂觀:Herbert Simon預測,「二十年內,機器將能完成人能做到的一切工作。」 Marvin Minsky表示贊同,「一代之內……創造『人工智能』的問題將獲得實質上的解決。」[7]

他們沒有意識到現存任務的一些困難。研究進程放緩,在1974年,由於Sir James Lighthill的指責以及美國國會需要分撥基金給其他有成效的項目,美國和英國政府都削減了AI研究經費。接下來的幾年被稱為「AI寒冬」,[9]在這一時期AI研究很難得到經費。

在20世紀80年代初期,由於專家系統的商業成功,AI研究迎來了復興,[31]專家系統是一種程序,能夠模擬人類專家的知識和分析能力。至1985年AI市場已經達到了十億美元。同時,日本的第五代電腦項目激發了英美政府對學術研究的資助。[8]然而,隨着Lisp機器市場的崩塌,AI再一次漸入低谷,第二次低谷將持續更長的時間。[32]

在20世紀90年代後期以及21世紀初期,AI開始被用於物流,數據挖掘,診斷和其他領域。[33]這些成功歸因於計算能力的增長(參見摩爾定律),解決特定問題更強的專註力,AI和其他領域(如統計、經濟和數學)新的聯繫,以及研究者制定的數學方法和科學標準。[34]深藍於1997年5月11日成為第一個擊敗當時的世界國際象棋冠軍Garry Kasparov的計算機國際象棋系統。[35]

在2011年,IBM的問答系統沃森參加《危險邊緣》節目,以明顯的優勢打敗了兩名最強的人類冠軍Brad Rutter和Ken Jennings。[36]更快的電腦,算法改進以及大量數據使得機器學習和感知機具有優勢;2012年前後,數據饑渴深度學習方法開始主導正確的基準。[37][23][23][23][23]
引用錯誤:<ref>標籤存在,但沒有找到<references/>標籤

個人工具
名字空間
動作
導覽
工具箱