未來(lái)還需要我們嗎?這是計(jì)算機(jī)科學(xué)家比爾·喬伊(Bill Joy)著名的問(wèn)題。 提出 幾十年前。如果事情我們 在媒體上閱讀有關(guān) 人工智能 可以相信，答案是 明確的“不”。 計(jì)算機(jī) 已經(jīng)給我們的考試評(píng)分了， 幫助我們選擇下一個(gè)YouTube視頻，并決定我們可以在社交媒體上發(fā)布的內(nèi)容; 他們很快就會(huì)做更多的事情，從 為龐大的軍隊(duì)提供動(dòng)力 機(jī)器人 士兵安全地駕駛我們的汽車 和卡車。但僅僅因?yàn)橄襁@樣的機(jī)器似乎確實(shí)如此 聰明的東西，真的是聰明的嗎? 而且，即使他們可以這樣描述，他們的成長(zhǎng)能力也是 一個(gè)確定的路標(biāo)，通向一個(gè)多余的、人類愚蠢的未來(lái)?什么 究竟是人工智能，我們?yōu)槭裁匆P(guān)心?

　　藝術(shù)品：我們能想象一個(gè)計(jì)算機(jī)可以想象一個(gè)沒(méi)有我們的世界的世界嗎?

　　什么是人工智能?

　　一些真正的(人類)頭腦一直在努力解決這個(gè)問(wèn)題 的人工智能(機(jī)器)智能提供了看似簡(jiǎn)單的 定義：

　　美國(guó)計(jì)算機(jī)科學(xué)家約翰·麥卡錫(John McCarthy)創(chuàng)造了 早在 1950 年代，“人工智能”一詞就說(shuō)過(guò)：“它 是 科學(xué) 以及制造智能機(jī)器的工程， 尤其是智能計(jì)算機(jī)程序。

　　該領(lǐng)域的另一位著名學(xué)者馬文·明斯基(Marvin Minsky)認(rèn)為，人工智能是“人工智能”。 制造機(jī)器的科學(xué)可以做需要智能的事情 如果由男人做。

　　艾倫·圖靈(Alan Turing)是該領(lǐng)域的創(chuàng)始人之一，他基本上定義了人工 智能是機(jī)器將自己偽裝成完全令人信服的能力 人。

　　但什么是智能?

　　當(dāng)然，要理解這樣的定義，我們需要 稍微反思一下我們的意思 情報(bào).什么時(shí)候 我們說(shuō)某人“聰明”，通常我們的意思是他們很好 在聰明的，書本類型的東西，雖然你當(dāng)然可以是一個(gè)聰明的人 足球運(yùn)動(dòng)員、糕點(diǎn)師或 幾乎是其他任何事情。如果我們說(shuō)某人“有才華”， 我們的意思是他們有某種天生的能力——天生的領(lǐng)先優(yōu)勢(shì)。 這使它們優(yōu)于平均水平。

　　那么智力是什么意思呢?實(shí)際上，這是一種天賦 您可以根據(jù)需要選擇部署的智能。你不是 只是聰明地成為一名律師或歷史學(xué)家：你有一個(gè) 常規(guī) 資質(zhì) 對(duì)于您可以以不同方式應(yīng)用的東西 不同的時(shí)間。你就像一個(gè)可以扮演許多角色的演員。今天 您可能是世界一流的律師;明天，你可能會(huì)把手轉(zhuǎn)過(guò)來(lái) 學(xué)習(xí)古典鋼琴或成為國(guó)際象棋大師 主人。像演員一樣，你有一個(gè)全面的天賦和一個(gè) 有意識(shí)的，自由意志的能力，可以扮演您選擇的任何角色。所以 智力是一種支撐的通用思維人才 通過(guò)良好的記憶力，出色的語(yǔ)言和推理等品質(zhì) 技能，與他人溝通的能力，經(jīng)常 結(jié)合創(chuàng)造力、情感意識(shí)、道德、自我意識(shí)和 等等。一個(gè)聰明的人可能只擅長(zhǎng)一個(gè) 事情(因?yàn)樗麄円呀?jīng)做了很長(zhǎng)時(shí)間)和比目魚 他們嘗試別的東西; 一個(gè)聰明的人有潛力 擅長(zhǎng)任何事情(或者，至少，許多不同的 事物)，即使他們沒(méi)有接受過(guò)明確的培訓(xùn) 事情。

　　照片：讀地圖、救火、開飛機(jī)、踢足球——這些事情中哪一項(xiàng)需要智力?他們都這樣做。我們可以制造“聰明”的計(jì)算機(jī)或機(jī)器人來(lái)做所有這些事情，但它們可能仍然不是我們認(rèn)為的“智能”。 然而，如果我們能制造出一臺(tái)可以在沒(méi)有任何人為干預(yù)的情況下完成所有這些事情的機(jī)器，甚至更多，那會(huì)是真正的“智能”嗎?還是不止于此?照片由William Johnson，Christopher Quail，Trevor T. McBride和Trevor Cokley提供，均由 美國(guó)空軍.

　　但“一般解決問(wèn)題的能力”似乎很模糊 和對(duì)智力的毛茸茸的定義——有些人更喜歡 更具體。所以，在 心理學(xué) (人類的科學(xué) 行為)，你會(huì)發(fā)現(xiàn)不止幾個(gè)人愿意定義 智力作為通過(guò)智力(IQ)測(cè)試的能力。那是一個(gè) 循環(huán)定義，但它并不像聽起來(lái)那么憤世嫉俗。一 智力測(cè)試是特定的、眾所周知的、眾所周知的 研究。你可以做一個(gè)典型的智商測(cè)試，把它分解成所有 它包含的不同謎題。你可以一步一步地弄清楚 解決每一個(gè)問(wèn)題的方法，并訓(xùn)練計(jì)算機(jī)如何做到這一點(diǎn)。給 您的計(jì)算機(jī)是智商測(cè)試，它應(yīng)該得分很高，在 理論使其成為人工智能機(jī)器，至少通過(guò) 馬文·明斯基的定義。嗯，沒(méi)有。因?yàn)槿绻憬o它一個(gè) 稍微不同的測(cè)試它沒(méi)有經(jīng)過(guò)訓(xùn)練，它可能會(huì) 不知道該做什么和失敗， 沒(méi)有任何破碎 人類在相同情況下會(huì)有的自我意識(shí)。還 我們可以說(shuō)它具有智能機(jī)器的一些品質(zhì) 或者一個(gè)聰明的人。

　　強(qiáng)大的人工智能

　　如果我們這樣定義智能，它意味著帶有人工的機(jī)器 智能將具有類似的通用問(wèn)題解決能力 能力：它們?cè)陬愃朴?jì)算機(jī)中的行為可能像人類一樣的大腦 盒。這種構(gòu)思事物的方式有時(shí)被稱為 強(qiáng)大的人工智能 或 通用人工智能 (AGI)這是最 當(dāng)我們談?wù)撝悄軝C(jī)器時(shí)，人們認(rèn)為我們的意思是：如果不是 人類的機(jī)器復(fù)制品，具有大部分(或全部)的機(jī)器 一個(gè)有思想的人的智力品質(zhì)——有時(shí)是他們的情感 以及創(chuàng)作品質(zhì)。

　　弱人工智能

　　制造可以以巧妙方式運(yùn)行的機(jī)器來(lái)解決的想法 具體的、有限的問(wèn)題(如下棋、開車、 操作工廠機(jī)器人，或其他什么)被稱為 弱人工智能 或 人工狹義智能 (阿尼)。大多數(shù)模糊的 我們遇到的“智能”計(jì)算機(jī)和機(jī)器人 這一刻屬于這一類。像下棋的計(jì)算機(jī) IBM的深藍(lán)制造 世界頭條 當(dāng)它擊敗大師時(shí) 加里·卡斯帕羅夫(Gary Kasparov)早在1997年就被削弱了，但它的大部分聰明才智都下降了 暴力計(jì)算——想象一下它試圖駕駛汽車 在高速公路上。出于同樣的原因，自動(dòng)駕駛的谷歌汽車看起來(lái)也是如此。 相當(dāng)令人印象深刻，但不要指望他們會(huì)坐在國(guó)際象棋對(duì)面 很快登機(jī)。

　　人工智能的意義何在?

　　強(qiáng)與弱，一般與狹隘，類人與機(jī)器， 聰明與聰明——有各種各樣的方法 考慮人工智能的“程度”。我們可以 想象一個(gè)從簡(jiǎn)單、狹隘的人工聰明到天平的尺度 (叮當(dāng)聲，預(yù)編程，機(jī)器般的能力執(zhí)行特定的 任務(wù)，例如 魯姆巴 吸塵器在客廳里亂竄 沒(méi)有任何意識(shí)自己在做什么);通過(guò)下棋 計(jì)算機(jī)、自動(dòng)駕駛汽車和機(jī)器人可以拯救人們 災(zāi)區(qū);直到一個(gè)至高無(wú)上的，通常是人為的 智能計(jì)算機(jī)，足夠智能，可以重新編程， 認(rèn)識(shí)到它的缺陷并設(shè)計(jì)出更好的版本，甚至 對(duì)自己在做什么有某種意識(shí)。

　　然而，許多人會(huì)爭(zhēng)辯說(shuō)，這不是一個(gè)簡(jiǎn)單的規(guī)模，AGI完全是 與 ANI 不同(質(zhì)的不同)，而不僅僅是“渦輪增壓”ANI(數(shù)量上不同)。 如果這是真的，那絕對(duì)不是我們的最終目標(biāo)應(yīng)該是創(chuàng)造最多的。 一般來(lái)說(shuō)，人工智能，類人的計(jì)算機(jī)我們可能 能;這就是關(guān)于人工智能的大部分爭(zhēng)論陷入困境的地方。 我們的首要目標(biāo)是了解我們的目標(biāo)。如果我們想要一個(gè) 救援機(jī)器人 我們可以在緊急情況下部署 把人從 燃燒建筑物，它需要一系列有用的行為。它 可能不需要下棋、開車或說(shuō)話 西班牙語(yǔ)，雖然它可以做的事情越多，顯然它就越好 可以在不可預(yù)測(cè)的情況下即興創(chuàng)作， 就像人類一樣。

　　人工智能的一個(gè)目標(biāo)就是做一些人類做得和他們做得很好的事情， 而不會(huì)糾結(jié)于嘗試做人類所做的一切 比他們做得更好，或者完全像人類一樣做。 “強(qiáng)”不會(huì)自動(dòng)比“弱”好， 即使使用那些情緒化的詞聽起來(lái)如此。 弱是用詞不當(dāng)。沒(méi)有什么“軟弱”的 世界級(jí)的人類棋手，如果你想要的只是一個(gè)可以的人 下棋。一個(gè)“弱者” 魯姆巴 機(jī)器人可以做一個(gè)非常好的工作 清潔地毯。 你可以對(duì)人工智能采取非常務(wù)實(shí)的方法，換句話說(shuō)，沒(méi)有 過(guò)度擔(dān)心更廣泛的哲學(xué)問(wèn)題，即使 這些東西是哲學(xué)家們非常感興趣的。在 換句話說(shuō)，你可以對(duì)計(jì)算機(jī)進(jìn)行編程，讓他們不坐著下棋。 向下定義“智能”一詞或擔(dān)心 您的計(jì)算機(jī)將變得多么智能。重要的 事情就是忠于我們自己的目標(biāo)，無(wú)論它們是什么。

　　人工智能經(jīng)常被忽視的目標(biāo)之一——至少在大眾媒體中被忽視了——是 通過(guò)對(duì)機(jī)器如何的科學(xué)研究，闡明我們自己的大腦是如何工作的 可以模仿他們。自 1950 年代以來(lái)， 心理學(xué) 經(jīng)歷了一場(chǎng)“認(rèn)知”革命，其中隱藏在我們頭腦中的相當(dāng)多的謎團(tuán)被解開了 假設(shè)大腦以與計(jì)算機(jī)類似的方式處理信息的研究。人工智能研究 以類似的方式更多地闡明認(rèn)知心理學(xué)和神經(jīng)心理學(xué)：通過(guò)弄清楚機(jī)器如何 可能是 智能，我們更多地了解人類如何 已經(jīng) 智能。

　　我們?cè)趺粗牢覀兪裁磿r(shí)候終于創(chuàng)造了一些智能的東西?

　　如果我們的目標(biāo)是制造智能機(jī)器，我們?cè)趺粗朗裁磿r(shí)候?qū)崿F(xiàn)了? 我們可以看看他們是否通過(guò)了所謂的圖靈測(cè)試，但這并不能保證。 要么是“智能”，要么是“理解”...

　　圖靈測(cè)試

　　這個(gè)至關(guān)重要的問(wèn)題就是艾倫·圖靈(Alan Turing)在 他在1950年撰寫的科學(xué)論文名為“計(jì)算機(jī) 和智力“，這催生了一位著名的科學(xué) 實(shí)驗(yàn)現(xiàn)在稱為圖靈測(cè)試(圖靈自己稱之為 “模仿游戲”)?；舅枷胧潜容^一個(gè) 人類和“智能”計(jì)算機(jī)可以通過(guò)相同的現(xiàn)實(shí)生活 測(cè)試：進(jìn)行對(duì)話。實(shí)驗(yàn)者坐在房間里聊天 與某人，通過(guò)他們的電腦，坐在外面和外面 的視線。實(shí)驗(yàn)者不知道的是他們是否 與另一個(gè)人聊天或與編程為分析的計(jì)算機(jī)聊天 對(duì)話并像人一樣回應(yīng)。簡(jiǎn)單地說(shuō)，如果 他們正在與電腦聊天，實(shí)驗(yàn)者認(rèn)為他們?cè)?與人類聊天，他們不如與 人類——在這種情況下，我們可以認(rèn)為計(jì)算機(jī)是智能的。 實(shí)際上，圖靈取代了抽象的問(wèn)題“機(jī)器可以嗎 思考?“以及更實(shí)際的問(wèn)題”機(jī)器可以嗎? 模仿人類?

　　藝術(shù)品：圖靈測(cè)試。假設(shè)你坐在紅色電腦前 在紅色房間中，與計(jì)算機(jī)進(jìn)行通信(通過(guò)屏幕聊天) 或藍(lán)色房間里的另一個(gè)人。如果您正在與計(jì)算機(jī)聊天，但它 可以說(shuō)服您正在與另一個(gè)人聊天，我們可以將那臺(tái)計(jì)算機(jī)視為 一樣聰明。

　　測(cè)試測(cè)試

　　圖靈的測(cè)試是巧妙的。而不是在定義上爭(zhēng)論 智力，它提供了一個(gè)簡(jiǎn)單的比較作為可接受的測(cè)試： 計(jì)算機(jī)可以冒充人類嗎?我們可以合理地爭(zhēng)辯 事實(shí)上，這不是一個(gè)有效的智力測(cè)試。這是一個(gè)考驗(yàn) 計(jì)算機(jī)科學(xué)家所謂的自然語(yǔ)言處理(NLP)以及相關(guān)的認(rèn)知能力，如邏輯 推理、判斷和記憶——但它是有用的測(cè)試 情報(bào)?也許這不是重點(diǎn)。如果我們的興趣在于 開發(fā)“較弱”形式的人工智能，例如非常安全和 可靠的自動(dòng)駕駛汽車，它們是否真的無(wú)關(guān)緊要 可以和人類聊天——也許我們可以認(rèn)為他們是聰明的。 (有用的聰明)都一樣?

　　為什么人類智能應(yīng)該成為機(jī)器智能的標(biāo)準(zhǔn)? 為什么人類應(yīng)該 定義 人類智慧是 尺度?如果我們比較一個(gè)專業(yè)設(shè)計(jì)和訓(xùn)練有素的人會(huì)怎樣 自動(dòng)駕駛汽車和一個(gè)有過(guò)幾次駕駛的青少年 課。我們會(huì)認(rèn)為這個(gè)少年不聰明嗎，因?yàn)樗麄?不會(huì)也開車嗎?你寧愿被誰(shuí)驅(qū)動(dòng)：一個(gè)人 誰(shuí)可以通過(guò)一定分?jǐn)?shù)的智力測(cè)試或?qū)＜? 駕駛員，人還是機(jī)器，以最好的方式進(jìn)行培訓(xùn)?

　　對(duì)圖靈測(cè)試的一個(gè)反對(duì)意見是，它鼓勵(lì)我們不要開發(fā) 智能機(jī)器，但只是可以通過(guò)圖靈的機(jī)器 測(cè)試;不是開發(fā)“智能”機(jī)器，而是開發(fā) 如 似乎 人 盡可能。通過(guò)圖靈測(cè)試 可能不是智能的全部和最終目的 在智商測(cè)試中得分高是學(xué)術(shù)的全部和最終目標(biāo) 成功——或者說(shuō)是對(duì)過(guò)上幸福和成功生活的預(yù)測(cè)。 在我們的世界上，我們需要做很多事情是沒(méi)有的 必然需要通用的人類智能——也許 以最好的方式解決這些問(wèn)題，而不是以最 人的方式，應(yīng)該是我們真正的關(guān)注點(diǎn)嗎?

　　中式房間

　　即使一臺(tái)機(jī)器可以通過(guò)圖靈測(cè)試，這并不意味著它有任何 有意識(shí)地意識(shí)到自己在做什么或自己在做什么 自覺(jué) 把自己偽裝成一個(gè)人(就像演員可能扮演的那樣 角色)。你可以想象一臺(tái)機(jī)器被賦予了一個(gè)巨大的數(shù)據(jù)庫(kù) 任何人在整個(gè)過(guò)程中曾經(jīng)進(jìn)行過(guò)的每一個(gè)可能的對(duì)話 歷史，所以它所要做的就是查一下人類對(duì)它說(shuō)的話， 分析了已經(jīng)說(shuō)過(guò)的內(nèi)容以建立一些背景， 從其幾乎無(wú)限的曲目中提供合理的答案。

　　這是另一個(gè)叫做中國(guó)房間的思想實(shí)驗(yàn)的變體， 由哲學(xué)家約翰·塞爾于1980年設(shè)計(jì)，作為對(duì) 強(qiáng)人工智能的整體理念。他認(rèn)為機(jī)器可以做某事。 顯然非常聰明(例如舉行圖靈測(cè)試 對(duì)話)只是通過(guò)遵守規(guī)則而不了解什么 它以任何方式做。他想象這臺(tái)機(jī)器就像一個(gè) 說(shuō)英語(yǔ)的人坐在房間里被灌輸句子 他們聽不懂的中國(guó)人張貼在下面的紙上 門。這個(gè)人會(huì)在一本巨大的書中查找句子 規(guī)則，找到適當(dāng)?shù)捻憫?yīng)，并將其傳遞回去 在同一扇門下。僅僅因?yàn)檫@個(gè)人可以完美無(wú)瑕 Searle認(rèn)為，用中文回答問(wèn)題并不意味著他們 了解他們?cè)谧鍪裁?。編程?翻譯中文與懂中文的人不同 并翻譯為其副產(chǎn)品。

　　那又怎樣?

　　這些測(cè)試和思想實(shí)驗(yàn)迅速陷入語(yǔ)義困境。 關(guān)于智力等事物定義的爭(zhēng)論， 知識(shí)和理解，這可能是 對(duì)哲學(xué)家來(lái)說(shuō)非常有趣，但不一定是這樣 對(duì)于解決實(shí)際的現(xiàn)實(shí)問(wèn)題很重要。 塞爾的中國(guó)房間繼續(xù)激起關(guān)于意義的哲學(xué)辯論 理解，智能，句法，語(yǔ)義， 心靈與身體的關(guān)系，以及更多。

　　有些人同意塞爾的立場(chǎng)，強(qiáng)調(diào)他們認(rèn)為 人工智能極客聲稱人類的計(jì)算機(jī)模型的荒謬性 行為本質(zhì)上與他們的行為沒(méi)有什么不同 模擬。其他人，如麻省理工學(xué)院機(jī)器人科學(xué)家羅德尼布魯克斯，認(rèn)為 這些論點(diǎn)是基于不可動(dòng)搖的 (通常是不科學(xué)的)相信人類在某種程度上是特殊的。這使得整個(gè)論點(diǎn)基本上是循環(huán)的：機(jī)器不可能是智能的，因?yàn)槿祟愂侨祟悺?是 特殊;人類是特殊的，因?yàn)闄C(jī)器不可能 像他們一樣聰明——或多或少就是這樣。

　　人工智能的類型

　　自 1950 年代該領(lǐng)域誕生以來(lái)，大多數(shù)現(xiàn)實(shí)世界的人工智能計(jì)算機(jī) 程序分為幾種廣泛的類型，其中(為了 簡(jiǎn)單)我將只分為三個(gè)：?jiǎn)l(fā)式搜索，專家 系統(tǒng)和機(jī)器學(xué)習(xí)。還有一些混合系統(tǒng)結(jié)合了其中兩個(gè)或多個(gè)。 讓我們依次考慮這些。

　　啟發(fā)式搜索

　　如何構(gòu)建一臺(tái)會(huì)下棋的計(jì)算機(jī)?如果你下棋 你自己，你的策略可能是通過(guò) 考慮你可能做出的每一個(gè)動(dòng)作，移動(dòng)那些可能 導(dǎo)致，等等，沿著一棵樹運(yùn)行你的輕盈，猴子的頭腦 可能性，直到你找出最有可能贏得的舉動(dòng) 游戲。如果你有無(wú)限的腦力，理論上你可以 考慮每一個(gè)可能的舉動(dòng)，并相應(yīng)地對(duì)它們進(jìn)行排名。但是，做數(shù)學(xué)，然后 你會(huì)發(fā)現(xiàn)可能的移動(dòng)次數(shù)遠(yuǎn)遠(yuǎn)超出了限制 記憶和時(shí)間。根據(jù)馬文·明斯基(Marvin Minsky)的說(shuō)法，寫到這個(gè) 問(wèn)題早在 1966 年，我們談?wù)摰氖?10120 移動(dòng) 而即使是像跳棋這樣更簡(jiǎn)單的游戲也可以進(jìn)入 1040 可能的舉動(dòng)。

　　照片：下棋的計(jì)算機(jī)通常使用啟發(fā)式搜索。 現(xiàn)代國(guó)際象棋程序通常與 1960 年代設(shè)計(jì)的類似程序的工作方式相同，但因?yàn)榻裉斓? 機(jī)器更強(qiáng)大，它們可以在相同的時(shí)間內(nèi)考慮更多的動(dòng)作。 這就是為什么今天的計(jì)算機(jī)比昨天的計(jì)算機(jī)更好。

　　我們的大腦無(wú)法處理這么多東西——或者類似的東西。所以 您(或計(jì)算機(jī))無(wú)需考慮每一個(gè)可能的舉動(dòng)，而是可以 使用基本的經(jīng)驗(yàn)法則縮小搜索范圍， 把一個(gè)壓倒性的問(wèn)題變成你的大腦(或 處理器芯片)可以合理處理。這稱為啟發(fā)式 搜索。我們大多數(shù)人都適用的明顯啟發(fā)式 游戲情境，如果只是出于對(duì)人的考慮，我們是 玩，就是花 至少 一定的時(shí)間 尋找動(dòng)作，但 不要太多.或者，變得越來(lái)越復(fù)雜， 您可以使用諸如試圖控制中心之類的策略 板，識(shí)別某些鍵盤模式，或保留 像你的主教和女王這樣的重要作品，以失敗為代價(jià) 價(jià)值較低的作品。啟發(fā)式搜索的關(guān)鍵點(diǎn)是它 在可用的時(shí)間內(nèi)確定一個(gè)足夠好的解決方案，而不是 試圖找到唯一完美的結(jié)果。

　　啟發(fā)式搜索非常適合邏輯棋盤游戲，如國(guó)際象棋、跳棋、 拼字游戲，等等，這涉及到考慮很多非常相似的 潛在的舉動(dòng)，但它在現(xiàn)實(shí)世界中有多大用處?您可以 想象一個(gè)人工智能應(yīng)用程序，它搜索 數(shù)以千計(jì)的房屋和公寓出售或出租，以幫助您找到 最好使用啟發(fā)式方法來(lái)縮小范圍。而不是 向你展示一切，它可能會(huì)向你展示你擁有的房子 傾向于在一定的半徑或價(jià)格范圍內(nèi)查看之前。 但是更復(fù)雜的問(wèn)題呢，比如提供法律建議，弄清楚 一輛拋錨的汽車或診斷疾病有什么問(wèn)題?

　　專家系統(tǒng)

　　你可能馬上就能看到醫(yī)療 診斷不一定適合簡(jiǎn)單的啟發(fā)式搜索：如果 您是危重病人，您不是在尋找 在可用時(shí)間內(nèi)做出足夠好的診斷;你想要的權(quán)利 診斷，無(wú)論需要多長(zhǎng)時(shí)間。你的醫(yī)生不會(huì)認(rèn)為“好吧 我會(huì)考慮我腦海中出現(xiàn)的前 10 種疾病，然后 只要選擇最有可能的。

　　專家系統(tǒng)(有時(shí)稱為基于知識(shí)的系統(tǒng)或 KBS) 是旨在超越簡(jiǎn)單搜索的計(jì)算機(jī)程序，并且 使用更詳細(xì)的“如果X則Y”分析做出決策 和推理。通常，他們有一個(gè)從研究真實(shí)的人類中收集的知識(shí)數(shù)據(jù)庫(kù)。 專家和一個(gè)單獨(dú)的系統(tǒng)，可以通過(guò)浸入其中進(jìn)行推理 知識(shí)。專家系統(tǒng)的局限性，它不是 總是一個(gè)問(wèn)題，是在一個(gè)領(lǐng)域訓(xùn)練的計(jì)算機(jī) 知識(shí)(如法律建議或醫(yī)療診斷)對(duì) 我們?cè)诓煌念I(lǐng)域。人類完全有可能改變 職業(yè)并從腦外科醫(yī)生轉(zhuǎn)變?yōu)楣韭蓭煟? 但是專家系統(tǒng)的機(jī)器不能自愿做同樣的事情 無(wú)需交換其數(shù)據(jù)庫(kù)。確實(shí)，一些醫(yī)學(xué)知識(shí)是 所以非常復(fù)雜， 如此 專家，即使是經(jīng)過(guò)專家系統(tǒng)培訓(xùn) 在一個(gè)醫(yī)學(xué)領(lǐng)域(例如，癌癥)在另一個(gè)醫(yī)學(xué)領(lǐng)域可能用途有限 醫(yī)療領(lǐng)域(急診醫(yī)學(xué))。雖然人類也是如此 醫(yī)生，關(guān)鍵區(qū)別在于人類專家傾向于識(shí)別 他們自己的局限性，知道什么時(shí)候?qū)で髱椭?機(jī)器專家 不知道他們什么時(shí)候做出了不稱職的決定。

　　機(jī)器學(xué)習(xí)

　　機(jī)器學(xué)習(xí)是尖端人工智能的流行語(yǔ)之一，盡管它實(shí)際上是一個(gè)非常古老的詞。 可以追溯到 1950 年代的術(shù)語(yǔ)。在實(shí)踐中，它通常意味著 培訓(xùn)一個(gè) 神經(jīng)網(wǎng)絡(luò) (非常松散地，一個(gè)大大簡(jiǎn)化的類腦結(jié)構(gòu)的計(jì)算機(jī)模型，由稱為“單元”的相互連接的細(xì)胞層組成)在數(shù)百萬(wàn)、數(shù)十億或數(shù)萬(wàn)億個(gè)例子上，所以它可以 快速識(shí)別或分類以前從未見過(guò)的東西。所以 經(jīng)過(guò)訓(xùn)練，可以查看數(shù)百萬(wàn)張桌椅圖片，它可以 告訴您以前從未見過(guò)的照片顯示的是表格還是 椅子——這就是自動(dòng)照片分類的方式 算法適用于您的手機(jī)。機(jī)器學(xué)習(xí)解釋了谷歌如何 可以從搜索結(jié)果中過(guò)濾掉露骨的成人圖片，如果您 不想讓你的家人看到他們：在成人身上訓(xùn)練的算法 當(dāng)人們上傳照片時(shí)，照片可能會(huì)發(fā)現(xiàn)其他照片中的明顯跡象 他們。機(jī)器學(xué)習(xí)也為自動(dòng)化翻譯奠定了基礎(chǔ) 可以在谷歌上找到，必應(yīng)， 和Skype。像這樣的程序現(xiàn)在是如此 很好，他們可以將幾乎任何語(yǔ)言轉(zhuǎn)換為相當(dāng)不錯(cuò)的語(yǔ)言 (至少可以理解)任何其他語(yǔ)言的翻譯，沒(méi)有 “理解”一個(gè)詞;他們是很好的例子 塞爾的中式房間，除了他們能夠在任何 你喜歡的舌頭。

　　機(jī)器學(xué)習(xí)程序的特征之一是——線索是 以他們的名字 學(xué)習(xí) 隨著他們的前進(jìn)。所以不像 預(yù)編程專家系統(tǒng)，他們?cè)絹?lái)越擅長(zhǎng) 他們做的越多，就像一個(gè)真正的人一樣，對(duì) 指出他們可以做任何你編程讓他們做得更好的事情 你可以自己做。

　　還有一些事情值得快速注意。雖然術(shù)語(yǔ)“機(jī)器學(xué)習(xí)” “神經(jīng)網(wǎng)絡(luò)”聽起來(lái)像是源于心理學(xué)，它們與 復(fù)雜的數(shù)學(xué)和統(tǒng)計(jì)學(xué)。當(dāng)我們談?wù)摗吧窠?jīng)網(wǎng)絡(luò)”是“類似大腦的”時(shí)，這真的是 只是一個(gè)類比。神經(jīng)中不一定有任何類似大腦的東西 網(wǎng)絡(luò)(首先，像單行道和化學(xué)神經(jīng)遞質(zhì)一樣工作的突觸是兩個(gè)非常明顯的區(qū)別)。什么神經(jīng)機(jī)器學(xué)習(xí)和人腦 做 共同點(diǎn)是他們都 并行處理大量數(shù)據(jù)(或神經(jīng)網(wǎng)絡(luò)中的“偽并行”， 通常是在傳統(tǒng)的串行計(jì)算機(jī)上實(shí)現(xiàn)的并行類腦結(jié)構(gòu)模型)。

　　藝術(shù)品：人工智能計(jì)算機(jī)/機(jī)器人將如何爬樹?左：它可以使用啟發(fā)式搜索來(lái)考慮沿分支的一些最可能的路徑;中：它可以使用一個(gè)關(guān)于樹木和攀爬的知識(shí)專家系統(tǒng)數(shù)據(jù)庫(kù)，以及一些IF...然后。。。通過(guò)推理得出最佳路線的規(guī)則;右圖：使用機(jī)器學(xué)習(xí)，也許它可以分析數(shù)千張人們爬樹的照片，以便在看到一張新的樹照片時(shí)找出一條好的路線?

　　混合動(dòng)力系統(tǒng)

　　我在這里采用了一個(gè)相當(dāng)武斷的三向分類，純粹是為了 一個(gè)易于理解的解釋。但是您可以隨心所欲地對(duì) AI 進(jìn)行分類。啟發(fā)式搜索和專家系統(tǒng)是一些人稱之為的例子 符號(hào)人工智能 或好的老式人工智能(GOFAI)，并以經(jīng)典的認(rèn)知方式工作，就像我們繪制的“這個(gè)導(dǎo)致那個(gè)”流程圖來(lái)解釋簡(jiǎn)單的計(jì)算機(jī)程序一樣。另一方面，機(jī)器學(xué)習(xí)以一種更平行的、類似大腦的、“連接主義”的方式進(jìn)行，沒(méi)有 明顯的串行邏輯。符號(hào)人工智能系統(tǒng)通過(guò)使用有限數(shù)量的數(shù)據(jù)進(jìn)行串行邏輯推理來(lái)解決問(wèn)題， 而連接主義系統(tǒng)則對(duì)大量數(shù)據(jù)使用并行處理。

　　插圖：串行與并行處理。在傳統(tǒng)的符號(hào)AI(如專家系統(tǒng))中，一步接著一步地合乎邏輯地進(jìn)行;神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)使用并行處理(盡管令人困惑的是，它通常以傳統(tǒng)的計(jì)算機(jī)為模型。 串行處理!

　　如果你正在嘗試制造一輛可以救援的自動(dòng)駕駛汽車或機(jī)器人 來(lái)自建筑物的人，您將使用三者的元素 以前類型的 AI 在不同的時(shí)間以不同的方式出現(xiàn)。所以混合系統(tǒng) 對(duì)曾經(jīng)可能專門工作的研究人員越來(lái)越感興趣 使用符號(hào)、串行 AI 或并行、連接主義、機(jī)器學(xué)習(xí)系統(tǒng)。 DeepMind的 雅達(dá)利游戲系統(tǒng) 是最近的一個(gè)混合體的例子 部分通過(guò)符號(hào) AI 工作，部分通過(guò)神經(jīng)網(wǎng)絡(luò)工作的系統(tǒng)。

　　自動(dòng)駕駛汽車依靠機(jī)器學(xué)習(xí)來(lái)解釋圖像。 他們實(shí)時(shí)行駛的街道。我們都見過(guò)那些谷歌 驗(yàn)證碼測(cè)試，通過(guò)分類讓我們證明我們不是機(jī)器人 消防栓、橋梁、自行車和出租車。這項(xiàng)工作是 谷歌訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)識(shí)別的努力 他們的汽車以后可以進(jìn)入的不同物體。但 駕駛不僅僅是識(shí)別物體;您還需要 識(shí)別和分析情況。例如，如果您正在開車 沿著你看到一個(gè)圓形的紅色物體滾到路上，你 可能會(huì)想“哦，看，有一個(gè)球”，但你應(yīng)該怎么做 真正認(rèn)為是“那個(gè)球可能屬于一個(gè)孩子，如果 球滾到路上，一個(gè)孩子可能就在它后面， 所以我 需要放慢速度并準(zhǔn)備停下來(lái)”。這更像 專家系統(tǒng)決策。自動(dòng)駕駛汽車可能會(huì) 始終有人類乘員和備用人類駕駛員將其取出 麻煩，所以它不需要完全自主 與機(jī)器人士兵一樣，可能需要自拔 來(lái)自更廣泛的意外情況。所以，重新審視我們的 人工智能作為狹隘光譜之間的原始想法 一般來(lái)說(shuō)，我們可以看到更自主和通用 計(jì)算機(jī)或機(jī)器，不同AI策略的范圍越廣，或者 它可能需要借鑒的技術(shù)。它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。 自動(dòng)駕駛汽車可能會(huì) 始終有人類乘員和備用人類駕駛員將其取出 麻煩，所以它不需要完全自主 與機(jī)器人士兵一樣，可能需要自拔 來(lái)自更廣泛的意外情況。所以，重新審視我們的 人工智能作為狹隘光譜之間的原始想法 一般來(lái)說(shuō)，我們可以看到更自主和通用 計(jì)算機(jī)或機(jī)器，不同AI策略的范圍越廣，或者 它可能需要借鑒的技術(shù)。它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。 自動(dòng)駕駛汽車可能會(huì) 始終有人類乘員和備用人類駕駛員將其取出 麻煩，所以它不需要完全自主 與機(jī)器人士兵一樣，可能需要自拔 來(lái)自更廣泛的意外情況。所以，重新審視我們的 人工智能作為狹隘光譜之間的原始想法 一般來(lái)說(shuō)，我們可以看到更自主和通用 計(jì)算機(jī)或機(jī)器，不同AI策略的范圍越廣，或者 它可能需要借鑒的技術(shù)。它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。 可能需要自拔 來(lái)自更廣泛的意外情況。所以，重新審視我們的 人工智能作為狹隘光譜之間的原始想法 一般來(lái)說(shuō)，我們可以看到更自主和通用 計(jì)算機(jī)或機(jī)器，不同AI策略的范圍越廣，或者 它可能需要借鑒的技術(shù)。它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。 可能需要自拔 來(lái)自更廣泛的意外情況。所以，重新審視我們的 人工智能作為狹隘光譜之間的原始想法 一般來(lái)說(shuō)，我們可以看到更自主和通用 計(jì)算機(jī)或機(jī)器，不同AI策略的范圍越廣，或者 它可能需要借鑒的技術(shù)。它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。 它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。 它還需要 能夠弄清楚在不同的思維中使用哪種類型的思維 情況。

　　對(duì)于所有類型的人工智能來(lái)說(shuō)，一個(gè)關(guān)鍵問(wèn)題是代表世界的某些方面。 以計(jì)算機(jī)系統(tǒng)可以理解和處理的方式。在一個(gè)簡(jiǎn)單的層面上，如果 您正在使用神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別人臉，您究竟如何“翻譯” 將整體面孔轉(zhuǎn)換為網(wǎng)絡(luò)可以使用的離散數(shù)據(jù)位?和 如何將計(jì)算機(jī)網(wǎng)絡(luò)的輸出轉(zhuǎn)換為對(duì)人類有意義的形式?

　　人工智能在現(xiàn)實(shí)世界中的用途是什么?

　　當(dāng)約翰·麥卡錫于 2011 年去世時(shí)， 訃告 在英國(guó) 獨(dú)立 Newspaper指出，他曾經(jīng)觀察到，該領(lǐng)域的重大突破可能在“5到500年”內(nèi)實(shí)現(xiàn)。 麥卡錫將目光投向了非常遙遠(yuǎn)的強(qiáng)人工智能和 對(duì)那些滿足于狹隘的研究人員感到絕望 目標(biāo)。正如他在2006年所寫：

　　“我不得不承認(rèn)，我對(duì)缺乏野心感到不滿。 我的大多數(shù)人工智能研究人員同事....例如，使用的語(yǔ)言 擊敗世界象棋冠軍加里的深藍(lán)計(jì)劃 卡斯帕羅夫不能用來(lái)表達(dá)“我是一個(gè)國(guó)際象棋程序，但是 考慮比人類更多無(wú)關(guān)緊要的動(dòng)作。 從中得出的結(jié)論。該程序的設(shè)計(jì)者認(rèn)為沒(méi)有必要 為了這個(gè)能力。 [8]

　　僅僅因?yàn)槲覀儧](méi)有足夠智能的計(jì)算機(jī) 在任何事情上與人類正面交鋒，這并不意味著 我們?cè)谌斯ぶ悄芊矫鏇](méi)有取得任何進(jìn)展，因?yàn)檎缥覀兯龅哪菢印? 從已經(jīng)看，強(qiáng)大的人工智能并不總是目標(biāo)。環(huán)顧四周 現(xiàn)代世界，你會(huì)看到無(wú)窮無(wú)盡的應(yīng)用，不那么壯觀 (但仍然非常令人印象深刻)人工智能，包括事物 像Alexa，Siri和機(jī)器驅(qū)動(dòng)的客戶代理，自動(dòng)庫(kù)存 交易，亞馬遜上的“您可能喜歡的東西”推薦和 eBay，在線廣告軟件，根據(jù)您的身份向您展示廣告 是和你可能買什么，真空清潔 魯姆巴 機(jī)器人 使用越來(lái)越智能的策略來(lái)提高清潔效率，以及 多。

　　人工智能在行動(dòng)

　　以下是我從最近的新聞報(bào)道中提取的一些人工智能在行動(dòng)的不同例子：

　　GPT3，一個(gè)有爭(zhēng)議的文本生成AI系統(tǒng)，現(xiàn)在正在 試用使用 在在線客戶服務(wù)代理、心理健康應(yīng)用程序和類似的對(duì)話應(yīng)用程序中。

　　Deep-speare，莎士比亞詩(shī)歌生成器，一直在使用 人工智能創(chuàng)作十四行詩(shī).

　　人工智能軟件可以 生成似是而非的假人 有逼真的面孔。

　　正在發(fā)現(xiàn)新的醫(yī)療藥物 感謝可以破解經(jīng)典的機(jī)器學(xué)習(xí)程序 蛋白質(zhì)折疊問(wèn)題.

　　Facebook和YouTube等社交媒體網(wǎng)站使用 識(shí)別和刪除極端主義內(nèi)容的人工智能.

　　機(jī)器學(xué)習(xí)現(xiàn)在被用于 生成更準(zhǔn)確的天氣預(yù)報(bào).

　　犯罪分子正在使用人工智能來(lái)破壞計(jì)算機(jī)安全, 而 執(zhí)法和司法專業(yè)人員正在使用機(jī)器學(xué)習(xí)算法 幫助判刑。

　　醫(yī)生正在使用機(jī)器學(xué)習(xí)人工智能 開發(fā)大腦植入物和可穿戴設(shè)備 這將幫助癱瘓者移動(dòng)和感受感覺(jué)。

　　為什么要為人工智能而煩惱?

　　相片： 魯姆巴 真空清潔機(jī)器人使用越來(lái)越復(fù)雜的模型來(lái)清潔您的家。我們很難稱他們?yōu)槁斆?，但我們?yōu)槭裁匆@樣做呢?

　　在一個(gè)充滿智慧人類的世界里，為什么 費(fèi)心開發(fā)智能機(jī)器?這是我們自己的標(biāo)志嗎 我們認(rèn)識(shí)到我們潛在的愚蠢的智慧 我們可以克服的限制嗎?還是人類的另一個(gè)標(biāo)志 傲慢——我們總是以某種方式認(rèn)為我們可以做得更好 自然界?是“支持者”和“反對(duì)者”之間的爭(zhēng)論 機(jī)器智能傲慢的兩個(gè)不同方面： 人類是特殊的，因?yàn)槲覀?想 我們可以更好地開發(fā)機(jī)器 比我們自己，但不能...還是因?yàn)槲覀冋娴淖霾坏蕉貏e?是追求 對(duì)于人工智能來(lái)說(shuō)，更像是對(duì)完美的追求 在漫長(zhǎng)而艱難的棋局中移動(dòng)...我們覺(jué)得這是 在某個(gè)地方，總是遙不可及?還是更像是一個(gè) 啟發(fā)式搜索 在棋盤游戲中，快速，實(shí)用， 為有限的問(wèn)題提供足夠好的解決方案比等待更好 四處追求完美?

　　人工智能提出了各種哲學(xué)問(wèn)題， 但它也引發(fā)了社會(huì)問(wèn)題，比如智能工廠機(jī)器人是否如。 而機(jī)器學(xué)習(xí)計(jì)算機(jī)系統(tǒng)將把“智能” 失業(yè)的人。也有道德問(wèn)題。例如 人們已經(jīng)在問(wèn)關(guān)于法律的難題 自動(dòng)駕駛汽車的責(zé)任。如果你被車撞倒了 像這樣在人行橫道上，汽車在某種程度上是罪魁禍?zhǔn)讍?是 被動(dòng)的“司機(jī)”雙手坐在假方向盤上，責(zé)怪不干預(yù)? 或者即使他們?cè)谑澜绲牧硪欢?，設(shè)計(jì)師也應(yīng)該受到指責(zé)? 如果機(jī)器人士兵意外殺死平民，責(zé)任是否止步于此 下達(dá)命令的將軍或建造和 對(duì)機(jī)器進(jìn)行編程?

　　我們已經(jīng)看到的一個(gè)大問(wèn)題是 使用機(jī)器學(xué)習(xí)的算法可以做出決策 我們沒(méi)有辦法理解或挑戰(zhàn)。我們了解人類 算法所基于的假設(shè)，但沒(méi)有容易 了解為什么神經(jīng)網(wǎng)絡(luò)在數(shù)十億個(gè)不同的人身上訓(xùn)練的方式 例如，數(shù)據(jù)項(xiàng)將 錯(cuò)誤地將世界著名的戰(zhàn)爭(zhēng)照片標(biāo)記為色 情內(nèi)容 或 可恥地錯(cuò)誤分類了三名黑人青少年的照片. 在第二種情況下，在谷歌的算法將人標(biāo)記為大猩猩之后，谷歌沒(méi)有。 甚至費(fèi)心試圖解決這個(gè)問(wèn)題：它只是停止了標(biāo)記任何的算法 照片為大猩猩、黑猩猩或猴子。AI問(wèn)題太難解決，所以 相反，他們解決了一個(gè)更簡(jiǎn)單的問(wèn)題。

　　人工智能的下一步是什么?

　　"這場(chǎng)爭(zhēng)端尚未解決，也許是無(wú)法解決的......沒(méi)有人 可以肯定的是，AGI是否真的是智能的。"

　　瑪格麗特·博登教授 [9]當(dāng)務(wù)實(shí)的計(jì)算機(jī)科學(xué)家繼續(xù)建造更聰明的機(jī)器時(shí)，哲學(xué)家們繼續(xù)在本質(zhì)上相同的陳舊問(wèn)題上與無(wú)休止的變化作斗爭(zhēng)：如果巧妙(或蠻力)計(jì)算“聰明”(人工智能的蛋糕)不能復(fù)制典型的，它是否可以真正復(fù)制人類的“智能”， 更微妙的人類品質(zhì)，如理解、同理心、道德、情感、創(chuàng)造力、自由意志和意識(shí)(最重要的糖衣)。也許理解計(jì)算“聰明”和人類“智能”之間的區(qū)別才是真正的圖靈測(cè)試?

　　到達(dá)我們開始的地方，讓我們?cè)俅螁?wèn)：未來(lái)真的需要我們嗎?可以說(shuō)，當(dāng)今相對(duì)較弱的人工智能系統(tǒng)的最大局限性是它們沒(méi)有認(rèn)識(shí)到自己的局限性：為此， 他們 仍然需要 我們.直到人工智能機(jī)器足夠聰明，能夠理解到底如何 他們可以很愚蠢，也許他們沒(méi)有構(gòu)成 最終 對(duì)我們?nèi)祟惖耐{。

　　從長(zhǎng)遠(yuǎn)來(lái)看，人類是否面臨超智能AGI機(jī)器的威脅 - 或者這只是科幻小說(shuō)中的廢話，就像懷疑論者一樣。 休伯特·德雷福斯 半個(gè)多世紀(jì)前在爭(zhēng)論嗎?這些想法是否危險(xiǎn)地分散了人們對(duì)一個(gè)更合理的威脅的注意力：隨著機(jī)器學(xué)習(xí)類型的算法在完成我們?cè)?jīng)認(rèn)為絕對(duì)人類的工作時(shí)變得越來(lái)越“聰明”，有多少人的生計(jì)處于危險(xiǎn)之中?陪審團(tuán)仍然存在分歧。像比爾·喬伊(Bill Joy)這樣的悲觀主義者警告說(shuō)，人工智能是潘多拉的盒子，而樂(lè)觀主義者，如人工智能“先知”雷·庫(kù)茲韋爾(Ray Kurzweil)，則把目光投向奇點(diǎn)——實(shí)際上是機(jī)器超越人類智能的地方——以及一個(gè)大膽、美好的未來(lái)，在那里，“愚蠢的”、棘手的人類問(wèn)題，如戰(zhàn)爭(zhēng)和貧困，被聰明的機(jī)器巧妙地掃除了。與此同時(shí)，麻省理工學(xué)院的羅德尼·布魯克斯(Rodney Brooks)等務(wù)實(shí)的機(jī)器人科學(xué)家認(rèn)為，機(jī)器智能只是最新的人類技術(shù)。 這有助于人們克服他們過(guò)于人性化的局限性：”我們將成為肉體和機(jī)器的融合。我們將擁有最好的機(jī)器性，但我們也將擁有我們的生物遺產(chǎn)，以增強(qiáng)我們迄今為止開發(fā)的任何機(jī)器技術(shù)水平。 [10]

　　因此，問(wèn)題不在于未來(lái)是否仍然需要我們;而是“我們想要什么樣的未來(lái)?”——我們?nèi)绾卫萌斯ぶ悄艿燃夹g(shù)來(lái)實(shí)現(xiàn)它?

　　人工智能時(shí)間表：人工智能簡(jiǎn)史

　　初期

　　1637年：想知道可能性 可以模仿人的機(jī)器，法國(guó)哲學(xué)家勒內(nèi)·笛卡爾 確信我們總能分辨出其中的區(qū)別。他 圖靈測(cè)試的預(yù)測(cè)超過(guò)300年，他寫道：“如果 有些機(jī)器與我們的身體相似， 在道德上可能的范圍內(nèi)模仿我們的行為，我們 應(yīng)該始終有兩個(gè)非常確定的測(cè)試來(lái)識(shí)別 盡管如此，他們都不是真正的男人。 從廣義上講，他認(rèn)為1)機(jī)器不能對(duì)所有事情做出反應(yīng)。 你可以對(duì)他們說(shuō)或 2) 預(yù)測(cè)并應(yīng)對(duì)他們可能遇到的每種情況。 [11]

　　1737: 雅克·德·沃坎松法國(guó)藝術(shù)家和發(fā)明家建造了令人愉悅的自動(dòng)機(jī)，包括機(jī)械 長(zhǎng)笛演奏家和“消化鴨”(現(xiàn)實(shí)的吃，喝， 鳥的行走模型)。

　　1763: 托馬斯·貝葉斯 發(fā)展“貝葉斯” 推理(一種概率推理)，它將形成一個(gè) 人工智能程序和算法的重要組成部分 未來(lái)幾個(gè)世紀(jì)。

　　~1770： 皮埃爾·雅克德羅 用復(fù)雜的、機(jī)械的、動(dòng)畫的娃娃讓皇帝和國(guó)王眼花繚亂 使用簡(jiǎn)單的可編程存儲(chǔ)器的驚人事物。

　　1842年：Charles Babbage和Ada Lovelace開發(fā)了可以編程的機(jī)械齒輪驅(qū)動(dòng)計(jì)算機(jī) 重組。

　　1910年：西班牙發(fā)明家 萊昂納多·托雷斯和克維多 開發(fā)了El Ajedrecista，一種早期的國(guó)際象棋機(jī)器。

　　控制論

　　1940年代：生理學(xué)家 威廉·格雷·沃爾特 構(gòu)建自治 機(jī)械“” 可以找到自己的方式 周圍使用光電管和簡(jiǎn)單的電子產(chǎn)品。

　　1943： 生理學(xué)家 沃倫·麥卡洛克和 沃爾特·皮茨 構(gòu)建簡(jiǎn)單的腦細(xì)胞算法模型 可以學(xué)習(xí)東西，所以開發(fā)第一個(gè)原始神經(jīng)網(wǎng)絡(luò)。

　　1943年：劍橋心理學(xué)家肯尼斯·克雷克 在書中概述內(nèi)部“心智模型”的概念 叫 解釋的本質(zhì).機(jī)器的想法 可以使用世界的模型來(lái)解決各種問(wèn)題 事實(shí)證明，它極具影響力。

　　1948年：控制論(簡(jiǎn)單地說(shuō)，發(fā)展 使用傳感、學(xué)習(xí)、 改編、反饋等)正式誕生 諾伯特·韋納經(jīng)典著作出版 控制論：或動(dòng)物和機(jī)器中的控制和通信.

　　智能機(jī)器的興起

　　1949年：埃德蒙·伯克利的書 巨型大腦：或會(huì)思考的機(jī)器 普及計(jì)算機(jī)的概念 作為電子大腦。

　　1950年：艾倫·圖靈(Alan Turing)提出了“模仿” 博弈“(現(xiàn)在稱為圖靈測(cè)試)在一篇極具影響力的論文中 被稱為“計(jì)算機(jī)與智能”。

　　1950年代：科幻作家艾薩克·阿西莫夫(Isaac Asimov)提議 三 機(jī)器人法則 以幫助控制機(jī)器人。

　　1950年代：英國(guó)科學(xué)家奧利弗·塞爾福里奇(Oliver Selfridge)開發(fā)了一種模式識(shí)別的計(jì)算模型，稱為 混亂, 這會(huì)影響神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)。

　　1955年：艾倫·紐厄爾(Allen Newell)探索下棋的啟發(fā)式搜索方法 國(guó)際象棋 機(jī)器：通過(guò)適應(yīng)處理復(fù)雜任務(wù)的示例.

　　1956年：約翰·麥卡錫(John McCarthy)創(chuàng)造了這個(gè)詞 “人工智能”期間 開創(chuàng)性的車間 在新罕布什爾州漢諾威的達(dá)特茅斯學(xué)院。

　　1958年：計(jì)算機(jī)科學(xué)家約翰·馮·諾依曼(John von Neumann)創(chuàng)造了“奇點(diǎn)”一詞。

　　1959: 亞瑟 塞繆爾 創(chuàng)造“機(jī)器學(xué)習(xí)”一詞來(lái)描述逐漸 在游戲中比編程的人更好。

　　1961年：莫蒂默·陶布的論戰(zhàn) 計(jì)算機(jī)與常識(shí)：思考機(jī)器的神話 指責(zé)人工智能科學(xué)家“寫科幻小說(shuō)來(lái)刺激公眾”，浪費(fèi)公共資金。

　　1962年：約翰·麥卡錫建立斯坦福大學(xué) 大學(xué)作為人工智能的主要研究中心，形成了 斯坦福人工智能實(shí)驗(yàn)室 (SAIL).

　　1965年：約瑟夫·魏岑鮑姆開發(fā) 伊麗莎，第一個(gè)可以容納模糊人類的“聊天機(jī)器人”程序 談話。

　　1965年：斯坦福大學(xué)的愛(ài)德華·費(fèi)根鮑姆 開發(fā)第一個(gè)專家系統(tǒng)， 登德拉爾，旨在識(shí)別 未知分子通過(guò)使用其從各種輸入數(shù)據(jù)中推理 預(yù)先學(xué)習(xí)的化學(xué)專業(yè)知識(shí)。

　　1967年：弗蘭克·羅森布拉特(Frank Rosenblatt)開發(fā)了Mark I 感知器，一種基于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的類腦計(jì)算機(jī)。

　　1968年：對(duì)神經(jīng)網(wǎng)絡(luò)的興趣在出版后停滯不前 感知器，馬文·明斯基和西摩·派普特的開創(chuàng)性著作，攻擊羅森布拉特的作品。

　　1968年：湯姆·埃文斯(Tom Evans)開發(fā)了一個(gè)人工智能程序 稱為類比，可以解決智商中常用的幾何問(wèn)題 測(cè)試。

　　1968年：斯坦利·庫(kù)布里克和亞瑟· 克拉克的反烏托邦 2001： 太空漫游 (電影) 提供可怕的 當(dāng)人工智能計(jì)算機(jī)發(fā)生時(shí)會(huì)發(fā)生什么的愿景， HAL 9000，失控。

　　1970： 特里·維諾格拉德 什德魯 程序 學(xué)會(huì)理解一個(gè)由普通積木組成的簡(jiǎn)單世界， “自然語(yǔ)言?！?/span>

　　1972年：休伯特·德雷福斯駁斥了整個(gè)想法 一本挑釁性的書中的智能機(jī)器 計(jì)算機(jī)不能做什么：對(duì)人工理性的批判 (1992年重新審視為 計(jì)算機(jī)仍然無(wú)法做到的事情).

　　1970年代： 麥霉素 專家系統(tǒng)開發(fā)用于 診斷并建議血液病的治療方法。

　　1980年：哲學(xué)家約翰·塞爾(John Searle)概述了 中國(guó)房間，他對(duì)“強(qiáng)AI”的經(jīng)典反對(duì)。

　　現(xiàn)代人工智能

　　1980 年代：神經(jīng)網(wǎng)絡(luò)再次變得非常流行 這在很大程度上要?dú)w功于“并行分布式處理”或 詹姆斯·麥克萊蘭、大衛(wèi)·魯梅爾哈特的“聯(lián)結(jié)主義”模型， 羅納德·威廉姆斯和杰夫·辛頓。

　　1980年代：約翰·萊爾德、艾倫·紐厄爾等人發(fā)展 飆升，一組可用于創(chuàng)建 AGI 的“構(gòu)建塊”。

　　1987： 數(shù)字設(shè)備公司 (DEC) 發(fā)展 R1，一個(gè)幫助設(shè)計(jì)其VAX計(jì)算機(jī)的專家系統(tǒng)。

　　1988年：IBM研究員彼得·布朗(Peter Brown)率先實(shí)現(xiàn)自動(dòng)化， 使用機(jī)器學(xué)習(xí)的“統(tǒng)計(jì)”語(yǔ)言翻譯。

　　1989年：羅杰·彭羅斯，英國(guó)人 數(shù)學(xué)家認(rèn)為人工智能不可能 在暢銷書中被傳統(tǒng)的圖靈式計(jì)算機(jī)復(fù)制 書名 皇帝的新思想.

　　1990年：美國(guó)計(jì)算機(jī)科學(xué)家 雷·庫(kù)茲韋爾 普及奇點(diǎn)——實(shí)際上是 人工智能超越了人類。

　　1990： 機(jī)器人先驅(qū) 羅德尼·布魯克斯 拒絕象征性的人工智能，并在一篇名為“的挑釁性論文和書籍中擁抱務(wù)實(shí)的、”自下而上“、”定位“的人工智能 大象不下棋.

　　1995年：受到ELIZA的啟發(fā)，一個(gè)名為 ALICE(人工語(yǔ)言互聯(lián)網(wǎng)計(jì)算機(jī)實(shí)體) 設(shè)置新 機(jī)器對(duì)話的標(biāo)準(zhǔn)，盡管它仍然無(wú)法通過(guò) 圖靈測(cè)試。幾年后，它催生了斯派克·瓊斯(Spike Jonze)的電影 她.

　　1997年：IBM的深藍(lán)超級(jí)計(jì)算機(jī) 打 俄羅斯大師加里·卡斯帕羅夫 在紐約國(guó)際象棋錦標(biāo)賽中。

　　2002年：Rodney Brooks的iRobot發(fā)布 第一 魯姆巴 機(jī)器人吸塵器。

　　2009年：蘋果電腦收購(gòu)Siri，由 CALO(學(xué)習(xí)和組織的認(rèn)知助手) 在斯坦福大學(xué) 研究院。

　　2011 年：IBM 的 Watson 計(jì)劃 踐踏其 人類對(duì)手 在電視問(wèn)答節(jié)目中 危險(xiǎn)!

　　2012年：人工智能研究人員杰夫·迪恩和安德魯 Ng 表明一個(gè)經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò) 對(duì)貓產(chǎn)生了偏好 圖片.

　　2012/3： 人工智能研究人員的一系列民意調(diào)查 表明強(qiáng)人工智能(人工通用)有50%的可能性 智能)將在 2040-2050 年左右開發(fā)。

　　2014年：一個(gè)名為 尤金·古斯特曼, 由弗拉基米爾·維謝洛夫開發(fā)，(可以說(shuō))通過(guò)了圖靈測(cè)試。

　　2015年：會(huì)話神經(jīng)網(wǎng)絡(luò) 新聞。百度的民華利用該技術(shù) 比人更準(zhǔn)確地對(duì)圖像進(jìn)行分類，而谷歌的 深夢(mèng) 開發(fā) 詭異的人類本領(lǐng)，可以看到并不真正存在的圖像 - 面孔 在云中等等。

　　2016年：谷歌的DeepMind。 擊敗頂級(jí)球員李·西多爾 在棋盤游戲圍棋中。Seedol隨后退休，認(rèn)為AI“無(wú)法被擊敗”。

　　2020年：DeepMind在 蛋白質(zhì)折疊問(wèn)題，有可能加速小說(shuō)的發(fā)展 醫(yī)療藥物。