强人工智能(BOTTOM-UP AI)
强人工智能观点认为有可能制造出真正能推理(REASONING)和解决问题(PROBLEM_SOLVING)的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。强人工智能可以有两类:
类人的人工智能,即机器的思考和推理就像人的思维一样。
非类人的人工智能,即机器产生了和人完全不一样的知觉和意识,使用和人完全不一样的推理方式。
弱人工智能(TOP-DOWN AI)
弱人工智能观点认为不可能制造出能真正地推理(REASONING)和解决问题(PROBLEM_SOLVING)的智能机器,这些机器只不过看起来像是智能的,但是并不真正拥有智能,也不会有自主意识。
主流科研集中在弱人工智能上,并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。
实际应用
机器视觉,指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,自动规划,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学,语言和图像理解,遗传编程等。
学科范畴
人工智能是一门边缘学科,属于自然科学和社会科学的交叉。
涉及学科
哲学和认知科学,数学,神经生理学,心理学,计算机科学,信息论,控制论,不定性论
研究范畴
自然语言处理,知识表现,智能搜索,推理,规划,机器学习,知识获取,组合调度问题,感知问题,模式识别,逻辑程序设计软计算,不精确和不确定的管理,人工生命,神经网络,复杂系统,遗传算法
意识和人工智能
人工智能就其本质而言,是对人的思维的信息过程的模拟。
对于人的思维模拟可以从两条道路进行,一是结构模拟,仿照人脑的结构机制,制造出“类人脑”的机器;二是功能模拟,暂时撇开人脑的内部结构,而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟,是对人脑思维的信息过程的模拟。
主要成果
折叠人机对弈
1996年2月10~17日, GARRY KASPAROV以4:2战胜“深蓝” (DEEP BLUE)。
1997年5月3~11日, GARRY KASPAROV以2.5:3.5输于改进后的“深蓝”。
2003年2月GARRY KASPAROV 3:3战平 “小深”(DEEP JUNIOR)。
2003年11月GARRY KASPAROV 2:2战平 “X3D德国人” (X3D-FRITZ)。
2016年3月9~15日,李世石 1-4 ALphaGo,ALphaGo完胜
2016年12月31日~2017年1月4日 AlphaGo化名master在弈城野狐两大对弈网站横扫中日韩高手,取得60连胜。
2017年5月23日~27,AlphaGo在乌镇与柯洁进行人机大战,最终3:0完胜。
折叠模式识别
采用 $模式识别引擎,分支有2D识别引擎 ,3D识别引擎,驻波识别引擎以及多维识别引擎
2D识别引擎已推出指纹识别,人像识别 ,文字识别,图像识别 ,车牌识别;驻波识别引擎已推出语音识别;3D识别引擎已推出指纹识别玉带林中挂(玩游智能版1.25)
折叠自动工程
自动驾驶(OSO系统)
印钞工厂(¥流水线)
猎鹰系统(YOD绘图)
折叠知识工程
以知识本身为处理对象,研究如何运用人工智能和软件技术,设计、构造和维护知识系统
专家系统
智能搜索引擎
计算机视觉和图像处理
机器翻译和自然语言理解
数据挖掘和知识发现
折叠编辑本段研究价值
具有人工智能的机器人
具有人工智能的机器人
例如繁重的科学和工程计算本来是要人脑来承担的,如今计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展,另一方面又转向更有意义、更加困难的目标。
通常,“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识,学习策略,在遇到类似的问题时,运用经验知识解决问题并积累新的经验,就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外,还会创造,即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来,计算机最难学会的就是“顿悟”。或者再严格一些来说,计算机在学习和“实践”方面难以学会“不依赖于量变的质变”,很难从一种“质”直接到另一种“质”,或者从一个“概念”直接到另一个“概念”。正因为如此,这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。
这是智能化研究者梦寐以求的东西。
2013年,帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法,该方法导出了研究函数性质的新方法。作者发现,新数据分析方法给计算机学会“创造”提供了一种方法。本质上,这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的,是普通人无法拥有但计算机可以拥有的“能力”。从此,计算机不仅精于算,还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力,否则计算机真的有一天会“反捕”人类。
当回头审视新方法的推演过程和数学的时候,作者拓展了对思维和数学的认识。数学简洁,清晰,可靠性、模式化强。在数学的发展史上,处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来,而数学定理最大的特点就是:建立在一些基本的概念和公理上,以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说,数学是最单纯、最直白地反映着(至少一类)创造力模式的学科。