 点击此处加载本图片 人是一个社会体和哲学体等堆叠的数据空间，他的特征随着学习呈现 n+1维。人类目前可以解决的是 n 维空间问题，在人类智能的基础上延伸出人工智能、机器智能和人工智慧等，下面我们来分别了解一下什么是人工智能、机器智能和人工智慧。 一、什么是人工智能？ 人工智能计算利用计算机延伸人类的智能，一般在研究认知计算中借助计算机模拟和模仿的手段来研究人类的智能如何构成，如何延伸，如何衍生新智能和知识体系过程工程。通常人工智能需要认知科学方法来定量的研究这个过程，通常最早的研究认为：心智是由无数的，微小的元素组成的，这些元素就是神经元，另一种观点认为它是一些高级的结构，例如符号，构想，计划与规划的聚合。早期学者使用联接主义对心智研究，后来学者研究重点放在符号计算，因此产生的机器学习。 机器学习通常是我们缺乏的知识发现内在关系的符号计算体现，作为补偿我们对知识的不足我们使用拥有的数据来研究注意，“注意”就是重要信息的筛选，因此使用无监督学习发现知识。这个过程包括认知语言学和学习发展心理学，从而出现先天学派和后天学派。一个强调生物体的大脑物理基本特征和基因，一个则强调环境的学习行为。 知觉和行为采用心理学，神经科学，计算机科学，系统论的研究方法来研究认知心理学，认知物理学相关需要将一个问题数学化、逻辑正规化地描述。计算机模型可以用来模拟、验证智能的各种属性，帮助我们特定认知现象的功能结构。认知模型有两种基本方法：第一种着眼于抽象的心智能力，使用符号操作；另一种模拟人脑的神经元及其联结，称为亚符号模型。亚符号模型包含了联结主义，它的基本思想是人脑由许多微小的元素组成，脑的能力首先取决于这些点的存在及其连接方是这一方法的典型实践。有一些批评意见认为，当这一模型用于真实生物系统的运作时缺乏解释能力，因为即便一个简单规则的联结都需要复杂的系统来完成。现代意义上的认知科学可以追溯到早期控制论者，例如沃伦·麦卡洛克和瓦尔特·皮茨，他们试图寻找心智的组织规律。麦卡洛特和皮茨发展了我们今天称为人工神经网络的最早版本，来源于生物神经网络结构的计算模型。 机器学习一般认为是智能计算和人工智能实现的具体方法。让计算机借助高级的数学方法学会人一样的学习，思考能力。这里的基础有麻省理工的线性代数公开课和佐治亚理工学院的 cs1332 和 cs3600 课程感觉比较容易理解。 KBAI 和认知智能系统简单介绍如下：语义网络，生成与测试，目标函数和代价函数分析，问题的复原和回馈，生态系统的集成实现，常识推理，脚本的规划，记录的案例学习，增量概念的学习，类比思想推理，传播稳定性约束，组态和单元认知的实现，学习中的纠正和 AI 伦理。 二、什么是机器智能？ 机器智能 1950 年发表在《思想》上一篇“计算的机器和智能”文章中，作者是阿兰—图灵。也是现在自然语言处理和深度学习鼻祖。用电脑模拟人脑让人无法分辨。例如现在翻译就是一种复杂的技术。 三、什么是人工智慧？ 人工智慧的定义可以分为两部分，即“人工”和“智慧”。“人工”有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 关于什么是“智慧”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、心灵（mind，包括无意识的精神（unconscious mind））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。 总之，人工智能目前在计算机领域内，得到了愈加广泛的发挥。并在机器人、经济政治决策、控制系统、仿真系统中得到应用。 本文仅供大家交流，系统学习请自己浏览国际或国内的公开课教程，coursea，udacity，edx，MIT-online 等。 |
|
|
