人工智能如何改变21世纪生活？理解AI定义、阶段、类型及研究领域

更多优质内容请关注微信公众号“AI前线”（ID：ai-front）

人工智能的定义

1956年，约翰·麦卡锡（John McCarthy，1927~2011）在达特茅斯会议上提出“人工智能（AI）”这一术语。他将人工智能定义为：

“构建智能机器的科学与工程。”

制造智能机器的科学与工程。

人工智能也可以被定义为能够执行需要人类智能的任务的计算机系统的开发，例如做出决策、检测物体、解决复杂问题等等。

人工智能的阶段

很多文章认为强人工智能（Artificial General Intelligence）、弱人工智能（Artificial Narrow Intelligence）和超人工智能（Artificial Super Intelligence）是不同类型的人工智能。其实更准确地说，它们是人工智能的三个阶段。

弱人工智能（ANI）

弱人工智能，又称狭义人工智能。这个阶段的机器不具备任何思维能力，只是执行一组预定义的功能，比如语音识别、图像识别等，是擅长单一方面的人工智能，类似于高级仿生学。它们只是为了解决特定的特定任务而存在，并且大多数是统计数据，从中可以总结出模型。例如，他只能下围棋，不能执行其他任务。

弱人工智能的例子包括Siri、Alexa、自动驾驶汽车、AlphaGo、人形机器人Sophia等。到目前为止，几乎所有基于人工智能的系统都属于弱人工智能。

强人工智能（AGI）

强人工智能，又称通用人工智能。与弱人工智能不同，强人工智能可以像人类一样响应不同层面的问题，而不仅仅是执行一组预定义的功能。不仅如此，强人工智能还具有自学习、理解复杂概念等各种能力。因此，强人工智能的发展比弱人工智能要困难得多。事实上，国际主流人工智能学术界所持有的目标仅限于弱人工智能。目前，很少有人进行强人工智能的研究，也尚未产生相应的成果。

强大的人工智能也被许多科学家视为对人类生存的威胁，史蒂芬·霍金警告说：

“全人工智能的发展，可能意味着人类文明的终结……人工智能一旦摆脱束缚，就会不断加速自身的重新设计。人类由于时间限制，无法与之抗衡。”生物进化很可能会被取代。”

超级人工智能（ASI）

当弱人工智能已经基本实现，强人工智能通过深度学习逼近时，超级人工智能的概念即将出现。在这个阶段，计算机的能力将超越人类。目前，强人工智能只是电影和科幻小说中描绘的假设场景：机器已经占领了世界。

“人工智能（我不是指狭义的人工智能）正在以惊人的速度发展。除非你能直接接触像DeepMind这样的组织，否则你根本不知道人工智能的增长速度有多快——它以接近指数的速度增长，并且在五年内、最多十年内，将会有发生危险事件的风险。 ”

——埃隆·马斯克

人工智能的类型

当有人要求你解释不同类型的人工智能系统时，你必须根据它们的功能对它们进行分类。密歇根州立大学的Arend Hintze将人工智能分为以下几种类型：单一反应型、有限记忆型、心理型和自我意识型。

单反应型（Reactive Machine AI）

这种类型的人工智能是最基本的人工智能系统，是一种仅根据当前数据运行的机器，仅考虑当前情况。换句话说，反应性机器只能做出反应。它既没有记忆的能力，也没有利用过去的经验做出当前决策的能力。

反应式机器的典型例子是著名的 IBM 国际象棋程序 Deep Blue）。 1997年5月，它以3.5:2.5的比分击败了世界冠军加里·卡斯帕罗夫，成为第一个在标准比赛时限内击败世界象棋冠军的计算机系统。

深蓝看似拥有人类智能，但实际上，它只关注棋盘上当前的情况，并在可能的行动中做出决定。除了遵守重复的棋局不能连续发生三次的规则之外，与经验丰富的人类不同，它没有过去的概念。

当前的人工智能要么没有世界的概念，要么对其执行的特定任务只有极其有限和具体的概念。深蓝的创新之处在于它放弃了扩大计算机可能考虑的移动范围的想法。相反，开发商找到了一种方法，让它缩小“视角”，停止根据对某些举措后果的评估来采取一些可能的举措。同样，AlphaGo 无法评估所有走法，但它使用了比深蓝更复杂的方法：使用神经网络来评估比赛的走法。

这种类型的人工智能无法在专门领域之外工作，并且很容易被愚弄。他们无法交互地成为世界的一部分。显然，它们只是最基本的人工智能系统，并不能满足我们未来对人工智能系统能够真正与人类交互，甚至对周围环境做出现实反应的期望。

有限记忆人工智能

顾名思义，有限的记忆意味着人工智能可以通过研究过去的数据做出明智的决定。这种类型的人工智能具有短暂或暂时的记忆，可以用来存储过去的经验并评估未来的行动。

自动驾驶汽车就是这种类型的人工智能，它使用最近收集的数据来做出即时决策。例如，使用传感器识别过马路的行人、陡峭的道路和交通信号可以做出更好的驾驶决策，这有助于防止交通事故。

然而，自动驾驶汽车的历史信息是短暂的，无法像经验丰富的人类驾驶员一样存储在“经验库”中。这种类型的人工智能无法建立全面的“表征”，它无法记住自己的经历并学习如何应对新情况。

心智理论人工智能

心智理论是一个心理学术语，是人类理解自己和周围人的心理状态的能力。这个理论起源于哲学。进入心理学领域后，逐渐成为认知心理学和神经心理学的研究热点之一。心智理论是人类社会形成的关键。通过这一理论，人们可以更好地理解社会交往和互动的内在动力。试想，如果人类无法理解彼此的动机和意图，那么彼此之间的沟通与合作将变得极其困难，甚至不可能。

这种类型的人工智能比前两种更先进。它在心理学中发挥着重要作用，主要体现在机器“情商”的发展上。

如果人工智能系统能够真正与人类并肩行走，它们必须能够理解每个人都有想法和感受，理解人类的期望，并相应地调整自己的行为。这正是我们当前的人工智能和未来人工智能的样子。之间的重要区别。

自我意识人工智能

这是人工智能发展的最后一步：构建一个能够形成自身表征的系统。埃隆·马斯克和斯蒂芬·霍金等天才一直在警告我们人工智能的发展。让我们祈祷我们永远不会达到人工智能的这种状态。因为，在这种状态下，机器会有自己的意识，它可以感知自己，知道自己的内部状态，也可以预测别人的感受。目前，具有自我意识的人工智能离我们还很遥远。不过，未来还是有可能达到超级人工智能的阶段的。

人工智能研究领域

人工智能可以通过以下技术解决现实世界的问题：

机器学习

深度学习

自然语言处理

机器人

模糊逻辑

专家系统

机器学习

机器学习是借助机器解释、处理和分析数据以解决实际问题的科学。它的根源可以追溯到 1952 年由 IBM 工作的 Arthur Samuel（被誉为“机器学习之父”）设计的跳棋程序。机器学习分为三种类型，即监督学习、无监督学习和强化学习。

毫无疑问，机器学习帮助人类克服了我们认为阻碍人类水平人工智能发展的知识和常识瓶颈，因此很多人将机器学习视为人工智能的梦想。

深度学习

它是在高维数据上实施神经网络以获得洞察并形成解决方案的过程。深度学习是机器学习的一个高级领域，可用于解决更高级的问题。这是 Facebook、自动驾驶汽车、Siri 和 ALexa 等虚拟助手的面部认证算法背后的逻辑。

自然语言处理

自然语言处理是一门从人类自然语言中提取见解的科学，以便与机器进行通信并发展您的业务。它也是人工智能领域最古老、研究最多、要求最高的领域之一。任何开发智能系统的尝试最终似乎都会解决使用什么形式的标准进行通信的问题。例如，口头通信通常优于使用图形系统或基于数据的系统的通信。

在 20 世纪 40 年代和 20 世纪 50 年代，自然语言理解的基础是利用有限自动机、形式语法和概率建立的。然而，20世纪50年代和1960年代使用机器翻译语言的早期尝试被证明是徒劳的。 20世纪70年代，趋势倾向于使用符号方法和随机方法。进入21世纪后，随着机器学习的兴起，自然语言处理迎来新的突破，推动了随机过程、机器学习、信息抽取、问答等现有方法的应用。例如，Twitter使用自然语言处理技术来过滤推文中的恐怖语言，亚马逊则使用自然语言处理来了解客户评论并改善用户体验。

机器人

人工智能机器人是在现实世界环境中行动的人工代理，通过采取负责任的行动来产生结果。该领域在计算几何和视觉方面与人工智能密切相关。目前，在机器人领域，特别是嵌入式系统中，我们可以看到人工智能的多种表现形式，包括搜索算法、逻辑、专家系统、模糊逻辑、机器学习、神经网络、遗传算法、规划甚至游戏等。索菲亚是机器人领域人工智能的典型例子。

模糊逻辑

模糊逻辑是一种基于“现实”原理的计算方法，而不是通常意义上的现代计算机逻辑，即布尔逻辑。换句话说，我们得到的结果往往不是非黑即白、正面或负面的，而是“在一定程度上”。例如，机器人在实现目标的途中可能会遇到障碍，但机器人必须坚持实现目标。换句话说，机器人的世界不仅是离散的，它还取决于某些“自由度”，某些具有不同程度变化的属性，而不仅仅是产生“开”或“关”、“是”或“否” ” “结果。

模糊理论是Lotfi Zadeh（1921~）在1965年提出的。Zadeh最初并没有想到模糊逻辑可以被工业过程中的工程师用来控制和“智能”消费产品。后来，马克·霍普金斯发现了模糊逻辑在许多领域的应用，包括经济学、农业、航空航天、核科学、生物医学等等。事实上，模糊逻辑已经得到了广泛的应用。

专家系统

专家系统是包含某一领域大量专家级知识和经验的智能计算机程序系统。它可以利用人类专家的知识和解决问题的方法来处理该领域的问题。也就是说，专家系统是具有大量专业知识和经验的程序系统。它应用人工智能技术和计算机技术，根据某一领域的一名或多名专家提供的知识和经验，模拟人类专家进行推理和判断。为了解决需要人类专家处理的复杂问题的决策过程。简而言之，专家系统是模拟人类专家解决领域问题的计算机程序系统。 20多年来，知识工程、专家系统的理论和技术的研究不断发展，其应用几乎渗透到化学、数学、物理、生物、医学、农业、气象、地质等各个领域。勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计制造等多个领域已开发出数千种专家系统，其中许多已达到甚至超过了人类专家在同一领域的水平。领域在功能方面，并已生产实际应用。取得了巨大的经济效益。

专家系统使用 if-then 逻辑符号来解决复杂问题。他们不依赖于传统的过程编程。专家系统通常由六部分组成：人机交互界面、知识库、推理机、解释器、综合数据库、知识获取。其中，知识库和推理机是相互分离的，具有独特性。专家系统的体系结构随着专家系统的类型、功能和规模的不同而不同。专家系统的基本工作流程是用户通过人机界面回答系统的问题，推理机将用户输入的信息与知识库中各规则的条件进行匹配，并存储推理的结论。综合数据库中的匹配规则。最后，专家系统将得出最终结论并呈现给用户。