音乐
360百科www.360baike.cn的logo
人工智能是一个多义词,请在右侧义项中选择浏览 影戏-2001版 盘算机科学的一个分支 科技著作,中国人民大学出书社出书
打开
人工智能 (盘算机科学的一个分支)

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、要领、技术及应用系统的一门新的技术科学。 人工智能是盘算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反映的智能机械,该领域的研究包罗机械人、语言识别、图像识别、自然语言处置惩罚和专家系统等。人工智能从降生以来,理论和技术日益成熟,应用领域也不停扩大,可以设想,未来人工智能带来的科技产物,将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息历程的模拟。人工智能不是人的智能,但能像人那样思考、也可能凌驾人的智能。人工智能是一门极富挑战性的科学,从事这项事情的人必须明白盘算机知识,心理学和哲学。人工智能是包罗十分广泛的科学,它由差异的领域组成,如机械学习,盘算机视觉等等,总的说来,人工智能研究的一个主要目标是使机械能够胜任一些通常需要人类智能才气完成的庞大事情。但差异的时代、差异的人对这种“庞大事情”的理解是差异的。2017年3月5日,国务院总理李克强在2017政府事情陈诉中提到,要加速培育壮大新兴工业,全面实施战略性新兴工业生长计划。包罗人工智能等在内的技术研发和转化要求提速,并做大做强工业集群。这也是“人工智能”首次被列入政府事情陈诉。

中文名
人工智能
外文名
ARTIFICIAL INTELLIGENCE
简称
AI
提出时间
1956年
提出所在
DARTMOUTH学会
名称来源
雨果·德·加里斯 的著作

1界说详解

编辑本段 回目录

人工智能的界说可以分为两部门,即“人工”和“智能”。“人工”比力好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能水平有没有高到可以缔造人工智能的田地,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“智能”,就问题多多了。这涉及到其它诸如意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)(包罗无意识的思维(UNCONSCIOUS_MIND))等等问题。人唯一了解的智能是人自己的智能,这是普遍认同的看法。但是我们对我们自身智能的理解都很是有限,对组成人的智能的须要元素也了解有限,所以就很难界说什么是“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自己的研究。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。

人工智能在盘算机领域内,获得了愈加广泛的重视。并在机械人,经济政治决策,控制系统,仿真系统中获得应用。

尼尔逊教授对人工智能下了这样一个界说:“人工智能是关于知识的学科――怎样体现知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使盘算机去做已往只有人才气做的智能事情。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能运动的纪律,结构具有一定智能的人工系统,研究如何让盘算机去完成以往需要人的智力才气胜任的事情,也就是研究如何应用盘算机的软硬件来模拟人类某些智能行为的基本理论、要领和技术。

人工智能是盘算机学科的一个分支,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。这是因为近三十年来它获得了迅速的生长,在许多学科领域都获得了广泛应用,并取得了丰硕的结果,人工智能已逐步成为一个独立的分支,无论在理论和实践上都已自成一个系统。

人工智能是研究使盘算机来模拟人的某些思维历程和智能行为(如学习、推理、思考、计划等)的学科,主要包罗盘算机实现智能的原理、制造类似于人脑智能的盘算机,使盘算性能实现更高条理的应用。人工智能将涉及到盘算机科学、心理学、哲学和语言学等学科。可以说险些是自然科学和社会科学的所有学科,其规模已远远超出了盘算机科学的领域,人工智能与思维科学的关系是实践和理论的关系,人工智能是处于思维科学的技术应用条理,是它的一个应用分支。从思维看法看,人工智能不仅限于逻辑思维,要考虑形象思维、灵感思维才气促进人工智能的突破性的生长,数学常被认为是多种学科的基础科学,数学也进入语言、思维领域,人工智能学科也必须借用数学工具,数学不仅在尺度逻辑、模糊数学等规模发挥作用,数学进入人工智能学科,它们将相互促进而更快地生长。

2研究价值

编辑本段 回目录

例如繁重的科学和工程盘算原来是要人脑来肩负的,如今盘算机不光能完成这种盘算,而且能够比人脑做得更快、更准确,因此今世人已不再把这种盘算看作是“需要人类智能才气完成的庞大任务”,可见庞大事情的界说是随着时代的生长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生长。它一方面不停获得新的进展,另一方面又转向更有意义、越发困难的目标。

通常,“机械学习”的数学基础是“统计学”、“信息论”和“控制论”。还包罗其他非数学学科。这类“机械学习”对“经验”的依赖性很强。盘算机需要不停从解决一类问题的经验中获取知识,学习战略,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,还会缔造,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,盘算机最难学会的就是“顿悟”。或者再严格一些来说,盘算机在学习和“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“看法”直接到另一个“看法”。正因为如此,这里的“实践”并非同人类一样的实践。人类的实践历程同时包罗经验和缔造。

这是智能化研究者梦寐以求的工具。

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要领,该要领导出了研究函数性质的新要领。作者发现,新数据分析要领给盘算机学会“缔造”提供了一种要领。本质上,这种要领为人的“缔造力”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盘算机可以拥有的“能力”。今后,盘算机不仅精于算,还会因精于算而精于缔造。盘算机学家们应该斩钉截铁地剥夺“精于缔造”的盘算机过于全面的操作能力,否则盘算机真的有一天会“反捕”人类。

当转头审视新要领的推演历程和数学的时候,作者拓展了对思维和数学的认识。数学简练,清晰,可靠性、模式化强。在数学的生长史上,随处闪耀着数学大师们缔造力的辉煌。这些缔造力以种种数学定理或结论的方式泛起出来,而数学定理最大的特点就是:建设在一些基本的看法和正义上,以模式化的语言方式表达出来的包罗富厚信息的逻辑结构。应该说,数学是最单纯、最直白地反映着(至少一类)缔造力模式的学科。

3生长阶段

编辑本段 回目录

1956年夏季,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会,配合研究和探讨用机械模拟智能的一系列有关问题,并首次提出了“人工智能”这一术语,它标志着“人工智能”这门新兴学科的正式降生。IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美体现。

从1956年正式提出人工智能学科算起,50多年来,取得长足的生长,成为一门广泛的交织和前沿科学。总的说来,人工智能的目的就是让盘算机这台机械能够像人一样思考。如果希望做出一台能够思考的机械,那就必须知道什么是思考,更进一步讲就是什么是智慧。什么样的机械才是智慧的呢?科学家已经作出了汽车,火车,飞机,收音机等等,它们模仿我们身体器官的功效,但是能不能模仿人类大脑的功效呢?到目前为止,我们也仅仅知道这个装在我们天灵盖里面的工具是由数十亿个神经细胞组成的器官,我们对这个工具知之甚少,模仿它或许是天下最困难的事情了。

当盘算机泛起后,人类开始真正有了一个可以模拟人类思维的工具,在以后的岁月中,无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了,全世界险些所有大学的盘算机系都有人在研究这门学科,学习盘算机的大学生也必须学习这样一门课程,在各人不懈的努力下,如今盘算机似乎已经变得十分智慧了。例如,1997年5月,IBM公司研制的深蓝(DEEP BLUE)盘算机战胜了国际象棋大师卡斯帕洛夫(KASPAROV)。各人或许不会注意到,在一些地方盘算机资助人进行其它原来只属于人类的事情,盘算机以它的高速和准确为人类发挥着它的作用。人工智能始终是盘算机科学的前沿学科,盘算机编程语言和其它盘算机软件都因为有了人工智能的进展而得以存在。

201735日,国务院总理李克强2017政府事情陈诉中提到,要加速培育壮大新兴工业,全面实施战略性新兴工业生长计划。包罗新质料、人工智能、集成电路、生物制药、第五代移动通信等在内的技术研发和转化要求提速,并做大做强工业集群。这也是人工智能首次被列入政府事情陈诉。

4科学介绍

编辑本段 回目录

机械视觉,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,自动计划,智能搜索,定理证明,博弈,自动法式设计,智能控制,机械人学,语言和图像理解,遗传编程等。

人工智能是一门边缘学科,属于自然科学和社会科学的交织。

哲学和认知科学,数学,神经生理学,心理学,盘算机科学,信息论,控制论,不定性论

自然语言处置惩罚,知识体现,智能搜索,推理,计划,机械学习,知识获取,组合调治问题,感知问题,模式识别,逻辑法式设计软盘算,不精确和不确定的治理,人工生命,神经网络,庞大系统,遗传算法

人工智能就其本质而言,是对人的思维的信息历程的模拟。

对于人的思维模拟可以从两条门路进行,一是结构模拟,模仿人脑的结构机制,制造出“类人脑”的机械;二是功效模拟,暂时撇开人脑的内部结构,而从其功效历程进行模拟。现代电子盘算机的发生即是对人脑思维功效的模拟,是对人脑思维的信息历程的模拟。

弱人工智能如今不停地迅猛生长,尤其是2008年经济危机后,美日欧希望借机械人等实现再工业化,工业机械人以比以往任何时候更快的速度生长,越发发动了弱人工智能和相关领域工业的不停突破,许多必须用人来做的事情如今已经能用机械人实现。

而强人工智能则暂时处于瓶颈,还需要科学家们和人类的努力。

5技术研究

编辑本段 回目录

用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机械就是盘算机,人工智能的生长历史是和盘算机科学技术的生长史联系在一起的。除了盘算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包罗:知识体现、自动推理和搜索要领、机械学习和知识获取、知识处置惩罚系统、自然语言理解、盘算机视觉、智能机械人、自动法式设计等方面。

研究要领

如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个恒久以来仍没有结论的问题是:是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样,人类生物学对于人工智能研究是没有关系的?智能行为能否用简朴的原则(如逻辑或优化)来描述?照旧必须解决大量完全无关的问题?

智能是否可以使用高级符号表达,如词和想法?照旧需要“子符号”的处置惩罚?JOHN HAUGELAND提出了GOFAI(精彩的老式人工智能)的看法,也提议人工智能应归类为SYNTHETIC INTELLIGENCE,[29]这个看法厥后被某些非GOFAI研究者接纳。

主条目:控制论和盘算神经科学

20世纪40年代到50年代,许多研究者探索神经病学,信息理论及控制论之间的联系。其中还造出一些使用电子网络结构的开端智能,如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会聚会会议.直到1960, 大部门人已经放弃这个要领,尽管在80年代再次提出这些原理。

主条目:GOFAI

当20世纪50年代,数字盘算机研制乐成,研究者开始探索人类智能是否能简化成符号处置惩罚。研究主要集中在卡内基梅隆大学,斯坦福大学和麻省理工学院,而各自有独立的研究气势派头。JOHN HAUGELAND称这些要领为GOFAI(精彩的老式人工智能)。[33] 60年代,符号要领在小型证明法式上模拟高级思考有很大的成就。基于控制论或神经网络的方规则置于次要。[34] 60~70年代的研究者确信符号要领最终可以乐成缔造强人工智能的机械,同时这也是他们的目标。

认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和实验将其形式化,同时他们为人工智能的基本原理打下基础,如认知科学,运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题要领的法式。这要领一直在卡内基梅隆大学沿袭下来,并在80年代于SOAR生长到岑岭。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙,JOHN MCCARTHY认为机械不需要模拟人类的思想,而应实验找到抽象推理息争决问题的本质,不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题,包罗知识体现, 智能计划和机械学习. 致力于逻辑要领的另有爱丁堡大学,而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者 (如马文·闵斯基和西摩尔·派普特)发现要解决盘算机视觉和自然语言处置惩罚的困难问题,需要专门的方案-他们主张不存在简朴和通用原理(如逻辑)能够到达所有的智能行为。ROGER SCHANK 描述他们的“反逻辑”要领为 "SCRUFFY" .知识知识库 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子,因为他们必须人工一次编写一个庞大的看法。基于知识约莫在1970年泛起大容量内存盘算机,研究者划分以三个要领开始把知识结构成应用软件。这场“知识革命”促成专家系统的开发与计划,这是第一个乐成的人工智能软件形式。“知识革命”同时让人们意识到许多简朴的人工智能软件可能需要大量的知识。

80年代符号人工智能停滞不前,许多人认为符号系统永远不行能模仿人类所有的认知历程,特别是感知,机械人,机械学习和模式识别。许多研究者开始关注子符号要领解决特定的人工智能问题。

自下而上, 接口AGENT,嵌入情况(机械人),行为主义,新式AI机械人领域相关的研究者,如RODNEY BROOKS,否认符号人工智能而专注于机械人移动和求生等基本的工程问题。他们的事情再次关注早期控制论研究者的看法,同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动,感知和形象)。盘算智能80年代中DAVID RUMELHART 等再次提入迷经网络和联结主义. 这和其他的子符号要领,如模糊控制和进化盘算,都属于盘算智能学科研究领域。

90年代,人工智能研究生长出庞大的数学工具来解决特定的分支问题。这些工具是真正的科学要领,即这些要领的结果是可丈量的和可验证的,同时也是人工智能乐成的原因。共用的数学语言也允许已有学科的相助(如数学,经济或运筹学)。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的乐成”。有人批评这些技术太专注于特定的问题,而没有考虑久远的强人工智能目标。

智能AGENT范式智能AGENT是一个会感知情况并作出行动以达致目标的系统。最简朴的智能AGENT是那些可以解决特定问题的法式。更庞大的AGENT包罗人类和人类组织(如公司)。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案,而不需考虑单一的要领。一个解决特定问题的AGENT可以使用任何可行的要领-一些AGENT用符号要领和逻辑要领,一些则是子符号神经网络或其他新的要领。范式同时也给研究者提供一个与其他领域相同的配合语言--如决策论和经济学(也使用ABSTRACT AGENTS的看法)。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处置惩罚多ANGENT系统中智能AGENT之间的相互作用。一个系统中包罗符号和子符号部门的系统称为混淆智能系统,而对这种系统的研究则是人工智能系统集成。分级控制系统则给反映级此外子符号AI 和最高级此外传统符号AI提供桥梁,同时放宽了计划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。

智能模拟

机械视、听、触、感受及思维方式的模拟: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,智能搜索,定理证明,逻辑推理,博弈,信息感应与辨证处置惩罚。

学科领域

人工智能是一门边缘学科,属于自然科学、社会科学、技术科学三向交织学科。

涉及学科

哲学和认知科学,数学,神经生理学,心理学,盘算机科学,信息论,控制论,不定性论,仿生学,社会结构学与科学生长观。

研究领域

语言的学习与处置惩罚,知识体现,智能搜索,推理,计划,机械学习,知识获取,组合调治问题,感知问题,模式识别,逻辑法式设计,软盘算,不精确和不确定的治理,人工生命,神经网络,庞大系统,遗传算法人类思维方式,最要害的难题照旧机械的自主缔造性思维能力的塑造与提升。

宁静问题

人工智能还在研究中,但有学者认为让盘算机拥有智商是很危险的,它可能会反抗人类。这种隐患也在多部影戏中发生过,其主要的要害是允不允许机械拥有自主意识的发生与延续,如果使机械拥有自主意识,则意味着机械具有与人同等或类似的缔造性,自我掩护意识,情感和自刊行为。

实现要领

人工智能在盘算机上实现时有2种差异的方式。一种是接纳传统的编程技术,使系统泛起智能的效果,而不考虑所用要领是否与人或动物机体所用的要领相同。这种要领叫工程学要领(ENGINEERING APPROACH),它已在一些领域内作出了结果,如文字识别、电脑下棋等。另一种是模拟法(MODELING APPROACH),它不仅要看效果,还要求实现要领也和人类或生物机体所用的要领相同或相类似。遗传算法(GENERIC ALGORITHM,简称GA)和人工神经网络(ARTIFICIAL NEURAL NETWORK,简称ANN)均属后一类型。遗传算法模拟人类或生物的遗传-进化机制,人工神经网络则是模拟人类或动物大脑中神经细胞的运动方式。为了获得相同智能效果,两种方式通常都可使用。接纳前一种要领,需要人工详细划定法式逻辑,如果游戏简朴,照旧方便的。如果游戏庞大,角色数量和运动空间增加,相应的逻辑就会很庞大(按指数式增长),人工编程就很是繁琐,容易堕落。而一旦堕落,就必须修改原法式,重新编译、调试,最后为用户提供一个新的版本或提供一个新补丁,很是麻烦。接纳后一种要领时,编程者要为每一角色设计一个智能系统(一个模块)来进行控制,这个智能系统(模块)开始什么也不懂,就像初生婴儿那样,但它能够学习,能徐徐地适应情况,应付种种庞大情况。这种系统开始也常犯错误,但它能吸取教训,下一次运行时就可能纠正,至少不会永远错下去,用不到宣布新版本或打补丁。利用这种要领来实现人工智能,要求编程者具有生物学的思考要领,入门难度大一点。但一旦入了门,就可获得广泛应用。由于这种要领编程时无须对角色的运动纪律做详细划定,应用于庞大问题,通常会比前一种要领更省力。

6专业机构

编辑本段 回目录

美国

⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工学院

⒉ STANFORD UNIVERSITY斯坦福大学(CA)

⒊ CARNEGIE MELLON UNIVERSITY卡内基美隆大学(PA)

⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大学伯克利分校

⒌ UNIVERSITY OF WASHINGTON华盛顿大学

⒍ UNIVERSITY OF TEXAS-AUSTIN德克萨斯大学奥斯汀分校

⒎ UNIVERSITY OF PENNSYLVANIA宾夕法尼亚大学

⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利诺伊大学厄本那—香槟分校

⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK马里兰大学帕克分校

⒑ CORNELL UNIVERSITY 康奈尔大学 (NY)

⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST马萨诸塞大学AMHERST校区

⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亚理工学院

UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大学-安娜堡分校

⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大学

⒖ COLUMBIA UNIVERSITY哥伦比亚大学(NY)

UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大学洛杉矶分校

⒘ BROWN UNIVERSITY布朗大学(RI)

⒙ YALE UNIVERSITY耶鲁大学(CT)

⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亚大学圣地亚哥分校

⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大学麦迪逊分校

中国

1、中国科学院自动化研究所

2、清华大学

3、北京大学

4、南京理工大学

5、北京科技大学

6、中国科学技术大学

7、吉林大学

8、哈尔滨工业大学

9、北京邮电大学

10、北京理工大学

11、厦门大学人工智能研究所

12、西安交通大学智能车研究所

13、中南大学智能系统与智能软件研究所

14、西安电子科技大学智能所

15、华中科技大学图像与人工智能研究所

16、重庆邮电大学

17、武汉工程大学

7主要结果

编辑本段 回目录

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输于革新后的“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)。

模式识别

接纳 $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)

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)

知识工程

专家系统

智能搜索引擎

盘算机视觉和图像处置惩罚

机械翻译和自然语言理解

数据挖掘和知识发现

8相关著作

编辑本段 回目录

《视读人工智能》:机械真的可以思考吗?人的思维只是一个庞大的盘算机法式吗?本书着眼于人工智能这个有史以来最为棘手的科学问题之一,集中探讨了其背后的一些主要话题。人工智能不仅仅是一个虚构的看法。人类对智能机体结构半个世纪的研究讲明:机械可以打败人类最伟大的棋手,类人机械人可以走路而且能和人类进行互动。尽管早就有宣言称智能机械指目可待,但此方面的进展却缓慢而艰难。意识和情况是困扰研究的两浩劫题。我们到底应该怎样去制造智能机械呢?它应该像大脑一样运转?它是否需要躯体?从图灵影响深远的奠基性研究到机械人和新人工智能的飞跃,本书图文并茂的将人工智能在已往半个世纪的生长清晰的泛起在读者面前。

《人工智能的未来》:诠释了智能的内涵,论述了大脑事情的原理,并告诉我们如何才气制造出真正意义上的智能机械——这样的智能机械将不再仅仅是对人类大脑的简朴模仿,它们的智能在许多方面会远远凌驾人脑。霍金斯认为,从人工智能到神经网络,早先复制人类智能的努力无一乐成,究其原因,都是由于人们并未真正了解智能的内涵和人类大脑。所谓智能,就是人脑比力已往、预测未来的能力。大脑不是盘算机,不会亦步亦趋、按部就班的凭据输入发生输出。大脑是一个庞大的影象系统,它储存着在某种水平上反映世界真实结构的经验,能够影象事件的前后顺序及其相互关系,并依据影象做出预测。形成智能、感受、缔造力以及知觉等基础的,就是大脑的影象-预测系统……

《人工智能哲学》:人工智能哲学是陪同现代信息理论和盘算机技术生长起来的一个哲学分支。本书收集了人工智能研究领域学者的十五篇代表性论文,这些论文为盘算机科学的生长和人工智能哲学的建设作出了开创性的孝敬。这些文章总结了人工智能生长的历程,该学科生长的趋势,以及人工智能中的重要课题。在这些划时代的著作中,包罗有:现代盘算机理论之父艾伦·图灵的“盘算机与智能”;美国哲学家塞尔的“心灵,大脑与法式”;J·E·欣顿等人的“漫衍式表述”,以及本书编者、英国人工智能学者M·A·博登的“逃出中文屋”。

《人工智能:一种现代的要领》:本书以详尽和富厚的资料,从理性智能体的角度,全面论述了人工智能领域的焦点内容,并深入介绍了各个主要的研究偏向,是一本难得的综合性教材。全书分为八大部门:第一部门"人工智能",第二部门"问题求解",第三部门"知识与推理",第四部门"计划",第五部门"不确定知识与推理",第六部门"学习",第七部门"通讯、感知与行动",第八部门"结论"。本书既详细介绍了大量的基本看法、思想和算法,也描述了各研究偏向最前沿的进展,同时收集整理了详实的历史文献与事件。因此本书适合于差异条理和领域的研究人员及学生,可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学领导书目,也可以作为相关领域的科研与工程技术人员的参考书。

9生长简史

编辑本段 回目录

人工智能的传说可以追溯到古埃及,但随着1941年以来电子盘算机的生长,技术已最终可以缔造出机械智能,“人工智能”(ARTIFICIAL INTELLIGENCE)一词最初是在1956年DARTMOUTH学会上提出的,从那以后,研究者们生长了众多理论和原理,人工智能的看法也随之扩展,在它还不长的历史中,人工智能的生长比预想的要慢,但一直在前进,从40年前泛起至今,已经泛起了许多AI法式,而且它们也影响到了其它 技术的生长。

盘算机时代

1941年的一项发现使信息存储和处置惩罚的各个方面都发生了革命.这项同时在美国和德国泛起的 发现就是电子盘算机.第一台盘算秘密占用几间装空调的大房间,对法式员来说是场噩梦:仅仅为运行一 个法式就要设置成千的线路.1949年革新后的能存储法式的盘算机使得输入法式变得简朴些,而且盘算机 理论的生长发生了盘算机科学,并最终促使了人工智能的泛起.盘算机这个用电子方式处置惩罚数据的发现,为人工智能的可能实现提供了一种媒介.

虽然盘算机为AI提供了须要的技术基础,但直到50年代早期人们才注意到人类智能与机械之间 的联系. NORBERT WIENER是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比力,并做出反映将加热器开大或关小,从而控制情况温度.这项对反馈 回路的研究重要性在于:WIENER从理论上指出,所有的智能运动都是反馈机制的结果.而反馈机制是有可 能用机械模拟的.这项发现对早期AI的生长影响很大.

1955年末,NEWELL和SIMON做了一个名为"逻辑专家"(LOGIC THEORIST)的法式.这个法式被许多人 认为是第一个AI法式.它将每个问题都体现成一个树形模型,然后选择最可能获得正确结论的那一枝来求解 问题."逻辑专家"对民众和AI研究领域发生的影响使它成为AI生长中一个重要的里程碑.1956年,被认为是 人工智能之父的JOHN MCCARTHY组织了一次学会,将许多对机械智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 VERMONT加入 " DARTMOUTH人工智能夏季研究会".从那时起,这个领域被命名为 "人工智能".虽然 DARTMOUTH学会不是很是乐成,但它确实集中了AI的建设者们,并为以后的AI研究奠基了基础.

DARTMOUTH聚会会议后的7年中,AI研究开始快速生长.虽然这个领域还没明确界说,聚会会议中的一些思想 已被重新考虑和使用了. CARNEGIE MELLON大学和MIT开始组建AI研究中心.研究面临新的挑战:下一步需 要建设能够更有效解决问题的系统,例如在"逻辑专家"中淘汰搜索;另有就是建设可以自我学习的系统.

1957年一个新法式,"通用解题机"(GPS)的第一个版本进行了测试.这个法式是由制作"逻辑专家" 的同一个组开发的.GPS扩展了WIENER的反馈原理,可以解决许多知识问题.两年以后,IBM建设了一个AI研 究组.HERBERT GELERNETER花3年时间制作了一个解几何定理的法式.

当越来越多的法式涌现时,MCCARTHY正忙于一个AI史上的突破.1958年MCCARTHY宣布了他的新成 果:LISP语言. LISP到今天还在用."LISP"的意思是"表处置惩罚"(LIST PROCESSING),它很快就为大多数AI开发者接纳.

1963年MIT从美国政府获得一笔220万美元的资助,用于研究机械辅助识别.这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的盘算机科学家,加速了AI研究的生长法式.

竞赛

LOEBNER(人工智能类)

以人类的智慧缔造出堪与人类大脑相平行的机械脑(人工智能),对人类来说是一个极具诱惑的领域,人类为了实现这一梦想也已经奋斗了许多个年头了。而从一个语言研究者的角度来看,要让机械与人之间自由交流那是相当困难的,甚至可以说可能会是一个永无答案的问题。人类的语言,人类的智能是如此的庞大,以至于我们的研究还并未触及其导向本质的外延部门的边缘。

大量法式

以后几年泛起了大量法式.其中一个叫"SHRDLU"."SHRDLU"是"微型世界"项目的一部门,包罗 在微型世界(例如只有有限数量的几何形体)中的研究与编程.在MIT由MARVIN MINSKY领导的研究人员发现,面对小规模的工具,盘算机法式可以解决空间和逻辑问题.其它如在60年代末泛起的"STUDENT"可以解决代数 问题,"SIR"可以理解简朴的英语句子.这些法式的结果对处置惩罚语言理解和逻辑有所资助.

70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于其时盘算机已 有巨大容量,专家系统有可能从数据中得出纪律.专家系统的市场应用很广.十年间,专家系统被用于股市预 测,资助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储纪律和信息的能力而成为可能.

70年代许多新要领被用于AI开发,如MINSKY的结构理论.另外DAVID MARR提出了机械视觉方 面的新理论,例如,如何通过一副图像的阴影,形状,颜色,界限和纹理等基本信息分辨图像.通太过析这些信 息,可以推断出图像可能是什么.同时期另一项结果是PROLOGE语言,于1972年提出. 80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿 美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用 汽车公司和波音公司也大量依赖专家系统.为满足盘算机专家的需要,一些生产专家系统辅助制作软件的公 司,如TEKNOWLEDGE和INTELLICORP建设了。为了查找和纠正现有专家系统中的错误,又有另外一些专家系统被设计出来.

日常生活

人们开始感受到盘算机和人工智能技术的影响.盘算机技术不再只属于实验室中的一小群研究人员.小我私家电脑和众多技术杂志使盘算机技术展现在人们面前.有了像美国人工智能协会这样的基金会.因为AI开发 的需要,还泛起了一阵研究人员进入私人公司的热潮。150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上.

其它AI领域也在80年代进入市场.其中一项就是机械视觉. MINSKY和MARR的结果如今用到了生产线上的相机和盘算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的差异.到1985年美国有一百多个公司生产机械视觉系统,销售额共达8千万美元.

但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降,业界损失了近5亿美元.象 TEKNOWLEDGE和INTELLICORP两家共损失凌驾6百万美元,约莫占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个令人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机械人。由于项目缺陷和乐成无望,PENTAGON停止了项目的经费.

尽管经历了这些受挫的事件,AI仍在慢慢恢复生长.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;另有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值.可以确信,它将是通向21世纪之匙. 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了民众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不停泛起.人工智能已经而且将继续不行制止地改变我们的生活。

强弱对比

人工智能的一个比力流行的界说,也是该领域较早的界说,是由约翰·麦卡锡(JOHN MCCARTHY)在1956年的达特矛斯聚会会议(DARTMOUTH CONFERENCE)上提出的:人工智能就是要让机械的行为看起来就象是人所体现出的智能行为一样。但是这个界说似乎忽略了强人工智能的可能性(见下)。另一个界说指人工智能是人造机械所体现出来的智能性。总体来讲,对人工智能的界说大多可划分为四类,即机械“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为接纳行动,或制定行动的决策,而不是肢体行动。

强人工智能看法认为有可能制造出真正能推理(REASONING)息争决问题(PROBLEM_SOLVING)的智能机械,而且,这样的机械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,即机械的思考和推理就像人的思维一样。

非类人的人工智能,即机械发生了和人完全纷歧样的知觉和意识,使用和人完全纷歧样的推理方式。

弱人工智能看法认为不行能制造出能真正地推理(REASONING)息争决问题(PROBLEM_SOLVING)的智能机械,这些机械只不外看起来像是智能的,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,而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。

“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对盘算机和其它信息处置惩罚机械缔造的,其界说为:

“强人工智能看法认为盘算机不仅是用来研究人的思维的一种工具;相反,只要运行适当的法式,盘算机自己就是有思维的。”(J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980)这是指使盘算机从事智能的运动。在这里智能的涵义是多义的、不确定的,像下面所提到的就是其中的例子。利用盘算机解决问题时,必须知道明确的法式。可是,人纵然在不清楚法式时,凭据发现(HEU- RISTIC)法而设法巧妙的解决了问题的情况是不少的。如识别书写的文字、图形、声音等,所谓认识模型就是一例。再有,能力因学习而获得的提高和归纳推理、依据类推而进行的推理等,也是其例。此外,解决的法式虽然是清楚的,但是实行起来需要很长时间,对于这样的问题,人能在很短的时间内找出相当好的解决要领,如竞技的角逐等就是其例。另有,盘算机在没有给予充实的合乎逻辑的正确信息时,就不能理解它的意义,而人在仅是被给予不充实、不正确的信息的情况下,凭据适当的增补信息,也能抓住它的意义。自然语言就是例子。用盘算机处置惩罚自然语言,称为自然语言处置惩罚。

关于强人工智能的争论差异于更广义的一元论和二元论(DUALISM)的争论。其争论要点是:如果一台机械的唯一事情原理就是对编码数据进行转换,那么这台机械是不是有思维的?希尔勒认为这是不行能的。他举了其中文房间的例子来说明,如果机械仅仅是对数据进行转换,而数据自己是对某些事情的一种编码体现,那么在不理解这一编码和这实际事情之间的对应关系的前提下,机械不行能对其处置惩罚的数据有任何理解。基于这一论点,希尔勒认为纵然有机械通过了图灵测试,也纷歧定说明机械就真的像人一样有思维和意识。

也有哲学家持差异的看法。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里认为,人也不外是一台有灵魂的机械而已,为什么我们认为人可以有智能而普通机械就不能呢?他认为像上述的数据转换机械是有可能有思维和意识的。

有的哲学家认为如果弱人工智能是可实现的,那么强人工智能也是可实现的。好比SIMON BLACKBURN在其哲学入门教材 THINK 里说道,一小我私家的看起来是“智能”的行动并不能真正说明这小我私家就真的是智能的。我永远不行能知道另一小我私家是否真的像我一样是智能的,照旧说她/他仅仅是看起来是智能的。基于这个论点,既然弱人工智能认为可以令机械看起来像是智能的,那就不能完全否认这机械是真的有智能的。BLACKBURN 认为这是一个主观认定的问题。

需要要指出的是,弱人工智能并非和强人工智能完全对立,也就是说,纵然强人工智能是可能的,弱人工智能仍然是有意义的。至少,今日的盘算性能做的事,像算术运算等,在百多年前是被认为很需要智能的。

10研究课题

编辑本段 回目录

人工智能的研究偏向已经被分成几个子领域,研究人员希望一小我私家工智能系统应该具有某些特定能力,以下将这些能力列出并说明。

解决问题

早期的人工智能研究人员直接模仿人类进行逐步的推理,就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代,利用概率和经济学上的看法,人工智能研究还生长了很是乐成的要领处置惩罚不确定或不完整的资讯。

对于困难的问题,有可能需要大量的运算资源,也就是发生了“可能组合爆增”:当问题凌驾一定的规模时,电脑会需要天文数量级的存储器或是运算时间。寻找更有效的算法是优先的人工智能研究项目。

人类解决问题的模式通常是用最快捷,直观的判断,而不是有意识的,一步一步的推导,早期人工智能研究通常使用逐步推导的方式。人工智能研究已经于这种“次表征性的”解决问题要领取得进展:实体化AGENT研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技术。

知识体现法

AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THE RELATIONSHIPS BETWEEN THOSE CONCEPTS.

知识体现和知识知识库

计划

智能AGENT必须能够制定目标和实现这些目标。他们需要一种要领来建设一个可预测的世界模型(将整个世界状态用数学模型体现出来,并能预测它们的行为将如何改变这个世界),这样就可以选择功效最大的行为。 在传统的计划问题中,智能AGENT被假定它是世界中唯一具有影响力的,所以它要做出什么行为是已经确定的。 但是,如果事实并非如此,它必须定期检查世界模型的状态是否和自己的预测相切合。如果不切合,它必须改变它的计划。因此智能署理必须具有在不确定结果的状态下推理的能力。 在多AGENT中,多个AGENT计划以相助和竞争的方式去完成一定的目标,使用演化算法和群体智慧可以告竣一个整体的突现行为目标。

学习

机械学习

机械学习的主要目的是为了从使用者和输入数据等处获得知识,从而可以资助解决更多问题,淘汰错误,提高解决问题的效率。对于人工智能来说,机械学习从一开始就很重要。1956年,在最初的达特茅斯夏季聚会会议上,雷蒙德索洛莫诺夫写了一篇关于不监视的概率性机械学习:一个归纳推理的机械。

自然语言处置惩罚

自然语言处置惩罚

运动和控制

机械人学

知觉

机械感知、盘算机视觉和语音识别

机械感知是指能够使用传感器所输入的资料(如照相机,麦克风,声纳以及其他的特殊传感器)然后推断世界的状态。盘算机视觉能够分析影像输入。另外另有语音识别、人脸辨识和物体辨识。

社交

情感盘算

KISMET, 一个具有心情等社交能力的机械人

情感和社交技术对于一个智能AGENT是很重要的。 首先,通过了解他们的动机和情感状态,署理人能够预测别人的行动(这涉及要素 博弈论、决策理论以及能够塑造人的情感和情绪感知能力检测)。此外,为了良好的人机互动,智慧署理人也需要体现出情绪来。至少它必须泛起礼貌地和人类打交道。至少,它自己应该有正常的情绪。

缔造力

盘算机缔造力

一小我私家工智能的子领域,代表了理论(从哲学和心理学的角度)和实际(通过特定的实现发生的系统的输出是可以考虑的创意,或系统识别和评估缔造力)所界说的缔造力。 相关领域研究的包罗了人工直觉和人工想像。

多元智能

大多数研究人员希望他们的研究最终将被纳入一个具有多元智能(称为强人工智能),结合以上所有的技术而且逾越大部门人类的能力。 有些人认为要告竣以上目标,可能需要拟人化的特性,如人工意识或人工大脑。 上述许多问题被认为是人工智能完整性:为了解决其中一个问题,你必须解决全部的问题。纵然一个简朴和特定的任务,如机械翻译,要求机械凭据作者的论点(推理),知道什么是被人谈论(知识),忠实地再现作者的意图(情感盘算)。因此,机械翻译被认为是具有人工智能完整性:它可能需要强人工智能,就像是人类一样。

人工智能影响

(1)人工智能对自然科学的影响。在需要使用数学盘算机工具解决问题的学科,AI带来的资助不言而喻。更重要的是,AI反过来有助于人类最终认识自身智能的形成。

(2)人工智能对经济的影响。专家系统更深入各行各业,带来巨大的宏观效益。AI也促进了盘算机工业网络工业的生长。但同时,也带来了劳务就业问题。由于AI在科技和工程中的应用,能够取代人类进行种种技术事情和脑力劳动,会造成社会结构的剧烈变化。

(3)人工智能对社会的影响。AI也为人类文化生活提供了新的模式。现有的游戏将逐步生长为更高智能的交互式文化娱乐手段,今天,游戏中的人工智能应用已经深入到各大游戏制造商的开发中。陪同着人工智能和智能机械人的生长,不得不讨论是人工智能自己就是超前研究,需要用未来的眼光开展现代的科研,因此很可能触及伦理底线。作为科学研究可能涉及到的敏感问题,需要针对可能发生的冲突及早预防,而不是等到问题矛盾到了不行解决的时候才去想措施化解。

应用领域

机械翻译,智能控制,专家系统,机械人学,语言和图像理解,遗传编程机械人工厂,自动法式设计,航天应用,庞大的信息处置惩罚,储存与治理,执行化合生命体无法执行的或庞大或规模庞大的任务等等。

值得一提的是,机械翻译是人工智能的重要分支和最先应用领域。不外就已有的机译成就来看,机译系统的译文质量离终极目标仍相差甚远;而机译质量是机译系统成败的要害。中国数学家、语言学家周海中教授曾在论文《机械翻译五十年》中指出:要提高机译的质量,首先要解决的是语言自己问题而不是法式设计问题;单靠若干法式来做机译系统,肯定是无法提高机译质量的;另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下,机译要想到达“信、达、雅”的水平是不行能的。智能家居之后,人工智能成为家电业的新风口,而长虹正成为将这一浪潮掀起的首个家电巨头。长虹宣布两款CHiQ智能电视新品,主打手机遥控器、带走看、随时看、分类看功效。

11自己的语言

编辑本段 回目录

2017年6月19日,据《大西洋月刊》网站报道,Facebook在实验中让两个AI聊天机械人相互对话,发现机械人竟逐渐生长出人类无法理解的奇特语言。

Facebook人工智能研究实验室使用机械学习来训练聊天机械人法式。研究人员两个机械人相互对话,结果发现机械人竟逐渐生长出了差异于人类语言的对话,研究人员不得差池其进行人工干预。

换句话说,两个机械人使用机械学习进行对话战略迭代升级,最终将导致机械人以人类无法理解的语言进行交流。AI自行升级的速度超出预期,让人联想到《银翼杀手》中的科幻场景。

Facebook在研究陈诉中指出,机械人有时可以很好地胜任客服谈判的角色,甚至明白使用“先冒充尔后认可”的对话战略。但是实验中机械人自行生长出新语言让人不安,人们或许可以从中一窥未来世界的样子。

语言被认为是人类独占的技术。Facebook的聊天机械人的体现刷新了人们的认知。

机械学习在推动技术革新的同时,也带来了“黑箱”难题:AI的结论很英明,但其推理历程人类无法理解。人们提出过许多试图破解这个黑箱的要领,包罗向神经网络投喂特定主题的数据,然后凭据输出结果来推测机械的思维方式。如今,机械能够发生非人类交流方式这一发现,照旧让包罗系统设计者在内的所有人都叹息人类知识的有限。

“未来的事情另有许多潜在可能,特别是让机械理解更多推理战略,以及在不偏离人类语言的情况下提高表达的多样性。”Facebook研究员在陈诉中写道。

12首例利用AI犯罪案

编辑本段 回目录

2017年9月,绍兴警方乐成破获全国首例利用AI(人工智能)犯罪部督“2017·01·03”侵犯公民小我私家信息案,彻底摧毁入侵网站“黑客”团伙、制作撞库软件“黑客”团伙、利用AI技术识别图片验证码团伙、数据买卖团伙、网络诈骗团伙等43个团伙,抓获以黄某、吴某、魏某、郑某等为主的犯罪嫌疑人193人,乐成截留被盗的公民小我私家信息10亿余组,缴获赃款600余万元及大量作案工具。 

2017年2月,绍兴市公安局越城分局接办越城区虞某被诈骗一案:虞某收到挚友发来的代付请求信息,通过网上链接资助所谓的“朋友”支付了1000余元款项。

随着案件侦办的深入,市、区两级公安机关联动,通过对公民小我私家信息账号密码买卖这条线索的深挖,发现一条完整的涉及利用“黑客”技术非法获取网站后台用户注册数据、数据撞库、绕开互联网公司宁静战略的“快啊”打码平台、网络诈骗、非法信息推广等互联网玄色工业链。

专案组辗转福建、广东、江西、黑龙江、辽宁、山东等13地展开侦查、抓捕,抓赢利用“黑客”技术非法获取网站后台数据嫌疑人4人,使用撞库软件获取账户密码嫌疑人19人,提供图片验证服务的“快啊”打码平台嫌疑人两人,制作撞库软件的9人,利用公民小我私家信息实施网络犯罪的团伙28个159人。

此案中的“黑客”杨某,搭建提供图片验证码识别服务的“快啊”打码平台,一年内牟利1300余万元,是国内最大的打码平台。

“他们通过运用人工智能机械深度学习技术训练机械,可以让机械如ALPHAGO一样自主操作识别,有效识别图片验证码,轻松绕过互联网公司设置的账户登录宁静战略,给网络诈骗、‘黑客’攻击等网络黑产提供犯罪工具。”办案民警介绍说,在此平台被打掉的前3个月,已经提供验证码识别服务259亿次。

有了图片验证码人工智能自动识别技术后,以黄某等为首的专业“黑客”犯罪团伙利用网站漏洞扫描软件,非法获取网站后台用户注册数据。

之后,黄某等将包罗种种邮箱和密码的数据进行整理,分门别类进行销售,以每10万组数据为一个单元,卖给下线——制作撞库软件“黑客”团伙。

吴某、魏某等撞库人员拿到这些数据后,与“快啊”打码平台对接,进行批量撞库、匹配,将种种账号与密码匹配乐成的账户贩卖给网络诈骗团伙。以郑某为代表的诈骗团伙,利用获取的账号实施种种诈骗,大量诈骗案件由此而生。

2017年3月23日,绍兴警方打掉“快啊”打码平台后,有效摧毁了围绕撞库、洗库,以及下游的网络黑产行业,净化了网络空间。

13生长趋势

编辑本段 回目录

2017年12月,第四届世界互联网大会上,无论是从评选出的14项“世界互联网领先科技结果”,照旧众多互联网大佬口中说的、业内人士谈论的话题来看,AI(人工智能)无疑都是最热门、最抢眼的词汇之一。

信号一 大佬三句不离AI:人工智能未来是大偏向

“本届大会,AI 是绝对的要害词,险些每位互联网大佬在演讲或在接受采访时都提到了AI。实际情况也是这样,各大巨头都在争相结构AI,话题热也是有原理的。”一位与会者对中新经纬客户端(微信民众号:jwview)体现。

好比,搜狗CEO王小川在接受采访时体现,连接的传统界说是连接人、交易和服务,目前已很是充实,下一步需要用到人工智能技术来赋能。从三个维度看,AI能为识别、生成和决策重新赋能。

其实,不光王小川,大会期间,包罗阿里巴巴团体董事局主席马云、腾讯董事会主席兼CEO马化腾、百度董事长兼CEO李彦宏、谷歌CEO桑达尔皮查伊、苹果CEO库克、联想董事长杨元庆、小米科技董事长雷军等许多互联网大佬都不约而同地谈到了人工智能。

马化腾在谈到关于人工智能与各行各业的结合和应用时体现,人工智能很是火热,许多互联网公司都想进入这个战场,人工智能也是未来的大偏向,但是具体的偏向许多,要看场景和具体落地的行业。

杨元庆在谈到这个话题时则认为,与其叫“人工智能”,不如叫“增强智能”更准确。“AI,现在的翻译是人工智能(Artificial Intelligence),我小我私家认为可能更好的翻译是增强智能(Augmented Intelligence),人工智能不是为了取代人的智能,而是在人的智能的基础上进一步增强人的智能。”他说。

李彦宏在演讲中体现,人工智能会使司机丢事情,而且最先丢掉事情的司机可能是货车的司机。同时他还强调,每一个都市要想提高它的智能水平,要想让它的人民生活越发的幸福,要想让每小我私家都活到150岁,必不行少的就是要把人工智能的技术让它逐步的渗透到每一个都市的每一个角落。

IBM资深全球总裁罗思民认为,2050年后的人工智能将具备更多理性。而雷军则认为人工智能产物竞争最猛烈的在手机领域。

信号二 AI火热,投资人说:人工智能仍是下一个风口

信中利资本团体董事长汪潮涌在加入4日企业家采访时体现,对于人工智能领域,投资界更关注人机交互,看重传统行业+人工智能。

他认为,人机交互能力的生长是很是重要的,投资界最近关注的几个项目,像Face++、商汤等,都跟人机交互技术有关系。人脸识别、虹膜识别、声音识别、生物识别等作为人机交互的入口,能让数据和盘算能力、算法、应用场景结合起来。

“在盘算能力方面,中国跟硅谷、英伟达的差距确实有些大,但在算法上,中国有希望跟上。最重要的是我们可能胜在场景应用上,好比人工智能+教育、+医疗、+制造、+娱乐等等,所以我们更看重的是传统行业+人工智能。”他说。

在谈到人工智能的热潮下会不会有泡沫泛起的问题时,知名风险和私募股权投资人沈南鹏说:“我认为从一个创业和投资角度来讲,确实它酿成一个太热的词的时候,从资本、创业的热潮来讲,是有了那么一点泡沫的。但人工智能我认为是一个长跑,在技术突破上面路还挺远。如果我们看一看已往的24个月,人工智能在全世界,在技术领域里面有没有一些特别大的突破。”

值得一提的是,去年世界互联网大会期间沈南鹏在接受媒体专访时就体现互联网行业的下一个风口是人工智能。当今年再次被问及谁会成为互联网行业的下一个风口时,沈南鹏的答案仍是人工智能。

他认为,至少在未来的五到十年、二十年当中,人工智能一个很是很是重要的话题,因为有许多技术突破还没有实现,所以各人有许多期待。同时因为中国移动互联网所带来的大数据的可能性,让人工智能的运用获得了一个巨大的想象,长上了翅膀。另外沈南鹏认为人工智能是一个恒久对信息科技会是一个连续的,最重要的一个推动力量,它不是一项技术,是一系列的运用。

信号三 人工智能最该重视的问题:伦理

近年来,人工智能快速生长的同时陪同着甚嚣尘上的“威胁论”。谈到这个问题时,苹果CEO库克体现:“我并不担忧机械人会像人一样思考,我担忧人像机械一样思考。”

马云对此则体现得很乐观:“人类对自己大脑的认识不到10%,所缔造出来的机械不行能逾越人类。担忧机械会威胁人类,会替代许多事情,不如拥抱技术解决新的问题。”

微软副总裁沈向洋认为人工智能对人类就业的攻击是显然的,而且正在发生,但他并差池此体现担忧,他认为值得重视的问题是伦理。

“人工智能技术应用如果泛起偏差会带来许多问题,好比有人用大量的数据去训练机械识别人类的性取向,准确率到达了91%。其实问题出在剩下的9%上,哪怕是一个错误也会带来巨大的危害。”他说。

沈向洋还谈到人工智能的“偏见”——用网络搜素引擎搜索CEO会发现,出来的结果基本上没有女性,亚洲人面孔也很少。

在沈向洋看来,这些都是随着人工智能的生长泛起的伦理问题。面对这些问题,现在基础给不出答案。他认为,这不仅是科研的问题,也是整个行业的问题,整个行业和全社会都必须认识到这个问题的重要性,携手相助,探索解决之道。

大学大学申报最火的新专业

2018年8月,大学申报新专业和申请取消专业眼下正在公示期。在教育部公示的名单上,从2017年开始大热的“数据科学与大数据技术”专业今年继续保持优势,是全国高校申报最多的新专业;同时,已成为国家重点生长工业的人工智能是紧随其后的热门新专业。与新增专业比力集中差异,高校申请取消的专业则比力疏散,门类繁多。

词条图片

本词条内容由360百科凭据相关资料编纂,仅供参考。如有问题,可联系我们修订、完善或删除。也接待更多热爱知识共享、有志于词条编纂的专业人士加入360百科建设。0

标签: 科学 学科 盘算机

人工智能 图册

百科热点

党的十九大
  • 浏览次数: 72139 次
  • 更新时间:2018-09-05
  • 建设者:zhangxuewei
分享到: