什么是人工智能 (AI)
虽然在过去数十年中，人工智能(AI)的一些定义不断出现，但JohnMcCarthy在2004年的文章 (PDF,106KB)(链接位于IBM外部)中给出了以下定义："它是制造智能机器，特别是智能计算机程序的科学和工程。AI与使用计算机了解人类智能的类似任务有关，但不必局限于生物可观察的方法"。
然而，在这个定义出现之前数十年，人工智能对话的诞生要追溯到艾伦·图灵(AlanTuring)于1950年出版的开创性作品"计算机器与智能"(PDF,89.8KB)（链接位于IBM外部）。在这篇论文中，通常被称为“计算机科学之父”的图灵提出了以下问题：“机器能思考吗？” 他在这篇文章中提供了一个测试，即著名的“图灵测试”，在这个测试中，人类询问者试图区哪些文本响应是计算机做出的、哪些是人类做出的。虽然该测试自发表之后经过了大量的审查，但它仍然是AI历史的重要组成部分，也是一种在哲学中不断发展的概念，因为它利用了有关语言学的想法。
StuartRussell和PeterNorvig随后继续发表了“人工智能：一种现代方法 ”（链接位于IBM外部），成为AI研究方面的重要教材之一。在这本书中，他们深入探讨了AI的四个潜在目标或定义，基于理性、思考和行动来区分计算机系统：
人类方法：
像人类一样思考的系统像人类一样行动的系统理想方法：
理性思考的系统理性行动的系统艾伦·图灵的定义可归入"像人类一样行动的系统"类别。
以最简单的形式而言，人工智能是结合了计算机科学和强大数据集的领域，能够实现问题解决。它还包括机器学习和深度学习等子领域，这些子领域经常与人工智能一起提及。这些学科由AI算法组成，这些算法旨在创建基于输入数据进行预测或分类的专家系统。
目前，仍有许多围绕AI发展的炒作，市场上任何新技术的出现都会引发热议。正如Gartner在其hypecycle技术成熟度曲线（链接位于IBM外部）中指出的那样，自动驾驶汽车和个人助理等产品创新遵循“一个典型的创新周期，从欲望膨胀到期望幻灭、到最终了解创新在市场或领域中的相关性和作用。”正如LexFridman在2019年麻省理工学院演讲中指出的那样(01:08:15)（链接位于IBM外部），我们正处于欲望膨胀高峰期，接近幻灭的谷底期。
随着对话围绕AI的伦理道德展开，我们可以开始看到幻灭谷底初见端倪。如想了解更多关于IBM在AI伦理对话中的立场，请阅读这里了解更多信息。
[人工智能] 名词解释+简答题
名词解释估价函数在A算法中，将启发函数h（x）与代价函数g（x）相结合，即初始节点S0到达节点x处已付出的代价与节点x到达目标节点Sg的接近程度估计值总和，定义为：f(x)=g(x)+h(x)。
希望树由挑选的最有希望成为最优解树一部分的欲扩展的节点及其先辈节点所构成的与或树是最优解树的近根部分，称为希望树。
博弈树博弈问题的状态空间就是以状态为节点、以合法走步为边的一个树形图，称为博弈树。
Horn子句至多含有一个正文字的子句称为Horn（霍恩）子句。
专家系统专家系统是一个智能计算机程序系统，其内部含有丰富的某个领域专家水平的专业知识与实践经验，能够利用人类专家的知识和解决问题的方法来处理该领域的复杂问题。
机器学习实现通过经验来提高对某任务处理性能的行为的计算机程序
语义角色语义角色指有关语言成分在语句所表达的事件中所扮演的参与者角色。
语义标注语义角色标注是一种实用的浅层语义分析技术，它只标注谓词（谓语动词、名词、形容词）的语义角色。
AgentAgent是能通过传感器感知环境信息、能自主进行信息处理并作出行动决策、再借助执行器作用于环境的一种计算系统。
决策树决策树
人工智能技术名词解释
导读：工神经网络:是当今智能科技中的基础技术，它的连接机制与人工智能的符号推理机制并列，成为智能科技的两大阵营。它模拟人脑的解剖生理学特征，用许多并行的简单神经元，以一定的拓扑结构连结成网，既接受外界信息，又相互刺激，更擅长于分布存储，联想记忆，...工神经网络:是当今智能科技中的基础技术，它的连接机制与人工智能的符号推理机制并列，成为智能科技的两大阵营。它模拟人脑的解剖生理学特征，用许多并行的简单神经元，以一定的拓扑结构连结成网，既接受外界信息，又相互刺激，更擅长于分布存储，联想记忆，反馈求精，黑箱映射，权值平衡，动态逼近，全息存录，容错防失，加之以神经元巨量互连，形成强大的自学习、自适应、自组织、自诊断、自修复能力，其网络节点间权值强度不断反馈，动态分析，与语言、视听人机接口的密切配合，可自动获取人类专家丰富的知识与经验，并模拟人脑的逻辑推理、形象思维以至灵感突现，恰如其分地处理各种不准确、不完善、不确定的信息，推理得出正确结论。模糊逻辑:模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题。遗传算法:是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向。专家系统:是收集应用人类专家的知识和经验，模仿专家处理知识和解决问题的方法，编制成计算机智能软件系统，在通过人机结合不断获得反馈信息的情况下，实时在线地对规则、事例和模型实行独立决策的一种问题求解或控制系统。这种计算机智能系统具有启发性、透明性和灵活性，在不受时间、空间和环境影响情况下，高效率、准确无误、周密全面、迅速不疲倦地完成工作，其解决问题能力和知识的广博性可超过人类专家，又克服了人类专家因疏忽、遗忘、紧张、疲倦等干扰因素造成的偏差和错误，因而其推广、应用具有巨大的经济和社会效益。模式识别:是模拟人脑形象思维，根据事物的特征、形象或关系，辨识、判定和处理事物的一种智能决策方法和技术，它广泛应用于科研生产中，是一种具有重大价值的技术方法.粗糙集理论:是在离散归一化处理其在测量中所得的数据集合，通过基于集合元素的不可分辨关系的代数运算，利用条件与结果属性中的大量有用特征、有效数据发现知识，在决策规则的初步简化计算中取得核值，然后进一步简化规则并根据问题要求选取最小决策算法给予实际应用，去除大量信息中的多余属性，降低信息空间的维数和属性数量。它可大大简化网络结构和样本数量，缩短训练时间，是智能科技中一种具有根本意义的分析方法。这种方法是基于测量数据集而获取知识的，故对虚拟仪器的智能化发展具有重大意义。混沌运动:是确定性系统中局限于有限相空间的高度不稳定运动，是无序中的有序，它使事物在长时间的行为中显示出表面上的某种混乱。混沌现象的特征是“非周期背后隐藏的有序性”以及“对初始条件的敏感依赖性”，充分利用混沌特征，在智能信息处理中实施非线性决策和预测、非线性系统辨识、模式识别、图像数据压缩、高性能保密、多目标搜索，以及无限丰富、精彩绝伦的计算机绘画等种种神奇应用。分形理论:研究非线性系统产生的不光滑和不可微的几何形体及其内在结构的比例自相似赞助本站
相关热词：人工智能技术名词解