人工智能的三次浪潮与三种模式
■史爱武
谈到人工智能，人工智能的定义到底是什么？
达特茅斯会议上对人工智能的定义是：使一部机器的反应方式就像是一个人在行动时所依据的智能。
百度百科上对人工智能的定义是：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计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应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
尽管人工智能现在还没有非常严格准确或者所有人都接受的定义，但是有一些约定俗成的说法。通常人工智能是指机器智能，让机器达到人智能所实现的一些功能。人工智能既然是机器智能，就不是机械智能，那么这个机器是指什么呢？是指计算机，用计算机仿真出来的人的智能行为就可以叫作人工智能。
2017年7月，国务院印发了《新一代人工智能发展规划》。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。这一国家级战略和社会流行趋势标志着，人工智能发展进入了新阶段，我国要抢抓人工智能发展的重大战略机遇，构筑人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
人工智能的三次浪潮
自1956年开始，人工智能经历了三起三落，出现了几次浪潮，现在人工智能已经是处于第三次浪潮了。
第一次浪潮（1956-1976年，20年），最核心的是逻辑主义
逻辑主义主要是用机器证明的办法去证明和推理一些知识，比如用机器证明一个数学定理。要想证明这些问题，需要把原来的条件和定义从形式化变成逻辑表达，然后用逻辑的方法去证明最后的结论是对的还是错的，也叫做逻辑证明。
早期的计算机人工智能实际上都是沿着这条路在走。当时很多专家系统，比如医学专家系统，用语言文字输入一些症状，在机器里面变换成逻辑表达，用符号演算的办法推理出大概得了什么病。所以当时的主要研究都集中在逻辑抽象、逻辑运算和逻辑表达等方面。
在第一次浪潮中，数学定理证明实际上是实现效果最好的，当时有很多数学家用定理思路证明了数学定理。为了更好地完成定理证明工作，当时出了很多和逻辑证明相关的逻辑程序语言，比如很有名的Prolog。
虽然当时的成果已经能够解开拼图或实现简单的游戏，却几乎无法解决任何实用的问题。
第二次浪潮（1976—2006年，30年），联结主义盛行
在第一次浪潮期间，逻辑主义和以人工神经网络为代表的联结主义相比，逻辑主义是完全占上风的，联结主义那时候不太吃香。然而逻辑主义最后无法解决实用的问题，达不到人们对它的期望，引起了大家的反思，这时候人工神经网络（也就是联结主义）就慢慢占了上风。
在70年代末，整个神经元联结网络、模型都有突飞猛进的进步，最重要的是BP前馈神经网络。1986年BP前馈神经网络刚出来的时候解决了不少问题，后来大家往更大的领域应用，实现了比较大的成果。在很多模式识别的领域、手写文字的识别、字符识别、简单的人脸识别也开始用起来，这个领域一下子就热起来，一时之间，人们感觉人工智能大有可为。随后十几年人们发现神经网络可以解决一些单一问题，解决复杂问题却有些力不从心。训练学习的时候，数据量太大，有很多结果到一定程度就不再往上升了。
这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”为主。虽然有一些实际的商业应用案例，应用范畴却很有限，第二次热潮也就慢慢趋于消退。
第三次浪潮（2006—现在），基于互联网大数据的深度学习的突破
如果按照技术分类来讲，第二次和第三次浪潮都是神经网络技术的发展，不同的是，第三次浪潮是多层神经网络的成功，也就是深度学习取得突破。这里既有硬件的进步，也有卷积神经网络模型与参数训练技巧的进步。
若观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。兴奋起来的神经元，会将电气信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了人工神经网络。
经模型化的人工神经网络，是由“输入层”“隐藏层”及“输出层”等三层构成。深度学习往往意味着有多个隐藏层，也就是多层神经网络。另外，学习数据则是由输入数据以及相对应的正确解答来组成。
为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。通过神经网络，深度学习便成为了“只要将数据输入神经网络，它就能自行抽出特征”的人工智能。
伴随着高性能计算机、云计算、大数据、传感器的普及，以及计算成本的下降，“深度学习”随之兴起。它通过模仿人脑的“神经网络”来学习大量数据的方法，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。在第三次浪潮中，人工智能技术及应用有了很大的提高，深度学习算法的突破居功至伟。
深度学习最擅长的是能辨识图像数据或波形数据这类无法符号化的数据。自2010年以来，Apple、Microsoft及Google等国际知名IT企业，都投入大量人力物力财力开展深度学习的研究。例如AppleSiri的语音识别，Microsoft搜索引擎Bing的影像搜寻等等，而Google的深度学习项目也已超过1500项。
深度学习如此快速的成长和应用，也要归功于硬件设备的提升。图形处理器（GPU）大厂英伟达（NVIDIA）利用该公司的图形适配器、连接库（Library）和框架（Frame⁃work）产品来提升深度学习的性能，并积极开设研讨课程。另外，Google也公开了框架TensorFlow，可以将深度学习应用于大数据分析。
人工智能的3种模式
人工智能的概念很宽泛，根据人工智能的实力可以分成3大类，也称为3种模式。
（1）弱人工智能：擅长于单个方面的人工智能，也叫专业人工智能。比如战胜世界围棋冠军的人工智能AlphaGo，它只会下围棋，如果让它下国际象棋或分辨一下人脸，它可能就会犯迷糊，就不知道怎么做了。当前我们实现的几乎全是弱人工智能。
（2）强人工智能：是指在各方面都能和人类比肩的人工智能，这是类似人类级别的人工智能，也叫通用人工智能。人类能干的脑力活，它都能干，创造强人工智能比创造弱人工智能难得多，目前我们还做不到。
（3）超人工智能：知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强点，也可以是各方面都比人类强很多倍。超人工智能现在还不存在，很多人也希望它永远不要存在。否则，可能像好莱坞大片里面的超级智能机器一样，对人类也会带来一些威胁或者颠覆。
我们现在处于一个充满弱人工智能的世界。比如，垃圾邮件分类系统是个帮助我们筛选垃圾邮件的弱人工智能；Google翻译是可以帮助我们翻译英文的弱人工智能等等。这些弱人工智能算法不断地加强创新，每一个弱人工智能的创新，都是迈向强人工智能和超人工智能的进步。正如人工智能科学家AaronSaenz所说，现在的弱人工智能就像地球早期软泥中的氨基酸，可能突然之间就形成了生命。如世界发展的规律看来，超人工智能也是未来可期的！
《人工智能国际治理观察》175期
政府监管
「日本政府人工智能（AI）战略会议的论点概要强调应对风险」
5月26日，日本政府讨论制定人工智能（AI）使用规则的“AI战略会议”汇总了“论点梳理”。据悉，概要包含了散播虚假信息、侵犯著作权等利用ChatGPT等生成式AI时堪忧的7项具体风险，同时强调了应对的必要性。会议伊始，日本科学技术担当相高市早苗称：“将切实推进开发生成式AI和应对风险。日本有必要采取迅速、灵活的姿态。”会上梳理了包括虚假信息、著作权、教育领域等各种风险类型，同时还列举了包括医疗、护理、行政、教育、金融、制造在内的AI可以发挥能力解决社会问题的领域。
来源：共同社
「美国新规：企业使用人工智能间接导致歧视将违反《民权法》」
5月24日，美国平等就业机会委员会（EqualEmploymentOpportunityCommission，简称EEOC）发布了新技术援助文件（Technicalassistancedocument），旨在回答商业领袖和开发人员关于他们使用算法决策工具可能对员工产生的影响的问题。例如，某个用于决策晋升还是解雇工作人员“的算法。EEOC警告称，如果使用上述技术导致了可能被解释为有偏见的决定，雇主可能会违反现有的《民权法》（CivilRightsAct）第七章（该章禁止基于种族、肤色、宗教、性别或国籍的就业歧视）。
来源：AIBusiness
「欧盟和Alphabet将在新的人工智能（AI）规则之前制定自愿性协议」
5月24日，欧盟工业主管ThierryBreton表示，Alphabet和欧盟委员会的希望在制定管理人工智能技术的规则之前，制定一项涉及欧洲和非欧洲公司的人工智能（AI）协议。Breton早些时候在布鲁塞尔会见了谷歌及其母公司Alphabet的首席执行官SundarPichai。Breton表示，不能等到人工智能法规真正适用时才与所有人工智能开发商进行合作，应当在法律截止日期之前通过自愿程序制定一项人工智能协议。他还敦促欧盟国家和欧盟议员在今年年底前敲定欧盟委员会拟议的人工智能规则的细节。
来源：路透社
科技公司
「微软必应将成为ChatGPT的默认搜索引擎」
5月26日，微软表示，必应（Bing）将成为ChatGPT的默认搜索引擎，此举将使用户能够实时进入浏览器，访问更多最新信息。该集成将于本周首先向ChatGPT+高级用户推出，并很快推广至其他公众。
来源：AIBusiness
「Adobe将生成式人工智能（AI）编辑工具添加到 Photoshop」
5月26日，Adobe宣布其人工智能模型FireflyAI将进入旗下产品Photoshop，新功能名为GenerativeFill（生成内容填充）。据悉，该功能只需文本提示即可创建图像以嵌入照片中，同时，该功能会自动匹配图像的透视、明暗、样式等相关设置。新功能正在通过Photoshop的桌面版本发布测试版，预计将在2023年下半年正式发布。
来源：AIBusiness
「英伟达与微软、戴尔合作开展生成式人工智能（AI）项目」
5月25日，英伟达（Nvidia）与微软、戴尔合作开展生成式人工智能项目。英伟达的AI企业软件将与MicrosoftAzure机器学习集成，以支持英伟达的AI技术部署。与此同时，英伟达与戴尔将合作推出技术部署工具ProjectHelix，该产品旨在使企业更容易构建和部署值得信赖的生成AI。ProjectHelix附带了英伟达开发的软件AIEnterprise，其用户将获得一张蓝图，上面详细说明了如何使用专有数据在本地部署生成AI应用程序。
来源：AIBusiness
「AppliedMaterials将在硅谷设立大型产学研合作芯片研发中心」
5月25日，美国芯片设备巨头应用材料公司AppliedMaterials投资高达4亿美元于硅谷建造一个“独特”的半导体研发中心，其大小相当于三个足球场。据AppliedMaterials称，该设施被称为“设备工艺创新和商业化中心”（EquipmentandProcessInnovationandCommercialization，简称EPIC）。该中心将把芯片制造商、学术研究人员、企业生态系统合作伙伴聚集在一个中心枢纽，从而加速制造创新、降低成本，能将产品从概念到商业化所需的时间缩短数年。该中心的潜在合作伙伴包括超微半导体（AMD），英特尔，IBM，美光，英伟达，三星，台积电、西部数据等公司。参与的大学包括麻省理工学院、亚利桑那州立大学、纽约州立大学等。
来源：AIBusiness
「Meta推出可翻译4000多种语言的人工智能（AI）模型」
5月24日，Meta推出了一系列可用于翻译4000多种语言的人工智能模型——MassivelyMultilingualSpeech（以下简称MMS）。MMS支持语音到文本的转化，以及文本到语音反向转化。据悉，MMS文本转语音功能可以生成1100多种语言的语音输出，而其语音转文本功能可以识别4000多种语言。Meta表示，用户的首选语言可用于搭载MMS的虚拟现实（VR）和增强现实（AR）应用程序。此外，Meta选择将该项目开源模型和底层代码，以便研究人员可以在其工作的基础上进行构建。
来源：AIBusiness
「高通和微软达成合作关系，将规模化扩展人工智能（AI）能力」
5月24日消息，高通技术公司日前展示了公司最新的终端侧AI研发进展，包括在骁龙计算平台上运行生成式AI，以及开发者在采用骁龙平台的Windows11PC上创建应用的新路径。同时，高通和微软确认达成合作关系，将面向消费级和企业级终端、以及工业设备，规模化扩展AI能力。高通表示，未来几个月内，包括大语言模型（LLM）在内的参数高达100亿的模型将有望在终端侧运行。据悉，终端侧生成式AI解决方案将查询和推理转移到PC和手机等边缘终端。
来源：界面新闻
「旧金山公司Salesforce称仅15％本地员工拥有人工智能技能」
5月24日，美国云软件公司Salesforce对本地1001名员工展开的最新调查显示，虽然有57％的受访者认为AI是当今最受欢迎的数字技能之一，并且有超过半数（51%）的人担心工作被生成式AI取代，但现实中仅15％的人拥有AI技能。虽然存在技能差距，但63%的受访者表示，他们的公司正在考虑采用生成式AI，至少有七成的人已意识到生成式AI将如何影响他们的工作。总体而言，对旧金山本地员工来说，他们将数据安全技能（60%)、道德AI和自动化技能（57%)，以及编程技能（57%）列为当今增长最快、需求最大的技能。从行业来看，制造业的AI技能应用水平最高，有21％的从业人员需在工作中使用AI技能，这高于15％的平均水平；公共部门中则有8％的员工需要在日常工作中使用AI技能；而在医疗保健行业，仅有7％的人需使用这一技能。
来源：联合早报
技术应用
「四机构地铁站联办演习SMRT试行智能监控系统」
5月25日，为了检测跨机构公共交通系统的应急能力，新加坡警察部队24日在衔接地铁南北线和东西线的莱佛士坊站主办代号“铁道”（ExerciseFerrovia）的反恐演习，动员逾250人参与。一个用以提升现有的安保措施的名为iSecurity的智能监控系统也在演习中首次亮相。据悉，通过视频分析和数码孪生（Digitaltwins）技术，iSecurity可自动探测异常情况，如不明物件和人群四散逃跑等突发场景，监察潜在安全威胁，让地铁站职员迅速应对，执法人员赶抵后也能更精确掌握线索。地铁站出现可疑包裹，或遭遇恐怖分子袭击，SMRT的新型监控系统可立即借助人工智能技术，实时辨别各类突发状况，通报指挥中心作出迅速反应。据了解，iSecurity目前仍处测试和评估阶段。
来源：联合早报
「JR东日本利用人工智能（AI）帮助尽快修复故障」
5月24日，东日本铁路公司（JR东日本）开始运用新系统，借助人工智能（AI）为尽快修复因灾害或故障出问题的信号设备提供帮助。员工输入故障状况后，AI便能根据过去的事例提示原因和修复方法，有时能让修复时间削减约一半。该技术于今年3月起在日本山手线、京滨东北线和中央线等首都圈铁路上投入使用。JR东日本将关注实际效果，计划今后将该技术运用到新干线等上。据了解，该AI工具学习了过去17年出现的约3000起故障的发生详情和原因，通过依次输入信号机异常等故障发生状况后，AI基于过去的类似例子按可能性从大到小的顺序提示原因。例如，若信号设备无法正常工作，就需要在相关信号机、转辙器、列车探知装置等设备中，迅速锁定问题出在何处。据悉，即便发生了出现频率较低、难以推定原因的故障，AI也能准确应对。
来源：共同社
「新加坡新捷运用机器狗检查地铁列车」
5月24日，新加坡两大公共交通机构之一的新捷运公司为了推动可持续发展，与法国交通运输制造商阿尔斯通（Alstom）合作研发一系列绿色项目。其中，推出了一项名为kAI的人工智能机器狗。与一般小狗一样，kAI会服从指令，坐下、躺下与攀爬楼梯。除此之外，它还有过人的洞察力，可透过“摄像头”检查地铁列车底架。它的检测速度比技术人员快约一倍，可提早发现问题，避免情况恶化，进而减少资源浪费。配备摄像头与传感器的kAI能轻易穿梭在地铁车厂，并“爬进”列车底检查底架。在它的帮助下，一列地铁可在一小时内完成视觉检测，比人工检查所需的时间少近一半。
来源：联合早报
前沿研究
「人工智能可将梦境转换成视频」
5月26日，新加坡国立大学和香港中文大学组成的联合研究团队近日称，已经开发出一种能够通过脑部扫描纪录大脑活动并生成视频的技术，能够以85%的准确率重现梦中的动态场景。据悉，该团队利用了一种名为“心视模型”的技术实现了高质量的视频。这种技术旨在弥合图像和视频大脑解码之间的差距，使用图像数据库进行训练和微调。利用这种技术，科学家能够以85%的准确率还原大脑中的动态场景。
来源：36氪
网络安全
「意大利工业部称网站在网络攻击后关闭」
5月26日，意大利工业部表示，其门户网站和应用程序遭到“严重网络攻击”，无法正常运行，出现用户无法访问的问题。意大利工业部和意大利制造部的声明称，初步检查表明网络攻击没有造成数据泄露，但攻击的影响仍在评估中。该部表示正在与意大利国家网络安全局保持密切联系，以减少对公民和企业造成的不便。近几个月来，意大利机构经常成为网络攻击的目标，这引发了人们对其网络安全性的质疑。
来源：彭博社、路透社
「微软首席执行官：深度伪造是针对人工智能最大的担忧」
5月25日，微软总裁BradSmith表示，他对人工智能最担心的是深度伪造（Deepfake），即非常逼真的虚假内容。在华盛顿的一次演讲中，BradSmith呼吁采取措施，确保人们知道照片或视频何时是真实的，以及何时是由人工智能生成的，从而防止受法律保护的内容被篡改，进而预防别有用心的人使用人工智能进行诈骗。他还呼吁为最关键类型的人工智能发放许可证，进行新一代的出口管制，确保关键人工智能技术不会被盗用或以违反国家出口管制要求的方式使用。
来源：路透社
加密货币
「Bitfinex合作伙伴关系推动拉丁美洲采用加密技术」
5月24日，数字资产平台 Bitfinex宣布投资一家位于智利的加密货币交易所，并与其建立新的合作伙伴关系，以促进拉丁美洲的加密货币使用。公告显示，两家数字资产公司之间的合作旨在支持当地的教育项目，以及促进财务自由和包容性的努力。就在一个多月前，BitfinexSecuritiesElSalvador获得了萨尔瓦多共和国国家数字资产委员会（NationalDigitalAssetCommission）在当地的经营许可证，可以通过符合当地法规的平台发行和交易二级资产。该交易所最近还在巴拉圭赞助了一个为期三周的训练营，让女性学习基本的编程技能。
来源：比特币电讯报
()是未来人工智能的最高级形态。
()是未来人工智能的最高级形态。
A.计算智能
B.语音智能
C.认知智能
D.图像智能
正确答案:C
以上就是Q游网_游戏攻略站小编大飞为您带来()是未来人工智能的最高级形态。的全部内容了,希望能够对你有一定帮助。
温馨提示:找优惠券进http://t.qqaiqin.com搜一下商品关键字即可
以上相关的更多内容请点击“”查看，以上题目的答案为网上收集整理仅供参考，难免有错误，还请自行斟酌，觉得好请分享给您的好朋友们！