人工智能是什么
人工智能是什么？欢迎大家迈入人工智能的大门1.人工智能的定义2.人工智能的话题3.人工智能的四大技术分支4.人工智能的主要应用领域5.人工智能的三种形态5.1.弱人工智能到强人工智能有多难？5.2.弱人工智能的前进方式5.3.强人工智能到超级人工智能之路5.4.智能爆炸——强人工智能时代微信公众号同步欢迎大家迈入人工智能的大门人工智能(ArtificialIntelligence,AI)是当前全球最热门的话题之一，是21世纪引领世界未来科技领域发展和生活方式转变的风向标，人们在日常生活中其实已经方方面面地运用到了人工智能技术，比如网上购物的个人化推荐系统、人脸识别门禁、人工智能医疗影像、人工智能导航系统、人工智能写作助手、人工智能语音助手等等。目前有大量群体对人工智能的定义、原理、分类、应用产生了极大地兴趣，可是网上媒体发布的一些资料信息大多具有极强的偏向性和导向性，很少有客观全面的总结。在这里，我做了一个详细的“人工智能图解笔记”，从人工智能的定义、分类和发展路径等角度，给大家展示了一个全面的人工智能图谱。
1.人工智能的定义人工智能的定义主要有以下几种：
人工智能的一种定义：《人工智能，一种现代的方法》笔记：人工智能是类人思考、类人行为，理性的思考、理性的行动。人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学。人工智能的发展，经过了孕育、诞生、早期的热情、现实的困难等数个阶段；人工智能的另一种定义：人工智能是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支；人工智能是一门什么科学？：人工智能科学的主旨是研究和开发出智能实体，在这一点上它属于工程学。工程的一些基础学科自不用说，数学、逻辑学、归纳学、统计学，系统学、控制学、工程学、计算机科学，还包括对哲学、心理学、生物学、神经科学、认知科学、仿生学、经济学、语言学等其它学科的研究，可以说这是一门集数门学科精华的尖端学科中的尖端学科——因此说人工智能是一门综合学科。2.人工智能的话题人工智能的话题有且不限于以下几种：
我们总是把人工智能和电影想到一起：星球大战、终结者、2001：太空漫游等等，电影是虚构的，那些电影角色也是虚构的，所以我们总是觉得人工智能缺乏真实感；人工智能是个很宽泛的话题：从手机上的计算器到无人驾驶汽车，到未来可能改变世界的重大变革，人工智能可以用来描述很多东西，所以人们会有疑惑；我们日常生活中已经每天都在使用人工智能：生活中很多互联网工具已经是人工智能了，只是我们没意识到，或者已经习惯了而已。JohnMcCarthy在1956年最早使用的人工智能(ArtificialIntelligence)这个词，他总是抱怨“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了。”；一些场景的弱人工智能例子：谷歌，一个巨大的搜索热人工智能；智能手机，弱人工智能系统；智能汽车，很多已经安装了控制汽油渗入，控制防抱死系统的电脑等；垃圾邮箱过滤器也是经典的弱人工智能。3.人工智能的四大技术分支人工智能的四大技术分支如下所示：
模式识别：是指对表征事物或者现象的各种形式（数值的文字、逻辑的关系等等）信息进行处理分析，以及对事物或现象进行描述分析分类解释的过程，例如汽车车牌号的辨识，涉及到图像处理分析等技术；机器学习：研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构是指不断完善自身的性能，或者达到操作者的特定要求；数据挖掘：知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等等；智能算法：解决某类问题的一些特定模式算法，例如我们最熟悉的最短路径问题，以及工程预算问题等等。4.人工智能的主要应用领域人工智能的主要应用领域有哪些呢？
机器人领域：人工智能机器人，如PET聊天机器人，它能理解人的语言，用人类语言进行对话，并能够用特定传感器采集分析出现的情况、调整自己的动作来达到特定的目的；语音识别领域：该领域其实与机器人领域有交叉，设计的应用是把语言和声音转换成可进行处理的信息，如语音开锁（特定语音识别）、语音邮件以及未来的计算机输入等方面；图像识别领域：利用计算机进行图像处理、分析和理解，以识别各种不同模式的目标和对象的技术，例如人脸识别、汽车牌号识别等等；专家系统：具有专门知识和经验的计算机智能程序系统，后台采用的数据库，相当于人脑具有丰富的知识储备，采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。5.人工智能的三种形态人工智能具体有哪三种形态呢？
弱人工智能：弱人工智能(ArtificialNarrowIntelligence,ANI)是擅长与单个方面的人工智能，比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上存储数据，它就不知道怎么回答你了；强人工智能：强人工智能(ArtificialGeneralIntelligence,AGI)，是人类级别的人工智能，强人工智能是指在各方面都能和人类比肩的人工智能，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要难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念，快速学习和从经验中学习等操作”。强人工智能在进行这些操作时，应该和人类一样得心应手；超人工智能：超人工智能(ArtificialSuperIntelligence,ASI)，牛津哲学家，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，包括科技创新、通识和社交技能”。超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍，超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。5.1.弱人工智能到强人工智能有多难？弱人工智能已经实现了，强人工智能还有一段路要走。那么目前究竟遇到了哪些困难呢？
一个大困难：人类的大脑是我们所知宇宙中最复杂的东西，至今我们都还没完全搞清楚；可以简单解决的：可简单解决的造一个能在瞬间算出10位数乘法的计算器；目前比较难以解决的：选一个能分辨出一个动物是猫还是狗的计算机；已经成功的：造一个能战胜世界象棋冠军的电脑；还没做出来的：谷歌目前花了几十亿美元在做一个能够读懂六岁小朋友的图片书中的文字，并且了解那些词汇意思的电脑；逻辑容易感知难：一些我们觉得困难的事情——微积分，金融市场策略、翻译等等，对于电脑来说都太简单了；而且我们觉得容易的事情——视觉、动态、转移、直觉——对电脑来说太难了；计算机科学家DonaldKnuth：人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上还差得很远；人工智能的一个典型目标例子：要想达到人类级别的智能电脑，电脑必须要理解更高深的东西，比如微小的脸部表情变化，开心、放松、满足、满意、高兴这些类似情绪间的区别，以及为什么《布达佩斯大饭店》是好电影，而《富春山居图》是烂电影。5.2.弱人工智能的前进方式弱人工智能已经实现了，强人工智能还有一段路要走。那么目前究竟遇到了哪些困难呢？
第一步：增加电脑处理速度：要达到强人工智能，肯定要满足的就是电脑硬件的运算能力，如果一个人工智能要像人脑一般聪明，他至少要能达到人脑的运算能力。从人脑的发展速度来看，预计到了2025年就能花1000美元买到可以和人脑运算速度抗衡的电脑了；第二步：让电脑变得更智能：抄袭人脑，参考人脑范本做一个复杂的人工神经网络，科学界正在努力逆向工程人脑，来理解生物进化是怎么造出这个神奇的东西的，乐观的估计是我们在2030年之前能够完成这个任务，我们已经能模拟小虫子的大脑了，蚂蚁的大脑也不远了，接着就是老鼠的大脑，到那时模拟人类大脑就不是那么不现实的事情了；模仿生物演化，除了抄袭人了，也可以像制造飞机、模拟小鸟那样模拟类似的生物形式。不全部复制，包括部分人工的设计干预，因为人类主导的演化会比自然快很多很多，但是我们依然不清楚这些优势是否能使演化模拟成为可行的策略。让电脑来解决这些问题，如果抄学霸的答案和模拟学霸备考的方法都走不通，那就干脆让考题自己解答自己吧。这种想法很无厘头，却是最有希望的一种。总的思路是我们建造一个能进行两项任务的电脑——研究人工智能和修改自己的代码，这样他就不只能改进自己的架构了，我们直接把电脑变成了电脑科学家，提高电脑的智能就变成了电脑自己的任务，前期会很慢，但一旦上路，后面会飞速发展。5.3.强人工智能到超级人工智能之路从强人工智能到强人工智能，还有哪些需要改进和增强的地方呢？
发展的观点：总有一天，我们会造出和人类智能相当的强人工智能电脑。到了这个时候，人工智能不会停下来，考虑到强人工智能之于人脑的种种优势，人工智能只会在“人类水平”这个节点做短暂的停留，然后就会开始大踏步向超人类级别的智能走去；超级人工智能比人类牛逼的地方：硬件上，运算速度往着几何级的速度增长；容量和存储空间也会迅速提升，远超人类，而且不断拉开距离；可靠性、持续性，不会疲惫，能持续不断的思考；软件上，可编辑性、升级性，以及更多的可能性。和人脑不同，电脑软件可以进行更多的升级和修正，并且很容易做测试，另外一个则是集体能力，人类的集体智能是我们统治其它物种的重要原因之一，而电脑在这方面比我们要强得很多，一个运行特定程序的人工智能网络能够经常在全球范围内自我同步，这样一台电脑学到的东西会立刻被其它所有电脑学得，而电脑集群可以共同执行同一个任务，因为异见、动力、自利这些人类特有的东西未必会出现在电脑身上。5.4.智能爆炸——强人工智能时代如果强人工智能时代来临，地球将是一幅怎样的景象呢？
人类统治地球观：人类对于地球的统治教给我们一个道理——智能就是力量，也就是说一个超人工智能，一旦被创造出来，将是地球有史以来最强大的东西，而所有生物，包括人类都只能屈居于其下——而这一切有可能在未来几十年就发生。当一个超人工智能出生的时候，对我们来说，就像一个全能的上帝降临地球一般；递归的自我改进概念：一个运行在特定智能水平的人工智能，比如说脑残人类水平，有自我改进的机制，当它完成一次自我改进后，她比原来更加聪明了，我们假设它到了爱因斯坦水平，而这个时候它继续进行自我改进，然而现在它有了爱因斯坦水平的智能，所以这次改进会比上一次更加容易，效果也更好。第二次的改进使它比爱因斯坦还要聪明很多，但它接下来的改进进步更加明显。如此反复，这个强人工智能的智能水平越长越快，直到它达到了超人工智能的水平——这就是智能爆炸，也是加速回报定律的终极体现；当人工智能达到人类水平：以下的情景可能会发生：一个人工智能系统，花了几十年时间到达了人类脑残智能水平，而这个节点发生的时候，电脑对于世界的感知大概和一个四岁小孩一般；而这个节点后一个小时，电脑立马推导出了统一广义相对论和量子力学的物理理论；而在这之后一个半小时，这个超人工智能变成了超人工智能，智能达到了普通人类的17万倍；科技大佬警惕人工智能的原因：现在很多科技大佬包括科学家都在提出警惕人工智能，要建立和完善法律法规，目的就是担心未来人类会因此毁灭。那些在我们看来超自然的只属于全能的上帝的能力，对于一个超人工智能来说，可能就像按下一个电灯开关那么简单，防止人类衰老、治疗各种不治之症、解决世界饥荒、甚至让人类永生、操纵气候来保护地球未来什么的，这一切都将变得可能，同样可能的是地球上所有生命的终结。微信公众号同步小编在这里通知大家，关注微信公众号“机器学习和人工智能”，干货多多~ 我们会定期推送Python编程，人工智能基础算法，学术界、工业界最新动态，让更多的人了解人工智能~ 欢迎扫描下方二维码关注哈~
人工智能的意思
前一篇：人工喉后一篇：人公人工智能的意思：【词语】：人工智能人的词语【解释】：计算机科学的一个分支。研究应用计算机来模拟人类的某些智力活动，从而代替人类的某些脑力劳动。是一门涉及数学、心理学、生物学、语言学、经济学、哲学和法律学等的综合性学科。主要研究模式识别、学习过程、探索过程、推理过程等。
字典查询：人工智能◆查看更多：含有人工智能的成语。XAI: 可解释性人工智能（1）什么是XAI
人工智能这几年已经几乎是每一个人都听过的词了，每一个高三的学生也都应该想去学习人工智能有关的专业。我记得我问过我高中的一些刚刚高考结束的学弟学妹，他们的想要去的专业是什么，几乎每一个人都回答计算机或者金融。而我学的专业也是和计算机相关，大学这几年接触到人工智能有关的东西，自己也研究出了一些成果，因此就将其讲述出来。
人工智能很火，无论是学术上还是行业上，但是人工智能在应用上却进展没有我们想象中的快。一个很简单的例子就是医疗，这次新冠疫情可以说在一定程度上推动了智慧医疗的发展，这是因为诊断大量的病例需要耗费医生很大的精力，而辅助以人工智能，医生可以比较轻松地进行诊断。然后，在这之前，尽管在计算机视觉（ComputerVision，CV）领域已经涌现了一大批高精确度高性能的人工智能模型可以用来完成一些医疗上的任务，但是还是很少见到一些大规模地应用。那，到底是什么在阻拦现在人工智能的进一步发展和应用？
人工智能事实上需要面对的是人和计算机，仅仅让计算机的智能不断提升是不行的，还需要让人读懂计算机的智能。也就是说，对于人工智能，我们不仅仅要求人工智能告诉我们结果是什么，还需要人工智能告诉我们为什么这么做。例如，在医疗领域，当使用人工智能进行疾病的诊断时，仅仅输出一个是或者不是的结果是无法做到让医生和患者相信这个结果的，而如果人工智能能够告诉我们它是依据那些症状从而诊断的，这就能够使得它的结果具有信服力。又比如，在军事领域，人工智能帮助指挥官做出了某种决策，但是即使人工智能的准确度达到了99.999%，指挥官能赌上士兵的生命和国家的命运去相信这次不是其中的0.001%。因此，我们不仅仅需要一个具有强大能力的人工智能，还需要一个具有可解释性的人工智能(eXplainableArtificial Intelligence,XAI)。
XAI面对的对象是人和计算机，其目的就是通过提供解释使得AI的行为更加易于理解。一个好的XAI方法应该要做到以下几点：
能够解释AI的功能和认知。
解释AI做了什么，现在正在做什么已经接下里会做什么。
解释AI其行为依据的关键信息。
通常而言，XAI系统的评价是依赖于用户的。对于领域专家而言，他们希望XAI能让他们更加信任AI，并从中获取到专业的科学知识。对于被AI的决策影响的用户而言，他们希望XAI能帮助他们理解他们的处境，或者AI的决策是否公平等。对于AI的开发者和数据科学家而言，他们希望XAI能够帮助他们进行研究，改进AI的性能。因此，我们可以从人的角度对XAI提出三个性质，simulatability（可模拟性），decomposability（可分解性），algorithmictransparency（算法透明性）。图1展示了这些性质的一些描述（这些只是一些形而上的描述，是XAI的一种理想状况，事实上XAI现在能够做到的仅仅是一些简单解释，ps:看不懂没关系）。
图1（a）对应的是可模拟性，（b）对应的是可分解性，（c）对应的是算法透明性但是，如何构建具有可解释性的人工智能，或者是使得原有的人工智能具有可解释性？要阐述清楚这个问题，就必须回到人工智能最基础的样子，也就是那些经典的机器学习方法。人工智能其实含义非常广泛，简单地来说就是拥有智能的人工产品。机器学习就是通过统计分析的方法赋予模型智能，因此，机器学习通常需要大量的数据来进行学习。这也就是人工智能经常和大数据联系在一起的原因。那现在的很多人工智能模型我们通常叫做深度学习，这是因为这些模型都用到一种方法叫做深度神经网络（DeepNeuralNetworks，DNN），而DNN就是一种机器学习方法。深度学习是伴随着高性能计算机的出现而繁荣的。因为深度学习模型异常复杂，因此需要大量的算力来支持模型的运算，这在以前的年代几乎是不可能实现的，但是随着高性能GPU和CPU的诞生，还有分布式系统等技术的发展，科研人员就有了足够的算力去运行和研究深度学习。总的来说，人工智能、机器学习和深度学习三者之间的关系如图 12所示。
图2 人工智能、机器学习和深度学习的关系那么为了深入理解XAI，那么我将以三个经典的机器学习方法来描述机器学习的以及基本内涵。然后从机器学习出发，进入到深度学习，了解常见的卷积神经网络，然后围绕卷积神经网络，我将一一阐述一些目前主流的XAI技术。最后，我将介绍自己的关于XAI的一些研究成果。