现代人工智能的载体——计算机
现代人工智能的载体——计算机计算机发展简史这些年来，人们慢慢感受到人工智能技术的深入生活，人工智能也逐渐变成了人们生活中的一部分。手机，智能音箱等各种设备上都有丰富的人工智能应用，智能技术逐步改善着人们的生活。而现代人工智能的兴起离不开计算机技术的发展。计算机发展的第一个阶段是电子管计算机，时间是1946年至1957年间，第二个阶段是晶体管计算机，1957年至1964年间，第三个阶段是集成电路计算机时代，时间是1964年至1980年左右，第四个阶段就是1980年至今，属于超大规模集成电路计算机时代。第二次世界大战时期，第一个电子管计算机埃尼阿克ENIAC横空出世，埃尼阿克最初是为了计算射击参数才被造出来，但是也需要算很久才能够计算出结果，并且埃尼阿克的效率较低，重量达30吨，占地面积1500平方英尺，耗电量也十分惊人。后来计算机进入晶体管计算机时代，最初是贝尔实验室的三位科学家发明了晶体管，内容达到4k，每秒钟200000条指令，相对第一代计算机功能已经改善很多。第三个阶段里，德州仪器的工程师发明了集成电路，也就是我们常说的IC，计算机变得更小，功耗也降得很低，计算的速度更快了。第四阶段到如今的超大规模集成电路计算机，一个芯片集成了上亿的晶体管，速度更快，体积更小，价格更低，如今的计算机的性能也非常强大，能够处理各种各样的文件，进行许多非常高级的应用。如今生物医学技术成为风口浪尖，类人类脑似乎成为新技术的突破口，下一代计算机可能就要基于生物技术。另外近两年来量子计算也成为人们关注的热点之一，2017年5月，中国科学院宣布造出光量子计算机，2019年1月，IBM展示了世界首款商业化量子计算机。不管怎样，计算机发展始终非常迅速，也非常具有革命性，高速的发展极大提高了计算性能，也复杂的问题处理提供了解决方案。
摩尔定律相信摩尔定律大家都不会陌生，英特尔的创始人摩尔先生曾说，在同等的成本下，集成电路的性能每18-24个月便会提升一倍。在过去的几十年里，计算机硬件的性能在不断提升，但是似乎我们的体验没有太大变化，主要是因为软件不断变得复杂，吃掉了硬件提升的性能，所以我们使用的软件功能是在不断演进得更强大的。
计算机的分类超级计算机大型计算机迷你计算机（服务器）工作站微型计算机
计算机的体系与结构冯·诺伊曼体系：将程序指令和数据一起存储的计算机设计概念机构：必须有一个存储器，必须有一个控制器，必须有一个运算器，必须有输入设备，必须有输出设备，现代计算机都是冯诺伊曼机。冯诺依曼机有其特有的有点，具备算数，逻辑运算和数据传送等数据加工处理的能力。但冯诺伊曼机的瓶颈也存在，即CPU和存储器速率之间的问题无法调和（CPU经常空转等待数据传输）。
计算机的层次和编程语言计算机最底层的是硬件逻辑层，包含门，触发器等逻辑电路。往上属于微程序机器层，编程语言是微指令集，微指令所组成的微程序直接交由硬件执行。传统机器层：编程语言是CPU指令集（机器指令），编程语言和硬件是直接相关的，不同架构的CPU使用的是不同的CPU指令集。一条机器指令对应一个微程序。一个微程序对应一组微指令。操作系统层是在软件和硬件之间的适配层，向上提供了简易的操作界面，向下对接了指令系统，管理硬件资源。汇编语言层：编程语言是汇编语言，汇编语言可以翻译成可执行的机器语言，完成翻译的过程的程序就是汇编器。高级语言层：常见的python,C,Java等语言就是高级语言，有几百种。最后就是应用层，如一些软件啊。
选购计算机入门最后再讲一下，选购计算机的时候最基本的入门知识：1.首先关注CPU，CPU是计算机的大脑，重要程度不言而喻，CPU的核数与线程数决定了其处理数据的能力，此外CPU的功耗等问题也会在实际用途中决定性能。2.关注显卡，随着深度学习的兴起，很多技术人员会比较依赖显卡，使用GPU加速深度学习计算会极大提高效率，显卡也是做显示，以及玩游戏必备的，所以想要有较好的图形化使用体验，显卡是不能太差的。3.内存，相信很多人都会关注内存，内存的大小决定了计算机能够运行软件的大小，当然是越大越好，而且要是2的n次方哦。4.硬盘，如今固态硬盘也已经很便宜了，电脑中的操作系统最好是要放在固态硬盘中，固态硬盘速度远高于机械硬盘，而且更轻更不易损坏，就是价格稍高。4.此外便是关注一下屏幕，电池续航，接口种类等。
什么是机器行为如何解释AI
原标题：什么是机器行为？如何解释AI？理解人工智能(AI)代理或程序的“行为方式”，是未来十年人工智能的关键挑战之一。某些方法提供了对AI程序行为的洞察，对于这些方法，我们称其是具备可解释性的。到现在为止，大多数可解释性技术都集中于探索深度神经网络的内部结构。
最近，麻省理工学院(MIT)的一组AI研究人员正在探索一种较为激进的方法，试图用我们研究人类或动物行为的方法，来解释人工智能，观察它们的行为。他们将自己的思路与方法总结为——机器行为，这有望成为未来几年人工智能最令人兴奋的领域之一。
机器行为背后的思想可能是与转变有关的，但它的原则相对简单。为了理解AI代理的行为，机器行为更多地依赖于观察而不是工程知识。具体可以参考我们如何在自然环境中观察动物的行为，并从中得出结论。我们从观察中得到的大多数结论与我们的生物学知识无关，而是与我们对社会互动的理解有关。
在AI中，研究这些虚拟的和具体化的AI代理的行为的科学家，主要是那些自己创建了这些代理的科学家，相当于需要生物学博士才能理解动物的行为。理解AI代理不仅需要解释特定的算法，还需要分析代理与周围环境之间的交互。要做到这一点，通过简单的观察进行行为分析可能是一个强大的工具。
什么是机器行为?
机器行为是一个利用行为科学来理解AI代理行为的领域。目前，最常研究机器行为的科学家是计算机科学家、机器人专家和工程师，首先他们创造了这些机器。虽然这群人有丰富的计算机科学和数学知识来理解AI代理的内部原理，但他们一般不是经过长期学习的行为主义研究者。他们很少接受实验方法论、基于人口的统计和抽样范式或观察性因果推理方面的正式指导，更不用说神经科学、集体行为或社会理论了。同样，即使行为科学家了解这些学科，他们也缺乏了解特定算法或技术效率的专业知识。从这个角度来看，机器行为处于计算机科学、工程学和行为科学的交叉点，以实现对AI代理行为的全面理解。
随着人工智能代理变得越来越复杂，分析它们的行为将是理解它们的内部架构以及它们与其他代理或环境的交互的组合。前者基于深度学习优化技术，后者将部分依赖于行为科学。
理解AI代理的行为模式
动物行为学是生物学的一个领域，主要研究动物在自然条件下的行为和进化特征。动物行为学的奠基人之一是廷伯根(NikolaasTinbergen)，他因为发现了动物行为的关键维度而获得了1973年的诺贝尔生理学或医学奖。廷伯根的观点是，理解动物和人类行为有四个互补的维度：功能、机制、发展和进化历史。尽管AI和动物之间存在根本性的差异，但机器行为还是借用了廷伯根的一些观点来概括AI代理行为的主要部分。机器拥有产生行为的机制，经历了将环境信息集成到行为中，产生功能结果，使特定的机器在特定环境中或多或少变得常见，并体现进化历史，通过历史环境和人类决策继续影响机器行为。
展开全文机器行为的研究集中在四个基本领域：机制、发展、功能和进化，跨越三个主要尺度：个体、集体和混合。
对于给定的AI代理，机器行为将试图通过研究以下四个方面来解释其行为:
1、机制：AI代理生成行为的机制基于其算法和执行环境的特点。在最基本的层次上，机器行为利用可解释性技术来理解特定行为模式背后的特定机制。
2、发展：AI代理的行为不是一次性发生的，而是随着时间的推移而发展的。机器行为研究机器如何获得(发展)特定的个人或集体行为。行为发展可能是工程选择的结果，也可能是代理的经验。
3、功能：行为分析的一个有趣方面是了解特定行为如何影响AI代理的全生命周期功能。机器行为研究行为对AI代理特定功能的影响，以及如何将这些功能复制或优化到其他AI代理上。
4、进化：除了功能，AI代理还容易受到进化历史和与其他代理交互的影响。在整个进化过程中，AI代理算法的各个方面都在新的环境中得到重用，这既限制了未来的行为，也可能带来新的创新。从这个角度来看，机器行为也研究AI代理的进化。
上述四个方面为理解AI代理的行为提供了一个整体模型。然而，当我们评估一个单一代理的分类模型时，这四个要素并不适用于一个拥有数百辆汽车的自动驾驶汽车环境。从这个意义上说，机器行为在三个不同的尺度上应用了前面的四个方面：
1、个体机器行为：在这个维度上，机器行为试图研究个体机器本身的行为。研究单个机器行为有两种常用方法。第一种方法侧重于使用一个在机器内部（within-machine）的方法分析任何特定机器代理的行为集，比较不同条件下特定机器的行为。第二种方法是一个处于机器之间（between-machine）的方法，研究各种机器代理在相同条件下的行为。
2、集体机器行为：与个体维度不同，这个领域通过研究群体中的交互来了解AI代理的行为。机器行为的集体维度试图发现AI代理上的行为，而这些行为并没有在单独的层次上出现。
3、混合人机行为：在许多场景中，AI代理的行为受到它们与人类交互的影响。机器行为的另一个维度关注于分析AI代理中由与人类交互而触发的行为模式。
机器行为是人工智能中最有趣、最新兴的领域之一。行为科学可以补充传统的解释方法，开发新的方法来帮助我们理解和解释人工智能的行为。随着人类和人工智能之间的互动变得越来越复杂，机器行为可能会在实现下一个层次的混合智能方面发挥关键作用。
原文作者：JesusRodriguez返回搜狐，查看更多
责任编辑：