人工智能的顶会有哪些
人工智能和机器学习技术的快速发展，使得AI主题会议也层出不穷，下面带大家一起了解一下人工智能领域的顶会都有哪些
1. CVPR
国际计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是ICCV和ECCV），近年来每年有约1500名参加者，收录的论文数量一般300篇左右。本会议每年都会有固定的研讨主题，而每一年都会有公司赞助该会议并获得在会场展示的机会。
2.ECCV
ECCV的全称是EuropeanConferenceonComputerVision(欧洲计算机视觉国际会议)，两年一次，是计算机视觉三大会议（另外两个是ICCV和CVPR）之一。每次会议在全球范围录用论文300篇左右，主要的录用论文都来自美国、欧洲等顶尖实验室及研究所，中国大陆的论文数量一般在10-20篇之间。ECCV2010的论文录取率为27%
3.ICCV
ICCV的全称是IEEEInternationalConferenceonComputerVision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常低，是三大会议中公认级别最高的.
4.ICLR
ICLR，全称为「InternationalConferenceonLearning Representations」（国际学习表征会议），2013年才刚刚成立了第一届。这个一年一度的会议虽然今年(2018)才办到第六届，但已经被学术研究者们广泛认可，被认为「深度学习的顶级会议」。这个会议的来头不小，由位列深度学习三大巨头之二的YoshuaBengio和YannLeCun牵头创办。
5.NIPS
NIPS（NeurIPS），全称神经信息处理系统大会(Conference andWorkshoponNeuralInformationProcessingSystems)，是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行,由NIPS基金会主办。NIPS是机器学习领域的顶级会议。在中国计算机学会的国际学术会议排名中，NIPS为人工智能领域的A类会议。
6.ICML
ICML是InternationalConferenceonMachineLearning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。
7.IJCV
国际期刊计算机视觉，详细描绘了信息科学与工程这一领域的快速发展。一般性发表的文章提出广泛普遍关心的重大技术进步。短文章提供了一个新的研究成果快速发布通道。综述性文章给与了重要的评论，以及当今发展现状的概括。
8.PAMI
PAMI是IEEE旗下，模式识别和机器学习领域最重要的学术性汇刊之一。在各种统计中，PAMI被认为有着很强的影响因子和很高的排名。
9.AAAI
国际人工智能协会。前身为美国人工智能协会，目前是一个非盈利的学术研究组织，致力于推动针对智能行为本质的科学研究
10.IJCAI
IJCAI全称为人工智能国际联合大会（InternationalJointConferenceon ArtificialIntelligence），是国际人工智能领域排名第一的学术会议，为CCFA类会议。该会议于1969年首度在美国华盛顿召开，随着人工智能的热度日益攀升，原本仅在奇数年召开的IJCAI自2015年开始变成每年召开。
11.ACM/MM
ACMMM是全球多媒体领域的顶级会议，会议每年通过组织大规模图像视频分析、社会媒体研究、多模态人机交互、计算视觉、计算图像等影响多媒体行业的前沿命题竞赛，引领全球新媒体发展方向。
12.TNNLS
从英文翻译而来-IEEE神经网络与学习系统交易是由IEEE计算智能学会出版的月度同行评审科学期刊。它涵盖了神经网络和相关学习系统的理论，设计和应用。
作者：人工智能扫地僧链接：https://www.jianshu.com/p/b2d18e01ba58来源：简书著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
人工智能技术应用的领域主要有哪些
3.网络处理这些动作并且进行学习；
4.如果这个动作符合指定的动作，将会增强权重，如果不符合，将会降低权重；
5.系统通过如上过程调整权重；
6.在成千上万次的学习之后，超过人类的表现；
2、计算机视觉
计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉有着广泛的细分应用，其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被支付宝或者网上一些自助服务用来自动识别照片里的人物。同时在安防及监控领域，也有很多的应用……
图片来源网络
计算机视觉的技术原理：
计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
3、语音识别
语音识别技术最通俗易懂的讲法就是语音转化为文字，并对其进行识别认知和处理。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。
图片来源网络
语音识别技术原理：
1、对声音进行处理，使用移动窗函数对声音进行分帧；
2、声音被分帧后，变为很多波形，需要将波形做声学体征提取，变为状态；
3、特征提起之后，声音就变成了一个N行、N列的矩阵。然后通过音素组合成单词；
4、虚拟个人助理
说到虚拟个人助理，可能大家脑子里还没有具体的概念。但是说到Siri，你肯定就能立马明白什么是虚拟个人助理。除了Siri之外，Windows10的Cortana也是典型代表。
图片来源网络
虚拟个人助理技术原理：（以Siri为例）
1、用户对着Siri说话后，语音将立即被编码，并转换成一个压缩数字文件，该文件包含了用户语音的相关信息；
2、由于用户手机处于开机状态，语音信号将被转入用户所使用移动运营商的基站当中，然后再通过一系列固定电线发送至用户的互联网服务供应商(ISP)，该ISP拥有云计算服务器；
3、该服务器中的内置系列模块，将通过技术手段来识别用户刚才说过的内容。
总而言之，Siri等虚拟助理软件的工作原理就是“本地语音识别+云计算服务”。
5、语言处理
自然语言处理（NPL），像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合，实现人机间自然语言通信。
图片来源网络
语言处理技术原理：
1、汉字编码词法分析；
2、句法分析；
3、语义分析；
4、文本生成；
5、语音识别；
6、智能机器人
智能机器人在生活中随处可见，扫地机器人、陪伴机器人……这些机器人不管是跟人语音聊天，还是自主定位导航行走、安防监控等，都离不开人工智能技术的支持。
图片来源网络
智能机器人技术原理：
人工智能技术把机器视觉、自动规划等认知技术、各种传感器整合到机器人身上，使得机器人拥有判断、决策的能力，能在各种不同的环境中处理不同的任务。
智能穿戴设备、智能家电、智能出行或者无人机设备其实都是类似的原理。
17、引擎推荐
不知道大家现在上网有没有这样的体验，那就是网站会根据你之前浏览过的页面、搜索过的关键字推送给你一些相关的网站内容。这其实就是引擎推荐技术的一种表现。
Google为什么会做免费搜索引擎，目的就是为了搜集大量的自然搜索数据，丰富他的大数据数据库，为后面的人工智能数据库做准备。
图片来源网络
引擎推荐技术原理：
推荐引擎是基于用户的行为、属性（用户浏览网站产生的数据），通过算法分析和处理，主动发现用户当前或潜在需求，并主动推送信息给用户的信息网络。快速推荐给用户信息，提高浏览效率和转化率。
关于人工智能的展望
除了上面的应用之外，人工智能技术肯定会朝着越来越多的分支领域发展。医疗、教育、金融、衣食住行等等涉及人类生活的各个方面都会有所渗透。
图片来源网络
当然，人工智能的迅速发展必然会带来一些问题。比如有人鼓吹人工智能万能、也有人说人工智能会对人类造成威胁，或者受市场利益和趋势的驱动，涌现大量跟人工智能沾边的公司，但却没有实际应用场景，过分吹嘘概念。
特慧创客：www.tehuiedu.com返回搜狐，查看更多
十位改变世界的人工智能领域大师
1948年，“计算机科学之父”的AllenTuring以及“信息科学之父”的ClaudeShannon自主研发了今天国际象棋程序仍然使用的基本算法。诺贝尔经济学奖得主、卡内基梅隆大学的HerbertSimon预测，“在10年内，计算机将成为国际象棋冠军”（但是，实践证明他及随后的很多人是错误的）。经过许多基本的开发国际象棋程序的工作后，1959年，Newell、Simon和Shaw进行了第一次成功、认真的工作。1967年，麻省理工学院的理查德·格林布拉特开发了第一个俱乐部级的程序Machack，这个程序可以在1600的级别（B级）进行博弈。Greenblatt只允许其程序与人对弈。
人工智能是一门独特的学科，允许我们探索未来生活的诸多可能性。在人工智能短暂的历史中，它的方法已经被纳入计算机科学的标准技术中。这样的例子包括，在人工智能研究中产生的搜索技术和专家系统，并且这些技术现在都嵌入了许多控制系统、金融系统和基于Web的应用程序中。
目前，许多人工智能系统用于控制财务决策，例如购买和销售股票。这些系统使用各种人工智能技术，如神经网络、遗传算法和专家系统。基于互联网的智能体搜索万维网，寻找用户感兴趣的新闻文章。
科技进步显著地影响了我们的生活，这种趋势无疑将会继续。最终，在下一个千年，作为人类的意义何在，这个问题很可能会成为一个讨论的焦点。这几位改变世界的人工智能领域专家，你认识几个？
人物轶事
阿兰·图灵（AlanTuring）
阿兰·图灵（1912—1954）是一位英国数学家，他是计算机科学史上相当杰出的人物。学习过人工智能、计算机科学和密码学课程的学生应该熟悉他的贡献。他对人工智能的贡献在于著名的为测试人工智能开发的图灵测试。他试图解决人工智能中有争议的问题，如“计算机是否有智能？”，由此制订了这个测试。在理论计算机科学中，有一门课程是研究图灵机的计算模型。图灵机是一个捕捉计算本质的数学模型。它的设计旨在回答这个问题：“函数可计算意味着什么？”读者应该理解，在第一台数字计算机出现的七八年前，Turing就在本质上讨论了使用算法来解决特定问题的概念。
你可能已经看过描绘英国之战的第二次世界大战的电影。1940—1944年间，德国飞机在英国丢下了近20万吨炸弹。在伦敦外的布莱奇利公园，Turing带领一队数学家破解德国密码——人称“恩尼格玛密码（EnigmaCode）”。他们最终用恩尼格玛密码机破解了密码。这个设备破译了发送到德国船只和飞机的所有军事命令的密码。图灵小组的成功在盟军的胜利中发挥了决定性的作用。
阿兰·图灵和人工智能
Turing发明了存储程序概念，这是所有现代计算机的基础。1935年之前，他就已经描述了一台具有无限存储空间的抽象计算机器——它具有一个读取头（扫描器），来回移动读取存储空间，读取存储在存储空间中的程序指定的符号。这一概念称为通用图灵机。
Turing很早就对如何组织神经系统促进大脑功能提出了自己的见解。CraigWebster在其文章中阐释了Turing的论文《ComputingMachineryandIntelligence》（最终于1950年发表在Mind上），将图灵B型网络作为无组织的机器进行了介绍，这个B型网络在人类婴儿的大脑皮层中可以发现。
Turing论述了两种类型的无组织机器，它们称为类型A和类型B。类型A机器由NAND门组成，其中每个节点具有用0或1表示的两种状态、两种输入和任何数目的输出。每个A型网络都以特定的方式与另外3个A型节点相交，产生组成B型节点的二进制脉冲。Turing已经认识到培训的可能性以及自我刺激反馈循环的需要）。Turing还认为需要一个“遗传搜索”来训练B型网络，这样就可发现令人满意的值（或模式）。。
在布莱奇利公园，Turing经常与唐纳德·米基（他的同事和追随者）讨论机器如何从经验中学习和解决新问题的概念。后来，这被称为启发法问题求解和机器学习。
Turing很早就对用国际象棋游戏作为人工智能测试平台的问题求解方法有了深刻的认识。虽然他那个时代的计算机器还，不足以开发出强大的国际象棋程序，但是他意识到了国际象棋所提出的挑战（具有10120 种可能的合法棋局）。前面提到，其1948年的论文《计算机器和智能》为此后所有的国际象棋程序奠定了基础，导致在20世纪90年代发展出了可以与世界冠军竞争的大师级机器）。
人物轶事
约翰·麦卡锡（JohnMcCarthy）
约翰·麦卡锡（1927—2011），在1956年达特茅斯会议上创造了“人工智能”这个词，没有他，就没有关于人工智能教科书。
McCarthy教授曾在麻省理工学院、达特茅斯学院、普林斯顿大学和斯坦福大学工作过。他曾是斯坦福大学的荣誉教授。
对于LISP编程语言的发明他功不可没。多年来，特别是在美国，LISP已经成了开发人工智能程序的标准语言。McCarthy极具数学天分，他在1948年获得了加州理工学院数学学士。1951年，他在所罗门·莱夫谢茨（SolomonLefschetz）的指导下，获得了普林斯顿大学数学博士学位。
McCarthy教授兴趣广泛，其贡献涵盖了人工智能的许多领域。例如，他在多个领域有出版物，包括逻辑、自然语言处理、计算机国际象棋、认知、反设事实、常识，并且从人工智能立场提出一些哲学问题。
作为人工智能的创始之父，McCarthy经常在他的论文（如《SomeExpertSystemsNeedCommonSense》（1984）和《FreeWillEvenforRobots》中进行评论，指出人工智能系统需要什么才能实用有效。
鉴于他对人工智能做出的贡献，McCarthy于1971年获得了图灵奖。他所获得的其他奖项包括在数学、统计和计算科学方面的国家科学奖，在计算机和认知科学中的本杰明·富兰克林奖。
人物轶事
乔治·布尔（GeorageBoole）
计算机程序能够显示任何类型的智能，这就先决定了它需要能够推理。英国数学家GeorageBoole（1815—1864）建立了表示人类逻辑定律的数学框架。他的著作包括约50篇个人论文。他的主要成就就是众所周知的差分方程论，这个论著出现在1859年。随后，1860年，他发布了有限差分运算论。后一著作是其前一著作的续篇。Boole在《LawsofThought》一书中给出了符号推理的一般方法，这也许是他最大的成就。给定具有任意项的逻辑命题，布尔用纯粹的符号处理这些前提，展示如何进行合理的逻辑推断。
在《LawsofThought》的第二部分，Boole试图发明一种通用的方法，对事件系统的先验概率进行转换，来决定任何与给定事件有逻辑上关联的其他事件的后验概率。
他建立的代数语言（或符号）允许变量基于仅有的两个状态（真和假）进行交互（或建立关系）。正如目前已知的，他建立的布尔代数有3个逻辑运算符：与、或、非。布尔代数和逻辑规则的组合使我们能够“自动地”证明事情。因此，能够做到这一点的机器在某种意义上是能够推理的。
两个多世纪后，库尔特·戈德尔（KurtGödel，1931）证明了Leibniz的目标过度乐观。他证明了，任何一个数学分支，只使用本数学分支的规则和公理，即使这本身是完备的，也总是包含了一些不能被证明为真或假的命题。伟大的法国哲学家雷内·笛卡儿（ReneDescartes）在《Meditations》一书中，通过认知内省解决了物理现实的问题。他通过思想的现实来证明自己的存在，最终提出了著名的“Cogitoergosum”——“我思故我在”。这样，Descartes和追随他的哲学家建立了独立的心灵世界和物质世界。最终，这导致了当代观点的提出，即身心在本质上是相同的。
人物轶事
艾兹格·迪杰斯特拉（EdsgerDijkstra）
兹格·迪杰斯特拉（1930—2002）是荷兰的计算机科学家，他早期学的是理论物理学，但他最众所周知的成就是关于良好编程风格（如结构化编程）、良好教育技术的写作以及算法。有一种算法以他的名字命名，即在一幅图中找到到达目标的最短路径的算法。
他为开发编程语言做出了重要贡献，因此获得了1972年的图灵奖，并且在1984年至2000年，担任得克萨斯大学奥斯汀分校计算机科学的斯伦贝谢百年主席。他喜欢结构化语言，如Algol-60（这帮助了他开发软件），并不喜欢教BASIC。在写作方面，他获得了相当高的荣誉，例如，他的那封题为《GoToStatementConcordredHarmful》的信（1986年）——这是写给计算机协会通信（ACM）编辑的信。
从20世纪70年代以来，他的大部分工作是开发程序正确性证明的形式化验证。他希望用优雅的数学而不是通过复杂的正确性证明进行验证，这种正确性证明的复杂性通常会变得非常复杂。Dijkstra写了超过1300个“EWD”（他的名字的首字母缩写），这是他写给自己的手写个人笔记，此后，他与其他人通信，使这些笔记得以出版。
在他去世前，由于在程序计算自稳定方面的工作，他获得了分布式计算原理（ACMPrinciplesofDistributedComputing，ACMPODC）影响力论文奖（PODCInfluentialPaperAwardinDistributedComputing），为了向他表示敬意，这个奖项更名为迪杰斯特拉（Dijkstra）奖。
人物轶事
亚瑟・塞缪尔（ArthurSamuel）
1952年，亚瑟·塞缪尔（ArthurSamuel）编写了第一个版本的跳棋程序。显然，在为IBM704编程跳棋游戏时，Samuel的主要兴趣是开发一个可以演示机器学习的跳棋程序。Samuel的早期论文[以及在跳棋方面工作的重要意义，并不在于程序的结果或程序必须成功，但是当程序在单场比赛中打败了冠军罗伯特·奈利（RobertNealy）之后，这经常被新闻界夸大其词。
这项工作的重要意义在于，人们将这个程序视为合理人工智能技术的研究和应用的早期模型。Samuel的工作代表了在机器学习领域最早的研究。Samuel曾思考使用神经网络方法学习博弈的可能性，但是最后决定采用更有组织、更结构化的网络方式进行学习。
戴纳·诺（DanaNau）是博弈论和自动规划领域的研究者，他以发现“病理性”游戏而闻名，在这种游戏中，与直觉相反，向前看会导致比较糟糕的决策。
人物轶事
戴纳·诺（DanaNau）
DanaNau（1951年生）是马里兰大学计算机科学系和系统研究所（ISR）的教授。DanaNau在自动规划和博弈理论方面的研究使他发现了这样的“病理性”游戏，并在这个理论及其自动规划应用方面颇有建树。他和他的学生为AI规划、制造规划、零和游戏以及非零和游戏领域所开发的算法已经赢得了许多奖项。
他的SHOP和SHOP2规划系统已被下载了13000余次，用于世界范围内的数千个项目中。Dana发表了超过300篇的论文，其中几篇获得了最佳论文奖，他还与其他作者合著了《AutomatedPlanning:TheoryandPractice》。他是人工智能发展协会（AAAI）研究员。除了在马里兰大学担任教授，Dana还在高级计算机研究所（UMIACS）和机械工程系中担任相关的职位，还参与指导计算文化动态实验室（LCCD）。
理查德·科夫（RichardKorf）研究的是人工智能中的问题求解、启发式搜索和规划，他发现了迭代加深的深度优先搜索——一种类似于渐进深化的方法，这是下一节的主题。请参阅补充报道，深入了解Korf博士。
人物轶事
理查德·科夫（RichardKorf）
RichardKorf（1955年生）是美国加州大学洛杉矶分校计算机科学学院的教授。他于1977年获得麻省理工学士学位，并于1980年和1983年分别获得卡内基梅隆大学计算机科学的硕士和博士学位。1983年至1985年，他担任哥伦比亚大学计算机科学学院HerbertM.Singer助理教授。他的研究领域是问题求解、启发式搜索和人工智能规划。
特别值得注意的是,1985年，他发现迭代加深法，这提高了深度优先搜索的效率。他还于1997年发现了著名的魔方最佳解决方案。他是《LearningtoSolveProblemsbySearchingforMacro-Operators》一书的作者（Pitman,1985）。他是《人工智能》和《应用智能》杂志的编辑委员会会员。Korf博士曾荣获1985年IBM教授发展奖（FacultyDevelopmentAward）、1986年NSF的总统年轻研究员奖（residentialYoungInvestigatorAward）、最佳的UCLA计算机科学部杰出教学奖（ComputerScienceDepartmentDistinguishedTeachingAward）（1989）以及2005年的洛克希德马丁优秀教学奖（LockheedMartinExcellenceinTeachingAward）。他是美国人工智能协会（FellowoftheAmericanAssociationforArtificialIntelligence）的高级会员。
AI的创始人之一
人物轶事
马文·明斯基（MarvinMinsky）
自1956年达特茅斯会议以来，明斯基（1927年生）就一直是AI的创始人之一。
1950年，他从哈佛获得数学学士学位；1954年，他在普林斯顿获得数学博士学位。但是他的专业领域是认知科学，从1958年以来，他就一直在麻省理工学院努力工作，对认知科学做出了贡献。
他痴迷于该领域，一直持续到2006年——达特茅斯会议五十周年。在达特茅斯会议中也首次孕育了本书。2003年，明斯基教授创立了MIT计算机科学与人工智能实验室（CSAIL）。明斯基于1969年获得图灵奖，1990年获得日本奖，1991年获得国际人工智能联合会议最佳研究奖，2001年获得来自富兰克林研究所的本杰明·富兰克林奖章。他是人工智能的伟大先驱和深刻的思想家之一。他从数学、心理学和计算机科学的角度开发了框架理论（见6.8节），并且对AI做出了许多其他的重要贡献。最近几年，他继续在麻省理工学院媒体实验室工作。
心智社会
1986年，马文·明斯基做出了里程碑式的贡献，他的《TheSocietyofMind》一书打开了智能体思想和研究的大门。本书的述评在emcp官网上可以找到，其中突出了以下几点。
明斯基的理论认为心智是由大量半自主、复杂连接的智能体集合组成的，而这些智能体本身是没有心智的。正如闵斯基所说：
“本书试图解释大脑的工作方式。智能如何从非智能中产生？为了回答这个问题，我们将展示从许多本身无心智的小部件构建出心智。”[43]
在明斯基的体系中，心智是由许多较小的过程生成的，他将这些小过程称为“智能体”。每一个智能体只能执行简单的任务——但是智能体加入群体形成社会时，“以某种非常特殊的方式”带来智能。明斯基对大脑的看法是：它是一台非常复杂的机器。
如果我们能够想象，使用计算机芯片代替大脑中的每个细胞，这些芯片设计用于执行与大脑智能体相同的功能，使用在大脑中完全相同的连接。明斯基还说：“没有任何理由怀疑，由于替代机器体现了所有相同的过程和记忆，因此替代机器的所思所感与你是一样的。确实可以说，它就是你，它具有你所有的强度。”
在明斯基做出里程碑式工作的时期，人们批评人工智能系统不能展示常识知识。对此，他不得不说：
“我们预感、想象、计划、预测和阻止的方式涉及几千、也许是上百万个小过程。然而所有这些过程都是自动进行的，因此我们认为它是‘普通的常识’。”
自20世纪80年代后期以来，罗德尼·布鲁克斯（RodneyBrooks）一直基于包容体系架构建造机器人。他认为智能行为是从有组织的、相对简单的行为交互中出现的。包容体系架构是构建机器人控制系统的基础，这个控制系统包括任务处理行为集。其通过有限状态机的转换，将基于感知的输入映射为面向行动的输出，实现机器人的行为。一个简单的条件动作产生式规则集定义了有限状态机。
Brooks的系统不包括全局知识，但是它们确实包括一些层次结构，以及架构不同层次之间的反馈。Brooks通过增加架构中的层次数目，增强系统的能力。Brooks认为，架构中较低层次的设计和测试的结果产生了顶层行为。我们执行了实验，揭示了层次间一致行为的最好设计，确定了层间和层内的适当通信。包容体系架构设计的简单性并未阻止Brooks在一些应用中取得成功。
人物轶事
罗德尼·布鲁克斯（RodneyBrooks）——从反叛到改革
RodneyBrooks（1954年生）多才多艺、风趣幽默。20世纪80年代，他闯入AI领域，质疑已建立起来的观点，就如何构建机器人系统提出自己特立独行的观点。多年之后，他成了著名的AI领袖、学者和预言家。他在澳大利亚弗林德斯大学获得了理论数学的学士学位，并于1981年，获得了斯坦福大学计算机科学博士学位，在卡内基梅隆大学和麻省理工学院担任研究职位。
加入麻省理工学院之前，他于1984年在斯坦福大学担任教授职位。他通过在机器人和人造生命的工作中，建立起了自己的声誉。他通过电影、书籍和创业活动进一步多样化自己的职业生涯，他建立了几家公司，包括Lucid（1984），IROBOT（1990）（见图6.21（a）～图6.21（d））。在IROBOT®这家公司中，他设计了Roomba及其附属人工生物（1991），获得了商业上的成功（见图6.21（c））。他是麻省理工学院松下机器人教授和麻省理工学院计算机科学与人工智能实验室主任。他设计和制造的机器人在工业和军队中都有市场。2008年，他创建了Heartland机器人，这个机器人的使命是将新一代机器人推向市场，提高制造环境中的生产力。“Heartland的目标是将机器人引入未曾自动化的地方，使得制造商更有效率，工人更有生产力，保住工作岗位，避免其迁移到低成本地区”。
图6.21IROBOT公司的产品
人物轶事
汉斯·伯林（HansJ.Berliner）
20世纪70年代初，世界通信国际象棋冠军汉斯·伯林（HansBerliner，1966—1969）博士提出了地平线效应的概念。
HansJ.Berliner（1929年生）为国际象棋博弈和高级博弈编程做出了重大贡献。他于1969年获得了卡内基梅隆大学的博士学位，并曾任该校的计算机科学研究教授。从1965年至1968年，Berliner是世界通信国际象棋冠军，他除了在Hitech开发了世界上第一个高级大师级国际象棋程序之外（1985年），还于1979年开发了西洋双陆棋的强程序。
人物轶事
蒙蒂·纽博（MontyNewborn）
MontyNewborn（1937年生）是计算机国际象棋的先驱之一，开发了其中一个最早的多处理器程序OSTRICH，并从1970年开始组织了北美和世界计算机国际象棋锦标赛。1977年，他也是国际象棋协会（ICCA）的共同创始人之一。从1976年到1983年，他是麦吉尔大学计算机科学学院院长。在1996年Kasparov与深蓝的比赛中，他是首席组织者。同时，他也是一些关于计算机国棋象棋和定理证明书籍的作者。在退休生活中，他喜欢制作漂亮的彩色玻璃灯，还是魁北克顶级高级网球选手之一。
人物轶事
大卫·利维（DavidLevy）和伽谷·万德·荷里克（JaapVanDenHerik）
在计算机国际象棋和计算机博弈领域，DavidLevy（1945年生）是最高产的人物之一。他是国际象棋大师、学者、出版了30余本书籍，并且是国际公认的人工智能领导者。Levy推动了在计算机国际象棋领域的研究，1968年，他与3位计算机科学教授进行了著名的打赌——他声称在国际象棋中，没有任何程序可以击败他。他赢得了几场比赛，在这几场比赛中，D.K.是他的支持，但是在1989年，DeepThought以4︰0击败了他。与D.K.一样，Levy也是DonaldMichie的学生和朋友。
他发表了大受欢迎的《RobotsUnlimited》（2005）以及《LoveandSexwithRobots》（2007）。
JaapvandenHerik（1947年生）是马斯特里赫特大学计算机科学的教授。2008年，他成为创意计算Tilberg中心的领导者。Herik教授积极领导和编辑了ICCA杂志，最后这本杂志更名为《InternationalComputerGamesAssociationJournal》杂志。
自1988年以来，他在这些领域和其他领域有众多的科学出版物，并曾在莱顿大学担任法律和计算专业的院长。
人物轶事
肯尼思·汤普森（KennethThompson）
KennethThompson（1943年生）是计算机科学领域杰出的美国先驱之一。他的成就包括开发B编程语言。1969年，他与丹尼斯·里奇（DennisRitchie）使用这种语言一起编写了UNIX操作系统，进而开发出了C语言。在计算机国际象棋中，他在贝尔实验室使用研究多年的专用硬件开发了程序BELLE。BELLE在1980年的计算机国际象棋冠军赛中夺冠，并且在1982年成为第一个大师级的计算机国际象棋程序。Thompson也因为开发了国际象棋的残局数据库而闻名，对国际象棋知识库做出了巨大的贡献。
Thompson和Ritchie在UNIX操作系统方面的开创性工作为他赢得了多项荣誉，包括IEEERichardW.HammingMedal（1990）、计算机历史博物馆高级成员（1997年）、由比尔 •克林顿颁发的国家科技勋章（NationalMedalofTechnology，1999年）以及日本奖（JapanPrize，2011）。1999年，Thompson获得了第一个TsutomiKanai奖。
最近，他加入谷歌，担任了杰出工程师，并开发了Go语言。
本文摘自于《人工智能（第2版）》
《人工智能（第2版）》
[美] 史蒂芬·卢奇（StephenLucci）著
美国经典入门教材，被誉为人工智能领域百科全书。人工智能领域近十年来最前沿教程，更加适合本科生使用。
本书基于人工智能的理论基础，向读者展示全面、新颖、丰富多彩且易于理解的人工智能知识体系。本书给出诸多的示例、应用程序、全彩图片和人物轶事，以激发读者的阅读和学习兴趣；还引入了机器人和机器学习的相关高级课程，包括神经网络、遗传算法、自然语言处理、规划和复杂的棋盘博弈等。
长按二维码，可以关注我们哟
每天与你分享IT好文
在“异步图书”后台回复“关注”，即可免费获得2000门在线视频课程
异步图书福利送不停
邀请10名好友关注10天直接获取异步图书一本（点击文字获取活动详情哦）
点击阅读原文，购买《人工智能（第2版） 》
阅读原文
人工智能在教育中的应用，主要包含哪几个方面
国务院印发的《新一代人工智能发展规划》明确指出，人工智能成为国际竞争的新焦点，应逐步开展全民智能教育项目，在中小学阶段设置人工智能相关课程、逐步推广编程教育、建设人工智能学科，培养复合型人才，形成我国人工智能人才高地。此次规划出台，将会加快编程培训进入中小学课堂的实施进度，对于人工智能在教育中如何应用，主要包括以下几点：
师资分配
利用人工智能可以实现师资资源重新分配。传统教育模式中，存在严重的师资力量分配不均匀的问题，也导致了教育的不均衡、不平等。
当投入了人工智能教育以后，各地的教师可以将自己的资源制成课件，无论在世界哪一个地方，孩子们享受到的教育资源都是相同的。人工智能让各地师资力量取长补短。
交流平台
人工智能以及区块链技术还可以为教育工作者搭建共建平台。在人工智能教育领域中，喵爪组建开放式共建平台，供技术创新者和教育创新者共同合作，开发基于项目制学习和人工智能创新教育的学习内容。这样的内容可以在喵爪星球虚拟学习空间里，通过其注册的喵爪账号在喵爪平台上参与学习，这有利于社群里的人互相学习共同促进。而且，区块链技术也可以保证学生隐私以及学生数据的真实性。
资源迅速更新
人工智能将促进教育资源的迅速更新，更加轻便。传统教育大部分是依赖于纸质书籍的，而纸质书籍有几个重大的缺点：不易更新、非常沉重、保存困难。一旦更新，原有的书籍便相当于作废等。
如果改用人工智能教育方式，更新只需要一瞬间，服务器上传后，用户只要联网更新数据就可以获取最新版本。学生也不必再背着沉重的书包，甚至在未来可能会由机器人代替学生背负学习资料。这种轻便及时的教育方式比传统教育少了许多麻烦。
负担优化
传统教育是制式的，教师对学生能力的训练大多数只能通过作业，而且家长盲目地给孩子报各种补习班，造成孩子时间的浪费，同时也破坏了孩子的学习兴趣，造成了巨大的影响。
人工智能模式的教育中，智能教育模式会对孩子掌握的知识进行一个评测。对于孩子已经掌握的知识，除了一段时间以后的温习以外，将减少其在学习过程中的出现率，保证孩子的休息娱乐时间，减少死读书现象的发生，确保孩子是真正掌握了知识，而非死记硬背。
个性化学习
人工智能可以为每位学生提供个人专属的学习计划。喵爪教育将利用人工智能技术，根据需求为每一位在喵爪星球上注册的用户提供个人专属的学习计划。由人工智能定制的学习计划与传统教育制式学习有着本质的区别，人工智能个人专属学习计划可以更有效地开发孩子的潜力，因为每个孩子都有自己所擅长的和不擅长的。
制式教育只会强硬地让孩子学所有东西，而人工智能教育则是针对孩子的优点，进行深入开发，把孩子的潜力开发出来，让孩子的潜质不会被白白浪费。
喵爪教育已经和汉森机器人公司达成合作意向，利用人工智能技术创新教育，共同开发使用“爱因斯坦”机器人。这款机器人不仅可以编程，还可以与Scratch编程教育相结合，用于项目制学习（PBL）、人工智能认知学习。
众所周知，如果人类在学习的过程中能够拥有更多的身体感官交流，那么学习的效果将会得到大大的提高。“爱因斯坦”机器人首先就具备机器人与人之间的视听交流。在此之后，如果用户用手指触摸iPad来与机器人进行互动交流，那么它将打开人类大脑的更多区域的互动，而这也可以使人类的大脑更加快速地接收这些知识并且接受这种学习方式。用户可以通过云端下载更多的智能应用程序来与“爱因斯坦”机器人进行更多的互动。
“爱因斯坦”机器人背后所隐藏的道理就是寓教于乐，将娱乐和教育有机地结合起来。这也是“爱因斯坦”机器人诞生的初衷。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：1.人工智能时代，AI人才都有哪些特征？http://www.duozhishidai.com/article-1792-1.html2.大数据携手人工智能，高校人才培养面临新挑战http://www.duozhishidai.com/article-7555-1.html3.人工智能，机器学习和深度学习之间，主要有什么差异http://www.duozhishidai.com/article-15858-1.html4.大数据人工智能领域，如何从菜鸟晋级为大神http://www.duozhishidai.com/article-1427-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站