强人工智能和弱人工智能
来源：人机与认知实验室
人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的（对此有争议）：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲，当前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能强人工智能观点认为“有可能”制造出“真正”能推理和解决问题的智能机器，并且，这样的机器将被认为是具有知觉、有自我意识的。强人工智能可以有两类：
人类的人工智能，即机器的思考和推理就像人的思维一样。
非人类的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能弱人工智能观点认为“不可能”制造出能“真正”地推理和解决问题的智能机器，这些机器只不过“看起来”像是智能的，但是并不真正拥有智能，也不会有自主意识。
弱人工智能是对比强人工智能才出现的，因为人工智能的研究一度处于停滞不前的状态下，直到类神经网络有了强大的运算能力加以模拟后，才开始改变并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别，对定义争论不休。
就当下的人工智能研究领域来看，研究者已大量造出“看起来”像是智能的机器，获取相当丰硕的理论上和实质上的成果，如2009年康乃尔大学教授HodLipson和其博士研究生MichaelSchmidt研发出的Eureqa计算机程序，只要给予一些数据，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式，等于只用几十个小时就自己重新发现牛顿力学公式，这计算机程序也能用来研究很多其他领域的科学问题上。这些所谓的弱人工智能在神经网络发展下已经有巨大进步，但对于要如何集成成强人工智能，现在还没有明确定论。
对强人工智能的哲学争论
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（JSearleinMindsBrainsandPrograms.TheBehavioralandBrainSciences,vol.3,1980）
关于强人工智能的争论，不同于更广义的一元论和二元论的争论。其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有自我思维和自由意识。
也有哲学家持不同的观点。丹尼尔·丹尼特在其著作《意识的解释（英语：ConsciousnessExplained）》（ConsciousnessExplained）里认为，人也不过是一台有灵魂的机器而已，为什么我们认为：“人可以有智能，而普通机器就不能”呢？他认为像上述的数据转换机器是有可能有思维和意识的。
有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如西蒙·布莱克本（英语：SimonBlackburn）（SimonBlackburn）在其哲学入门教材Think里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她／他仅仅是“看起来”是智能的。基于这个论点，既然弱人工智能认为可以令机器“看起来”像是智能的，那就不能完全否定这机器是真的有智能的。布莱克本认为这是一个主观认定的问题。
需要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在一百多年前是被认为很需要智能的。并且，即使强人工智能被证明为可能的，也不代表强人工智能必定能被研制出来。
研究方法当前没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。
其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？还是必须解决大量完全无关的问题？
智能是否可以使用高级符号表达，如词和想法？还是需要“子符号”的处理？约翰·豪格兰德（JohnHaugeland）提出了GOFAI（出色的老式人工智能）的概念，也提议人工智能应归类为syntheticintelligence（英语：syntheticintelligence），这个概念后来被某些非GOFAI研究者采纳。
控制论与大脑模拟20世纪40年代到50年代，许多研究者探索神经学、信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如格雷·华特（W.GreyWalter）的乌龟（turtle）和约翰霍普金斯野兽。
这些研究者还经常在普林斯顿大学和英国的RatioClub举行技术协会会议。直到1960，大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。
符号处理当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院，而各自有独立的研究风格。约翰·豪格兰德（JohnHaugeland）称这些方法为GOFAI（出色的老式人工智能）。60年代，符号方法在小型证明程序上模拟高级思考有很大的成就。基于控制论或神经网络的方法则置于次要。60－70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。
认知模拟：经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学、运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于Soar发展到高峰。
基于逻辑：不像艾伦·纽厄尔和赫伯特·西蒙，约翰·麦卡锡认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示，智能规划和机器学习。致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言Prolog和逻辑编程科学。
“反逻辑”:斯坦福大学的研究者（如马文·闵斯基和西摩尔·派普特）发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案：他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。罗杰·单克（RogerSchank）描述他们的“反逻辑”方法为“scruffy”。常识知识库（如道格拉斯·莱纳特的Cyc）就是“scruffy”AI的例子，因为他们必须人工一次编写一个复杂的概念。
基于知识：大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
子符号方法1980年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知、机器人、机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。
自下而上、接口agent、嵌入环境（机器人）、行为主义、新式AI：机器人领域相关的研究者，如罗德尼·布鲁克斯（RodneyBrooks），否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征（如移动，感知和形象）。
计算智能：1980年代中大卫·鲁姆哈特（DavidE.Rumelhart）等再次提出神经网络和联结主义。这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。
统计学方法1990年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是近期人工智能成功的原因。共享的数学语言也允许已有学科的合作（如数学，经济或运筹学）。StuartJ.Russell和PeterNorvig指出这些进步不亚于“革命”和“neats的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。
集成方法智能agent范式：智能agent是一个会感知环境并作出行动以达致目标的系统。最简单的智能agent是那些可以解决特定问题的程序。更复杂的agent包括人类和人类组织（如公司）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的agent可以使用任何可行的方法-一些agent用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学（也使用abstractagents的概念）。1990年代智能agent范式被广泛接受。
代理架构和认知架构：研究者设计出一些系统来处理多agent系统中智能agent之间的相互作用。一个系统中包含符号和子符号部分的系统称为混合智能系统，而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。
基本应用人工智能基本的应用可分为四大部分：
感知能力（Perception)指的是人类透过感官所收到环境的刺激，察觉消息的能力，简单的说就是人类五官的看、听、说、读、写等能力，学习人类的感知能力是AI当前主要的焦点之一，包括：
“看”：电脑视觉（ComputerVision）、图像识别（ImageRecognition）、人脸识别（FaceRecognition）、对象侦测（ObjectDetection）。
“听”：语音识别（SoundRecognition）。
“读”：自然语言处理（NaturalLanguageProcessing，NLP）、语音转换文本（Speech-to-Text）。
“写”：机器翻译（MachineTranslation）。
“说”：语音生成（SoundGeneration）、文本转换语音（Text-to-Speech）。
认知能力（Cognition）指的是人类透过学习、判断、分析等等心理活动来了解消息、获取知识的过程与能力，对人类认知的模仿与学习也是当前AI第二个焦点领域，主要包括：
分析识别能力：例如医学图像分析、产品推荐、垃圾邮件识别、法律案件分析、犯罪侦测、信用风险分析、消费行为分析等。
预测能力：例如AI运行的预防性维修（PredictiveMaintenance）、智能天然灾害预测与防治。
判断能力：例如AI下围棋、自动驾驶车、健保诈欺判断、癌症判断等。
学习能力：例如机器学习、深度学习、增强式学习等等各种学习方法。
创造力（Creativity）指的是人类产生新思想，新发现，新方法，新理论，新设计，创造新事物的能力，它是结合知识、智力、能力、个性及潜意识等各种因素优化而成，这个领域当前人类仍遥遥领先AI，但AI也试着急起直追，主要领域包括：AI作曲、AI作诗、AI小说、AI绘画、AI设计等。
智能（Wisdom）指的是人类深刻了解人、事、物的真相，能探求真实真理、明辨是非，指导人类可以过着有意义生活的一种能力，这个领域牵涉人类自我意识、自我认知与价值观，是ˋ当前AI尚未触及的一部分，也是人类最难以模仿的一个领域。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
强人工智能和弱人工智能有什么区别
0分享至人工智能(AI)在当今是一个非常普遍的术语，但当今的AI是什么以及大多数人认为它是什么，可能会有很大的不同。你知道的人工智能是“弱”人工智能，但许多人害怕的人工智能是“强”。人工智能究竟是什么？像“AI”这样的术语很容易抛出，但这并不能说明我们真正在谈论什么。一般来说，“人工智能”是指计算机科学的整个领域。人工智能的目标是让计算机复制自然智能可以完成的任务。这包括人类智能、其他动物的智能以及非动物生命的智能，例如植物、单细胞生物以及任何其他具有某种形式智能的东西。在这个话题下还有一个更深层次的问题，那就是“智能”首先是什么。事实是，即使是智能科学也无法就什么是智能或不是智能的普遍定义达成一致。从广义上讲，它是从经验中学习、做出决定和实现目标的能力。智能允许适应新情况，因此它不同于预编程或本能。可以解决的问题越复杂，你的智慧就越多。尽管有许多不同的测量智力的方法，但我们仍然需要了解很多关于人类智力的知识。我们甚至不确定人类智能是如何在幕后工作的。一些理论，例如加德纳的多元智能理论已被彻底揭穿，而有大量证据支持人类的一般智力因素（称为“G因素”）。换句话说，智能的细节，无论是自然的还是人工的，都在不断发展。虽然当我们看到智能时，我们可能会觉得我们直觉地知道它，但事实证明，围绕智能的概念画一个整齐的圆圈是很棘手的！弱人工智能时代已经到来我们今天拥有的人工智能通常被称为“弱”或“叙事”人工智能。这意味着特定的AI系统非常擅长仅执行一项或一组狭窄的相关任务。第一台在国际象棋中击败人类的计算机，深蓝，在其他任何事情上都毫无用处。快进到第一台在围棋中击败人类的计算机，AlphaGo，它的智能数量级更高，但仍然只擅长一件事。你今天遇到、使用或看到的所有人工智能都很弱。有时将不同的窄人工智能系统组合起来形成一个更复杂的系统，但结果仍然是有效的窄人工智能。虽然这些系统，尤其是那些专注于机器学习的系统，可能会产生不可预测的结果，但它们根本不像人类智能。强人工智能不存在与人类智能相当或优于人类智能的人工智能不存在于虚构之外。如果你想到HAL9000、T-800、星际迷航中的数据或机器人罗比等电影AI，它们似乎是有意识的智能。他们可以学习做任何事情，在任何情况下发挥作用，并且通常可以做任何人类可以做的事情，而且通常做得更好。这是“强大”的AI或AGI（通用人工智能），本质上是一个至少平等并且很可能超越我们的人工实体。据任何人所知，在现实世界中没有这种“强大”人工智能存在的例子。除非它在某个秘密实验室的某个地方，否则就是这样。事实是，我们甚至不知道从哪里开始制作AGI。我们不知道是什么引起了人类意识，这将是人工智能的核心新兴特征。被称为意识的难题。强人工智能可能吗？没有人知道如何制作AGI，也没有人知道是否有可能创建一个。这就是它的长处和短处。然而，我们证明了强大的通用智能存在。假设人类意识和智能是物理定律下物质过程的结果，原则上没有理由不能创造AGI。真正的问题是我们是否足够聪明，能够弄清楚如何做到这一点。人类可能永远不会进步到能够产生AGI的程度，而且没有办法像我们可以说16K显示器将在几年内推出那样为这项技术设定时间表。再说一次，我们狭隘的人工智能技术和其他科学分支，如基因工程、量子力学或DNA的奇异计算，以及先进的材料科学，可能会帮助我们弥合差距。这都是纯粹的猜测，直到它突然发生意外，或者我们有任何路线图。然后是我们是否应该努力创建AGI的问题。一些非常聪明的人，例如已故的斯蒂芬霍金教授和埃隆马斯克，认为AGI将导致世界末日的终结。考虑到AGI看起来多么牵强，这些担忧可能有点夸大其词，但也许对您的Roomba很好，只是为了安全起见。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端AI技术中弱人工智能、通用人工智能、超级人工智能的区别！
其实AI技术被区分为弱人工智能、通用人工智能、超级人工智能三种模式，弱人工智能也被称为狭义人工智能，是专攻某一领域的人工智能，比如一种AI能在国际象棋比赛中打败世界冠军，例如在围棋上大放异彩的AlphaGo都属于弱人工智能。
通用人工智能(ArtificialGeneralIntelligence,AGI)也叫强人工智能，或人类级人工智能，通用人工智能指的是一台像人类一样拥有全面智能的计算机，人类能解决的智力问题他都能解决。创建通用人工智能比创建弱人工智能难多了，现在社会上尚未由成熟的案例，在建设目标上，人们希望通用人工智能具备为“通用的思考能力，包括但不限于推理、计划、解决问题、抽象思考、理解复杂概念、快速学习和从经验中学习的能力。”
牛津大学哲学家、人工智能思想家尼克·博斯特罗姆（NickBostrom）将超级智能定义为“在几乎所有领域，包括科学创造力、一般智慧和社交技能，都比最优秀的人类大脑聪明得多的智力。
但是目前来说，我们所讨论的AI技术，主要集中在弱人工智能上，例如人脸识别，语音识别，目前市场主流的各大智能手机配备的语音机器人、人脸识别都是AI技术的落地应用的场景之一。此外在线上支付、门禁安全、安防等领域，AI技术的应用相对成熟，不过这类应用场景多与城市安防，公安监控相结合，其对设备和技术要求高，业务门槛也相对较高，在我国政务信息化建设中，AI贴合垂直行业需求，满足其定制化功能，在安防领域发挥了巨大作用。
弱人工智能在个人智能终端和安防领域的应用相对成熟，不过在很多细分垂直领域上，人工智能的应用场景还待开发。例如在会议场景中加入人脸识别，语音唤醒等功能，构建智能化的会议场景，但是这类产品建设成本过高，一般的企业难以承受这样的成本价格，此外在需求上，智能化会议室更多是一个升级产物，而并非一个刚需。
人工智能三个阶段 弱人工智能 强人工智能 超人工智能 即使神也要臣服于科学
人工智能是计算机学科的一个分支，被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。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。人工智能不仅仅是机器人，机器人只是其容器，机器人有时候是人形，有时候不是，但是人工智能自身只是机器人体内的大脑。人工智能是大脑的话，机器人就是身体，而且这个身体不一定是必需的。
人工智能的概念很宽，所以人工智能也分很多种，我们可以按照实力将人工智能分为以下三大类。
弱人工智能：擅长于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储存数据，它就不知道怎么回答你了。弱人工智能是能制造出真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，但这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。说到底只是人类的工具。即使是弱人工智能在古代语言还原中还是文物还原中都起到极大作用，长期困扰专家的西夏文现在已经可以人工智能识别。我们现在就处于弱人工智能转向强人工智能时代。
强人工智能：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难得多。这里的“智能”是指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。
强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。有和生物一样的各种本能，比如生存和安全需求。在某种意义上可以看作一种新的文明。例如银翼杀手和人工智能中的大卫就已经是强人工智能。
人工智能士兵银翼杀手战争兵器白起超人工智能：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一点，也可以是各方面都比人类强万亿倍的。当达到超过人类以后人工智能的发展将呈指数级爆发，人工智能将极大的推动科学进步，纳米技术和基因工程在人工智能的辅助下将得到极大提高，即使在弱人工智能时代，都已经可以识别西夏文和希伯来文。如果能达到超人工智能，以往逝去的人甚至都可以复活。甚至秦皇汉武，武安君白起。超人工智能想复刻多少，不过瞬间的事情。如果人类能达到这个阶段没有被强人工智能取代，人类自身说不定可以永生。电影出现的超人工智能例如人工智能电影结尾出现的透明人。
超人工智能现在，人类已经掌握了弱人工智能。其实弱人工智能无处不在，人工智能革命是从弱人工智能，通过强人工智能，最终到达超人工智能的旅途。这段旅途中人类可能会生还下来，可能不会，但是无论如何，世界将变得完全不一样。不过，到目前为止，人类的大脑是我们所知宇宙中最复杂的东西。因此，从弱人工智能到强人工智能的发展之路任重而道远。
美国未来学家雷·库兹韦尔说：“2045年左右，人工智能将来到一个‘奇点’，跨越这个临界点，人工智能将超越人类智慧，人们需要重新审视自己和机器的关系。”现在，在中国的大城市里，大量基于人工智能技术和大数据的应用软件的出现，正在塑造一个全新的工作形态，全职工作越来越少，短期工作和即时就业越来越多，我们面临着一个“更少工作的未来”。所以，人类在享受人工智能带来的经济增长和生活质量改善的同时，也应该关注自身机能的发展问题，机器将“进化”得越来越聪明，而一部分人将“退化”。到时候，不管你是一位高收入的律师，还是流水线上的普通工人，当你的雇主发现使用机器或软件成本更低时，你都有可能失业。