对人工智能的一点看法
对人工智能的一点看法：
从alphago开始，人工智能就火到不行，用计算机编程语言python写的数学模型算法用于拟合各种曲线，最终得到人们希望的结论。然而，个人的看法是人工智能过热了，现有的硬件不足以支撑这些数学模型快速建设，软件存在自身的缺陷导致这些黑箱模型的不受控。硬件才是一切人工智能的核心~我只看好忆阻器的发展，如果有一天忆阻器真的可以做到纳米级且可以形成神经元结构，才是最好的结果。
对人工智能的认识
对人工智能的认识
人工智能是计算机科学的一个研究分支，不过，这个分支下面又包含很多的研究方向，这个分支提出的时间很早，中间也热闹过几次，自从2012年以来又热闹了，所以看了一点综述文章对此进行简单的记录。
1、人工智能如果从程序层面看其实是一些列的算法，或者包括了算法的sdk或者api，它需要集成到系统中去才能发挥作用，比如做一个具有智能的手机app、具有智能的webapp、具有智能的设备（比如搜狗的翻译宝，儿童手表，会自动泊车的汽车等等）。
2、人工智能包括六个方面：
一、计算机视觉（算上模式识别、图像处理等问题）
二、自然语言理解与交流（包括语音识别、合成等问题）
三、认知与推理（包含各种物理和社会常识）
四、机器人学（机械、控制、设计、运动规划、任务规划等）
五、博弈与伦理
六、机器学习（各种统计的建模、分析工具和计算的方法）
3、人工智能目前还特别幼稚，基本没有啥智能，但是现在科技发展到了这个关口，科学家面临着必须向人工智能进军的问题，所以人工智能成为现实是必然的，只不过这个过程可能会比较漫长，也会充满曲折与挫折，需要大家共同面对、携手前进。
4、给机器赋予智能这事一般是一个趋势，不以个人意志为转移的，它必然会来，不是你回避、不承认，它就不来，也不是你拥抱、欢迎，它就会更快来临&#
新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
我对人工智能的理解与看法
人工智能
研究让计算机具备模拟、延伸和扩展人的智能的一门技术科学。主要是来源于大量的数据来使机器学习能比人更快的计算出结果,这可能就是我眼中的大数据.
或许大数据分析出结果,再往上一个级别的建模就叫做人工智能吧!鄙人理解尚浅,还请多多指教,自学总结笔记不易.
机器学习
是利用算法或逻辑，在大量的数据上进行运算（从数据中学习如何完成任务即学习训练的过程），产生模型，通过模型对真实事件做出决策和预测。
1.机器学习从方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习。
2.传统的算法包括k-邻近算法、决策树、贝叶斯分类、聚类、支持向量机等。
深度学习
是利用包含多个隐含层的神经网络结构的人工神经网络（深度神经网络），通过优化神经元的连接方法和激活函数等方面，来提高训练效果，产生模型后，通过模型对真实事件作出决策和预测。
机器学习与深度学习的关系
机器学习是一种实现人工智能的方法。深度学习是一种实现机器学习的技术（新算法）。
机器学习与深度学习的对比
1、应用场景：应用场景
机器学习在指纹识别、特征物体，检测等领域的应用基本达到了商业化的要求。
深度学习主要应用于文字识别、人脸技术、语义分析、智能监控等领域。目前在智能硬件、教育、医疗等行业也在快速布局。
2、数据依赖性
机器学习能够适应各种数据量，特别是数据量较小的场景。在这种情况下，传统的机器学习算法使用制定的规则，性能会比较好。
深度学习的精准度，需要大量的数据来训练，当数据量很少时，深度学习算法的性能并不好。
3、硬件依赖
深度学习算法需要进行大量的矩阵运算，GPU主要用来高效优化矩阵运算，所以GPU是深度学习正常工作的必须硬件。
机器学习对硬件配置要求相对，深度学习没有那么高！
4、训练算法时间
深度学习算法，因为包含有很多参数，需要大量时间进行训练，完整地训练一次可能需要消耗两周的时间或更长时间！
机器学习的训练会消耗的时间相对较少，只需要几秒钟到几小时的时间。
5、预测时间
深度学习算法的预测时间，相比机器学习，只需要很少的时间去运行。
6、解决问题的方法
机器学习算法遵循标准程序解决问题。它将问题拆分成数个部分，对其进行分别解决，而后再将结果结合起来以获得所需的答案。
深度学习则以集中方式解决问题，而不必进行问题拆分，提倡直接的端到端的解决问题。
7、可解释性
深度学习可以达到接近人的标准，但是这仍然有个问题。在数学的角度上，你可以找出来哪一个深度神经网络节点被激活了。但是我们不知道神经元应该是什么模型，我们也不知道这些神经单元层要共同做什么。所以无法解释结果是如何产生的。
机器学习算法给出了明确的规则，所以解释背后的推理是很容易的。
8、特征处理
机器学习算法的性能依赖于所提取的特征的准确度，而特征数据的处理，需要更专业的知识，且很耗时。
深度学习尝试从数据中直接获取高等级的特征，深度学习削减了对每一个问题设计特征提取器的工作。
机器学习和深度学习应用领域
1、计算机视觉用于车牌识别和面部识别等的应用。
2、信息检索用于诸如搜索引擎的应用-包括文本搜索和图像搜索。
3、市场营销针对自动电子邮件营销和目标群体识别等的应用。
4、医疗诊断诸如癌症识别和异常检测等的应用。
5、自然语言处理，如情绪分析和照片标记等的应用。
6、无人驾驶。
总结
机器学习算法在指纹识别、人脸检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现，人工智能才开始大爆发，继续拓展人工智能的领域，如：无人驾驶、预防性医疗保健等！深度学习很早就出现过，但由于当时训练数据量不足、计算能力落后，因此最终的效果不尽如人意。深度学习模型需要大量的训练数据，才能展现出神奇的效果！
本文来自博客园，作者：后山人，转载请注明原文链接：https://www.cnblogs.com/zhuhuibiao/p/11960763.html
经营好自己的现在，等待未来向我飞奔而来。高中人工智能作文800字【三篇】
【#高中作文#导语】随着时代的进步，科技在不断发展，人工智能以各种形式出现在我们的生活中，小到一片几纳米的芯片，大到整个互联网的交互系统，可以说我们的生活离不开人工智能。®无忧考网为大家提供《高中人工智能作文800字【三篇】》，欢迎阅读。【篇一】
随着科技的不断攀升与发展，人工智能逐渐走进大众的视野。人工智能，顾名思义，代替人类做工。人工智能的出现意味着我们的生活会更加便利和轻松。据我所知，人工智能可以做家务。譬如扫地机器人，可以自动将地清扫干净，不需我们动丝毫。我们可以用这些零碎的时间干更多的事。
有人说，人类做的事情人工智能都可以做到，我觉得不然。我每日伴着晨曦出门上学，都会在门口的早餐店买早点，空气中夹杂着湿润的淡淡白雾，一股浓郁的清香钻入鼻腔，新鲜的包子出炉了。老阿姨笑着把早餐递给我，触及她温热的双手时，心中涌出一股暖意。这与人工智能截然不同。
而且计算机本就有人类产出，本就是没有情感的死物，它不会像人类有复杂的心绪，充盈的精神世界。假如，让一个人与人工智能同处月下，人工智能或许只能回答实时的温度与天气情况，而人类或许回因自身的遭遇而由衷地感叹月凉如水，明月几多愁。
但是现在，许多人活着跟机器人越发相像。他们都过着千篇一律的生活，对身边的一切都异常冷漠，失去了价值观与同情心，成为生活的傀儡。他们会在看到别人的悲惨后冷笑；会对别人的缺陷冷嘲热讽；会对别人的乞求熟视无睹……每当我遇见这些毫无情感的机器人时，我总会思考萦怀为什么会有如此可悲的人出现？
我认为的生活，虽有一点黑白，但不乏姿彩；虽有喧闹和烦忧，却时有银铃般的欢笑；虽会有挫折与艰辛，但也有克服苦难，战胜挑战后真正的快乐……这些丰富的情感，它们是否能感受到呢？
是这个时代生产出这些机器人，也是他们把自己改变成机器人。人际关系的日渐淡薄，亲人间的疏远，朋友间的虚情都在提醒着我，让我不要成为这种人。
我向往的生活是邻里间的相互问好，而非漠视；是与陌生人之间的一个微笑，而非向下的唇角；是与亲人间的拥抱，而非礼貌性的点头……
希望我向往的生活是我以后的生活，人与人之间充满爱与温情。也希望机器人越来越少，能有欢笑与泪水，泪水虽咸，亦是真情……【篇二】
现在的社会发展越来越快，科学家发明了一种新型计算机――人工智能。它能和人类“一样”思考。随着科技的迅速发展，计算机在普通生活中对于人们来说已经见怪不怪了。原本一些都需要人来完成的事，现在全部都可以用计算机来代替了，人们只要简单的操控它，便能轻松又准确的完成工作。而现在出现在人们眼前的是更高端的“人工智能”，它可以完全代替人来工作，它的思维和人一样，甚至比人的思维能力还要强。有些人类完成不了的事，它却可以完成。人工智能虽说很厉害，但机器人就是机器人，它永远都代替不了我们人类。人工智能是人类费尽心思创造出来的，它有的是全是线路的脑袋，聪明才智也是人类做出来的，它比人类聪明但它没有人类身上的许多东西。人类可以自己思考，有自己不同的思维方式，有感情，有价值观……但人工智能不会有，它有的只是在某个方面能够迅速又准确的操作。
虽说人工智能现在比不上人类，但科学家们还在研究地更深入。这既是科技发展的好方法/也是令人担忧的一件事。让人工智能变得越来越人性化，能更好的利用它来为世界做出贡献，是人类的生活水平得到提高，这是对人类社会发展的一大好处。如果在将来的某一天，科学家们研究发明了一个能够完全自主思考的人工智能机器人，然后肯定会有大批量的人工智能机器人被创造出来使用于各个方面，当人工智能有了能独立思考的能力后，它便会不再听命于人类，那个时候人类已经变得极度依赖人工智能，自己却什么都不会，变得跟机器人一样冷漠无情。那这个世界就变成了机器人的世界了，人类就销声匿迹了。
让科技发展是好的，但也不能不顾后果地大力研发，不然这个世界就太可怕了。
苹果公司总裁库克认为，我不担心人工智能计算机会像人类一样思考，我更担心地是人类会像计算机一样的思考，失去了价值观和同情心，罔顾后果。
我认为人工智能可以带给人类更舒适的生活，更优越的环境，但也可以给人类带来灾祸。对于人工智能的研发和使用我们要适可而止，谨慎使用。【篇三】
生活中“扫一扫”难以逾越的鸿沟已屈指可数。在这样一个人工智能成指数型爆炸发展的今天，很难说是我们创造了人工智能，还是后者塑造了我们。我曾羡慕人工智能的超强计算力，幻想有一天不再为数学而发愁，也在劳累不堪或是关键时刻掉链子时仰慕人工智能的永不劳累。
物质上，人工智能所带来的便捷前所未有，但精神上，它的存在让现代人似乎还不如生活朴素的古人。
“夕阳无限好，只是近黄昏。”。千年前的李商隐面对被晚霞染成绚丽色彩的天时，油然而生如此感慨。同样的场景防止今日恐怕结果会大不相同。一位衣着华丽，妆容整洁的女子登上古原，望着西边渐进地平线的夕阳，用心拍下照片后便坐在路边发起朋友圈炫耀着这一切，窃喜的数着有了多少赞，任由落日余晖打在身上。
人工智能改变了我们对于美的认知。从前，如“造化钟神秀，阴阳割昏晓，“”山川想缪，郁乎苍苍“这样的美景在现在我们的眼中已”沦落“为朋友圈攀比的工具，似乎还没有精致的下午茶来的惹人喜爱。
碎片化生活可以算是人工智能泛滥时代的必然产物。我想，碎片化所带来的弊端是其改变了我们对于情谊的认知。兴许近朱者赤，近墨者黑，人工智能的冷漠无情渐渐渗入我们的血液。
苏秦张仪的友谊是我所向往的。苏秦佩六国相印，组织中原六国合纵抗秦，而张仪身为秦相，身居庙堂之高。按理说二者选了相互敌对的路后，纵然师出同门，也应割席断交，可他们在当下政务后仍能相约山间饮酒作乐，畅谈往日同门之情。然，如今的情谊呢？所谓的相好闺蜜，似乎维持这份关系的是每日的互赞，是象征关系亲密的巨轮大火。假设有一天，网络停止了，我们又和现在的人工智能机器一样冷漠孤立无情。
人工智能的存在带来的还有信息的爆炸。比起古人来自战场的千里家书所带来的慰藉，现在这些·亲友间的问候交流如同浩渺银河中的一颗小星星可有可无。消息欣慰的获取易如反掌，发表看法的权利在被无限放大，而我们有基本没有改变。在繁杂的信息中迷失了自我。看到原本并非大事或是以前没多少人重视的负面事件在网上被夸大修饰，看到再平常不过的小事背后似乎充斥着种种阴谋，看到这个时间并没有自己幻想的那么美好后，很难说我们能辨其真伪去筛选。过多负面的消息蒙蔽了我们的双眼让我们变得麻木。这一点上，人工智能改变了我们，而我们似乎变得连人工智能都不如。人工智能至少能够取其所需，就像阿尔法狗能在千万算法中寻找到最有算法击败围棋高手，而曾嘲笑古代居庙堂之高者竟如此易受谗言蒙蔽的我们却和昏君一样思考。
人工智能所带来的还有我们对于何为任义，何为是非的改变。
苹果总裁库克认为：我不担心人工智能会让计算机像人一样思考，我更担心人类向计算机一样思考，失去了价值观和同情心，罔顾后果。
《终结者》的故事让我们似乎畏惧人工智能，霍金也曾发文表达对人工智能对人类影响至深的担忧，但就算那一天会到来，在此之前还有很长一段路要走，而我们却已早早的如计算机一般可般无情麻木的做着要做的事，这样与在*控制下穿同样制服没有独立思想只知道法西斯万岁的人们有什么根本的区别。如果我们变成如此，让我们的意识不再具有主观能动性，那在人工智能控制人类时，我们也将无力反抗，那是变真的会是人类终结之日。
相关文档推荐高中人工智能作文800字三篇高中人工智能作文800字【五篇】高中人工智能的利与弊作文1000字高中人工智能议论文范文800字【三篇】高中人工智能议论文800字高中人工智能议论文800字【三篇】查看无忧考网高中作文全部文档资源>>人工智能的理解
人工智能的起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。
更详细的历史参考链接：https://www.jianshu.com/p/501e840619e1
人工智能（ArtificialIntelligence），英文缩写为AI。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。
——维基百科
总结人工智能的理解：
人工智能（AI）实现过程中，有感知层处理、认知层处理，最后到现实中应用即称应用层。
感知层感知层包含语音识别与合成和计算机视觉。
语音识别与合成包含：语音识别、信号处理、模式识别、信息处理等。
计算机视觉包含：人脸识别、图像识别、机器识别、视频识别、体感识别等。
认知层认知层包含自然语言处理、知识图谱、规划与决策等。
自然语言处理包含：文档分析、词法分析、平滑技术、数据稀疏等。
知识图谱包含：可视化、知识工程等。
规划与决策包含：自动规划、推理机制、专家系统等。
应用层实际应用方面包含机器人、无人驾驶、推荐系统、计算广告、搜索引擎等。
机器人应用包含：聊天机器人、服务机器人、工业机器人等。
无人驾驶应用包含：智能模拟、自动工程等。
推荐系统应用包含：个性推荐、协同过滤等。
计算广告应用包含：广告竞价、数据挖掘、广告交易平台等。
搜索引擎应用包含：智能搜索、统计学法等。
弱人工智能弱人工智能是指能擅长于单个方面的人工智能，规则是封闭的。AlphaGo的判断可以用于围棋，达到很高的水平，它要下象棋也能达到很高的水平，但是就要从头再搞一套象棋的软硬件，它在围棋的深度学习无法通用于其他领域。
强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，人类能做的脑力活动它都能做。它没有既定规则和领域，是开放式的。
人工智能+机器学习+深度学习的包含关系
1、机器学习只是人工智能的一种非常有效的实现方法，但人工智能不只是机器学习；
2、深度学习只是实现机器学习的一种非常有效的技术，但机器学习不只是深度学习；
3、深度学习只是目前最热的一种技术，但不意味着人工智能的终点。未来：小数据大任务，大数据小任务。
机器学习分类根据训练的模型不同，一般有如下的几种机器学习方法：
监督学习无监督学习半监督学习强化学习强化学习（ReinforcementLearning，简称RL）是机器学习的一个重要分支。在强化学习中，包含两种基本的元素：状态与动作，在某个状态下执行某种动作，这便是一种策略，学习器要做的就是通过不断地探索学习，从而获得一个好的策略。例如：在围棋中，一种落棋的局面就是一种状态，若能知道每种局面下的最优落子动作，那就攻无不克/百战不殆了~
若将状态看作为属性，动作看作为标记，易知：监督学习和强化学习都是在试图寻找一个映射，从已知属性/状态推断出标记/动作，这样强化学习中的策略相当于监督学习中的分类/回归器。但在实际问题中，强化学习并没有监督学习那样的标记信息，通常都是在尝试动作后才能获得结果，因此强化学习是通过反馈的结果信息不断调整之前的策略，从而算法能够学习到：在什么样的状态下选择什么样的动作可以获得最好的结果。
强化学习任务通常使用马尔可夫决策过程（MarkovDecisionProcess，简称MDP）来描述，具体而言：机器处在一个环境中，每个状态为机器对当前环境的感知；机器只能通过动作来影响环境，当机器执行一个动作后，会使得环境按某种概率转移到另一个状态；同时，环境会根据潜在的奖赏函数反馈给机器一个奖赏。综合而言，强化学习主要包含四个要素：状态、动作、转移概率以及奖赏函数。
状态（X）：机器对环境的感知，所有可能的状态称为状态空间； 动作（A）：机器所采取的动作，所有能采取的动作构成动作空间； 转移概率（P）：当执行某个动作后，当前状态会以某种概率转移到另一个状态； 奖赏函数（R）：在状态转移的同时，环境给反馈给机器一个奖赏。因此，强化学习的主要任务就是通过在环境中不断地尝试，根据尝试获得的反馈信息调整策略，最终生成一个较好的策略π，机器根据这个策略便能知道在什么状态下应该执行什么动作。
来自：https://www.cnblogs.com/CJT-blog/p/10281396.html
_______ _________________________
参考:
http://www.360doc.com/content/19/1006/20/410279_865196339.shtml
https://cloud.tencent.com/developer/news/15608
https://www.jianshu.com/p/2fc2afc2bc85