人工智能发展是什么时候(人工智能何时诞生)
人工智能元年普遍认为是哪一年？1956年
人工智能元年普遍认为是1956年。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。
人工智能元年普遍认为是1956年。人工智能是计算机科学的一个分支，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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的容器。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种复杂工作的理解是不同的。2017年12月，人工智能入选2017年度中国媒体十大流行语。
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，人工智能（ARTIFICIALINTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现至今，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。
人工智能发展的历史人工智能发展历程
人工智能诞生于20世纪50年代中期，1956年被确立为一门学科，至今经历过经费枯竭的两个寒冬(1974-1980年、1987-1993年)，也经历过两个大发展的春天(1956-1974年、1993-2005年)。从2006年开始，人工智能进入了加速发展的新阶段，并行计算能力、大数据和先进算法，使当前人工智能加速发展;同时，近年来人工智能的研究越来越受到产业界的重视，产业界对AI的投资和收购如火如荼。
全球的人工智能仍处于感知智能的发展阶段
按照人工智能的发展程度，行业一般将其分为计算智能、感知智能和认知智能三个层次。其中，计算智能阶段指机器能够像人类一样进行计算，诸如神经网络和遗传算法的出现，使得机器能够更高效、快速处理海量的数据;感知智能阶段指机器能听懂我们的语言、看懂世界万物，语音和视觉识别就属于这一范畴，这些技术能够更好的辅助人类高效完成任务;认知智能阶段指，在这一阶段，机器将能够主动思考并采取行动，实现全面辅助甚至替代人类工作。
目前，全球的人工智能仍处于感知智能的发展阶段。
——更多数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。
人工智能是谁在1956年提出的?人工智能是在1956年达特茅斯会议上麦卡锡首先提出的。该会议确定了人工智能的目标是“实现能够像人类一样利用知识去解决问题的机器”。它的初衷是希望能让机器像人类一样，代替人类完成一些任务。
正是有了这一需求，才催生了机器学习（1970s)的出现。人工智能进入了发展的第一个高潮。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。
人工智能的三次发展高潮
人工智能的第一次高潮始于上世纪50年代。在算法方面，感知器数学模型被提出用于模拟人的神经元反应过程，并能够使用梯度下降法从训练样本中自动学习，完成分类任务。
人工智能的第二次高潮始于上世纪80年代。BP(BackPropagation)算法被提出，用于多层神经网络的参数计算，以解决非线性分类和学习的问题。
人工智能的第三次高潮始于2010年代。深度学习的出现引起了广泛的关注，多层神经网络学习过程中的梯度消失问题被有效地抑制，网络的深层结构也能够自动提取并表征复杂的特征，避免传统方法中通过人工提取特征的问题。
人工智能的诞生与寒冬
“人工智能”一词正式诞生于1956年的达特茅斯会议。
会议的组织者约翰.麦卡锡，是个雄心勃勃才三十岁的青年才俊，一直致力于有限自动机的研究，会议前一年，还和著名的信息论之父香农合著了《自动化研究》一书，鉴于让计算机具备的推理能力和智能行为的研究成果，他欢欣鼓舞，决定召开一次大规模的会议，希望借此将各地计算机智能的研究者们汇聚在一起，让思想的火花碰撞，激化出新的灵感，“人工智能”是这次会议的正式命名，是麦卡锡灵光闪现的结果。
麦卡锡被称为人工智能之父，但在一些学者看来，这顶桂冠更应该归属图灵，因为图灵早在1947年就写了《智能机器》的文章，设想人类的大脑是一台精密的机器，是可以用一种人造大脑来模拟的，不过图灵没有正式提过“人工智能”一词，也不知晓这个词的出现，因为两年前，他咬着毒苹果自杀了。
这次会议大师云集，盛况空前，得到了信息论之父克劳德.香农、神经网络之父马文.明斯基，IBM公司计算机设计专家奈特.罗彻斯特的大力襄助，也获得洛克菲勒基金7500美元的资助。
艾伦.纽厄尔和赫伯特.西蒙展示的逻辑理论机器（LTM）成为这次会议最大的亮点，LTM能够证明部分数学命题，正好搔到与会者们的痒处，满足了他们关于“智能”的期盼。
大会确立了今后的研究目标，即“沿着之前的信念继续钻研下去，就是人类智能的各种特点和学习的各个方面都能够在机器中得以体现，人们有能力将这种推测转化为现实。”
这一目标在人工智能领域具有开创性意义，如领航灯，引领了后来二十多年的研究方向，但随着八十年代“人工智能寒冬”的出现，用事实证明这个目标过于宏大，不切实际，究其原因有三：
1. 人工智能研究的基础工具是计算机，计算机技术的特性决定了智能模拟的局限性
2. 人工智能研究依据的理论模型不是真正意义上人类大脑的思维模式
3. 人工智能研究目标的固步自封。
计算机最初来自图灵机，图灵机是图灵在1936年发表的论文《关于可计算性》中提出的机器模型，图灵在论文中证明凡是具备可计算性的数学问题都可以通过有限步骤的机械运算来解决。
机械运算，有限的步骤，这说明计算机程序无论多么复杂和智能，都是有限步骤的机械运算，如果把人工智能比作孙悟空，这有限步骤机械运算的计算机堪当孙猴子手中的如意金箍棒吗？
不能！这是第一个跳出来怀疑人工智能的哲学家休伯特.德莱弗斯的回答。
按照德莱弗斯的理解，大多数人工智能的研究工作是建立在这样一个理论基础上的，即思维中包含一种模型，模型中含有“物理符号”，而信息加工技术可以对这些“物理符号”进行操作和加工。
仔细琢磨，这不正是图灵理论的窠臼吗？
问题是这是人类的思维模式吗？早在计算机发明之前，哲学家们就试图解释大脑思维的奥妙了，德莱弗斯给我们列出了两个哲学流派的观点：
一个是理性主义哲学流派，以康德和笛卡尔为代表，他们采用了形式主义的研究方法，并试图用专门化的规则来解释这些认知过程，坚定的认为大脑就是复杂的机器，当然要比一般意义上的机器灵活精密，如果这一观念成立，倒让图灵麦卡锡们松一口气。
二个是现象学派，二十世纪才兴起，以维特根斯坦、海德格尔、和梅洛-庞蒂为代表，用整体论的研究方法来看待这个复杂的问题，他们认为，人类的身体状态、情绪以及各种体验是交织在一起的，并在此基础上产生了不同个体对于这个世界的不同知觉情况，果如此，机械论者提到的规则说就不成立了，因为没有什么规则是能够和特定个体的具体生活经历相提并论的。
德莱弗斯显然是后者的拥趸，他认为那种灵活多样，充满自主性并能够稳定地勾勒出人类思维的仿真智能是永远无法通过过程系统来实现的，因为无论从生理层面，还是心理层面，人类大脑并不像人工智能研究者们在计算机中模拟的那个样子。
他给人工智能研究者们一个通俗的比喻，那就是他们最终的结局会和炼金师一样，是不可能找到梦想中的石头的。
有心栽花花不开无心插柳柳成荫，外国的炼金师没找到梦想的石头，中国的方士也没有练出长生不老药，可是，他们都在化学领域开花结果了。
同样地，人工智能者们并没有研制出他们心目中类似人脑的电脑，却发明了多种计算机语言，促进了工具化电脑（个人计算机）的普及和应用。
但是，他们并没有被现实唤醒，不仅痴心不改，还批评那些改弦更张的追随者，嘲弄具有实用价值的研究成果（如专家系统）是伪人工智能，直到雄心勃勃的日本第五代智能计算机项目，十年的研发归于失败，结结实实撞了个头破血流。
人工智能研究者们在概念上的固步自封，扼杀了人工智能的发展，预示着人工智能寒冬的来临，标志是各国政府大量削减对人工智能项目的经费支持，而另一方面，个人PC机，计算机网络却欣欣向荣了。
作者观点：如同复杂的计算机软件最终都有01代码构成，万物皆由基本粒子构成一样，人脑亦然，意识由物质决定，物质由基本粒子构成，大脑是基本粒子构建的机器，虽复杂精密，总有规律可循，意识是大脑机器的功能反应，同样有规律可循，这样说来，或许那些一意孤行的人工智能研究者们没错，理性主义的哲学家也没错，唯有德莱弗斯错了，既如此，人工智能为何来了寒冬呢？皆因人类对自己大脑及其运作机制认识不足罢了。
历史上的今天：鸿蒙 OS 发布；人工智能理论的奠基者诞生；“云计算”概念被提出
图源：维基百科
1925年8月9日，计算机科学家大卫·霍夫曼（DavidAlbertHuffman）出生于美国俄亥俄州，他是知名的霍夫曼编码的发明者，也是折纸数学领域的先驱人物。
霍夫曼编码（HuffmanCoding）是一种用于无损数据压缩的熵编码（权编码）算法；在计算机资料处理中，霍夫曼编码使用变长编码表对源符号（如文件中的一个字母）进行编码，其中变长编码表是通过一种评估来源符号出现概率的方法得到的，出现概率高的字母使用较短的编码，反之出现概率低的则使用较长的编码；这便使编码之后的字符串的平均长度、期望值降低，从而达到无损压缩数据的目的。
1944年，霍夫曼在俄亥俄州立大学取得电机工程学士。在第二次世界大战期间，进入美国海军，服役两年。退伍后，他回到俄亥俄州立大学，取得电机工程硕士。其后进入麻省理工学院攻读博士，主修电机工程。1951年，霍夫曼在麻省理工学院（MIT）攻读博士学位，他和修读信息论课程的同学的选择是完成学期报告还是期末考试。导师罗伯特·法诺（RobertFano）出的学期报告题目是：查找最有效的二进制编码。
由于无法证明哪个已有编码是最有效的，霍夫曼放弃对已有编码的研究，转向新的探索，最终发现了基于有序频率二叉树编码的想法，并很快证明了这个方法是最有效的。霍夫曼使用自底向上的方法构建二叉树，避免了次优算法香农-范诺编码（Shannon–Fanocoding）的最大弊端──自顶向下构建树。
在攻读博士期间，霍夫曼于1952年在论文《一种构建极小多余编码的方法》（AMethodfortheConstructionofMinimum-RedundancyCodes）中发表了霍夫曼编码。1953年，霍夫曼取得自然科学博士。在取得博士学位后，他成为麻省理工学院教师。1967年，转至圣塔克鲁兹加利福尼亚大学任教，在此，他协助创立了计算机科学系，1970年至1973年间，他担任系主任。1994年，他从学校退休。1999年，大卫·霍夫曼被诊断出癌症，在同年10月病逝。享年74岁。
资料来源：维基百科
资料来源：维基百科
1927年8月9日：人工智能理论建立者MarvinMinsky出生
图源：维基百科
1927年8月9日，美国科学家马文·明斯基（MarvinLeeMinsky）出生于纽约市，他专长于认知科学与人工智能领域，是麻省理工学院人工智能实验室的创始人之一，著有几部人工智能和哲学方面的作品。明斯基曾获得多项荣誉。他是美国工程院和美国科学院院士，于1969年获得图灵奖，1990年获得日本国际奖，1991年获得IJCAI卓越研究奖，2001年获得富兰克林奖章（BenjaminFranklinMedal）。
明斯基生于犹太人家庭中，高中就读菲利普斯学院。高中毕业后，在1944年至1945年间，服役于美国海军，参与第二次世界大战。1950年于哈佛大学获得数学学士学位，1954年于普林斯顿大学获得数学博士学位。自1958年起在麻省理工学院任教，担任东芝媒体艺术与科学教授（ToshibaProfessorofMediaArtsandSciences）、麻省理工学院电子工程与计算机科学教授，直到他过世为止。
明斯基有数项发明，如1957年发表的共聚焦显微镜，1963年发表的头戴式显示器。他与西摩尔·派普特共同发展了第一个以Logo语言建构的机器人，命名为海龟（Turtle）。1951年，他设计并建构了第一部能自我学习的人工神经网络机器，SNARC。
1956年，明斯基与约翰·麦卡锡组织了达特茅斯会议，在这场会议中，人工智能的概念被提出，在之后形成了一个新的学门。在麻省理工学院，他与约翰·麦卡锡共同创立了人工智能研究室（MIT计算机科学与人工智能实验室的前身）。可以说，说明斯基奠定了人工神经网络的研究基础。2016年1月24日，明斯基因脑内出血病逝，享年88岁。
资料来源：维基百科
资料来源：维基百科
2006年8月9日：埃里克·施密特正式提出云计算的概念
图源：维基百科
2006年8月9日，谷歌首席执行官埃里克·施密特（EricSchmidt）在搜索引擎大会（SESSanJose2006）第一次正式提出“云计算”的概念。世界上已知最早使用“云计算”（Cloudcomputing）一词的印刷物是1996年康柏公司（Compaq）内部的一份商业计划书——他们将互联网业务的未来称为“云计算”。这算是现代意义上的“云计算”的首次现身，更早之前，在1983年，SunMicrosystems公司提出“网络是电脑”（“TheNetworkisthecomputer”）。而云计算的正式流行始于谷歌、IBM、亚马逊等公司开始大力投入云计算相关业务。
2007年10月，谷歌与IBM开始在美国大学校园，包括卡内基梅隆大学、麻省理工学院、斯坦福大学、加州大学柏克莱分校及马里兰大学等，推广云计算的计划，这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持（包括数百台个人电脑及BladeCenter与Systemx服务器，这些计算平台将提供1600个处理器，支持包括Linux、Xen、Hadoop等开放源代码平台）。而学生则可以透过网络开发各项以大规模计算为基础的研究计划。
步入2010年代后，微软于2010年2月发布了MicrosoftAzure；2012年6月7日，甲骨文发布了甲骨文云；2012年5月，GoogleComputeEngine发布了预览版，然后于2013年12月正式推出。到了2019年，Linux成为了MicrosoftAzure上最常用的操作系统，正是在这一年的12月，亚马逊宣布推出AWSOutposts，这是一项完全托管的服务，可将AWS基础设施、AWS服务、API和工具扩展到几乎任何客户数据中心、托管空间或本地设施，以实现真正一致的混合体验。根据国际数据中心统计，全球云计算服务支出已达到7060亿美元，预计到2025年将达到1.3万亿美元，你对云计算都有着哪些展望呢？欢迎在评论区分享你的真知灼见。
资料来源：维基百科
资料来源：维基百科
2019年8月9日：华为发布鸿蒙系统
图源：维基百科
鸿蒙系统，英文名HarmonyOS，开发代号Ark，正式名称为华为终端鸿蒙智能设备操作系统软件，是华为自2012年开发的一款可兼容Android应用程序的跨平台分布式操作系统。该系统性能包括利用“分布式”技术将各款设备融合成一个“超级终端”，便于操作和共享各设备资源；系统架构支持多内核，包括Linux内核、LiteOS和鸿蒙微内核，可按各种智能设备选择所需内核，例如在低功耗设备上使用LiteOS内核。2019年8月9日，华为发布首款搭载鸿蒙操作系统的产品“荣耀智能屏”，之后于2021年6月发布搭载鸿蒙操作系统的智能手机、平板电脑和智能手表。
华为消费者业务首席执行官余承东在开发者大会在谈及华为“鸿蒙”的英文名“Harmony”时表示，鸿蒙的中文意义具有“开天辟地”的意思，最接近的英语单词就是Genesis（开天辟地的意思），但英文名用汉语拼音“Hongmeng”表达鸿蒙不易发音，因此使用Harmony，希望给世界带来更多和平、方便。2021年12月23日，余承东表示已有3亿台设备搭载鸿蒙操作系统；而到了今年7月，华为HarmonyOS3已经正式发布，鸿蒙刚发布时引起的轰动仍回响于耳边，可谓是光阴似箭。
【欢迎投稿】以史为镜，可以知兴替。计算机科学发展至今，有许多至关重要的事件、人物，欢迎所有朋友一起共建「历史上的今天」，投稿邮箱：tangxy@csdn.net。
【欢迎投稿】以史为镜，可以知兴替。计算机科学发展至今，有许多至关重要的事件、人物，欢迎所有朋友一起共建「历史上的今天」，投稿邮箱：tangxy@csdn.net。
☞GitLab禁用Windows！
☞TIOBE8月编程语言排行榜：没有一门语言能比得上Python！
☞iPhone14Pro约8999元起；李彦宏：集度自动驾驶领先特斯拉一代；员工在下班后用微信工作期间发病，认定工伤|极客头条返回搜狐，查看更多
人工智能的伦理挑战
原标题：人工智能的伦理挑战控制论之父维纳在他的名著《人有人的用处》中曾在谈到自动化技术和智能机器之后，得出了一个危言耸听的结论：“这些机器的趋势是要在所有层面上取代人类，而非只是用机器能源和力量取代人类的能源和力量。很显然，这种新的取代将对我们的生活产生深远影响。”维纳的这句谶语，在今天未必成为现实，但已经成为诸多文学和影视作品中的题材。《银翼杀手》《机械公敌》《西部世界》等电影以人工智能反抗和超越人类为题材，机器人向乞讨的人类施舍的画作登上《纽约客》杂志2017年10月23日的封面……人们越来越倾向于讨论人工智能究竟在何时会形成属于自己的意识，并超越人类，让人类沦为它们的奴仆。
一
维纳的激进言辞和今天普通人对人工智能的担心有夸张的成分，但人工智能技术的飞速发展的确给未来带来了一系列挑战。其中，人工智能发展最大的问题，不是技术上的瓶颈，而是人工智能与人类的关系问题，这催生了人工智能的伦理学和跨人类主义的伦理学问题。准确来说，这种伦理学已经与传统的伦理学旨趣发生了较大的偏移，其原因在于，人工智能的伦理学讨论的不再是人与人之间的关系，也不是与自然界的既定事实（如动物，生态）之间的关系，而是人类与自己所发明的一种产品构成的关联，由于这种特殊的产品――根据未来学家库兹威尔在《奇点临近》中的说法――一旦超过了某个奇点，就存在彻底压倒人类的可能性，在这种情况下，人与人之间的伦理是否还能约束人类与这个超越奇点的存在之间的关系？
实际上，对人工智能与人类之间伦理关系的研究，不能脱离对人工智能技术本身的讨论。在人工智能领域，从一开始，准确来说是依从着两种完全不同的路径来进行的。
首先，是真正意义上的人工智能的路径，1956年，在达特茅斯学院召开了一次特殊的研讨会，会议的组织者约翰・麦卡锡为这次会议起了一个特殊的名字：人工智能（简称AI）夏季研讨会。这是第一次在学术范围内使用“人工智能”的名称，而参与达特茅斯会议的麦卡锡和明斯基等人直接将这个名词作为一个新的研究方向的名称。实际上，麦卡锡和明斯基思考的是，如何将我们人类的各种感觉，包括视觉、听觉、触觉，甚至大脑的思考都变成称作“信息论之父”的香农意义上的信息，并加以控制和应用。这一阶段上的人工智能的发展，在很大程度上还是对人类行为的模拟，其理论基础来自德国哲学家莱布尼茨的设想，即将人类的各种感觉可以转化为量化的信息数据，也就是说，我们可以将人类的各种感觉经验和思维经验看成是一个复杂的形式符号系统，如果具有强大的信息采集能力和数据分析能力，就能完整地模拟出人类的感觉和思维。这也是为什么明斯基信心十足地宣称：“人的脑子不过是肉做的电脑。”麦卡锡和明斯基不仅成功地模拟出视觉和听觉经验，后来的特里・谢伊诺斯基和杰弗里・辛顿也根据对认知科学和脑科学的最新进展，发明了一个“NETtalk”的程序，模拟了类似于人的“神经元”的网络，让该网络可以像人的大脑一样进行学习，并能够做出简单的思考。
然而，在这个阶段中，所谓的人工智能在更大程度上都是在模拟人的感觉和思维，让一种更像人的思维机器能够诞生。著名的图灵测试，也是在是否能够像人一样思考的标准上进行的。图灵测试的原理很简单，让测试一方和被测试一方彼此分开，只用简单的对话来让处在测试一方的人判断，被测试方是人还是机器，如果有30%的人无法判断对方是人还是机器时，则代表通过了图灵测试。所以，图灵测试的目的，仍然在检验人工智能是否更像人类。但是，问题在于，机器思维在作出自己的判断时，是否需要人的思维这个中介？也就是说，机器是否需要先绕一个弯路，即将自己的思维装扮得像一个人类，再去作出判断？显然，对于人工智能来说，答案是否定的，因为如果人工智能是用来解决某些实际问题，它们根本不需要让自己经过人类思维这个中介，再去思考和解决问题。人类的思维具有一定的定势和短板，强制性地模拟人类大脑思维的方式，并不是人工智能发展的良好选择。
二
所以，人工智能的发展走向了另一个方向，即智能增强（简称IA）上。如果模拟真实的人的大脑和思维的方向不再重要，那么，人工智能是否能发展出一种纯粹机器的学习和思维方式？倘若机器能够思维，是否能以机器本身的方式来进行。这就出现了机器学习的概念。机器学习的概念，实际上已经成为发展出属于机器本身的学习方式，通过海量的信息和数据收集，让机器从这些信息中提出自己的抽象观念，例如，在给机器浏览了上万张猫的图片之后，让机器从这些图片信息中自己提炼出关于猫的概念。这个时候，很难说机器自己抽象出来的猫的概念，与人类自己理解的猫的概念之间是否存在着差别。不过，最关键的是，一旦机器提炼出属于自己的概念和观念之后，这些抽象的概念和观念将会成为机器自身的思考方式的基础，这些机器自己抽象出来的概念就会形成一种不依赖于人的思考模式网络。当我们讨论打败李世石的阿尔法狗时，我们已经看到了这种机器式思维的凌厉之处，这种机器学习的思维已经让通常意义上的围棋定势丧失了威力，从而让习惯于人类思维的棋手瞬间崩溃。一个不再像人一样思维的机器，或许对于人类来说，会带来更大的恐慌。毕竟，模拟人类大脑和思维的人工智能，尚具有一定的可控性，但基于机器思维的人工智能，我们显然不能作出上述简单的结论，因为，根据与人工智能对弈之后的棋手来说，甚至在多次复盘之后，他们仍然无法理解像阿尔法狗这样的人工智能如何走出下一步棋。
不过，说智能增强技术是对人类的取代，似乎也言之尚早，至少第一个提出“智能增强”的工程师恩格尔巴特并不这么认为。对于恩格尔巴特来说，麦卡锡和明斯基的方向旨在建立机器和人类的同质性，这种同质性思维模式的建立，反而与人类处于一种竞争关系之中，这就像《西部世界》中那些总是将自己当成人类的机器人一样，他们谋求与人类平起平坐的关系。智能增强技术的目的则完全不是这样，它更关心的是人与智能机器之间的互补性，如何利用智能机器来弥补人类思维上的不足。比如自动驾驶技术就是一种典型的智能增强技术，自动驾驶技术的实现，不仅是在汽车上安装了自动驾驶的程序，更关键地还需要采集大量的地图地貌信息，还需要自动驾驶的程序能够在影像资料上判断一些移动的偶然性因素，如突然穿过马路的人。自动驾驶技术能够取代容易疲劳和分心的驾驶员，让人类从繁重的驾驶任务中解放出来。同样，在分拣快递、在汽车工厂里自动组装的机器人也属于智能增强类性质的智能，它们不关心如何更像人类，而是关心如何用自己的方式来解决问题。
三
这样，由于智能增强技术带来了两种平面，一方面是人类思维的平面，另一方面是机器的平面，所以，两个平面之间也需要一个接口技术。接口技术让人与智能机器的沟通成为可能。当接口技术的主要开创者费尔森斯丁来到伯克利大学时，距离恩格尔巴特在那里讨论智能增强技术已经有10年之久。费尔森斯丁用犹太神话中的一个形象――土傀儡――来形容今天的接口技术下人与智能机器的关系，与其说今天的人工智能在奇点临近时，旨在超越和取代人类，不如说今天的人工智能技术越来越倾向于以人类为中心的傀儡学，在这种观念的指引下，今天的人工智能的发展目标并不是产生一种独立的意识，而是如何形成与人类交流的接口技术。在这个意义上，我们可以从费尔森斯丁的傀儡学角度来重新理解人工智能与人的关系的伦理学，也就是说，人类与智能机器的关系，既不是纯粹的利用关系，因为人工智能已经不再是机器或软件，也不是对人的取代，成为人类的主人，而是一种共生性的伙伴关系。当苹果公司开发与人类交流的智能软件Siri时，乔布斯就提出Siri是人类与机器合作的一个最朴实、最优雅的模型。以后，我们或许会看到，当一些国家逐渐陷入老龄化社会之后，无论是一线的生产，还是对这些因衰老而无法行动的老人的照料，或许都会面对这样的人与智能机器的接口技术问题，这是一种人与人工智能之间的新伦理学，他们将构成一种跨人类主义，或许，我们在这种景象中看到的不一定是伦理的灾难，而是一种新的希望。
（作者：蓝江，系南京大学哲学系教授）
人工智能理论基础学习（一）
先来先服务和高响应比优先调度算法C语言实现St370:博主你写的真的好，找遍全网就你写的最清楚
存储器层次结构（一）csapp小白:10中的例题为什么后面最优时间要加上2*T(最大旋转时间)呢？
存储器层次结构（一）b1_55701226:哦哦哦哦好滴！谢谢您！！真的很认真在回答我的问题！太感动了！非常感谢！
存储器层次结构（一）Remoa:我认为文中以及书上的答案都不准确。磁盘地址主要包括四部分：驱动器号、柱面号（磁道号）、盘面号（表面号）、扇区号，每个部分由二进制位标记，因此所有计算都是按照位(bit)来计算(1字节=8位)，在第10中，（1）扇区大小为512字节，512bytes=2^9bytes=2^12bits，所以扇区号为12位；（2）有4个表面，4=2^2，所以盘面号为2位；（3）磁道为1000,2^10>1000>2^9，9位标记不下，所以需要10位，即磁道号为10位；（4）驱动器号题目没提及，则默认为1个驱动器，即驱动器号为1位。其中扇区也就是块，是磁盘读写的最小单位，磁盘按块存取。题目中有1MB的文件，（1）如果按照K=2^10、M=2^20来计算，1MB=2^10KB=2^20B，扇区大小为512字节，512B=2^9B，所以至少需要逻辑块数量为：1MB/512B=2^20/2^9=2^11=2048个；（2）如果按照M=10^6计算，至少需要逻辑块数量为1954个：10^6/512=1953.125。文件在物理存储设备上的分布主要包括连续分配、链接分配、索引分配、混合索引分配，其中连续分配在同一柱面为最快情况。现按照2048个逻辑块的情况计算：2048/1000=2.048，文件连续分配至少需要存储在3个柱面中，最大旋转延迟时间=60s/min*1000ms/s*/RPM=6ms，平均旋转延迟时间=3ms，数据传输需要磁盘转2.048圈，数据传输时间=2.048*6ms=12.288ms，所以最优时间=平均寻道时间+平均旋转延迟时间+数据传输时间=5ms+3ms+12.288ms=20.288ms。文中给你带来的疑惑深感抱歉。
人工智能理论基础学习（一）Jerry_liu20080504:梳理得太清洗了，点赞！