中評社北京2月19日電／人工智能(AI)是指在機器上實現類似乃至超越人類的感知、認知、行為等智能的系統。與人類歷史上其他技術革命相比，人工智能對人類社會發展的影響可能位居前列。人類社會也正在由以計算機、通信、互聯網、大數據等技術支撐的信息社會，邁向以人工智能為關鍵支撐的智能社會，人類生產生活以及世界發展格局將由此發生更加深刻的改變。
人工智能分為強人工智能和弱人工智能。強人工智能，也稱通用人工智能，是指達到或超越人類水平的、能夠自適應地應對外界環境挑戰的、具有自我意識的人工智能。弱人工智能，也稱狹義人工智能，是指人工系統實現專用或特定技能的智能，如人臉識別、機器翻譯等。迄今為止大家熟悉的各種人工智能系統，都只實現了特定或專用的人類智能，屬於弱人工智能系統。弱人工智能可以在單項上挑戰人類，比如下圍棋，人類已經不是人工智能的對手了。
人工智能發展的基本思想和技術路徑有三種
人工智能研究工作肇始於20世紀40年代，但其完整概念在1956年才正式登上歷史舞台，在美國達特茅斯學院舉行的“人工智能夏季研討會”上提出。這個研討會的主題就是用機器來模仿人類學習以及其他方面的智能，推進了人工智能起起伏伏、螺旋發展的歷程。
第一個階段，1956—1976年，基於符號邏輯的推理證明階段。這一階段的主要成果是利用布爾代數作為邏輯演算的數學工具，利用演繹推理作為推理工具，發展了邏輯編程語言，實現了包括代數機器定理證明等機器推理決策系統。但在人工智能理論與方法工具尚不完備的初期階段，以攻克認知作為目標顯然不切實際，人工智能研究逐步從高潮進入低谷。
第二個階段，1976—2006年，基於人工規則的專家系統階段。這個階段的主要進展是打開了知識工程的新研究領地，研製出專家系統工具與相關語言，開發出多種專家系統，比如故障診斷專家系統、農業專家系統、疾病診斷專家系統、郵件自動分揀系統等等。專家系統主要由知識庫、推理機以及交互界面構成，其中，知識庫的知識主要由各領域專家人工構建。然而，知識僅靠專家的手工表達實現，終不免掛一漏萬，使得專家系統無法與人類專家與時俱進的學習能力相匹配，人工智能研究第二次進入瓶頸期。
第三個階段，2006年至今，大數據驅動的深度神經網絡階段，也是深度學習大行其道的時期。人工神經網絡的發展，隨著人工智能的發展起起伏伏。初期人們對其可以模擬生物神經系統的某些功能十分關注，但是對複雜網絡的學習收斂性、健壯性和快速學習能力一直難以把握，直到上世紀80年代反向傳播算法的發明和90年代卷積網絡的發明，神經網絡研究取得重要突破。深度神經網絡方法走到前台，開啟了人工智能新階段。
自誕生以來，人工智能發展的基本思想和技術路徑總的來說有三種。
第一種路徑是符號主義或者說邏輯學派，形式邏輯是其理論基礎，主張人工智能應從智能的功能模擬入手，認為符號是智能的基本元素，智能是符號的表征和運算過程。前述第一個階段和第二個階段中，符號主義都是主導思想。
第二種路徑是連接主義或者說神經網絡學派，發源於上世紀40年代，強調智能活動是由大量簡單(神經)單元通過複雜連接後並行運行的結果。其基本思想是：既然人腦智能是由神經網絡產生的，那就通過人工方式構造神經網絡，再通過訓練產生智能。人工神經網絡是對生物神經網絡的抽象和簡化。80年代神經網絡的興盛和近年來興起的深度學習網絡，都是包含多層神經元的人工神經網絡。
第三種路徑是行為主義或者說控制學派，又稱進化主義。這個學派在上世紀80年代末、90年代初興起，思想源頭是上世紀40年代的控制論。控制論認為，智能來自智能主體與環境以及其他智能主體相互作用的成功經驗，是優勝劣汰、適者生存的結果。
機器學習是未來方向，將人類從重複性勞動中解放出來
|
