说说人工智能及流派

1956年夏季，以麦卡锡、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在达特茅斯大学一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。1997年，IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。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。

 随着人工神经网络的再度兴起和布鲁克的机器虫的出现，人工智能研究形成了符号主义、连接主义和行为主义的旧三大学派以及以搜索、参数和理解为代表的新三大流派。

符号主义：

又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，是指基于符号运算的人工智能学派其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。他们认为知识可以用符号来表示，认知可以通过符号运算来实现。例如，专家系统等。

连接主义：又称为仿生学派(Bionicsism)或生理学派(Physiologism)，是指神经网络学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。在神经网络方面，继鲁梅尔哈特研制出BP网络之后，1987年，首届国际人工神经网络学术大会在美国的圣迭戈举行，掀起了人工神经网络的第二次高潮。之后，随着模糊逻辑和进化计算的逐步成熟，又形成了“计算智能”这个学科范畴。

行为主义：又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，是指进化主义学派，其原理为控制论及感知-动作型控制系统。在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。

穷举派(搜索派)

 典型的比如IBM的深蓝、沃森； 再比如传统的下棋(象棋)，专家系统，定制系统等，都属于有限空间内，知识匹配的搜索算法； 缺点是不具备自学习能力，一旦有新的知识式规则加入，由于其自身无法判断和融和，要么产生冗余，要么产生矛盾，要么产生包含；而将新规则与旧规则融和，其工作量，不次于重新梳理一遍知识库，不具备扩展性与可持续发展性；所谓的“人工智能”，智能的背后全是人工。

参数派

典型的比如谷歌的AlphaGo； 再比如神经网络、深度学习，都是从无到有的，训练网络中的各连接参数(权重)；在给定的输入与输出条件下，然后用其预测任意旧或新的激励下的响应以执行； 缺点是，如果针对新的领域，或者哪怕是输入输出的扩维，都需要重新学习与计算，不具备累积性和可持续发展性(即不能步步为营)； 但神经网络的伟大之处，其实并不是模拟神经元的工作，而是象数字集成电路一样，实现了与非门与异或运算，可以拓展组合出各种可能。

理解派

主要命中算法，找出锚点，找出标的对应的真实意义；

具有可持续发展性；而且只会越来越全能、越来越庞大、越来越健壮(容错性)。

额外的，有个Ageng流派，其必要性在于，许多判定与响应行动，并不需要完整的全局命中，而是局部回路的自发响应即可，就像人的很多的下意识动作，比如遇火缩手之类的；机器执行领域非常需要这个。

楼上最后说的那个Agent流派，应该就是前面旧的里面的行为主义流派吧。

感觉这个“理解派”，也可以叫做“意识派”

第五期是直接跟贴吗？@版主

第五期相比之前讨论的范围更广泛了啊！

最近正好在关注人工智能最新的动态！

初次来到，请多指教！

1.你认为人工智能能超越人类大脑吗？

回答：
       我不敢绝对的回答这个问题，未来很难预知，但在我看来这是很难实现的，大胆猜测在未来的10年以内人类所制造出来的智能设备的智能程度是无法超越人脑的。当然，正如版主在背景中所说的不排除人类所制造出来的智能实体在某些方面的表现超越人类，但这和实质性的超越是不同的。

       想要超越人脑，前提是我们人类把人脑的机理已经全部研究透彻，但现实情况是人类还无法做到对人脑像电脑似的对其整个的运行机理完全的掌握，可见人脑思维与学习的过程是非常的复杂，单是模仿人脑的思维实现就是一项不小的难题，何况还要超越人脑呢？在对人脑智能机理充分掌握的基础上将人脑的智能作为某种衡量标准去衡量人类当下或是未来所制造出来的智能实体的智能程度。 
  
       不得不说的是人作为生命体在长期的进化过程中不断的进化而来，相信人脑能达到今天的如此智能的地步，中间所经历的漫长“进化”和“学习”过程一定是今天难以复制的，感觉至少在10年之内就做到对人工智能跨越性的超越人脑的技术进步不太可能成为现实。

2.你认为人工智能近期最有可能实现的是什么？

回答：
        我认为人工智能近期最有可能实现的是在认知计算领域的新进展，比如认知计算工具和认知计算模型。
    
     《机器智能》一书开篇说到：传统计算机必须先由人类进行编程才能执行某项特定的任务，而认知系统则会从与数据和人类的交互中学习，从某种意义上讲，它可以自行编程执行新任务。传统的计算机被设计用来进行快速运算；而认知系统则被设计用来从数据中推出结论并达成制定的目标。
    
     谷歌AlphaGo战胜世界一流棋手后，人们对人工智能重新提起了巨大的关注，而人工智能AI已经走过了漫长的60年历史。就在今年IBM公司提出了“认知计算”战略，虽然IBM官方对认知计算和人工智能是区别看待的并且认为前者包含的范围更为广阔，但我个人觉得从当下的技术角度宽泛的讲的话两者是可以合并的，认知计算包含人工智能，而人工智能也是认知计算，所以我才把它放到了这个问题下来讨论。
   
      认知计算是指通过模拟人脑功能的硬件或软件进行实现类似人脑的思维、感觉、推理和计算，以帮助人们提高决策。从IBM的角度来理解认知计算，它是基于人工智能和大数据技术发展起来的，通过深度学习、大数据分析、模式识别等技术来帮助人们对复杂问题的解决提供决策支持。
   
      但这是当下最有可能取得突破性进展的研究领域吗？ 在此来举一个例子，IBM Watson是IBM公司研制的超级计算机，在2011年美国《危险边缘》电视问答秀中表现超凡。它能够理解自然语言，并能够非常快速精确的找到问题的答案。后来，IBM将Watson涉足医疗领域，Watson为一个亚裔癌症患者提供诊断，为了给这个亚裔癌症患者提供诊疗方案，Watson读了3469本专例，读了约24万份的期刊杂志，评估了69个教学大纲，分析了6万多份实验数据，10万多份临床报告，最终提出了3个治疗方案。如果换做是人来做这一切，怕是要穷其一生也无法完成，而Watson只用了17秒。
   
    IBM既然大胆的提出了“认知计算”战略，结合它已经做出的技术成就，相信接下来这将是最有可能做出技术突破的。

3.你认为人工智能近期最迫切需要实现的是什么？

回答：
       在计算机领域，解决所面临的问题最终会归结到算法的设计上来，有的时候提出一项革命性的算法会直接推动新技术的发展。比如前段时间，加州大学伯克利分校在计算视觉方面提出了新的算法，这项算法帮助加州大学伯克利分校设计的PRO2机器人更加的智能，在PRO2的实验演示当中，PRO2机器人可以将桌上混乱在一起的袜子或毛巾等物品进行归类，相同尺寸的毛巾会叠好堆放在一起。

       如果说认知计算将成为人工智能研究的热门，那么解决认知计算问题的算法势必是迫切需要实现的。IBM的研究团队为Watson开发了100多套算法，这些算法可以帮助Watson快速的解析问题并检索问题的答案，最后再将答案以人类语言的形式传递给人类。由此足可见算法设计的重要性了！