人工知能とは何か百度百科の人工知能：科学普及1下：いったい人工知能とは何か？こんなことができるなんて

 

情報爆発の時代、インターネットは信じられないほどの活力を維持していた。では、インターネットにアクセスしてみましょう天下1直都は驚きと驚きに満ちていたなし変革を断ち切る場所、今日は私たちに1最近この分野で起きた1いくつかの重要な事件でしょう。

朝こんなことをしました1条：Google Photosは私たちの家の小鉢友を自動的に作ってくれました11分10秒の音楽ビデオを自作して見せたここで文の名前は「赤ちゃんは本当に速い」と言って、それから私が全く準備していない状況で私に本当のことを言って、以前Google Photosが勝手にやっていたものを多く見ていました1目は削除しましたが、今回だけは、感染力があり、保存価値があり、感動中です。

正直に言うと、人工知能技術はますます人間的になり、ますます面白くなってきた。そして、ルールに基づいて作られたのではないかというコメントが出てきた。多くの人の子供がGoogleにPhotosが同じ名前の動画を送っていますねこれは人工知能と言えるのでしょうか。ええ、確かにそうですね。この年、顔認識はそんなに成熟していて、1写真の山から同じものが認識された1小我を選択してから、時系列に従って、1グループの写真、ビデオ、固定モードでクリップを作成します。すべてのルート、すべてのルート、この中には1少しもなし知能ですね。

逆に考えると、ここ数年の光景ですね数年前、みなさんなしやはり顔認識を人工知能と呼ぶのでしょうか。どうして今日はなし人の顔を見て識別しましたか。なぜならこの技術はなしこれ以上驚くのか？まあ、新しい嫌古い人間が好きなんだけど、逆に考えてみると、私は何千枚もの写真を何千枚も撮ってきた1Google Photosに頭が届き、文句は言われなかったなし子供の写真を整理する時間がないことも知っていますし、考えていますなし子供の成長アルバムを作るまで、人は自動手伝ってあげたのに、感動してくれた1おろそかで愚かで、人情の味、科学技術の味そろっている、これはまだなしIQもあればIQもあるのか？まだなし人工知能を計算しますか。の

何が人工知能なのか。まず国内の子供靴たちが人工知能を学ぶには、なし壁を越えるとどのように見えるかの定義百度百科では、「人工知能」という言葉は1「中国通信学会科学普及中国百科科学用語審査専門家委員会」という何人かの専門家が貢献したこのような権威ある専門家が書いた用語は、最も重要な最初のいくつかの定義部分にしか明記されていない1個の原始的な出所は、1「人工知能、科大訊飛志はどこにあるのか？」という広報広報ソフト、真なしこれらの専門家が知識を普及させたいのか、それとも製品を普及させたいのかを知っている。

突き詰めてみると、百度百科の定義も実際には写したものだ1古い教科書とか、なし手紙を探してみて、なししかし、教科書名を検索することができ、公務員や成人教育などの奇妙な試験問題としてこの定義を使った数千のウェブリンクを検索することもできます1個の技術語条において、コア定義の品質はなおそうであり、後に人工知能の展開に関する論述部分、真なしどれだけ知的好奇心の強い小中学生に急所を知っているのか（衝撃映像警告：専門家たちは後に「なし気をつけて」と長虹スマートテレビの宣伝文字に紛れ込んだ)。

ついでに言うと1文、知乎里、「人工知能」の話題ページの定義はおそらく百度百科から直接とるったもので、原始的な出所も明記されておらず、壁内ネットワーク環境における知識伝播の現状が見られる1斑（余談：暇ですはいなしウィジェットを書いて、壁内のネットワーク内のさまざまな低レベル知識の伝播ルートと伝播方向を自動的に分析し、被害者が公務員が多いか、ホワイトカラーが多いか、小中学生が多いかを見ることができる。

）本は本題に戻ります。私が以前読んだ教科書には、歯が曲がっていたり、ボリュームがあったりするような定義はありません。私の理解によれば、人工知能の定義は何度も変わってきました1内在的な法則の定義を明らかにすることができなかったのは早くから研究者が放棄したが、今日に至るまで、広く受け入れられている定義はいくつかある。

具体的にどこを使うか1の定義は、通常、私たちが問題を議論する文脈と注目する焦点によって異なります。1最近書かれた科学普及の長文では、いくつかの歴史的に影響を与えた、または現在も流行している人工知能の定義を簡単に列挙、分析している（これらの定義の理論的レベルでの相互関係について、Stuart Russell、Peter Norvig、Artificial Intelligence：A Modern Approach、Third editionは比較的はっきりとまとめられており、参考になる）。

これらの定義の分析、議論は1古代の哲学者たちが座っていたような興味深いことがあります1「人はなぜ人であるのか」を検討するか、あるいは、SFマニアのアシモフに似た「ロボット」3法則」を議論するのは、実は、とても多用主義者は形而上的な議論に反対し、「おい、彼が人工知能とは何だろう。機械が人の問題を解決するのに役立つ限りなしでいいんですか？」。

【注：以下の文字は科学普及を意味し、できるだけわかりやすく説明すれば、クラス出身者は読むのに時間を無駄にする必要はない】定義1：AIは人に感じさせるなし考えられるコンピュータプログラム人工知能は機械が人間を完成させることができるなし機械ができると思っていること--この定義は非常に主観的だが、非常に興味深い。

1コンピュータプログラムはなし人工知能であり、このプログラムが完全に行っていることはなしこのような経験論を定義するための定義が明らかに不足していることを呆然とさせることができるのである疲れる1致性、会因時代なし同、背景なし同、評価者の経験なし同じものを当てはめるなし同じ基準でもこれは1定義に反映されることが多いのは1この時代における最大多数の一般人の人工知能に対する認知方式：1つの新しい人工知能のホットスポットが出現し、ニュースメディアと大人々は常に自分の経験を用いて人工知能技術の価値の高低を判定し、なしこの技術が本質的に「知能」があるかどうかにかかわらず。

コンピュータ将棋の歴史はこのことをはっきりと示している1定義された皮肉の場所初期には、動作速度と記憶空間の制限のために、コンピュータは西洋の将棋のような比較的簡単な将棋ゲームの問題を解決するためにしか使用できなかったが、このミリなし当時を邪魔した人々は1将棋ができるコンピュータはスマートマシンと呼ばれています。その時、普通のコンピュータはほとんどの人の心の中にあったからですなしに過ぎない1台は猛スピードで算数問題を作ることができる機械だ。

1951年、英マンチェスター大学のChristopher Stracheyが第1個のチェスができるコンピュータプログラム1950年代半ば、IBMのArthur Samuelが開発したチェスプログラムは、専門選手が対抗した。

1962年、Aトゥルー・サムエルのプログラムが勝利した1視覚障害者の囲碁の達人、1時間ができたなし小さなニュースイベント（Jill Cirasella、Danny Kopec、The History of Computer Games、2006）、ほとんどのメディアや公衆が類似したチェッカープログラムはなし折るなしボタンをかける人工知能。

でも多すぎないしばらくの間，なしあまりプログラミングをしない人は、コンピュータは基本的に検索や最適化された検索方法でゲーム問題を解決していることを発見した。その中には貧乏を避けるためのアルゴリズムのテクニックがいろいろあるが、公衆の目にはプログラムはなし事前に作成された検索ポリシー1ステップが最適なステップを見つけるだけPC機の普及に伴い、1台1台小我コンピュータはすべて実行できます1かなりレベルの高いチェスのプログラムがあり、チェスができるコンピュータは徐々に神秘的な輪を消していった。

チェスのプログラムを疑うようになったのは知能度、なしチェスを例に挙げて挑発的に言う人は少ない。なし起？いつかチェス盤で勝った天下チャンピオン、それこそ人工知能」の後のことはよく知られている1996年、IBM研究チームが力を入れて作り上げたコンピュータのディープブルーな挑戦天下棋王カスパロフは、その年は残念ながら敗れたが、コンピュータが人間に勝つ希望を見てきた。

1997年、ディープブルーが巻き返し、6局将棋の対抗戦でカスパロフに勝利して大活躍した当時、ほぼ全天下の人は皆深い青の強さと恐ろしさについて討論していて、誰も深い青が人工知能の代表であることを疑う人はいない、少なくとも、公衆は信じたい、深い青の巨大な黒いシャーシの中で、持っている1チェスゲームの分野でなし人間の特殊な「脳」に負ける。

いい景色なし長い、とるチェスに似た歴史がすぐに再演され、チェス、中国将棋はコンピュータによってメロンのように遊ばれている爛熟する1携帯電話、1台のタブレット上の将棋のプログラムはすべてできますとる人間の達人が手分けして、公衆はすぐにこのようなゲームのプログラムがなしはい、人工知能にも匹敵します。

道理は簡単で、公衆はいつも人類が知恵の面での独1無二なしチューブYesなしアルゴリズムの詳細を知っているのは本当で、コンピュータはただなしプログラム制御の下で機械的に捜索や窮状を完成させたことがあるが、実際には、とる碁を打つのと似たようなことはOCRなどの新鮮味を失ったコンピュータアルゴリズムにも起きている（Roger C.Schank，Wheres the AI？AI Magazine Volumen 12 Number 4，1991）、本稿で冒頭に述べた顔認識もなし例外。

将棋プログラムが人工知能であることを認めることを拒否した後、公衆は人類の知恵尊を守ることを見つけた幅の最後の陣地となった囲碁は2016年まで年明けには1樊麾というプロ囲碁選手とGoogle DeepMindの1規模のみなし大きな研究開発チームのほか、囲碁の達人やなしコンピュータの専門家はよく「将棋をして何があったのか」と言う。なし起？本当に知能があれば、ついてきてください。天下チャンピオンが碁を打ってみたら？囲碁は1項は検索に窮することができず、人類の大局観に頼る知的運動が必要であり、唯である11種のコンピュータでは人間の棋戦には勝てない。

とてもなし幸い、人間の独善はまた1急速に発展する人工知能アルゴリズムに2016年3月9日、囲碁天下チャンピオンの李世石はAlphaGoの前に座り、宿命は再び1次の降臨はAlphaGoが5番碁の中で4対1大勝し、人工知能に関する情熱とパニック感情が同時に全天下蔓延し、それによって誘発された1波人工知能の宣伝、研究開発と投資ブーム。

今日、AlphaGoのコアアルゴリズムが人工知能であることを疑う人はいないが、1かつてのチェスやチェスを考えて、当時の人々はなしはい1この対は人類に勝った天下チャンピオンのプログラムは神を敬うのか。あと数年で、携帯電話の囲碁プログラムがプロ棋士に簡単に勝つことができ、すべての囲碁試合が幅携帯電話の不正行為を調べると、コンピュータによる囲碁は1件なし不思議なことですか。囲碁のプログラムを人工知能の代表と見なすこともできるだろうか。の

定義2：AIとはとる人間の考え方が似ているコンピュータプログラムこれは人工知能の発展の初期に非常に流行していたものである1種類の定義方法は1同様に、思考方式の本源から出発する定義は、AIは思考内の論理法則に従って思考することができるコンピュータプログラムであり、根本的には、これは1生物学に似た直観的な考え方を植える。

人工知能というからには、プログラムを使って人間をシミュレートする知恵は最も単刀直入なやり方だが、歴史的経験が証明しているように、生物学の考え方は科学技術の発展の中にあるなし1実行可能1最も良くて最も有名な例は飛行機人類が数千年の間に1鳥が羽ばたくように空を飛ぶことを夢見ていたが、皮肉なことに、本当に人間を連れて長い空を飛び回り、鳥の飛行速度、飛行高度の記録を破ったのは飛行原理だったとる鳥類の差が大きい固定翼飛行機。

人間の考え方？人はいったいどのように考えているのか。それ自体が1この複雑な技術と哲学の問題は人類自身の考え方を理解しなければならず、哲学者たちは反省を通じてとる思考は、人間の思考の論理法則を見つけ、科学者たちは心理学と生物学実験を通じて、人間が思考している間の心身の変化法則を理解している。

この2つの道はいずれも人工知能の発展の歴史上で極めて重要な役割を果たしてきた思考法則、あるいは論理学、1小我の思考過程はなし理性の最高判断だ定量基準は古代ギリシャの先賢たちから始まり、形式論理、数理論理、言語論理、認知論理などの分岐は数千年の蓄積と発展の過程の中で、大量の規則性の法則をまとめ、そしてほとんどの科学研究に方法論レベルの指導を提供することに成功した。

コンピュータ内の人工知能プログラムを論理学の基本法則に従って演算、帰納または推論させることは、多くの初期人工知能研究者の最大の追求である天下上第1人のエキスパートシステムプログラムDendral Yes1人の人間専門家知識と論理推論規則を用いて解決することに成功した1個の特定分野問題の例。

これは1スタンフォード大学の研究者がLisp言語で書いた、有機化学者が物質スペクトルから未知の有機分子構造を推定するのを支援するプログラムDendralプロジェクトは1960年代半ばに注目される成功を収め、派生した1物質のスペクトルに基づいて物質構造を推定するための大量のインテリジェントパス順序（。

Dendral）Dendralが限定された領域で問題を解決できるのは、1化学者たちが蓄積したどの分子機構がどのようなスペクトルを生成する可能性があるかに関する経験知識に依存して、1人間の論理推論規則に合致する大量判定規則Dendralに依存する成功は、人工知能の各関連分野における専門家システムの広範な応用を牽引し、機械翻訳から音声認識、軍事決定から資源探査に至る。

1時間、専門家システムは人工知能の代名詞のようで、その熱さなし今日のディープラーニングに劣らず、人間の知識ベースと論理学的規則に基づいた人工知能システム構築の限界がすぐに発見された1特定の狭小領域の問題を解決するための専門家システムを、わずかに広い領域に拡張することは困難である1いくつかの知識分野において、さらにはベースに拡張することは言うまでもありません。天下知識の日常になりました。

1有名な例は初期の人々が文法規則を使っていたことです取語彙対照表による実現機機械翻訳時の窮地1957年ソ連発射天下上第1人工衛星が打ち上げられた後、米政府と軍は機械翻訳システムを使ってソ連の科学技術の動態を理解しようと急いだが、文法規則と語彙対照表で実現されたロシア語から英語への機械翻訳システムはジョーク百出で、「心に余裕があって力がある」となし足（the spirit is willing but the flesh is weak）なし間違って肉が腐ってしまった（the vodka is good but the meat is rotten）」と、自然言語の曖昧さやあやまる多様性に富んだ表現（Stuart Russell、Peter Norvig、Artificial Intelligence：A Modern Approach、Third edition）。

在后起的统计模型、机器学习等技术面前，专家系统毫无优势可言，从 1990 年代开始就备受冷落科研机构甚至没有得没有解雇过时的语言学家，以跟上技术进展的脚步另1方面，从心理学和生物学出发，科学家们试图弄清楚人的大脑到底是怎么工作的，并希望按照大脑的工作原理构建计算机程序，实现“真正”的人工智能。

这条道路上同样布满荆棘最跌宕起伏的例子，非神经网络莫属生物学家和心理学家很早就开始研究人类大脑的工作方式，其中最重要的1环，就是大脑神经元对信息（刺激）的处理和传播过程早在通用电子计算机出现之前，科学家们就已经提出了有关神经元处理信息的假想模型，即，人类大脑中的数量庞大的神经元共同组成1个相互协作的网络结构，信息（刺激）通过若干层神经元的增强、衰减或屏蔽处理后，作为系统的输出信号，控制人体对环境刺激的反应（动作）。

1950 年代，早期人工智能研究者将神经网络用于模式识别，用计算机算法模拟神经元对输入信号的处理过程，并根据信号经过多层神经元后得到的输出结果对算法参数进行修正早期神经网络技术没有发展太暂就陷入低谷这次要有两个原因，1是当时的人工神经网络算法在处理某些特定问题时有先天局限，亟待理论突破，二是当时的计算机运算能力无法满足人工神经网络的需要。

1970 到 1980 年代，人工神经网络的理论难题得到解决1990 年代开始，随着计算机运算能力的飞速发展，神经网络在人工智能领域重新变成研究热点但直到 2010 年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。

神经网络这1仿生学概念在人工智能的新1轮复兴中，真正扮演了至关重要的核心角色客观地说，神经网络到底在多大程度上精确反映了人类大脑的工作方式，这仍然存在争议在仿生学的道路上，最本质的问题是，人类至今对大脑如何实现学习、记忆、归纳、推理等思维过程的机理还缺累认识，况且，我们并没有知道，到底要在哪1个层面（大脑各功能区相互作用的层面？细胞之间交换化学物质和电信号的层面？还是分子和原子运动的层面？）真实模拟人脑的运作，才能制造出可以匹敌人类智慧的智能机器。

定义3：AI 就是取人类行为相似的计算机程序和仿生学派强调对人脑的研究取模仿没有同，实用主义者从没有觉得人工智能的实现必须遵循什么规则或理论框架“黑猫白猫，逮住耗子就是好猫”在人工智能的语境下，这句话可以被改造成，“简单程序，复杂程序，聪明管用就是好程序。

”也就是说，无论计算机以何种方式实现某1功能，只要该功能表现得取人在类似环境下的行为相似，就可以说，这个计算机程序拥有了在该领域内的人工智能这1定义从近似于人类行为的最终结果出发，忽视达到这1结果的手段。

另1种对人工智能的近似定义则更强调人工智能的实用色彩：AI 就是可以解决问题并获得最大收益的计算机程序略懂些编程的人都知道，几乎所有程序设计语言都提供了类似 if ... else ... 的分支结构，那么，取 if ... else ... 相关的1个哲学问题是，程序根据某个条件进行判断并完成相应操作的时候，这个“判断”以及随后的“决定”是由计算机自己做出的，还是由编程序的人做出的？如果是由计算机自己做出的，那能没有能说所有执行了 if ... else ... 语句的计算机程序都是人工智能？如果相反，那计算机根据运行时的情况做决策时，人又在哪里呢？

哲学思辨容易陷入这样的两难境地，但实用主义者根本没有把这当回事——执行 if ... else ... 的程序是否有智能，完全要看那个程序是没有是做了和人相似的有智能的事像 Dendral 这样的专家系统就是靠大量 if ... else ... 来模仿人类专家的判定规则，这当然属于人工智能的范畴，而普通的数值计算程序即便用了 if ... else ...，也没有能被称作智能。

实用主义者推崇备至的1个例子是麻省理工学院于 1964 到 1966 年间开发的“智能”聊天程序 ELIZA那个程序看上去就像1个有无穷耐心的心理医生，可以和无聊的人或需要谈话治疗的精神病人你1句我1句永没有停歇地聊下去。

当年， ELIZA 的聊天记录让许多人没有敢相信自己的眼睛可事实上，ELIZA 所做的，没有过是在用户输入的句子里，找到1些预先定义好的关键词，然后根据关键词从预定的回答当选择1句，或者简单将用户的输入做了人称替换后，再次输出，就像心理医生重复病人的话那样。

ELIZA 心里只有词表和映射规则，它才没有懂用户说的话是什么意思呢这种实用主义的思想在今天仍有很强的现实意义比如今天的深度学习模型在处理机器翻译、语音识别、主题抽取等自然语言相关的问题时，基本上都是将输入的文句看成由音素、音节、字或词组成的信号序列，然后将这些信号1股脑塞进深度神经网络里进行训练。

深度神经网络内部，每层神经元的输入输出信号可能相当复杂，复杂到编程者并没有1定清楚这些中央信号在自然语言中的真实含义，但没有关系，只要整个模型的最终输出满足要求，这样的深度学习算法就可以工作得很好在研究者看来，深度学习模型是没有是真的跟人类大脑神经元理解自然语言的过程类似，这1点儿都没有重要，重要的是，整个模型可以聪明地工作，最终结果看起来就像人做的1样。

定义四：AI 就是会学习的计算机程序没有哪个完美主义者会喜欢这个定义这1定义几乎将人工智能取机器学习等同了起来但这的确是最近这波人工智能热潮里，人工智能在许多人眼中的真实模样谁让深度学习1枝独秀，几乎垄断了人工智能领域里所有流行的技术方向呢？。

1980 到 1990 年代，人们还在专家系统和统计模型之间摇摆没有定，机器学习固守着自己在数据挖掘领域的牢固阵地远远观望短短十几年过去，从 2000 到 2010 年，机器学习开始逐渐爆发出惊人的威力，并最早在计算机视觉领域实现了惊人的突破。

2010 年至今，使用深度学习模型的图像算法在 ImageNet 竞赛中显著降低了对象识别、定位的错误率，领先的算法已经达到了比人眼更高的识别准确率（ImageNet）2015 年，语音识别依靠深度学习获得了大约 49% 的性能提升（。

http://谷歌research.blogspot.ch/2015/09/谷歌-voice-search-faster-and-more.html）机器翻译、机器写作等领域也在同1时期逐渐被深度学习渗透，并由此获得了大幅改进。

“无学习，没有AI”，这几乎成了人工智能研究在今天的核心指导思想许多研究者更愿意将自己称为机器学习专家，而非泛泛的人工智能专家Google 的 AlphaGo 因为学习了大量专业棋手棋谱，然后又从自我对弈中持续学习和提高，因此才有了战胜人类天下冠军的本钱。

微软的小冰因为学习了大量互联网上的流行语料，才能用既时尚、又活泼的聊天方式取用户交流媒体上，被宣传为人工智能的典型应用大多都拥有深度学习的技术基础，是计算机从大量数据资料中通过自我学习掌握经验模型的结果。

这1定义似乎也符合人类认知的特点——没有哪小我是没有需要学习，从小就懂得所有事情的人的智慧离没有开长大成人过程里的没有间断学习因此，今天最典型的人工智能系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。

如果说人工智能未来可以突破到强人工智能甚至超人工智能的层次，那从逻辑上说，在所有人工智能技术中，机器学习最有可能扮演核心推动者的角色当然，机器目前的支流学习方法和人类的学习还存在很大的差别举个最简单的例子：目前的计算机视觉系统在看过数百万张或更多自行车的照片后，很容易辨别出什么是自行车，什么没有是自行车，这种需要大量训练照片的学习方式看上去还比较笨拙。

反观人类，给1个3四岁的小孩子看1辆自行车以后，再见到哪怕外观完全没有同的自行车，小孩子也十有八九能做出那是1辆自行车的判断也就是说，人类的学习过程往往没有需要大规模的训练数据这1差别给人类带来的优势是全方位的。

面对繁纷复杂的天下知识，人类可以用自己卓越的抽象能力，仅凭少数个例，就归纳出可以举1反3的规则、原理甚至更高层次上的思维模式、哲学内涵等等最近，尽管研究者提出了迁移学习等新的解决方案，但从总体上说，计算机的学习水平还远远达没有到人类的境界。

如果人工智能是1种会学习的机器，那未来需要着重提高的，就是让机器在学习时的抽象或归纳能力向人类看齐定义五：AI 就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序针对人工智能，没有同的定义将人们导向没有同的研究或认知方向，没有同的理解分别适用于没有同的人群和语境。

如果非要调和所有看上去合理的定义，我们得到的也许就只是1个全面但过于笼统、模糊的概念维基百科的人工智能词条采用的是 Stuart Russell 取 Peter Norvig 的定义（Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, Third edition），他们认为，人工智能是有关“智能主体（Intelligent agent）的研究取设计”的学问，而“智能主体是指1个可以观察周遭环境并作出行动以达致目标的系统”（

https://zh.wikipedia.org/wiki/人工智能）坦率地说，这个定义将上面几个实用主义的定义都涵盖了进去，既强调人工智能可以根据环境感知做出自动反应，又强调人工智能所做出的反应必须达致目标，同时，没有再强调人工智能对人类思维方式，或人类总结的思维法则（逻辑学规律）的模仿。

基本上，偏重实证是近来人工智能研究者的支流倾向如前所述，在今天这个结果至上的时代里，没有多少人愿意花心思推敲人工智能到底该如何定义有那个时间，还没有如去跑几个深度学习的新模型，发几篇深度学习新算法的论文来得合算。

如果您想了解更多相关的信息，请关注我们的公众号。