人工智能感想的論文范文參考
人工智能是誕生于20世紀中葉的一門年輕的學科，它對人類的生產、生活方式產生了重大的影響，也引發了激烈的哲學爭論。以下是學習啦小編整理分享人工智能感想的論文的相關文章，歡迎閱讀!
人工智能感想的論文
人工智能的哲學問題
摘 要：人工智能是誕生于20世紀中葉的一門年輕的學科，它對人類的生產、生活方式產生了重大的影響，也引發了激烈的哲學爭論。通過概述人工智能的歷史發展及其最新研究探討了其研究出現中的哲學問題。
關鍵詞：人工智能;哲學;意識;思維
二十世紀五十年代，隨著現代科學技術的迅猛發展，人工智能從科學幻想變成了現實。在短短的不到五十年的時間中，人工智能理論的研究不斷深入，實際的應用也不斷擴展，至今為止它已經被應用于幾乎所有的學科。人工智能不僅在技術的層面上，而且在哲學的層面上正深刻地影響著人類，它的發展將會對人類產生極其深遠的影響。
一、人工智能概述
人工智能到目前為止還沒有一個統一的，明確的定義，其原因大致有以下兩點：(一)人工智能不是一種單純屬于某一個學科的知識而是眾多學科相互滲透，融合的復雜綜合體，它涉及計算機科學、數學、語言學、心理學、哲學、系統科學、信息科學、神經生理學等諸多學科。這些學科從不同的角度來看待人工智能自然就會得出不同的定義;(二)人工智能還是一個不斷發展的學科，隨著研究的深入，人們不斷地補充、修正以前的認識，其定義也就無法確定。
雖然人工智能沒有一個確切的定義，但我們還是可以從不同的方面來描述其面貌。在電子學和計算機科學中，它是“研究怎樣讓計算機做一些通常認為需要智能才能做的事情，又稱機器智能”;在心理學中，它是“計算機科學與心理學相結合而產生的研究用計算機實現人的智能行為和功能的一門邊緣學科”;在哲學中，它是“研究用機器模擬和擴展人的智能的科學，它可用來指導智能機器的設計，也可闡明人類的智能”。[1]結合這些定義我們可以嘗試為人工智能定義如下：人工智能(Artificial Intelligence)是相對于人類智能(Human Intelligence)而言的，它是建立在計算機科學、信息科學、生命科學、哲學等學科基礎之上，研究如何制造具有模擬人類智能活動能力的智能機器或智能系統，其目的是擴展人類智能的一門科學。
二、人工智能的產生和歷史發展
人工智能從誕生、發展到今天走過了一條并非漫長而異常艱難的道路。1950年10月，英國的阿蘭?圖靈(A.Turing)發表了一篇著名的論文——《機器能思考嗎?》，在此文中他首次提出“機器思維”概念，認為機器能夠思維，并設計了著名的“圖靈試驗”，由此他被人們尊為“人工智能之父”。1956年美國的麥卡錫(J.McCarthy)，明斯基(M.Minsky)，申農(C.Z.Shannon)以及羅切斯特(N.Rochester)等在達特茅斯(Dartmouth)大學發起一個學術討論會，在這次會議上發表了許多關于人工智能的重要論文，從此宣告了人工智能的誕生。人工智能在其后的發展中形成了幾個主要學派，根據各自的思想和研究方法，可分為“符號主義”學派、“聯結主義”學派和“行為主義”學派。
(一)“符號主義”學派主要思想是符號操作系統假設和有限合理性原理。其研究方法主要是功能模擬方法，即用計算機模擬人類認知系統所具備的功能來實現人工智能。它的研究方法是人工智能研究中一個基本的方法，曾取得多項重大的成果。
(二)“聯結主義”學派主要思想是神經網絡及神經網絡間的連接機制與學習算法。它認為人工智能應著重于結構模擬，即模擬人的生理神經網絡結構。在聲音識別和圖象處理方面取得了很大的成功。
(三)“行為主義”學派主要思想是控制論及感知—動作型控制系統。認為智能取決于感知和行動，“智能”可以不需要“知識”(Intelligence without Knowledge)[2]。在機器昆蟲的研究方面取得了令人矚目的成就。
在早期階段人工智能研究的主要是博弈、難題求解、定理證明和字符識別，二十世紀70年代末至今，人工智能在機器學習、專家系統、知識工程、智能信息檢索、人工生命等多方面展開研究取得了諸多進展[3]，成功建立了一些具有不同程度人工智能的計算機系統，并在科學試驗，醫療診斷和軍事方面得到了實際的應用。
三、人工智能與哲學的關系
在描述人工智能研究困難程度的時候，麥卡錫曾經說過“如果想在人工智能領域有所成就，我們需要1.7個愛因斯坦，兩個麥克斯韋爾，五個法拉第再加上三項曼哈頓計劃。”[4]其實，麥卡錫的名單上還缺少一種人——哲學家。對于人工智能這樣一個極端復雜，又與人類自身發展密切相關的科學研究，哲學的缺席是不可想象的。人工智能具有深厚的哲學意義，它是科學發展的一項極其艱巨的任務，也是人類認識自身的重要方式。人工智能與哲學可謂密不可分，以致斯坦福大學的計算機系的學生都要學習海德格爾哲學[5]。人工智能不僅是人類科學史一場劃時代的革命，而且還是對人類精神世界的一次重大挑戰。同時，哲學作為人類對自我的認識、理解和關懷，面對人工智能這一全新的科學研究，從人類的生存、發展這一終極利益出發，對人工智能最新成果加以重新審視和評價，從而為人工智能研究提供最大程度的理論支持。
四、人工智能的哲學問題
由于人工智能研究對象——人類思維——的特殊性，它從誕生之日起就對哲學提出了尖銳的挑戰。比如，人工智能與人類智能有無本質區別?機器會不會思維?機器會超越人類，替代人類嗎?人工智能對人類自身的發展有什么推動作用?這些問題的核心就是意識和思維問題。其實這并不是什么全新的東西，哲學家們早就對意識問題展開過激烈的爭論，其中最著名的一句話莫過于法國哲學家笛卡兒的“我思故我在”。人類有意識、能思維、能感受情緒、能對世界產生主觀的經驗，但是機器能否具有意識呢?對此科學家和哲學家們的立場觀點大致分為四類。第一，意識無法通過物質過程來描述，科學再先進也無法制造意識。第二，意識是人類大腦產生的物質化過程，由于其極其復雜，科學無法理解以致不可能制造。第三，意識是由過程產生的可能性，可以被理解并復制，盡管極端困難。第四，意識并不是特別的東西，可以由機器自動產生[6]。這四種觀點其實也可以看作人工智能研究中的樂觀主義和悲觀主義觀點，有趣的是樂觀主義陣營中的大多是科學家，如麥卡錫，布魯克斯(R.Brooks);而持悲觀主義的主要人物都是哲學家，如塞爾(J.R.Searle)，德雷福斯(H.L.Dreyfus)。塞爾還針對“圖靈試驗”提出著名的“中文房間”(Chinese Room)模型來說明“計算機程序永不可能替代人心”。
人工智能的意義
我們所說的「智能」是一個根本性的問題。在 Radar 2014 年的一篇文章中，Beau Cronin 出色地總結了許多人工智能的定義。我們對人工智能的期待嚴重依賴于我們希望用人工智能做什么。對人工智能的討論幾乎總是開始于圖靈測試。
圖靈假設人們可以通過聊天的方式與計算機交互：他假設了一種與計算機的溝通方式。這個假設限制了我們期望計算機做的事：比如，我們不能期望它能駕駛汽車或組裝電路。這也是一個故意的模棱兩可的測試。計算機的答案可能是閃爍其詞的或完全不正確的，正確無誤不是重點。人類智能也可能會是閃爍其側或不正確的。我們不大可能將正確無誤的人工智能誤解為人類。
如果我們假設人工智能必須被嵌入到能夠運動的硬件中，比如機器人或自動駕駛汽車，我們會得到一組不同的標準。我們會要求計算機在它自己的控制下執行一個定義不清的任務(比如開車到一家商店)。我們已經打造出了在路線規劃和駕駛上比大多數人類都做得更好的人工智能系統。
谷歌的自動駕駛汽車負有責任的那次事故的原因是該算法被修改得更像人類一樣駕駛，并由此帶來了人工智能系統通常不會具備的風險。
自動駕駛汽車還有很多沒能解決的困難問題：比如在暴風雪的山路上行進。不管人工智能系統是嵌入在汽車里，還是無人飛行器或人形機器人里，其所面臨的問題本質上是類似的：在安全、舒適的環境中執行是很容易的;而在高風險、危險的情形中則艱難得多。
人類也不擅長這些任務，盡管圖靈所期望的對話中人工智能是回避式的或甚至會錯誤地回答問題，但在高速路上駕駛時，模糊或不正確的方案卻是不能接受的。
我們所說的「智能」嚴重依賴于我們想要該智能所做的事，并不存在一個能夠滿足我們所有目標的單個定義。如果沒有良好定義的目標來說明我們想要實現的東西或讓我們衡量我們是否已經實現了它的標準，由范圍狹窄的人工智能向通用人工智能的轉變就不會是一件容易的事。
人工智能未來的趨勢
趨勢1 較大的公司將贏得未來
亞馬遜、谷歌、Facebook和IBM將引領人工智能技術的發展。作為大型公司，他們擁有更多的資源來收集數據，從而擁有更多的數據可供使用。
在為應用程序和產品開發服務部署機器學習方面，谷歌可能是處于最前沿的。他不僅是第一家開展人工智能研究的公司，而且還擁有7萬多名員工。谷歌是一家很大的公司。此外，谷歌大腦是一個深度學習人工智能研究項目，谷歌擁有其整個團隊。谷歌大腦的研究涵蓋了機器學習、自然語言理解、機器學習算法和技術以及機器人技術等領域。
全球100家最有前途的人工智能公司名單
趨勢2 算法和技術將會進行整合
所有已經對人工智能進行投資的第二梯隊公司(比如英特爾、Salesforce和Twitter)都緊跟在擁有大數據的公司后面，并開始使用他們的數據算法和人工智能技術。數據交易將存在于行業用戶之間，而算法和技術很有可能會進行整合。數據交易以及算法和技術的整合將使人工智能發揮更強大的作用。
隨著像谷歌和Facebook這樣的大公司不斷地收購小公司，小公司手中的算法將被集成到大公司的核心平臺或解決方案之中。谷歌收購了DeepMind這家構建了通用學習算法位于倫敦的人工智能公司，目的就是為了獲得比其他科技公司更大的商業優勢。另一方面，Facebook收購Wit.ai是為自己的語音識別和語音接口提供幫助。它還收購了人工智能創業公司Ozlo，以改進其M虛擬助理的技術。
趨勢3 數據眾包市場將非常巨大
所有的人工智能公司都渴望獲得龐大的數據集，以便實現他們對人工智能的野心。這些公司將采用眾包的方式來獲取大量的數據。目前已經有多種不同的方式來評估眾包數據的質量和可靠性，不僅企業可以從這些數據中獲得收益，而且也能給消費者一個保證。
OpenDataNow.com的創始人兼編輯Joel Gurin表示：“我們生活在眾包文化中，越來越多的人愿意并且樂于通過社交媒體分享他們的知識。”
谷歌正通過眾包的方式獲取大量的圖像來構建成像算法。它還使用眾包來協助改進服務質量，如翻譯、轉錄、手寫識別和地圖。亞馬遜還使用眾包人工智能來改進Alexa超過15000個的現有功能。
趨勢4 企業并購，以及更多的并購
根據CBInsights的統計數據顯示，收購人工智能公司的競爭已經開始。在2018年，我們將看到更多為了智力資本和人才而并購企業的行為。機器學習和人工智能領域中的所有小公司都將可能被大型企業收購，這主要有兩個原因：
人工智能不能在沒有數據集的情況下獨立工作。由于大公司擁有大量的數據集，所以對于小公司而言，自己并沒有太大的競爭優勢。
沒有數據的算法沒有任何用處。沒有算法，數據幾乎沒有用。數據是算法的核心，獲取大量的數據非常重要。
哥倫比亞大學創意機器實驗室的機器人工程師和總監Hod Lipson指出，“如果說數據是燃料，那么算法則是引擎。”
趨勢5 用工具的民主化換取更大的市場份額
大公司將會把自己的算法和工具集開源出來以獲得更大的市場份額。基于市場的數據和算法獲取壁壘將大大降低，而人工智能的新應用將會增加。通過對工具的民主化，原本有限制或無法獲得人工智能工具的小公司將可以獲得大量的數據來訓練和啟動復雜的人工智能算法。
谷歌的首席執行官Sundar Pichai談到了人工智能的民主化問題：“我們大家可以做的最令人興奮的一件事就是揭開機器學習和人工智能的神秘面紗，讓所有人都可以一睹芳澤。”
此外，框架、SDK和API將成為所有主要企業引導消費者使用習慣的標準?；赟aaS和PaaS的模型將成為所有這些公司遵循的商業模式。
趨勢6 人機交互技術將得到改進
Siri和Alexa可能是兩個最受歡迎的人機交互工具了。更多與它們類似的基于機器人的解決方案將成為人工智能公司的入門級產品。例如，計算機目前可用于語音分析和面部識別，而以后，計算機將能夠根據用戶的語調來識別他的心情，這稱為情感分析。
制造自動化和非消費者關注領域的解決方案將第一個得到改進。制造自動化的改進主要歸因于采用自動化、機器人和先進制造在內的復雜技術而節省下來的勞動成本。在2018年，非消費者解決方案的改進將普遍存在，比如農業和醫藥領域的人機交互技術。
猜你喜歡：
1.人工智能感想論文
3.人工智能經典論文
4.人工智能畢業論文
7.關于人工智能論文