人工智能的原理以及一些思考

关于人工智能（Artificial Intelligence）的定义，众说纷纭。

为了便于理解和记忆，在这里我想用拉斐尔的说法来理解它，“人工智能是一门科学，这门科学让机器做人类需要智能才能完成的事。”

而什么事才是“需要智能才能完成的事”呢？我回想高中时期惊叹于“智能”二字时，是在快乐大本营看到林志颖可以远程控制家里家具的开关，无比羡慕。而以现在的眼光看，都是很普通的智能家居技术。按照原中国人工智能学会理事长钟义信的说法，人类智慧包含发现问题、定义问题、解决问题三方面。而目前被广泛应用的所谓人工智能，只做到了解决问题的程度，如果以强人工智能和弱人工智能的学说观点区分，属于弱人工智能范畴。

强人工智能(BOTTOM-UP AI)观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

弱人工智能(TOP-DOWN AI)观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。

当前主流科研集中在弱人工智能上，这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态。

1950年，是人工智能的起点：马文·明斯基和邓恩·埃德蒙，建造了世界上第一台神经网络计算机。

1950年，阿兰·图灵提出图灵测试：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。

1956年，“人工智能”作为一门新兴学科正式诞生：约翰·麦卡锡首次提出“人工智能”这一术语。

1956年至20世纪60年代，是人工智能的第一次高峰：计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题，让很多研究学者看到了机器向人工智能发展的信心。

20世纪70年代，是人工智能的第一次低谷：此时人工智能面临三个技术瓶颈：一,计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；二，问题复杂化，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，一旦问题上升维度，程序立马不堪重负；三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。