女人到底是感情動物~

　　章杉一番花言巧語就將顧悠悠忽悠答應開發這種網站去了。

　　不過章杉倒也不是很在意開發不開發這個網站。

　　畢竟如果只在意網站的話以現在章杉的資源開發一百個都沒難度。

　　只是既然能輕輕松松哄顧悠悠做一件苦差事，肯定很容易哄她做別的事情。

　　咳咳，這個也不對。

　　主要是作為一名優秀產品經理。

　　章杉現在所謀劃的可不止是一個簡簡單單的推書網站！

　　此時他的目光早已放在了別的地方——人工智能！

　　人工智能（英語：artificial　　intelligence，通常縮寫為AI）。

　　亦稱智械、機器智能，指由人制造出來的機器所表現出來的智能。

　　通常人工智能是指通過普通計算機程序來呈現人類智能的技術。

　　人工智能于一般教材中的定義領域是“智能主體（intelligent　　agent）的研究與設計”，智能主體指一個可以觀察周遭環境并作出行動以達致目標的系統。

　　約翰·麥卡錫于1955年的定義是“制造智能機器的科學與工程”。

　　安德烈亞斯·卡普蘭（Andreas　　Kaplan）和邁克爾·海恩萊因（Michael　　Haenlein）將人工智能定義為“系統正確解釋外部數據，從這些數據中學習，并利用這些知識通過靈活適應實現特定目標和任務的能力”。

　　對人工智能的研究由來已久。

　　和現在重視基于控制論和神經網絡的方法不同。

　　當年人們一直致力于將人工智能符號化。

　　當年代，數字計算機研制成功，研究者開始探索人類智能是否能簡化成符號處理。

　　研究主要集中在卡內基梅隆大學，斯坦福大學和麻省理工學院。

　　當然這些學校關于AI的研究各自有獨立的研究風格。

　　年代的研究者確信符號方法最終可以成功創造強人工智能的機器，同時這也是他們的目標。

　　這些人嘗試從以下四個角度出發進行破局：

　　認知模擬：經濟學家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們為人工智能的基本原理打下基礎，如認知科學、運籌學和經營科學。他們的研究團隊使用心理學實驗的結果開發模擬人類解決問題方法的程序。這方法一直在卡內基梅隆大學沿襲下來，并在80年代于Soar發展到高峰。

　　基于邏輯：不像艾倫·紐厄爾和赫伯特·西蒙，約翰·麥卡錫認為機器不需要模擬人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的算法。他在斯坦福大學的實驗室致力于使用形式化邏輯解決多種問題，包括知識表示，智能規劃和機器學習。致力于邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發編程語言Prolog和邏輯編程科學。

　　“反邏輯”:斯坦福大學的研究者（如馬文·閔斯基和西摩爾·派普特）發現要解決計算機視覺和自然語言處理的困難問題，需要專門的方案：他們主張不存在簡單和通用原理（如邏輯）能夠達到所有的智能行為。羅杰·單克（Roger　　Schank）描述他們的“反邏輯”方法為“scruffy”。常識知識庫（如道格拉斯·萊納特的Cyc）就是“的例子，因為他們必須人工一次編寫一個復雜的概念。

　　基于知識：大約在1970年出現大容量內存計算機，研究者分別以三個方法開始把知識構造成應用軟件。這場“知識革命”促成專家系統的開發與計劃，這是第一個成功的人工智能軟件形式。“知識革命”同時讓人們意識到許多簡單的人工智能軟件可能需要大量的知識。

　　……

　　章杉知道早期的人工智能研究人員直接模仿人類進行逐步的推理，就像是玩棋盤游戲或進行邏輯推理時人類的思考模式。

　　到了年代，利用概率和經濟學上的概念，人工智能研究還發展了非常成功的方法處理不確定或不完整的資訊。

　　對于困難的問題，有可能需要大量的運算資源，也就是發生了“可能組合爆增”：當問題超過一定的規模時，電腦會需要天文數量級的存儲器或是運算時間。尋找更有效的算法是優先的人工智能研究項目。

　　人類解決問題的模式通常是用最快捷、直觀的判斷，而不是有意識的、一步一步的推導，早期人工智能研究通常使用逐步推導的方式。

　　人工智能研究已經于這種“次表征性的”解決問題方法獲取進展：實體化Agent研究強調感知運動的重要性。神經網絡研究試圖以模擬人類和動物的大腦結構重現這種技能。

　　說起來章杉在人工智能很早就保持支持的態度，之前就注資過林寧的公司。

　　不過說起來那也不過是小打小鬧罷了，當時看起來很大一筆投資對現在財大氣粗的章杉只能說是毛毛雨了。

　　盡管當時的投資不算多，但是章杉對于人工智能領域的關注從來就沒有停止過。

　　因此他也惡補了很多和人工智能相關的內容。

　　人工智能其實是一個很寬泛的話題！

　　說到底人工智能的研究是高度技術性和專業的，各分支領域都是深入且各不相通的，因而涉及范圍極廣。

　　人工智能的研究可以分為幾個技術問題。

　　其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程序。

　　AI的核心問題包括建構能夠跟人類似甚至超卓的推理、知識、規劃、學習、交流、感知、移物、使用工具和操控機械的能力等。

　　人工智能目前仍然是該領域的長遠目標。

　　目前人工智能領域的核心研究問題之一是知識表示。

　　所謂的知識表示它的目標是讓機器存儲相應的知識，并且能夠按照某種規則推理演繹得到新的知識。

　　人工智能的一個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院的約翰·麥卡錫在1956年的達特矛斯會議上提出的：

　　人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。

　　另一個定義指人工智能是人造機器所表現出來的智能。

　　總體來講，目前對人工智能的定義大多可劃分為四類：

　　即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。

　　這里“行動”應廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。

　　關于人工智能目前發展的表現好多都是弱人工智能！

　　弱人工智能觀點認為“不可能”制造出能“真正”地推理和解決問題的智能機器，這些機器只不過“看起來”像是智能的，但是并不真正擁有智能，也不會有自主意識。

　　說起來人工智能的研究一度處于停滯不前的狀態下，直到類神經網絡有了強大的運算能力加以模擬后，才開始改變并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解強人工智能和弱人工智能的內容與差別，對定義爭論不休。

　　就當下的人工智能研究領域來看，研究者已大量造出“看起來”像是智能的機器，獲取相當豐碩的理論上和實質上的成果：

　　如2009年康乃爾大學教授Hod　　Lipson　　和其博士研究生Michael　　Schmidt　　研發出的　　Eureqa計算機程序，只要給予一些資料，這計算機程序自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式。

　　這等于只用幾十個小時就自己重新發現牛頓力學公式。

　　這計算機程序毫無疑問也能用來研究很多其他領域的科學問題上。

　　這些所謂的弱人工智能在神經網絡發展下已經有巨大進步，但對于要如何集成成強人工智能，現在還沒有明確定論。

　　目前弱人工智能已經有初步成果，甚至在一些影像識別、語言分析、棋類游戲等等單方面的能力達到了超越人類的水平而且人工智能的通用性代表著，能解決上述的問題的是一樣的AI程序，無須重新開發算法就可以直接使用現有的AI完成任務，與人類的處理能力相同，但達到具備思考能力的統合強人工智能還需要時間研究，比較流行的方法包括統計方法，計算智能和傳統意義的AI。目前有大量的工具應用了人工智能，其中包括搜索和數學優化、邏輯推演。而基于仿生學、認知心理學，以及基于概率論和經濟學的算法等等也在逐步探索當中。

　　有弱人工智能，自然就有強人工智能！

　　“強人工智能”一詞最初是約翰·羅杰斯·希爾勒針對電腦和其它信息處理機器創造的，其定義為：

　　“強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當的程序，計算機本身就是有思維的。”（J　　Searle　　in　　Minds　　Brains　　and　　Programs.　　The　　Behavioral　　and　　Brain　　Sciences，　　vol.　　3，　　1980）

　　關于強人工智能的爭論，不同于更廣義的一元論和二元論的爭論。

　　其爭論要點是：如果一臺機器的唯一工作原理就是轉換編碼數據，那么這臺機器是不是有思維的？

　　希爾勒認為這是不可能的。

　　他舉了個中文房間的例子來說明，如果機器僅僅是轉換數據，而數據本身是對某些事情的一種編碼表現，那么在不理解這一編碼和這實際事情之間的對應關系的前提下，機器不可能對其處理的數據有任何理解。

　　基于這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有自我思維和自由意識。

　　章杉知道所謂的圖靈測試是英國計算機科學家圖靈于1950年提出的思想實驗。

　　該實驗目的在測試機器能否表現出與人等價或無法區分的智能。

　　測試中的談話管道僅限于使用文本，例如計算機鍵盤和屏幕，這樣的結果不依賴于計算機把單詞轉換為音頻的能力。

　　……

　　需要指出的是，強人工智能并非和弱人工智能完全對立。

　　也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。

　　至少，今日的計算機能做的事，像算術運算等，在一百多年前是被認為很需要智能的。

　　并且，即使強人工智能被證明為可能的，也不代表強人工智能必定能被研制出來。

　　人工智能的發展不僅有技術上的難題！

　　還有社會上的重重阻力：

　　很多媒體就紛紛預測一些即將被機器人取代的職業。

　　日本野村總合研究所也與英國牛津大學的研究學者共同調查指出，年后，日本有49%的職業(235種職業)可能會被機械和人工智能取代而消失，直接影響約達2500萬人。

　　例如：超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員、制造業工人、金融中間人和分析師、新聞記者、電話公司職員、麻醉師、士兵和保安、律師、醫生、軟件開發者和操盤手、股票交易員等等高薪酬的腦力職業將最先受到沖擊。

　　某些人甚至已經擔心人工智能可能導致第三次世界大戰，因為前兩次產業革命都導致兩次大戰~

　　雖然戰爭原因并非這些創新發明本身，而是發明對社會上許多人的生活方式沖擊處理不當。

　　章杉倒覺得無可厚非，新科技在社會上產生新工作也取代舊工作，產生了新的輸家和贏家~

　　只要注意手段方法，實施的過程注意循序漸進。

　　章杉覺得這些可能出現的麻煩都是能夠避免的！

　　不止是就業方面的問題，還有人擔心人工智能的安全性.

　　史蒂芬·霍金、比爾蓋茨、馬斯克、　　Jaan　　Tallinn　　以及　　Nick　　Bostrom　　等人都對于人工智能技術的未來公開表示憂心。

　　章杉知道這些人擔心人工智能若在許多方面超越人類智能水平的智能、不斷更新、自我提升，進而獲取控制管理權，人類是否有足夠的能力及時停止人工智能領域的“軍備競賽”，能否保有最高掌控權？

　　畢竟現有事實是：機器常失控導致人員傷亡，這樣的情況是否會更加擴大規模出現，歷史顯然無法給出可靠的樂觀答案。

　　特斯拉電動車馬斯克（Elon　　Musk）在麻省理工學院（MIT）航空航天部門百年紀念研討會上稱人工智能是“召喚惡魔”行為。

　　盡管如此，章杉覺得還是值得大力布局人工智能。

　　現在就是最好的入局時機，而且他還有別人所沒有的優勢！

　　：。：


　　(https://www.dzxsw.cc/book/170215/8694959.html)


1秒記住大眾小說網：www.dzxsw.cc。手機版閱讀網址：m.dzxsw.cc