-
1 # 矽釋出
-
2 # 綠米智慧家居
我們來簡單的回答一下這個問題,人工智慧和計算機的關係一直都很近,可它們真的算是一家嗎?我們都知道現在的計算機技術是建立在1965年第1次AI寒冬之上的,但是它們的發源又同建立於早期的大型機,所以說它倆的關係是都屬於大型計算機的分支,一個母親生的兄弟倆,但是其發展方向又截然不同,人工智慧(AI)其研究方向一直是更加人性化、更加的多面手、讓其更有獨立自主性,讓它更像是人。而計算機相對的則偏向於更加的高效,能處理更龐大的資料,解析更復雜的演算法,它另闢蹊徑的開創了一個叫做“智慧加深”的東西(AE),所以我個人認為,AI和AE的相同之處也就是僅僅在最早的時候,到後來分成了兩條不同的線。
-
3 # 數碼小評
人工智慧和早期的計算機有著頗深的淵源,由於計算機的產生與發展,人們才注意到了人工智慧這個領域,也利益於計算機提供了必要的硬體基礎,1956年夏,美國達特莫斯大學助教麥卡錫、哈佛大學明斯基、貝爾實驗室申龍、IBM公司資訊研究中心羅徹斯特、卡內基——梅隆大學紐厄爾和赫伯特.西蒙、麻省理工學院塞夫裡奇和索羅門夫,以及IBM公司塞繆爾和莫爾在美國達特莫斯大學舉行了以此為其兩個月的學術討論會,從不同學科的角度探討人類各種學習和其他職能特徵的基礎,並研究如何在遠離上進行精確的描述,探討用機器模擬人類智慧等問題,並首次提出了人工智慧的術語。
至此人工智慧這門新興的學科誕生了,而後人們對AI進行了各種探索,比如:塞繆爾編寫的第一個電腦跳棋程式。1956年,紐威爾和西蒙研製了一個“邏輯理論家“(簡稱LT)程式,它將每個問題都表示成一個樹形模型,然後選擇最可能得到正確結論的那一枝來求解問題,證明了懷特黑德與羅素的數學名著《數學原理》的第2章中52個定理中的38個定理。1963年對程式進行了修改,證明了全部定理。這一工作受到了人們的高度評價,被認為是計算機模擬人的高階思維活動的一個重大成果,是人工智慧的真正開端。
1956年,塞繆爾利用對策論和啟發式搜尋技術編制出西洋跳棋程式Checkers,這臺機器不僅在1959年擊敗了塞繆爾本人,而且在1962年擊敗了美國一個州的跳棋冠軍,在世界上引起了大轟動。這是人工智慧的一個重大突破。
人工智慧和早期的計算機的發展有著密不可分的聯絡,也正是因為計算機的這個載體,以及計算機技術的不斷髮展,才為人工智慧的發展,奠定著更多的可能,到了21世紀的今天,計算機的運算能力、大資料,雲計算技術等雲計算技術等相應的突破,也為未來AI的更深層次發展起著不可磨滅的作用。
-
4 # 鎂客網
人工智慧即為Artificial Intelligence,簡稱AI,是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
早期計算機,經歷了電子管、電晶體、積體電路和大規模積體電路的發展歷程,計算機技術逐漸走向成熟。
人工智慧是計算機的一個分支,沒有早期計算機的產生,就沒有現在的人工智慧。早期的計算機俗稱電腦,由CPU,主機板,電源,顯示器等硬體組成,可以輸入和輸出資訊供人們使用,如果設定好程式設計,它就按照你設計好的程式去執行你想要的東西,簡便高效。隨著科技的不斷進步和發展,計算機在一步一步的進化,效能也越來越高,不斷的成為一種行動式的處理工具。人工智慧是基於計算機演變出來的產物,他們之間密不可分,可以說沒有計算機就沒有人工智慧的今天。人工智慧的今天為人民提供了非常高效的服務,能夠足不出門就能曉天下,人工智慧的本質是對人思維的資訊過程的模擬,是人的智慧的物化,利用早期計算機的基礎去發展人工智慧,無限的接近人的智慧,但是不能利用人工智慧去做反社會反人類的事情,這樣就違反了人工智慧的初衷。 早期的計算機發展到現在,方便服務人們的工作生活,幾年後的人工智慧定會為人民的生活增添不一樣的樂趣。
回覆列表
計算機自圖靈&諾依曼奠基時起,就是數理邏輯的天下。夏農展示瞭如何將邏輯學應用到物理世界,而圖靈則使用數理邏輯語言來設計計算機。在亞里士多德至布林至弗雷格這一套體系下,從古典邏輯學(三段論)到數理邏輯,再到今天的語言邏輯,這一切是計算機發軔的基礎。弗雷格是第一個使用量詞(如“每一個”“存在著”)並將描述物件與概念謂詞分離的人,也是第一個開發今天的計算機科學基本概念的人,比如遞迴函式和具有範圍和限制的變數等。今天的哲學和計算機科學課程所教授的邏輯學——一階邏輯或謂詞邏輯——只是微調後的弗雷格系統。
自20世紀40年代以來,計算機程式設計已經變得愈加複雜。但有一件事沒有改變,程式設計仍然主要被計算機指定規則的程式設計師所主導。從哲學的角度上看,我們可以說計算機程式設計遵循了演繹邏輯——根據普遍規則來處理符號操作。
在過去的十年裡,隨著機器學習的普及,程式設計已經開始改變,這涉及到為機器建立框架,以透過統計推斷來學習。這使程式設計更接近於邏輯的另一個主要分支——歸納邏輯,其特性是從特定例項中推斷出普遍規則。
當今最有前途的機器學習技術使用的是神經網路,這是沃倫·麥卡洛克和沃爾特·皮茨在20世紀40年代發明的,他們的想法是為人工神經網路開發演算法,就像布林邏輯那樣,用來構建計算機電路。神經網路演算法直到幾十年後才與統計學結合在一起,同時隨著資料量增加而得以改進。最近,隨著計算機越來越熟練地處理大型資料集,這些技術產生了顯著的成效。未來的程式設計很可能就是將神經網路直接暴露於現實世界,讓它們學習。