第221章 佈局人工智慧

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

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這種網站去了。

不過章杉倒也不是很在意開不開這個網站。

畢竟如果只在意網站的話以現在章杉的資源開一百個都沒難度。

只是既然能輕輕鬆鬆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——人工智慧！

人工智慧（英語artifinetce，通常縮寫為aI）。

亦稱智械、機器智慧，指由人制造出來的機器所表現出來的智慧。

通常人工智慧是指透過普通計算機程式來呈現人類智慧的技術。

人工智慧於一般教材中的定義領域是“智慧主體（inte11igentagent）的研究與設計”，智慧主體指一個可以觀察周遭環境並作出行動以達致目標的系統。

約翰·麥卡錫於1955年的定義是“製造智慧機器的科學與工程”。

安德烈亞斯·卡普蘭（andreaskap1an）和邁克爾·海恩萊因（minet）將人工智慧定義為“系統正確解釋外部資料，從這些資料中學習，並利用這些知識透過靈活適應實現特定目標和任務的能力”。

對人工智慧的研究由來已久。

和現在重視基於控制論和神經網路的方法不同。

當年人們一直致力於將人工智慧符號化。

當2o世紀5o年代，數字計算機研製成功，研究者開始探索人類智慧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。

當然這些學校關於aI的研究各自有獨立的研究風格。

6o_7o年代的研究者確信符號方法最終可以成功創造強人工智慧的機器，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，同時他們為人工智慧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模擬人類解決問題方法的程式。這方法一直在卡內基梅隆大學沿襲下來，並在8o年代於soar展到高峰。

基於邏輯不像艾倫·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演算法。他在斯坦福大學的實驗室致力於使用形式化邏輯解決多種問題，包括知識表示，智慧規劃和機器學習。致力於邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開程式語言pro1og和邏輯程式設計科學。

“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）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）能夠達到所有的智慧行為。羅傑·單克（Rogersnetk）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“scruffy”aI的例子，因為他們必須人工一次編寫一個複雜的概念。

基於知識大約在197o年出現大容量記憶體計算機，研究者分別以三個方法開始把知識構造成應用軟體。這場“知識革命”促成專家系統的開與計劃，這是第一個成功的人工智慧軟體形式。“知識革命”同時讓人們意識到許多簡單的人工智慧軟體可能需要大量的知識。

……

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

到了198o和199o年代，利用機率和經濟學上的概念，人工智慧研究還展了非常成功的方法處理不確定或不完整的資訊。

對於困難的問題，有可能需要大量的運算資源，也就是生了“可能組合爆增”當問題過一定的規模時，電腦會需要天文數量級的儲存器或是運算時間。尋找更有效的演算法是優先的人工智慧研究專案。

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，早期人工智慧研究通常使用逐步推導的方式。

人工智慧研究已經於這種“次表徵性的”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。神經網路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慧很早就保持支援的態度，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。

儘管當時的投資不算多，但是章杉對於人工智慧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慧相關的內容。

人工智慧其實是一個很寬泛的話題！

說到底人工智慧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，因而涉及範圍極廣。

人工智慧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式。

aI的核心問題包括建構能夠跟人類似甚至卓的推理、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。

人工智慧目前仍然是該領域的長遠目標。

目前人工智慧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儲存相應的知識，並且能夠按照某種規則推理演繹得到新的知識。

人工智慧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

人工智慧就是要讓機器的行為看起來就像是人所表現出的智慧行為一樣。