2010最新门事件图片为什么有很多名人让人们警惕人工智能？确实，不仅在中国，在全世界范围内，人工智能不仅是科幻电影和文学作品里喜闻乐见的主题，也是科学爱好者和技术狂人痴迷和狂热追逐的目标。然而，人工智能作为一门计算机科学的分支究竟是什么样的？能够战胜人类的终极 AI 机器真的会存在吗？是否存在人类制造出来的人工智能非常聪明，以至于超过人类的可能？甚至于像「终结者」所说的那样，人工智能灭绝人类？这都是我们在《科学的极致：漫谈人工智能》这本书中想让大家思考的问题。

　　接下来，我概述一下全书要点：第一个要点，全书通过回顾人工智能学科发展历史，来尝试总结人工科学的特点；第二个要点，介绍最新的人工智能思想，并做出我们自己的预测——未来的主流我们认为是人机融合的态势；第三个要点是，我们集智俱乐部实践人工智能的应用案例。

　　那什么是人工智能？顾名思义，人工智能就是我们用人造的这种手段去造一台机器，使得这个机器具有看起来跟人的智能相类似的这样一些能力。一般认为，是 1956 年的达特茅斯会议奠定了人工智能的基础，在这次会议的讨论引发了计算机学界的关注，从而宣布了「人工智能」这一新兴学科的诞生。

　　这时候，在学界，因为蕴含深厚的数理逻辑思想，发展过程中也曾取得丰硕的成果，符号主义作为人工智能三大学派的第一支隆重登场。符号主义是基于还原论的理性主义方法，该学派认为智能的基本元素是「符号」，人的认知过程是一个信息加工过程，通过对符号的逻辑演绎与推理等方式可以将智能活动表达出来。当符号主义，这样一种基于还原论的理性主义方法，不仅无法对复杂系统的问题进行有效处理，而且由于其简单的线性分解，还会使得系统复杂性遭到破坏，其对常识问题采取的回避态度更广受诟病，到 20 世纪 70 年代，常识问题对于人工智能而言再也无法回避。

　　这个问题立刻刺激了新学派的诞生，大概到了八、九十年代的时候，两个学派诞生了。一个学派被称为连接学派，最主要的一个特点就是在于模拟人脑的结构，而不是模拟人怎么思维的过程。它是把你的人脑相互联系的这个神经元网络，直接用计算机模拟出来，区别于以前不会学习的「智能」，这种网络具有这种学习的能力。

　　另外一派是行为学派。它就说我们研究智能，参照大自然的生物体，会发现智能其实并不是人才会有，低等到小虫子，高等诸如哺乳类动物，它们都有一定的智能。所以行为学派认为，我们开始研究智能，不应该从最高级的人的智能开始研究，而应该从低级的，比如说虫子、昆虫开始。「浮现」其智能的方法，按照当时行为学派的代表人物布鲁克斯的想法，在实验室做了满地的机器昆虫，然后模拟生物体和环境的适应性。但理想总是不那么让人满意，随后人工智能的每一个新浪潮都经历了从盲目乐观到彻底沮丧的轮回，遗传算法、神经网络、基于规则的专家系统、概率图模型等等，莫不如此。但是最近，人工智能为什么又火了起来？为什么又有这样的一些新的讨论，甚至大家为此吵翻了天？

　　下面，我们进入第二部分的讨论。在这个时候，出现一个英雄式的人物，叫做 Hinton，他拯救了人工智能的发展。最主要的突破，在于他提出了一个「深度学习」（Deep Learning）的概念。其实他是对连接学派，就是人工神经网络进一步的延伸，以前的人工神经网络由于技术上的原因，我们只能做三层，充其量四层，所以它的层次并不是非常得深。Hinton 的一个突破，就在于把这个神经网络的层次变深。

　　首先，要想解释清楚人工智能并不容易，需要站在概念、产品和行业三个角度来分别进行阐述，而要想深入了解人工智能，还需要有一定的基础知识，包括哲学、数学、控制学、经济学、神经学和语言学等，所以不仅仅是学习人工智能具有较大的难度，要想了解人工智能也有一定的难度。

　　了解人工智能往往都是从人工智能概念开始的，人工智能概念当前并没有一个非常明确的定义，而且人工智能本身也是一个动态发展的概念，这也是解释人工智能难度较大的一个重要原因。虽然当前人工智能概念还存在很多不明确的地方，但是目前人工智能的研究领域还是相对比较集中的，主要包括自然语言处理、计算机视觉、机器学习、自动推理、知识表示和机器人学等六大方向。所以当前理解人工智能概念，可以从这个六个大的研究方向来入手。

　　从人工智能概念出现到现在，虽然经过了半个多世纪，但是在研究方向和研究方法上始终具有较大的差异性，这也许也是人工智能领域的魅力所在。在人工智能概念的研究过程中，如果按照思考和行动这两个大的维度来看，一直有两种看法，一种是“像人一样思考和行动”，而另一种则是“合理思考和行动”，当前来定义“合理”也许更容易一些，所以当前的人工智能研究就是基于“合理”这个出发点展开的。

　　从产品的角度来看，当前往往把人工智能产品称为“智能体（Agent）”，这里面的智能体有很多种不同的呈现形式，这与应用场景有密切的关系，由于当前的人工智能技术尚处在“弱人工智能时代”，所以谈人工智能一定离不开场景。通常来说，智能体的呈现形式有两种，一种是软硬件结合的呈现方式，比如各种智能机器人就是比较典型的代表，而这也符合人们对于人工智能产品的一贯认知形态。

　　实际上，当前应用更多的智能体，通常都是以软件的形式出现的，比如当前在互联网行业内就有大量的软件智能体，比如推荐系统就是一个比较典型的应用。相对于传统意义上的机器人来说，软件智能体的应用场景非常多，不仅应用成本比较低，效果也更容易呈现。相信在产业互联网发展的初期，软件智能体的发展空间会非常大，而且大量的行业企业在应用软件智能体时，也有一定的基础。

　　最后，谈到人工智能，一定不能忽略行业这个重要的属性，人工智能技术的发展和应用，一定离不开人工智能行业的推动。当前互联网（科技）公司是推动人工智能行业发展的重要力量，得益于数据、算力和团队的支撑，互联网公司布局人工智能领域会更容易一些，而且很多研究成果的应用也会更方便。

　　目前不少大型的互联网公司，已经开始陆续开放了自身的人工智能平台，这些平台通常都是以计算机视觉和自然语言处理为基础打造的，相信在这些人工智能平台落地之后，行业领域基于这些人工智能平台也会完成很多行业领域内的智能化创新，比如智慧医疗、智能家居等等。

　　我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

　　如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

　　你了解的是弱人工智能，自身具有学习能力是强人工智能的研究范畴，感兴趣可以去我的专栏看看，这里先给你一篇入门的短文：

　　谢邀。与其回答问题本身，答主建议题主先分清计算机科学里的几个概念。程序和算法息息相关，但不可以混为一谈。程序是一种工具，而算法是其原理。算法是解决问题的办法，这种办法要通过程序来实现。计算机科学家研究的是更高级的算法，为了更节省空间，为了更高的速度，为了更有效的处理数据等等。这些都是建立在逻辑上的，也就是说，都是由程序设计者和算法工程师决定的。程序自己是不会思考的，答主认为可以预见的将来也不会。

　　所谓的人工智能，目前是指程序能做到显式编程以外的事，比如预测一个函数的走向。目前比较主流的方法是依靠大量的数据支持，本质上是数据科学。这些都是数学，与任何哲学心理学人类学都毫无关系。计算机科学是理性的科学，既不是黑魔法，也不是感性产物。