人工智慧

標籤: 暫無標籤

178

更新時間: 2013-07-13

廣告

人工智慧(Artificial Intelligence) ,英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧是計算機科學的一個分支,它企圖了解智能的實質,並生產出一種新的能以人類智能相似的方式作出反應的智能機器,該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。另外,世界著名科幻電影大師史蒂文·斯皮爾伯格曾導演過一部名叫《人工智慧》的科幻電影。講述21世紀中期,由於氣候變暖,南北兩極冰蓋的融化,地球上很多城市都被淹沒在一片汪洋之中。

廣告

1 人工智慧 -定義

學科)人工智慧(學科)是計算機科學中設計研究、設計和應用智能機器的一個分支。其近期的主要目標在於研究用記起來模擬和執行人腦的某些智力功能,並開發相關理論和技術。

能力)人工智慧(能力)是智能機器所執行的通常與人類智能有關的智能行為,如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習核問題求解等思維活動。

人工智慧的定義可以分為兩部分,即「人工」和「智能」。「人工」比較好理解,爭議性也不大。有時會要考慮什麼是人力所能及製造的,或著人自身的智能程度有沒有高到可以創造人工智慧的地步,等等。但總的來說,「人工系統」就是通常意義下的人工系統。關於什麼是「智能」,就問題多多了。這涉及到其它諸如意識(consciousness)、自我(self)、思維(mind)(包括無意識的思維(unconscious_mind)等等問題。人唯一了解的智能是人本身的智能,這是普遍認同的觀點。但是人類對自身智能的理解都非常有限,對構成人的智能的必要元素也了解有限,所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。人工智慧目前在計算機領域內,得到了愈加廣泛的重視。並在機器人,經濟政治決策,控制系統,模擬系統中得到應用。

廣告

2 人工智慧 -詞源

「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學,從事這項工作的人必須懂得計算機知識,心理學和哲學。人工智慧是包括十分廣泛的科學,它由不同的領域組成,如機器學習,計算機視覺等等,總的說來,人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的複雜工作。但不同的時代、不同的人對這種「複雜工作」的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的,現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更準確,因之當代人已不再把這種計算看作是「需要人類智能才能完成的複雜任務」, 可見複雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展,一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯繫在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智慧學科研究的主要內容包括:知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

廣告

3 人工智慧 -簡史

自古以來,人類就力圖根據認識水平和當時的技術條件,企圖用機器來代替人的部分腦力勞動,以提高征服自然的能力。公元850年,古希臘就有製造機

人工智慧機器人是典型的人工智慧應用
器人幫助人們勞動的神話傳說。在中國公元前900多年,也有歌舞機器人傳說的記載,這說明古代人就有人工智慧的幻想。隨著歷史的發展,到十二世紀末至十三世紀初年間,西班牙的神學家和邏輯學家Romen Luee試圖製造能解決各種問題的通用邏輯機。十七世紀法國物理學家和數學家B.Pascal製成了世界上第一台會演算的機械加法器並獲得實際應用。隨後德國數學家和哲學家G.W.Leibniz在這台加法器的基礎上發展並製成了進行全部四則運算的計算器。十九世紀英國數學和力學家C.Babbage致力於差分機和分析機的研究,雖因條件限制未能完全實現,但其設計思想不愧為當時人工智慧最高成就。 

進入21世紀后,人工智慧相繼出現若干開創性的工作。1936年,年僅24歲的英國數學家A.M.Turing在他的一篇"理想計算機"的論文中,就提出了著名的圖林機模型,1945年他進一步論述了電子數字計算機設計思想,1950年他又在"計算機能思維嗎?"一文中提出了機器能夠思維的論述,可以說這些都是圖靈為人工智慧所作的傑出貢獻。1946年美國科學家J.W.Mauchly等人製成了世界上第一台電子數字計算機ENIAC。還有同一時代美國數學家N.Wiener控制論的創立,美國數學家C.E.Shannon資訊理論的創立,英國生物學家W.R.Ashby所設計的腦等,這一切都為人工智慧學科的誕生作了理論和實驗工具的巨大貢獻。

廣告

1956年美國的幾位心理學家,數學家,計算機科學家和資訊理論學家在Dartmonth大學召開了會議,提出了人工智慧這一學科,現在普遍認為人工智慧學科是這時建立的,到現在已有40多年的歷史,它的發展先後經歷了「認知模擬」,「語意信息理解」,「專家系統」等階段。

4 人工智慧 -發展階段

從1956年正式提出人工智慧學科算起,40多年來,取得長足的發展,成為一門廣泛的交叉和前沿科學。總的說來,人工智慧的目的就是讓計算機這台機器能夠象人一樣思考。如果希望做出一台能夠思考的機器,那就必須知道什麼是思考,更進一步講就是什麼是智慧。什麼樣的機器才是智慧的呢?科學家已經作出了汽車,火車,飛機,收音機等等,它們模仿我們身體器官的功能,但是能不能模仿人類大腦的功能呢?到目前為止,我們也僅僅知道這個裝在我們天靈蓋裡面的東西是由數十億個神經細胞組成的器官,我們對這個東西知之甚少,模仿它或許是天下最困難的事情了。

當計算機出現后,人類開始真正有了一個可以模擬人類思維的工具,在以後的歲月中,無數科學家為這個目標努力著。現在人工智慧已經不再是幾個科學家的專利了,全世界幾乎所有大學的計算機系都有人在研究這門學科,學習計算機的大學生也必須學習這樣一門課程,在大家不懈的努力下,現在計算機似乎已經變得十分聰明了。例如,1997年5月,IBM公司研製的深藍(Deep Blue)計算機戰勝了國際象棋大師卡斯帕洛夫(Kasparov)。大家或許不會注意到,在一些地方計算機幫助人進行其它原來只屬於人類的工作,計算機以它的高速和準確為人類發揮著它的作用。人工智慧始終是計算機科學的前沿學科,計算機編程語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。 

計算機時代

廣告

人工智慧龐然大物,世界第一台電子計算機
1941年的一項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第一台計算機要佔用幾間裝空調的大房間,對程序員來說是場惡夢:僅僅為運行一個程序就要設置成千的線路.1949年改進后的能存儲程序的計算機使得輸入程序變得簡單些,而且計算機理論的發展產生了計算機科學,並最終促使了人工智慧的出現.計算機這個用電子方式處理數據的發明, 為人工智慧的可能實現提供了一種媒介.

AI的開端

雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才注意到人類智能與機器之間 的聯繫. Norbert Wiener是最早研究反饋理論的美國人之一。最熟悉的反饋控制的例子是自動調溫器。它將收集到的房間溫度與希望的溫度比較,並做出反應將加熱器開大或關小,從而控制環境溫度。這項對反饋 迴路的研究重要性在於: Wiener從理論上指出,所有的智能活動都是反饋機制的結果。而反饋機制是有可能用機器模擬的。這項發現對早期AI的發

廣告

人工智慧美國國防部五角大樓
展影響很大. 1955年末,Newell和Simon做了一個名為"邏輯專家"(Logic Theorist)的程序.這個程序被許多人 認為是第一個AI程序.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."邏輯專家"對公眾和AI研究領域產生的影響使它成為AI發展中一個重要的里程碑.1956年,被認為是人工智慧之父的John McCarthy組織了一次學會,將許多對機器智能感興趣的專家學者聚集在一起進行了一 個月的討論。他請他們到 Vermont參加 " Dartmouth人工智慧夏季研究會"。從那時起,這個領域被命名為 "人工智慧"。雖然 Dartmouth學會不是非常成功,但它確實集中了AI的創立者們,並為以後的AI研究奠定了基礎。 Dartmouth會議后的7年中,AI研究開始快速發展.雖然這個領域還沒明確定義,會議中的一些思想已被重新考慮和使用了。 Carnegie Mellon大學和MIT開始組建AI研究中心.研究面臨新的挑戰: 下一步需 要建立能夠更有效解決問題的系統,例如在"邏輯專家"中減少搜索;還有就是建立可以自我學習的系統. 1957年一個新程序,"通用解題機"(GPS)的第一個版本進行了測試。這個程序是由製作"邏輯專家" 的同一個組開發的。GPS擴展了Wiener的反饋原理,可以解決很多常識問題.兩年以後,IBM成立了一個AI研 究組.Herbert Gelerneter花3年時間製作了一個解幾何定理的程序. 
人工智慧通用汽車標徽
當越來越多的程序湧現時,McCarthy正忙於一個AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP語言. LISP到今天還在用."LISP"的意思是"表處理"(LISt Processing),它很快就為大多數AI開發者採納。 1963年MIT從美國政府得到一筆220萬美元的資助,用於研究機器輔助識別.這筆資助來自美國國防部高級研究計劃署(ARPA),已保證美國在技術進步上領先於蘇聯.這個計劃吸引了來自全世界的計算機科學家, 加快了AI研究的發展步伐.

大量的程序

廣告

以後幾年出現了大量程序。其中一個著名的叫"SHRDLU"."SHRDLU"是"微型世界"項目的一部分,包括 在微型世界(例如只有有限數量的幾何形體)中的研究與編程.在MIT由Marvin Minsky領導的研究人員發現, 面對小規模的對象,計算機程序可以解決空間和邏輯問題.其它如在60年代末出現的"STUDENT"可以解決代數 問題,"SIR"可以理解簡單的英語句子.這些程序的結果對處理語言理解和邏輯有所幫助.。70年代另一個進展是專家系統。專家系統可以預測在一定條件下某種解的概率。由於當時計算機已有巨大容量,專家系統有可能從數據中得出規律.專家系統的市場應用很廣.十年間,專

人工智慧波音、世界著名飛機生產廠商
家系統被用於股市預 測,幫助醫生診斷疾病,以及指示礦工確定礦藏位置等。這一切都因為專家系統存儲規律和信息的能力而成為可能. 70年代許多新方法被用於AI開發,著名的如Minsky的構造理論.另外David Marr提出了機器視覺方面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像。通過分析這些信 息,可以推斷出圖像可能是什麼.同時期另一項成果是PROLOGE語言,於1972年提出. 80年代期間,AI前進更為迅速,並更多地進入商業領域.1986年,美國AI相關軟硬體銷售高達4.25億美元.專家系統因其效用尤受需求.象數字電氣公司這樣的公司用XCON專家系統為VAX大型機編程.杜邦,通用汽車公司和波音公司也大量依賴專家系統.為滿足計算機專家的需要,一些生產專家系統輔助製作軟體的公司,如Teknowledge和Intellicorp成立了。為了查找和改正現有專家系統中的錯誤,又有另外一些專家系統被設計出來. 從實驗室到日常生活人們開始感受到計算機和人工智慧技術的影響.計算機技術
人工智慧美國國防部高級研究計劃署支持的項目「機器騾子」
不再只屬於實驗室中的一小群研究人員. 個人電腦和眾多技術雜誌使計算機技術展現在人們面前.有了象美國人工智慧協會這樣的基金會.因為AI開發 的需要,還出現了一陣研究人員進入私人公司的熱潮。150多所像DEC(它雇了700多員工從事AI研究)這樣的公司共花了10億美元在內部的AI開發組上. 其它一些AI領域也在80年代進入市場.其中一項就是機器視覺. Minsky和Marr的成果現在用到了生產線上的相機和計算機中,進行質量控制。儘管還很簡陋,這些系統已能夠通過黑白區別分辨出物件形狀的不同.到1985年美國有一百多個公司生產機器視覺系統,銷售額共達8千萬美元. 但80年代對AI工業來說也不全是好年景.86-87年對AI系統的需求下降,業界損失了近5億美元。象 Teknowledge和Intellicorp兩家共損失超過6百萬美元,大約佔利潤的三分之一巨大的損失迫使許多研究領導者削減經費.另一個另人失望的是美國國防部高級研究計劃署支持的所謂"智能卡車".這個項目目的是研製一種能完成許多戰地任務的機器人。由於項目缺陷和成功無望,Pentagon停止了項目的經費.儘管經歷了這些受挫的事件,AI仍在慢慢恢複發展.新的技術在日本被開發出來,如在美國首創的模糊邏輯,它可以從不確定的條件作出決策;還有神經網路,被視為實現人工智慧的可能途徑.總之,80年代AI被引入了市場,並顯示出實用價值.可以確信,它將是通向21世紀之匙.。人工智慧技術接受檢驗 在"沙漠風暴"行動中軍方的智能設備經受了戰爭的檢驗.人工智慧技術被用於導彈系統和預警顯示以 及其它先進武器。AI技術也進入了家庭.智能電腦的增加吸引了公眾興趣;一些面向蘋果機和IBM兼容機的應用 軟體例如語音和文字識別已可買到;使用模糊邏輯,AI技術簡化了攝像設備.對人工智慧相關技術更大的需求促 使新的進步不斷出現.人工智慧已經並且將繼續不可避免地改變我們的生活.

5 人工智慧 -人工智慧科學

實際應用

機器視覺指紋識別,人臉識別,視網膜識別,虹膜識別,掌紋識別,專家系統,智能搜索,定理證明,博弈,自動程序設計智能控制,機器人學,語言和圖像理解,遺傳編程等。

學科範疇

人工智慧是一門邊沿學科,屬於自然科學和社會科學的交叉。

涉及學科

哲學和認知科學,數學,神經生理學,心理學,計算機科學,資訊理論,控制論,不定性論

研究範疇

自然語言處理,知識表現,智能搜索,推理,規劃,機器學習,知識獲取,組合調度問題,感知問題,模式識別,邏輯程序設計

人工智慧視網膜識別系統
,軟計算,不精確和不確定的管理,人工生命,神經網路,複雜系統,遺傳演算法

意識和人工智慧

人工智慧就其本質而言,是對人的思維的信息過程的模擬。

對於人的思維模擬可以從兩條道路進行,一是結構模擬,仿照人腦的結構機制,製造出「類人腦」的機器;二是能模擬,暫時撇開人腦的內部結構,而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬,是對人腦思維的信息過程的模擬。人工智慧不是人的智能,更不會超過人的智能。

「機器思維」同人類思維的本質區別:

1.人工智慧純系無意識的機械的物理的過程,人類智能主要是生理和心理的過程。

2.人工智慧沒有社會性。

3.人工智慧沒有人類的意識所特有的能動的創造能力。

4.兩者總是人腦的思維在前,電腦的功能在後。

5.機器思維總是按照人類預定的程序而定。

6 人工智慧 -強弱人工智慧

人工智慧約翰·麥卡錫
人工智慧的一個比較流行的定義,也是該領域較早的定義,是由約翰·麥卡錫(John McCarthy|)在1956年的達特矛斯會議(Dartmouth Conference)上提出的:人工智慧就是要讓機器的行為看起來就象是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智慧的可能性(見下)。另一個定義指人工智慧是人造機器所表現出來的智能性。總體來講,目前對人工智慧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」。這裡「行動」應廣義地理解為採取行動,或制定行動的決策,而不是肢體動作。強人工智慧強人工智慧觀點認為有可能製造出真正能推理(Reasoning)和解決問題(Problem_solving)的智能機器,並且這樣的機器能將被認為是有知覺的,有自我意識的。強人工智慧可以有兩類:類人的人工智慧,即機器的思考和推理就像人的思維一樣。非類人的人工智慧,即機器產生了和人完全不一樣的知覺和意識,使用和人完全不一樣的推理方式。弱人工智慧弱人工智慧觀點認為不可能製造出能真正地推理(Reasoning)和解決問題(Problem_solving)的智能機器,這些機器只不過看起來像是智能的,但是並不真正擁有智能,也不會有自主意識。主流科研集中在弱人工智慧上,並且一般認為這一研究領域已經取得可觀的成就。強人工智慧的研究則出於停滯不前的狀態下。對強人工智慧的哲學爭論「強人工智慧」一詞最初是約翰·羅傑斯·希爾勒針對計算機和其它信息處理機器創造的,其定義為:「強人工智慧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)這是指使計算機從事智能的活動。在這裡智能的涵義是多義的、不確定的,象下面所提到的就是其中的例子。利用計算機解決問題時,必須知道明確的程序。可是,人即使在不清楚程序時,根據發現(HEU- ristic)法而設法巧妙地解決了問題的情況是不少的。如識別書寫的文字、圖形、聲音等,所謂認識模型就是一例。再有,能力因學習而得到的提高和歸納推理、依據類推而進行的推理等,也是其例。此外,解決的程序雖然是清楚的,但是實行起來需要很長時間,對於這樣的問題,人能在很短的
人工智慧圖靈,邏輯學家,人工智慧之父

時間內找出相當好的解決方法,如競技的比賽等就是其例。還有,計算機在沒有給予充分的合乎邏輯的正確信息時,就不能理解它的意義,而人在僅是被給予不充分、不正確的信息的情況下,根據適當的補充信息,也能抓住它的意義。自然語言就是例子。用計算機處理自然語言,稱為自然語言處理。關於強人工智慧的爭論不同於更廣義的一元論和二元論(dualism)的爭論。其爭論要點是:如果一台機器的唯一工作原理就是對編碼數據進行轉換,那麼這台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,如果機器僅僅是對數據進行轉換,而數據本身是對某些事情的一種編碼表現,那麼在不理解這一編碼和這實際事情之間的對應關係的前提下,機器不可能對其處理的數據有任何理解。基於這一論點,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思維和意識。也有哲學家持不同的觀點。Daniel C. Dennett 在其著作 Consciousness Explained 里認為,人也不過是一台有靈魂的機器而已,為什麼我們認為人可以有智能而普通機器就不能呢?他認為像上述的數據轉換機器是有可能有思維和意識的。有的哲學家認為如果弱人工智慧是可實現的,那麼強人工智慧也是可實現的。比如Simon Blackburn在其哲學入門教材 Think 里說道,一個人的看起來是「智能」的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的,還是說她/他僅僅是看起來是智能的。基於這個論點,既然弱人工智慧認為可以令機器看起來像是智能的,那就不能完全否定這機器是真的有智能的。Blackburn 認為這是一個主觀認定的問題。需要要指出的是,弱人工智慧並非和強人工智慧完全對立,也就是說,即使強人工智慧是可能的,弱人工智慧仍然是有意義的。至少,今日的計算機能做的事,像算術運算等,在百多年前是被認為很需要智能的。

7 人工智慧 -涉及範圍

智能模擬
  機器視、聽、觸、感覺及思維方式的模擬:指紋識別,人臉識別,視網膜識別,虹膜識別,掌紋識別,專家系統,智能搜索,定理證明,邏輯推理,博弈,信息感應與辨證處理。
學科範疇
  人工智慧目前是一門邊沿學科,屬於自然科學、社會科學、技術科學三向交叉學科。
涉及學科
  哲學和認知科學,數學,神經生理學,心理學,計算機科學,資訊理論,控制論,不定性論,仿生學,社會結構學與科學發展觀。
研究範疇
  語言的學習與處理,知識表現,智能搜索,推理,規劃,機器學習,知識獲取,組合調度問題,感知問題,模式識別,邏輯程序設計,軟計算,不精確和不確定的管理,人工生命,神經網路,複雜系統,遺傳演算法人類思維方式,最關鍵的難題還是機器的自主創造性思維能力的塑造與提升。
應用領域
  機器翻譯,智能控制,專家系統,機器人學,語言和圖像理解,遺傳編程機器人工廠,自動程序設計,航天應用,龐大的信息處理,儲存與管理,執行化合生命體無法執行的或複雜或規模龐大的任務等等。  

    值得一提的是,機器翻譯是人工智慧的重要分支和最先應用領域。不過就已有的機譯成就來看,機譯系統的譯文質量離終極目標仍相差甚遠;而機譯質量是機譯系統成敗的關鍵。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出:要提高機譯的質量,首先要解決的是語言本身問題而不是程序設計問題;單靠若干程序來做機譯系統,肯定是無法提高機譯質量的;另外在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下,機譯要想達到「信、達、雅」的程度是不可能的。
安全問題
  目前人工智慧還在研究中,但有學者認為讓計算機擁有智商是很危險的,它可能會反抗人類。這種隱患也在多部電影中發生過,其主要的關鍵是允不允許機器擁有自主意識的產生與延續,如果使機器擁有自主意識,則意味著機器具有與人同等或類似的創造性,自我保護意識,情感和自發行為。
實現方法
  人工智慧在計算機上實現時有2種不同的方式。一種是採用傳統的編程技術,使系統呈現智能的效果,而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法(Engineering approach),它已在一些領域內作出了成果,如文字識別、電腦下棋等。另一種是模擬法(Modeling approach),它不僅要看效果,還要求實現方法也和人類或生物機體所用的方法相同或相類似。本書介紹的遺傳演算法(Generic Algorithm,簡稱GA)和人工神經網路(Artificial Neural Network,簡稱ANN)均屬后一類型。遺傳演算法模擬人類或生物的遺傳-進化機制,人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果,兩種方式通常都可使用。採用前一種方法,需要人工詳細規定程序邏輯,如果遊戲簡單,還是方便的。如果遊戲複雜,角色數量和活動空間增加,相應的邏輯就會很複雜(按指數式增長),人工編程就非常繁瑣,容易出錯。而一旦出錯,就必須修改原程序,重新編譯、調試,最後為用戶提供一個新的版本或提供一個新補丁,非常麻煩。採用后一種方法時,編程者要為每一角色設計一個智能系統(一個模塊)來進行控制,這個智能系統(模塊)開始什麼也不懂,就像初生嬰兒那樣,但它能夠學習,能漸漸地適應環境,應付各種複雜情況。這種系統開始也常犯錯誤,但它能吸取教訓,下一次運行時就可能改正,至少不會永遠錯下去,用不到發布新版本或打補丁。利用這種方法來實現人工智慧,要求編程者具有生物學的思考方法,入門難度大一點。但一旦入了門,就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定,應用於複雜問題,通常會比前一種方法更省力。

 

 

計算機時代

1941年的一項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第一台計算機要佔用幾間裝空調的大房間,對程序員來說是場噩夢:僅僅為運行一 個程序就要設置成千的線路.1949年改進后的能存儲程序的計算機使得輸入程序變得簡單些,而且計算機 理論的發展產生了計算機科學,並最終促使了人工智慧的出現.計算機這個用電子方式處理數據的發明,為人工智慧的可能實現提供了一種媒介.


 

8 人工智慧 -同名電影

廣告