人工智能，缩写为AI。它是研究和发展模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新技术科学。以下是边肖精心整理的关于人工智能的资料。希望对你有帮助！
人工智能ai
“人工智能”一词最早是由达特茅斯学会在1956年提出的。此后，研究人员发展了许多理论和原理，人工智能的概念也有所扩展。人工智能，缩写为AI。它是研究和发展模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它试图理解智能的本质，并产生一种新的智能机器，能够以类似于人类智能的方式做出反应。该领域的研究包括机器人学、语言识别、图像识别、自然语言处理和专家系统。人工智能自诞生以来，其理论和技术日益成熟，应用领域不断扩大。可以想象，未来人工智能带来的科技产品将是人类智慧的“容器”。
人工智能是对人的意识和思维的信息过程的模拟。人工智能不是人类智能，但它可以像人类智能一样思考，或者超越人类智能。
人工智能研究的最终目标
人工智能研究的最终目标是设计出一台计算机，能够在人类环境中真正表现出像人类一样的智能行为。我们来思考一下什么是人工智能。
恐怕解释什么是“智能”比解释什么是“劳动”(或者什么是机器)更棘手。在1950年发表的一篇著名论文《计算机器与智能》中，图灵详细讨论了“机器可以拥有智能吗？”问题。有趣的是，作为公认的计算机科学和人工智能的先驱，图灵成功定义了什么是机器，却无法定义什么是智能。为此，图灵设计了一个思维实验，叫做图灵测试。
在图灵测试中，计算机在没有直接身体接触的情况下被人类审问很长时间。如果“足够多”的询问者不能在“足够长”的时间内以“足够高”的准确度分辨出受访者是机器还是人类，我们就认为这台计算机通过了图灵测试。图灵把“通过图灵测试”作为“机器具有智能”的充分条件，他认为这个条件在2000年左右基本可以实现。需要强调的是，图灵测试作为一个充分条件，并没有也从未试图定义智力的范畴。但通过讨论图灵测试的充分条件，有助于进一步理解主流人工智能研究的三个重要特征。
人工智能关注的是如何模拟人类的智能活动，而不是所有的心智活动。
关于图灵测试的争议在于，人的心理过程不仅包括智力，还包括情感、审美能力、人格缺陷、社会文化习惯等一系列“非智力特征”。因为图灵测试模仿的是普通人，所以对这些“非智力特征”的要求甚至可能高于纯粹的“智力要求”；作为一个普通人，完全有可能对象棋一无所知，但不太可能从照片上分辨不出美女/帅哥。
当然，“非智能特征”的引入并不妨碍图灵测试成为一个有效的充分条件，但是除非我们假设所有这些“非智能特征”都是拥有智能的必然产物，否则我们不得不承认图灵测试确实给机器智能的核心问题增加了太多具有挑战性但又不那么相关的因素。尽管图灵本人在20世纪末对解决这些“更难的问题”相当乐观，但直到2013年，没有一台机器能够通过严格的图灵测试，即使是在纯智力层面。有趣的是，这个失败的事实给我们带来了一个熟悉的应用。图形验证码。其实你每输入一个验证码，都是一次图灵测试！
人工智能关注的是计算机的外部智能行为，而不是产生该行为的内部过程。
这是典型的功能主义/行为主义风格的定义，也是人工智能经常被诟病的地方。“主观思维”的严格定义需要自我意识。但一方面，从严格的学术角度来看，我们甚至不能真正确定是否存在“意识”这种东西。另一方面，可以从数学上证明任何一台图灵机都可以被另一台图灵机模拟。所以，假设我们真的制造了一台有“意识”的机器A，我们总是可以通过查表的方式，让另一台机器B机械地模拟A的内部运作。问题是B有没有意识？如果每一台“拥有”意识的机器都可以用B这样的“机械查表”机器来模拟，那么我们就分不清一台机器是真的在内部“思考”，还是只是通过它的外部行为来模拟“思考”的过程。所以“是否有意识”从行为主义的角度来看，成了一个相对独立的“另一个问题”。同时，“有意识的机器总能被没有意识的机器模拟出来”也说明了“有意识”并不能给机器带来任何额外的“行为能力”，这进一步降低了“有意识”在行为主义者眼中的重要性。
事实上，每一门学科的研究都是建立在一个基本的“假设”之上的。支持物理研究的基本假设是“相信”万物都受一套不随时间和空间而变化的普适物理规律所束缚，而物理研究的目的“只是”找出这一套规律是什么。同样，“弱AI假说”也“认为”一台设计良好的计算机可以表现出不低于人类的智能行为。AI的各个分支的研究都是默认基于针对自身领域问题的弱人工智能假说，而支撑这些分领域研究的力量往往是其巨大的社会实用价值。相比之下，图灵测试更激进，旨在模拟人类所有的智力行为。
人工智能的主题是设计能够全面适应“人类环境”的单个智能体，而不是解决特定数学问题的算法。
“综合模拟人类的智力活动”的基本目标是人工智能不同于计算机科学其他分支的地方。我们通过比较人工智能软件和传统软件来说明这一点。
首先，从最广义上来说，传统软件其实属于人工智能的范畴。事实上，很多早期的计算机科学家，比如图灵，他们对计算机科学的研究都是以人工智能为驱动力的。一个从未接触过计算机的人可能很难分辨出哪个更有资格代表“智能”:“找到一个序列中的所有质数”和“在照片中找到一只狗”(前者属于传统软件的范畴，后者属于传统人工智能的范畴)。
另一方面，传统软件并不能代表人工智能的全部内涵。粗略来说，我们可以认为传统软件对应的就是这样一类“计算问题”。它们的共同特点是问题本身是用一种算法(或非结构化的数学描述)来描述的，对它们的研究主要集中在如何找到更好的算法。我们称之为“人工智能问题”的问题，可以理解为另一种“计算问题”。它们的共同特点是无法用算法或数学精确定义。这些问题的“正确答案”本质上取决于我们面对这些问题时的反应。
总之，图灵测试原则上符合主流人工智能研究的一般特征，虽然在哲学意义和操作层面存在争议。在复杂和未知的环境中，我们的目标是模仿人类的智能。当然，作为乐观的充分条件，图灵测试无疑是众多人工智能问题中的一个，以至于真正直接研究图灵测试的人并不多。相反，人们把更多的精力投入到一些更具体的子领域。可以说，这些领域每一个都是通过图灵测试的必要条件，但大部分还没有达到“人类水平”。
高度的智能也许是人类最值得骄傲的能力。很容易增强和扩展软硬件能力，这是机器相比人类最大的优势之一。一旦人工智能出现重大突破，即使我们刻意避免用它来创造新物种(即人形机器人)，它至少会引发对人类智能、情感、意识等一系列概念的重新审视和理解，这必然会导致人类伦理道德和法律观念的改变，从而对整个社会产生深远的影响。
看到“ai是什么？”还看到：
