人工智能的目标

人工智能可以通过读取人类行为并利用结果开发智能系统来实现。例如，它们学习、决策并在特定情境中行动。通过观察人类在解决简单任务时的表现，并利用其结果开发智能系统。

人工智能的总体研究目标是创建能够让计算机和机器智能工作的技术。模拟（或创建）智能的总体问题被分解为子问题。

下面描述的症状受到了最多的关注。其中包括研究人员期望智能系统表现出的特殊特征或能力。Eric Sandwell 强调与给定情境相关和适用的规划和学习。

• 逻辑，问题解决：早期研究人员开发了算法，模拟人类在解决难题或进行逻辑推断时一步一步的推理过程。到 20 世纪 80 年代末和 90 年代，人工智能研究已经开发出处理不确定或不完整信息的方法，运用了概率论和经济学中的概念。对于困难的问题，算法可能需要巨大的计算资源——大多数会经历“组合爆炸”：解决特定大小问题所需的内存或计算机时间变得天文数字。寻找更高效的问题解决算法是重中之重。
• 知识表示：知识表示和知识工程是人工智能研究的核心。机器需要解决的许多问题都将需要广泛的世界知识。人工智能需要表示的事物包括对象、属性、类别以及对象之间的关系；情境、事件、状态和时间；因果关系；关于知识的知识（其他人知道我们知道什么）；以及许多其他研究较少的领域。
  “存在什么”的表示是本体论：机器所了解的对象、关系、概念等的集合。最普遍的是上层本体论，它试图为所有其他知识提供基础。
• 规划：智能体必须能够设定目标并实现目标。他们需要一种预见未来的方式——对世界状态的表示，并预测他们的行动将如何改变世界——并能够做出最大化可用选项的效用（或“价值”）的选择。
  在经典规划问题中，智能体可以假设它是世界上唯一采取行动的系统，从而使智能体能够确定其行动的后果。
  然而，如果智能体不是唯一的行动者，它要求智能体在不确定性下进行推理。这要求智能体评估其环境，做出预测，评估其预测，并根据其评估进行调整。
• 学习：机器学习，自该领域诞生以来就是人工智能研究的基本概念，是研究计算机算法如何通过经验自动改进的学科。无监督学习是发现输入流中模式的能力。监督学习包括分类和数值回归。在看到来自几个类别的几个事物的例子后，分类用于确定某个事物属于哪个类别。回归试图构建一个函数，描述输入和输出之间的关系，并预测当输入改变时输出应该如何改变。
• 社会智能：情感计算是研究和开发能够检测、解释、处理和模拟人类情感的系统。这是一个跨学科领域，涵盖计算机科学、心理学和认知科学。虽然该领域的起源可以追溯到早期对情感的哲学探究，但计算机科学更现代的分支源于 Rosalind Picard 在 1995 年发表的关于“情感计算”的论文。
• 创造力：人工智能的一个子领域从理论（哲学、心理学视角）和实践（产生新颖有用输出的特定系统实现）两个方面探讨创造力。一些相关的计算研究领域包括人工智能直觉和人工智能思维。
• 通用智能：许多研究人员认为，他们的工作最终将导致一台具有通用人工智能的机器，它将结合上述所有技能，并在大多数或所有这些领域超越人类能力。有些人认为，这样一个项目可能需要拟人化的特征，例如人工意识或人造大脑。

人工智能的方法

在定义了人工智能之后，让我们了解其核心的哲学方法。关于人工智能的每一项研究都属于以下两类之一：

• 符号方法： 也称为“自上而下”方法，符号方法在不考虑人脑生物结构的情况下模拟智能。顾名思义，这种方法通过处理符号来分析人脑的思维过程。
• 联结主义方法： 另一方面，联结主义方法通过模仿人脑的生物结构来构建神经网络。也称为“自下而上”方法，这种方法调动了更基本的脑细胞。

这两种方法都在争夺开发人工智能系统和算法的方法。虽然它们看起来相似，但它们的原理不同。“自上而下”方法侧重于符号细节，而“自下而上”方法则考虑大脑内部的神经活动。我们可以用一个例子来说明这两种方法的区别。考虑一个通过图像处理识别数字的机器人。

符号方法是根据每个数字的几何图案编写算法。程序将比较并匹配其内存中存储的不同数字的数字图案。

在联结主义方法中，机器人将通过反复调整其人工神经网络来识别数字。在某种程度上，联结主义方法比符号方法更接近地模仿人类思维及其思维过程。

研究人员在开发算法时会使用这两种人工智能实现方法。虽然符号方法适用于简单问题，但研究人员更喜欢联结主义方法来解决复杂的现实问题。尽管显示出巨大的潜力，但这两种方法都产生了有限的结果。

除了这两个主要分类之外，研究人员还创造了几种实现人工智能的方法。

• 基于逻辑的人工智能使用形式逻辑来代表人脑中的知识、规划和学习。这种方法不是模仿人类思维，而是侧重于确定逻辑推理和抽象思维的基础。
• 反逻辑人工智能： 一些研究人员认为，不可能用简单的通用逻辑捕捉人类行为的各个方面。反逻辑方法不是使用简单逻辑，而是处理机器学习和视觉处理的临时解决方案。
• 基于知识的人工智能： 随着 1970 年代左右重要内存计算机的出现，人们开始添加人工智能应用程序。结果，系统架构纳入了事实和规则，以在其系统中描绘算法。
• 统计学习： 近年来，世界各地的研究人员结合了信息论、决策论等先进的数学和统计模型来开发人工智能算法。这种方法提高了数据挖掘的准确性和可重复性。

人工智能的应用领域

现代基于人工智能的技术适用于任何智能任务，其应用列表还在显著增长。让我们快速浏览一下其中的一些。

• 医疗保健： 人工智能已被证明是医疗保健领域的一项救命援助。例如，智能手表中的人工智能算法可以监测一个人的生命活动，以检测心脏问题，甚至可以向紧急服务部门发出警报。此外，人工智能帮助提高了药物的速度和准确性。
• 金融服务： 过去三十年来，金融服务一直受益于人工智能。人工智能在银行业的簿记管理、股票预测甚至欺诈预防方面都很有用。大型企业使用人工智能来处理和审计严格合规下的交易。
• 零售业： 在零售业务中，人工智能算法可以通过管理库存来解决供应链问题。除了预测服装业务的未来趋势，人工智能还可以通过实时数据分析帮助预测需求和提升客户体验。
• 汽车工业： 人工智能在汽车工业中的一个重要例子是。自动驾驶汽车是最新的研究领域，每家汽车制造商都在大力投资。几家汽车制造商已经使用了人工智能功能，例如语音控制、车道切换、碰撞检测和改进的驾驶员安全。

人工智能作为一项有前途的职业可能性

我们希望本博客中对人工智能的简要介绍能让您领略其技术和能力，因为您现在一定已经明白，人工智能为您的职业生涯开启了无限可能。通过访问印度职业门户，您可以了解各种课程和就业机会，从而在人工智能领域取得成功的职业生涯。

人工智能的益处

• 人工智能对初学者来说很难，但它提供了巨大的机会来开发智能机器，这些机器可以彻底改变计算机科学。
• 使用智能系统减少人为错误并更高效地执行各种任务。
• 智能系统可以执行超出人类能力范围的挑战性任务。外币；探索海洋，轻松执行各种困难、费力的任务。
• 已经使用人工智能开发了许多应用程序。iPhone、Siri 和 Microsoft Cortana 都基于人工智能现象而发展。它们是交互式机器人，可帮助您访问智能手机。
• 借助人工智能技术，可以开发数字助理，从而减少员工人数。这些助理可以以惊人的效率完成工作。
• 放射外科已用于医疗领域的肿瘤治疗，这些治疗是利用人工智能开发的。
• 使用人工智能并提高产品生产力、效率和准确性。

人工智能的缺点

人工智能前景广阔，而且相当未来化。它正在逐步应用于许多领域。人工智能有许多缺点，包括：

人工智能正在缓慢地进入实时应用。人工智能提供了许多可能性，但它确实很昂贵。小型组织无法承担实施人工智能所需的高端机器、软件和资源。

人工智能系统可以在生产力方面取代人类执行任务，但它们无法做出决策。机器人无法决定什么是对的，什么是错的。

有了智能系统，您就不会对日常经验产生创意。人类通过日常经验展现创意。

用智能系统取代人类可能会增加失业率，从而导致国内生产总值下降。