第221章 布局人工智能
女人到底是感情动物~
章杉一番花言巧语就将顾悠悠忽悠答应开发这种网站去了。
不过章杉倒也不是很在意开发不开发这个网站。
毕竟如果只在意网站的话以现在章杉的资源开发一百个都没难度。
只是既然能轻轻松松哄顾悠悠做一件苦差事，肯定很容易哄她做别的事情。
咳咳，这个也不对。
主要是作为一名优秀产品经理。
章杉现在所谋划的可不止是一个简简单单的推书网站！
此时他的目光早已放在了别的地方——人工智能！
人工智能（英语：artificial intelligence，通常缩写为AI）。
亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。
通常人工智能是指通过普通计算机程序来呈现人类智能的技术。
人工智能于一般教材中的定义领域是“智能主体（intelligent agent）的研究与设计”，智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。
约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程”。
安德烈亚斯·卡普兰（Andreas Kaplan）和迈克尔·海恩莱因（Michael Haenlein）将人工智能定义为“系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力”。
对人工智能的研究由来已久。
和现在重视基于控制论和神经网络的方法不同。
当年人们一直致力于将人工智能符号化。
当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。
研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院。
当然这些学校关于AI的研究各自有独立的研究风格。
60_70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。
这些人尝试从以下四个角度出发进行破局：
认知模拟：经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学、运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于Soar发展到高峰。
基于逻辑：不像艾伦·纽厄尔和赫伯特·西蒙，约翰·麦卡锡认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示，智能规划和机器学习。致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言Prolog和逻辑编程科学。
“反逻辑”:斯坦福大学的研究者（如马文·闵斯基和西摩尔·派普特）发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案：他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。罗杰·单克（Roger Schank）描述他们的“反逻辑”方法为“scruffy”。常识知识库（如道格拉斯·莱纳特的Cyc）就是“scruffy”AI的例子，因为他们必须人工一次编写一个复杂的概念。
基于知识：大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
……
章杉知道早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。
到了1980和1990年代，利用概率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。
对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的存储器或是运算时间。寻找更有效的算法是优先的人工智能研究项目。
人类解决问题的模式通常是用最快捷、直观的判断，而不是有意识的、一步一步的推导，早期人工智能研究通常使用逐步推导的方式。
人工智能研究已经于这种“次表征性的”解决问题方法获取进展：实体化Agent研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。
说起来章杉在人工智能很早就保持支持的态度，之前就注资过林宁的公司。
不过说起来那也不过是小打小闹罢了，当时看起来很大一笔投资对现在财大气粗的章杉只能说是毛毛雨了。
尽管当时的投资不算多，但是章杉对于人工智能领域的关注从来就没有停止过。
因此他也恶补了很多和人工智能相关的内容。
人工智能其实是一个很宽泛的话题！
说到底人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。
人工智能的研究可以分为几个技术问题。
其分支领域主要集中在解决具体问题，其中之一是，如何使用各种不同的工具完成特定的应用程序。
AI的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。
人工智能目前仍然是该领域的长远目标。
目前人工智能领域的核心研究问题之一是知识表示。
所谓的知识表示它的目标是让机器存储相应的知识，并且能够按照某种规则推理演绎得到新的知识。
人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的：
人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。
另一个定义指人工智能是人造机器所表现出来的智能。
总体来讲，目前对人工智能的定义大多可划分为四类：
即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。
这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
关于人工智能目前发展的表现好多都是弱人工智能！
弱人工智能观点认为“不可能”制造出能“真正”地推理和解决问题的智能机器，这些机器只不过“看起来”像是智能的，但是并不真正拥有智能，也不会有自主意识。
说起来人工智能的研究一度处于停滞不前的状态下，直到类神经网络有了强大的运算能力加以模拟后，才开始改变并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别，对定义争论不休。
就当下的人工智能研究领域来看，研究者已大量造出“看起来”像是智能的机器，获取相当丰硕的理论上和实质上的成果：
如2009年康乃尔大学教授Hod Lipson 和其博士研究生Michael Schmidt 研发出的 Eureqa计算机程序，只要给予一些资料，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式。
这等于只用几十个小时就自己重新发现牛顿力学公式。
这计算机程序毫无疑问也能用来研究很多其他领域的科学问题上。
这些所谓的弱人工智能在神经网络发展下已经有巨大进步，但对于要如何集成成强人工智能，现在还没有明确定论。
目前弱人工智能已经有初步成果，甚至在一些影像识别、语言分析、棋类游戏等等单方面的能力达到了超越人类的水平而且人工智能的通用性代表着，能解决上述的问题的是一样的AI程序，无须重新开发算法就可以直接使用现有的AI完成任务，与人类的处理能力相同，但达到具备思考能力的统合强人工智能还需要时间研究，比较流行的方法包括统计方法，计算智能和传统意义的AI。目前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学，以及基于概率论和经济学的算法等等也在逐步探索当中。
有弱人工智能，自然就有强人工智能！
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对电脑和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences， vol. 3， 1980）
关于强人工智能的争论，不同于更广义的一元论和二元论的争论。
其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的？
希尔勒认为这是不可能的。
他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。
基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有自我思维和自由意识。
章杉知道所谓的图灵测试是英国计算机科学家图灵于1950年提出的思想实验。
该实验目的在测试机器能否表现出与人等价或无法区分的智能。
测试中的谈话管道仅限于使用文本，例如计算机键盘和屏幕，这样的结果不依赖于计算机把单词转换为音频的能力。
……
需要指出的是，强人工智能并非和弱人工智能完全对立。
也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。
至少，今日的计算机能做的事，像算术运算等，在一百多年前是被认为很需要智能的。
并且，即使强人工智能被证明为可能的，也不代表强人工智能必定能被研制出来。
人工智能的发展不仅有技术上的难题！
还有社会上的重重阻力：
很多媒体就纷纷预测一些即将被机器人取代的职业。
日本野村总合研究所也与英国牛津大学的研究学者共同调查指出，10至20年后，日本有49%的职业(235种职业)可能会被机械和人工智能取代而消失，直接影响约达2500万人。
例如：超市店员、一般事务员、计程车司机、收费站运营商和收银员、市场营销人员、客服人员、制造业工人、金融中间人和分析师、新闻记者、电话公司职员、麻醉师、士兵和保安、律师、医生、软件开发者和操盘手、股票交易员等等高薪酬的脑力职业将最先受到冲击。
某些人甚至已经担心人工智能可能导致第三次世界大战，因为前两次产业革命都导致两次大战~
虽然战争原因并非这些创新发明本身，而是发明对社会上许多人的生活方式冲击处理不当。
章杉倒觉得无可厚非，新科技在社会上产生新工作也取代旧工作，产生了新的输家和赢家~
只要注意手段方法，实施的过程注意循序渐进。
章杉觉得这些可能出现的麻烦都是能够避免的！
不止是就业方面的问题，还有人担心人工智能的安全性.
史蒂芬·霍金、比尔盖茨、马斯克、 Jaan Tallinn 以及 Nick Bostrom 等人都对于人工智能技术的未来公开表示忧心。
章杉知道这些人担心人工智能若在许多方面超越人类智能水平的智能、不断更新、自我提升，进而获取控制管理权，人类是否有足够的能力及时停止人工智能领域的“军备竞赛”，能否保有最高掌控权？
毕竟现有事实是：机器常失控导致人员伤亡，这样的情况是否会更加扩大规模出现，历史显然无法给出可靠的乐观答案。
特斯拉电动车马斯克（Elon Musk）在麻省理工学院（MIT）航空航天部门百年纪念研讨会上称人工智能是“召唤恶魔”行为。
尽管如此，章杉觉得还是值得大力布局人工智能。
现在就是最好的入局时机，而且他还有别人所没有的优势！
https://www.biqivge.cc/book/25833/654839074.html
请记住本书首发域名：biqivge.cc。笔趣阁手机版阅读网址：m.biqivge.cc