The brain happens to be a meat machine.
?—— Marvin Lee Minsky
目錄
人類智能
人工智能
三個階段
三大學派
四個要素
關系辨析
維度分類
發展簡史
技術方向
應用領域
產業圖譜
發展趨勢
人類智能
人工智能的目的是通過探索智慧的實質，擴展人類智能。依據美國教育學家和心理學家Howard Gardner提出的多元智能理論，人類的智能可被分為八個范疇
| 語言智能 linguistic intelligence | 使用口語或文字表達思想并理解思想，掌握語音、語義、語法，具備言語思維，用言語表達和欣賞語言深層內涵的能力。 |
| 數字邏輯智能 Logical-Mathematical intelligence | 有效地計算、測量、推理、歸納、分類，并進行復雜數學運算的能力。包括對邏輯的方式和關系，陳述和主張，功能及其他相關抽象感念的敏感性。 |
| 空間智能 Spatial intelligence | 準確感知視覺空間及周圍一切事物，把所感覺到的形象以圖畫的形式表現出來的能力。包括對色彩、線條、形狀、形式、空間關系的敏感性。 |
| 身體運動智能 Bodily-Kinesthetic intelligence | 運用整個身體來表達思想和情感、靈巧地運用雙手制作或操作物體的能力。包括特殊的身體技巧，如平衡、協調、敏捷、力量、彈性和速度以及觸覺相關的能力 |
| 音樂智能 Musical intelligence | 敏銳地感知音調、旋律、節奏、音色等能力。包括對節奏、音調、旋律或音色的敏感性，與生俱來就擁有音樂的天賦，表演、創作及思考音樂的能力。 |
| 人際智能 Interpersonal intelligence | 理解別人和與人交往的能力。包括察覺他人的情緒、情感，體會他人的感覺感受，辨別不同人際關系的暗示以及對這些暗示做出適當反應的能力。 |
| 自我認知智能 Intrapersonal intelligence | 自我認識和自知之明并據此做出適當行為的能力。包括認識自己的長處和短處，意識到自己的內在愛好、情緒、意向、脾氣和自尊，獨立思考的能力 |
| 自然認知智能 Naturalist intelligence | 觀察自然界事物，對物體進行辯論和分類的能力。包括好奇心和求知欲，有著敏銳的觀察能力，能了解各種事物的細微差別。 |
人工智能
人工智能是研究、開發用于模擬、延伸和擴展人類的智能的理論、方法、技術及應用系統的一門新的技術科學。一個經典的人工智能定義是：“ 智能主體可以理解數據及從中學習，并利用知識實現特定目標和任務的能力“
三個階段
人工智能三階段分別是計算智能、感知智能和認知智能，目前人工智能的發展仍處于感知智能的階段
| 特點 | 功能 | |
| 計算智能 | “能存會算”，機器開始像人類進行計算并傳遞和存儲信息 | 存儲和快速處理海量數據 |
| 感知智能 | “能聽會看”，機器開始向人類一樣看懂和聽懂信息，根據信息作出判斷并采取簡單的行動 | 協助完成“看”和“聽”的工作 |
| 認知智能 | “理解思考”：機器開始像人類一樣進行理解、思考與決策。 | 全面輔助或替代人類部分工 作 |
三大學派
人工智能主要分為三大學派，符號主義靠人工賦予智能，聯結主義靠機器自行習得智能，行為主義在與環境的作用和反饋中獲得智能。不同學派反映著不同的研究趨向，而在實際的項目中往往綜合應用了多個學派的知識。
| 學派 | 定義 | 關鍵詞 | 方法示例 |
|---|---|---|---|
| 符號主義 Symbolicism | 又稱邏輯主義、心理學派或計算機學派，是一種基于邏輯推理的智能模擬方法，認為人工智能源于數學邏輯，主張用顯式的公理和邏輯體系搭建人工智能系統。 | 符號推理與機器推理 | 決策樹 |
| 聯結主義 Connectionism | 又稱仿生學派或生理學派，是一種基于神經網絡和網絡間的連接機制與學習算法的智能模擬方法。主張利用數學模型來研究人類認知的方法，用神經元的連接機制搭建人工智能系統。 | 神經元網絡與機器學習 | 神經網絡 |
| 行為主義 Actionism | 又稱進化主義或控制論學派，是一種基于“感知-行動”的行為智能模擬方法，主張以控制論和感知-動作型控制系統原理模擬行為從而搭建人工智能系統。 | 行為控制、自適應與進化計算 | 強化學習 |
四個要素
人工智能四要素：數據、算法、算力、場景
關系辨析
人工智能、機器學習、深度學習和數據科學的關系
維度分類
按照能力維度，可以劃分為弱人工智能、強人工智能與超人工智能。
| 弱人工智能 |
|
| 強人工智能 |
|
| 超人工智能 |
|
按照應用維度，可以劃分為專用人工智能與通用人工智能。
| 專用人工智能 | 在限定領域達到甚至超越人類智能的機器智能 |
| 通用人工智能 | 在所有領域達到甚至超越人類智能的機器智能 |
發展簡史
技術方向
目前人工智能主要應用技術方向包括語音處理、計算機視覺、自然語言處理。
| 技術對象 | 應用場景 | |
| 語音處理 | 運用計算機技術研究、分析和應用語音信號 | 醫療問診、智能音箱、語音識別、語音合成、音頻檢測等 |
| 計算機視覺 | 運用計算機技術處理、分析和理解數字圖像 | 內容審核、圖像分類、目標檢測、語義分割、目標跟蹤、人臉驗證等 |
| 自然語言處理 | 運用計算機技術識別、理解和應用自然語言 | 知識圖譜、機器翻譯、文本挖掘、用戶畫像、情感分析等 |
應用領域
人工智能技術已步入全方位商業化階段，并對傳統行業各參與方產生不同程度的影響，改變了各行業的生態。
產業圖譜
發展趨勢
| 數據 | 安全聚合、差分隱私、同態加密......更完善的基礎數據服務產業，更安全的數據共享指日可待 |
|---|---|
| 框架 | Tensorflow、Pytorch等不斷迭代，更易用、更全能的開發框架投入使用，降低開發門檻 |
| 算法 | BERT、GPT、XLNet等開始廣泛應用于工業場景，性能更優，體積更小的算法模型是大勢所趨 |
| 算力 | 人工智能芯片規模不斷增長，有望進一步解決人工智能的算力問題，實現端-邊-云全面發展 |
| 場景 | 心理咨詢、孤獨癥治療、自動車損定損、自動化辦公......人工智能在各個垂直領域的應用場景將不斷被突破 |
