什麼是人工智慧？這是我看過就好的一篇文章

OFweek官方APP已推出啦，點擊「APP下載」即可快速下載。

什麼是人工智慧？

人工智慧（Artificial Intelligence），英文縮寫為AI，它是研究、開發用於模擬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。

人工智慧最早可以追溯到百年、甚至千年以前的知識學（哲學的一門）。古今中外各哲學家對於人類與動物的智能都有高度的興趣，如笛卡兒（Descartes）就相信人類與動物最大的差別在於人類的智能是極具創造力和認知能力的，而動物智能則是單純的「自動化機器」（Automaton），沒有情感、沒有理性推理能力、沒有創意，也無法跟人做智能性的溝通。（當然，這些早期的理論早已被近代科學推翻）

到了十八世紀，第一波工業革命接近尾聲，以蒸汽機等外燃機帶動的生產線工業使得人們開始感受到機器取代人力的憂慮。然而，當時的工業化機械尚未有穩健的「人工智慧」理論基礎。

現代的人工智慧理論應該要從二十世紀初期的計算學開始，代表人物包含哥德爾（Kurt G?del）與圖靈（Alan Turing）。但一點值得注意的就是當時計算學家所設計出的「智能」理論，實際上是用於量化系統化工作。

以圖靈設計的圖靈機器（Turing Machine，自動化機器的一種）為例，其理論靈感來自於工業生產線，並且以在捆捆紙帶上打洞來進行自動化計算工作。

對於二十世紀初的計算學家而言，「人工智慧」只是一種能夠將計算工作自動化的理論，並沒有跟人類的各種智能面向作深度的理論連結。

同期，心理學家透過行為心理學（Behaviorism）來探討人類的智能，而哲學家（尤其是知識學家）則透過科學驗證、實證論、唯實論等探討人類智能，可惜當時（1960年代以前）這些理論並沒有與計算學。

基本上在1960年代以前，業界討論的人工智慧只是今日的資訊科學（Computer Science）。

而在1960年代，學術界發生了很重要的變革，那就是認知科學革命（Cognitive Revolution）。簡單而言，認知科學革命認為人與動物的行為背後有更深層的感官、知識、專註力等認知層面，因此不能純粹從行為資料上去形容智能。

此變革，使得資訊科學、心理學、哲學、統計學等學術領域開始合并，產生了現代人工智慧的基礎。

1970年代開始，一些學者與業界人士開始利用認知心理學的知識模型與邏輯學來設計所謂的專家系統（Expert Systems），這類系統講究資料之間與概念之間的關係，讓機器（計算機）可以進行人類一般的深層語義推理。

打個比方，人類知道大象有四隻腳，而若一隻大象跛了腳，那這隻大象必定行動不便。在九零年代以前，人工智慧理論多注重於設計這類擁有深度語義知識的系統。

在學術界，若提到「人工智慧」（Artificial Intelligence），大家聯想到的就是1970年代主流的「傳統人工智慧」。

到了1990年代，許多人工智慧學者和業界人士發現傳統人工智慧的系統太過於複雜且古板（無法容許誤差），無法用來設計實用的大型商用系統。因此，往後，越來越多學者與業界人士開始投入利用統計學模型來模擬人類決策的機器學習（Machine Learning）。

往後20多年，由於計算機計算能力大增、計算機硬體價格低廉，彈性且能容許誤差的機器學習方法幾乎全盤取代傳統人工智慧，成為今天的技術主流。

上個世紀50年代一次學術討論會議上，當時幾位著名的科學家從不同學科的角度探討人類各種學習和其他職能特徵，並研究如何在原理上進行精確的描述，探討用機器模擬人類智能等問題，並首次提出了「人工智慧」的術語。從此，人工智慧這門新興的學科誕生了。

那場學術討論會議，就是計算機科學史上著名的達特茅斯會議（Dartmouth Conferences）。

人工智慧的應用有哪些？

1.電子遊戲

不知諸位讀者中有多少人是遊戲玩家，至少筆者是從遊戲當中首次了解到「人工智慧」這個概念。

不同的遊戲具有不同形式的人工智慧，但是最可以表現強大AI的當屬即時戰略型遊戲。其中由美國暴雪公司出品的《魔獸爭霸》系列和《星際爭霸》系列，在人工智慧方面都有十分出色的表現。

令人期待的是，谷歌AlphaGo的幕後的技術團隊將會與暴雪公司合作，為遊戲《星際爭霸2》開發新的人工智慧系統。屆時，不知《星際爭霸2》的遊戲高手們將會迎來怎樣的挑戰。

2.智能機器人

對於智能機器人的研發，同樣是如今十分火熱的課題。機器人可以代替人類承擔繁重的勞動、高危的工作。同時也可以供人們消遣娛樂。一個真正合格的機器人離不開一個智慧的「大腦」，也就是人工智慧的控制指揮。

3.人機對弈

由於行為規則的嚴格約束，棋類競技領域一向人工智慧的樂土。早在1997年，IBM研發的國際象棋計算機「深藍」就成功戰勝了當時的世界冠軍 加里·卡斯帕羅夫。

去年，谷歌團隊研發的AlphaGo面向更加複雜的圍棋領域，打敗韓國圍棋冠軍李世石，今年5月，AlphaGo三再勝柯潔，更加鞏固了人工智慧的地位。

不禁回想起來，幾年前筆者出於好奇也開發過一款中國象棋程序，可是由於自身技術不足，程序的棋力僅僅相當於初學者水平。不過那一次帶給筆者的興奮和成就感是無價的。

4.自然語言識別

相對於棋類領域的優勢，人工智慧在自然語言的理解方面則要吃力得多。主要因為人類的語言語法往往出於習慣，並不一定遵從於邏輯。

谷歌公司的產品「谷歌翻譯」就是基於人工智慧技術實現的，雖然翻譯效果仍然不是盡善盡美，但相對於同類產品已經算是很不錯了。

在智能聊天領域，微軟公司於2014年推出了一款智能產品「微軟小冰」。它藉助於微軟在大數據、人工智慧方面的技術積累，通過理解對話的語境與語義，實現了超越簡單人機問答的自然交互。

此外，人工智慧在指紋識別、人臉識別、地圖導航、自動駕駛等方向都有很大貢獻，在此就不做具體描述了。

人工智慧的評判標準是什麼？

要回答這個問題，就不得不先介紹另一個著名的概念：圖靈測試。

圖靈測試是著名科學家阿蘭·麥席森·圖靈於1950年提出的。其內容是，如果計算機程序能在5分鐘內回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則該程序通過測試，表明該程序擁有接近於人類的智能。

直白地解釋一下，就如下圖中的情景：

圖靈測試的參與者包含一名或多名評委，兩名測試者。其中一名測試者是人類，另一名測試者是計算機程序。在評委不能直接看到測試者的情況下，由評委提出若干問題，然後根據回答做出自己的判斷。

時至今日，世界上只有一個智能聊天程序勉強通過了圖靈測試，它的名字是「尤金·古斯特曼」。由此可見，人類距離實現真正意義上的人工智慧，還有很長的道路要走。

人工智慧是如何實現的？

在人工智慧的研究早期，使用的演算法相對比較原始，其中比較有代表性的實現演算法是搜索演算法。

搜索演算法，說得難聽一些就是暴力枚舉法。當人工智慧需要作出決策的時候，會枚舉出所有可能的選擇，並按優劣為每一個選擇做一個評分。最終，評分最高的選擇被視為最優決策。

IBM研發的深藍就是利用了搜索演算法，在走棋的時候會枚舉出眾多的棋局變化，對每一種局面給出相應的分數，最終選擇走出一步程序認為最優的棋。但是，為了減少計算，深藍並不會盲目地枚舉出全部棋局，而是忽略掉一些明顯是「送死」的選擇。這種演算法上的優化被稱為「剪枝」。

需要注意的是，圖上的搜索演算法僅僅是人工智慧早期眾多演算法中的一種，並非全部。那個時候，機器學習的概念雖然早已被提出，但是還並沒有現在這樣廣泛應用。

如今的人工智慧早已經今非昔比，機器學習以及深度學習成為了實現人工智慧的重要手段。谷歌的AlphaGo就是通過三萬多局專業棋譜數據的訓練，以及與自身反覆對弈，達到了足以擊敗圍棋世界冠軍的棋力。

人工智慧的等級劃分

按照智能的高低，人工智慧可以分為三個等級：

弱人工智慧（Artificial Narrow Intelligence，簡稱ANI）

強人工智慧（Artificial General Intelligence，簡稱AGI）

超人工智慧（Artificial Super Intelligence，簡稱ASI）

其中，弱人工智慧指的是在單一領域具有一定智能的程序。現在人們所研究出的人工智慧基本都屬於弱人工智慧這一層次，比如AlphaGo的專屬領域是圍棋，谷歌翻譯的專屬領域是翻譯自然語言。但你沒有辦法讓AlphaGo去烹飪料理，或者讓谷歌翻譯去擊敗橋牌高手。

強人工智慧，指的是擁有自我意識的程序，它們具有接近於人類的智能，可以像人類一樣思考、學習、交流、解決問題。這種級別的人工智慧，以現在的科技水平還遠遠實現不了。

超人工智慧，指的是在所有領域都凌駕於人類智慧的計算機程序，它們善於思考和創新，並且比人類更加聰明。如果在遙遠的未來，真的實現了這樣水平的人工智慧，那麼它們在人類面前，恐怕就是神明一樣的存在。

雖然強人工智慧和超人工智慧還並未真的出現，但是我們的科幻小說家和導演們已經憑藉天馬行空的想像力，把一幅幅光怪陸離的未來景象呈現給了我們。

其中比較優秀的關於人工智慧的電影作品有《終結者》、《人工智慧》、《銀翼殺手》、《我，機器人》、《機械姬》等等，眾多作品蘊含了人類對於未來人工智慧的期望、懷疑與恐慌，沒看過的同學們推薦一看。

遙想未來，當人工智慧接近甚至凌駕於人類智慧的時候，它們將會怎樣？是更好地服務於人類，還是給人類帶來滅頂之災，亦或是獨立於人類，與人類互不干涉地共同生存？真希望有生之年可以看到這一天的到來。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！