別說看不懂AI，人工智慧主要相關學科了解一下
人工智慧主要相關學科
人工智慧的一個主要目標是開發與人類智能相關的計算機功能，例如推理、學習和解決問題。這也是一門基於計算機科學、生物學、心理學、語言學、數學等學科的綜合科學技術。在本課程中，我們將探討人工智慧研究中相關的各種學科。
自從計算機和機器被發明以來，它們處理各種任務的能力呈現指數增長。人類開發出計算機功能，已經包括各種工作領域。它們的速度越來越快，尺寸也越來越小。人工智慧作為計算機科學的一個分支，追求創造像人類一樣聰明的計算機或機器。根據AI之父約翰麥卡錫的說法，它是「製造智能機器的科學與工程，特別是智能計算機程序」。它也被認為是一種使計算機或計算機控制的機器人能夠實現類似人類思考方式的智能並且進行思考的技術。通過研究人類大腦如何思考，以及人類如何在嘗試解決問題時學習、決定和工作的原理，在此基礎上進行研究開發智能軟體和硬體系統來實現這個目標。
人工智慧的哲學
在充分利用計算機系統強大能力的同時，人類的好奇心使他想知道「機器能像人類一樣思考和行為嗎？」也可以說人工智慧的發展始於我們期望在人類發明的機器中創造類似人類的智能。
成為人工智慧研究人員門檻很高，不像其他學科的研究，人工智慧研究人員需要學習非常多的跨學科知識，並請將其整合，才能成為合格的研究員。同時人工智慧在一些領域需要深入的知識，比如良好的編程技能。常見的人工智慧編程語言Python以及大數據技術，都是需要熟練運用的。
人工智慧的目標是研發出模擬人類學習、思考、決策、行動的機器，這是一個極其複雜的過程，需要掌握計算機科學、生物學、心理學、語言學等各種學科的知識。學習任何一個的這些學科都是非常複雜的任務，更不要說全部學科都去學習，這些知識容量總和及雜程度已經遠遠超過了一個人一生學習的總量。所以AI項目團隊需要從許多個領域尋找複合型的人才來組成，另一方面這也要求未來人工智慧領域的人才必須具有多學科交叉的複合背景和跨領域知識的快速學習和理解能力，否則將很難與團隊進行高效的溝通和協作。
人工智慧學科
以下是人工智慧相關的主要學科：
哲學
倫理學
數學
統計學
邏輯學
生物學
神經科學
心理學
語言學
計算機科學
控制論
機器人學
大數據
現在讓我們來分別看看每個學科在人工智慧領域的重要作用。
1.哲學
因為AI科學自身研究對象的特殊性，所以哲學是非常重要的，因為它試圖回答重要的問題，如「一台機器能聰明地行動嗎？」，「它能像人類一樣解決問題嗎？」，「計算機智能是否像人類一樣？」等等...AI的研究目的，即是在人造機器上通過模擬人類的智能行為，最終實現機器智能。要做到這一點，就必須對「什麼是智能」這個問題做出回答。正是AI研究者在哲學層面上對於「智能」的不同理解，也才會在技術實踐層面上產生不同流派並且存在巨大的分歧。
2.倫理學
人類如何看待人工智慧，是機器設備還是生物？人工智慧機器不能看作會思考的新物種？如果承認人工智慧是新物種，那麼人類如何與之共存？也許現在我們考慮這個問題看起來為時尚早，但不要忘了，機器學習的進化速度是驚人的，甚至編寫圍棋AI程序的作者都不能理解機器學習進化的速度是如此之快，所以我們用以往的經驗來判斷人工智慧的發展速度，又何嘗不是一葉障目呢。
3.數學
數學用於編寫機器學習的邏輯和演算法。哲學思考並定義了特定的智能和理論層面的運作的方式。但是，數學家的智慧提出了用於機器學習的具體步驟和演算法。所以良好的數學知識是開發人工智慧模型的必備技能。而且數學是我們人類描述客觀世界的通用語言，這種語言現在也可以很好地傳達給人工智慧，並且被理解。正是通過以數學為基礎構建的模型，人工智慧正在快速認識這個客觀世界，把這些碎片的拼圖拼接在一起。
4.統計學
信息理論需要對數據和概率有很強的理解，大多數神經網路技術和許多機器學習演算法要求很好的統計學和概率學背景，這樣可以更好的理解演算法。但是要注意，機器學習並不是統計學的延伸，而是完全不同的演算法和理念，深度學習網路的發展和傳統的統計技術已經是走在不同道路上了。
5.邏輯學
邏輯學是研究人類思維規律的學問，而人工智慧要模擬人的智能，所以二者也是密切相關。AI難點不在於人腦所進行的數字運算和簡單推理，而是最能體現人的智能特徵創造性思維，這種思維活動中包括學習、判斷、總結、修正等因素。舉例子：選擇搜集相關的經驗數據，信息不充分的基礎上做出嘗試性的判斷或抉擇，不斷根據環境反饋試錯、修正行為，由此達到預期行動的成功。這就是我們在真實世界每天都在做的、習以為常的事情。
6.生物學
生物學對於人工智慧的發展具有非常重大的作用，無論是研究大腦的運作原理，還是生物進化過程，都對我們研究人工智慧發展，甚至未來是否會產生基於晶元的硅基生命體有重大意義。包括人工智慧中的遺傳演算法也是模擬生物遺傳學和自然選擇機理，通過人工方式所構造的一類搜索演算法，而遺傳演算法是對生物進化構成進行的數學方式模擬。
7.神經科學
研究神經科學，提供有關人類大腦如何工作以及神經元如何響應特定事件的信息。這使AI科學家能夠開發編程模型，使其像人腦一樣工作。這方面深度學習和強化學習就是兩個很好的例子。正是深度學習原理的公布，才有了現在人工智慧研究和應用百花齊放的局面。對人類意識的產生和記憶、存儲、檢索原理的研究都是神經科學對AI的深入影響。
8.心理學
人工智慧是一種對人類智能行為的模擬，通過現有的硬體和軟體技術來模擬人類的智能行為，這包括：機器學習、形象思維、語言理解、記憶、推理、常識推理等一系列智能行為，而心理學則用於研究和發現人類和動物的思維過程。該學科使數據科學能夠理解大腦，行為和人，這對於製造像人類大腦這樣的「會思考的機器」至關重要。
9.語言學
現代語言學被稱為計算語言學或自然語言處理。自然語言處理允許智能系統通過諸如英語之類的語言進行通信。自然語言處理經驗也是開發機器人工智能系統的必要條件。另外，人工智慧學也需要一套適應於人工智慧和知識工程領域的、具有符號處理和邏輯推理能力的計算機程序設計語言。能夠用它來編寫程序求解非數值計算、知識處理、推理、規劃、決策等具有智能的各種複雜問題。
10.計算機科學
AI是融合學科，是眾多學科也包括計算機科學及其它科學的共同產物。但目前為止，以計算機科學為實踐主要指導，計算機科學有眾多理論、實踐手段與方法去實踐AI。AI工程師編寫用於製作人工智慧神經網路的代碼。神經網路會根據提供給系統的數據更新神經網路的值和屬性。通過這樣的方式實現了人工智慧，所以計算機科學也是相對聯繫更密切的學科。AI程序員應具備非常高的編程技能，以及與AI通用數學和其他學科的知識。
11.控制論
該理論描述了事物如何在自己的控制下運作。它是人類、動物和機器的工作控制和相互溝通的科學研究。比如智能控制技術是在向人腦學習的過程中不斷發展起來的,人腦是一個超級智能控制系統,具有實時推理、決策、學習和記憶等功能,能適應各種複雜的控制環境。了解這項技術也對人工智慧的發展非常重要。
12.機器人學
智能機器人與人工智慧有十分密切的關係。人工智慧的近期目標是以模仿和執行人類的某些智力功能，如判斷、推理、理解、識別、規劃、學習和其他問題求解。而機器人學的發展也需要人工智慧技術的支持，同時，機器人學的發展又為人工智慧的發展帶來了新的動力，提供了一個很好的試驗與應用場景。人工智慧在機器人學上找到實際應用，並使問題求解、搜索規劃、知識表示和智能系統等基本理論得到進一步實踐和發展。
13.大數據
大數據正在推動人工智慧的快速發展，因為它提供了一個用於保存和查詢大量數據集的平台。AI需要處理大量數據作為輸入來訓練模型，不能將數據保存在一台計算機中，而大數據技術就起了重要作用。同時大數據也提供分散式計算環境，可用於在分散式系統上進行模型訓練，這就保障了AI模型訓練的數據量和效率。
所以說，人工智慧學科是一個建立在廣泛學科研究基礎上的綜合學科，從這些學科的交集中產生，同時又將研究結果應用到這些學科中去，大大推動相關學科領域的進步和發展，以巨大的應用潛力來推動科技的快速進步，形成技術爆發的「奇點」。可以預見人工智慧在十年之內給人類帶來的影響，將遠遠超過計算機和互聯網在過去幾十年對世界造成的改變。並且這種改變必然會重構人類的生活、學習和思維方式。
從就業前景看人工智慧學科覆蓋面廣，應用需求空間巨大，已成為國際上公認的最具發展前景的科學技術之一，AI方向人才的就業方向幾乎覆蓋了所有的領域。這體現了智能科學教育需求的普遍性。據估計我國智能學科人才需求缺口每年接近100萬。如何加快人工智慧學科人才培養，也成為了當前的一個重大難題。
本篇是老張創作的課程《人工智慧進化論課程》基礎篇內容，轉載需授權。
讀完了覺得內容不錯的話請轉發和評論~
TAG:人工智慧進化論 |