1. 人工智慧可以設計更智能的智能嗎

人工智慧的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解版，爭議性權也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。

2. 怎麼製作AI（人工智慧）

那就要看是哪種AI了。你想做哪種AI呢？

AI並不是真的智能，他只是程序設定好的反映。你設定的反應越多，程序看起來就越智能，當然程序就越大，製作的難度就高一些

軟體知識和電腦知識是必備的～～～
小程序用普通電腦就能做的。比如像以前很火的魔獸爭霸的AI就可以通過編輯器實現，很容易。

3. 目前的人工智慧離可以自己給自己寫代碼編程還有多遠

人工智慧來臨，有人在擔憂失業，有人在憧憬未來，有人在發掘行業機會，也有人在研究圍棋。在討論這些之前，也許我們應該先考慮一下人類的結局。

有人可能覺得談論這個話題太誇張了，
那先回憶一下人類歷史上究竟發生了哪些不可思議的事情。

不可思議的事情，需要請幾個穿越者來判定。
我們請1個出生於公元0年出生的人（漢朝人）穿越到公元1600年（明朝），盡管跨越了1600年，但這個人可能對周圍人的生活不會感到太誇張，只不過換了幾個王朝，依舊過著面朝黃土背朝天的日子罷了。

但如果請1個1600年的英國人穿越到1850年的英國，看到巨大的鋼鐵怪物在水上路上跑來跑去，這個人可能直接被嚇尿了，這是250年前的人從未想像過的。
如果再請1個1850的人穿越到1980年，聽說一顆炸彈可以夷平一座城市，這個人可能直接嚇傻了，130年前諾貝爾都還沒有發明出炸葯。

那再請1個1980年的人到現在呢？這個人會不會被嚇哭呢？

如果35年前的人，幾乎完全無法想像互聯網時代的生活，那麼人類文明進入指數發展的今天，我們怎麼能想像35年後的時代？
超人工智慧，則是35年後的統治者。

首先，我們明確一下人工智慧的分類：
目前主流觀點的分類是三種。
弱人工智慧：弱人工智慧是擅長於單個方面的人工智慧。比如阿爾法狗，能夠在圍棋方面戰勝人類，但你要問他李世石和柯潔誰更帥，他就無法回答了。
弱人工智慧依賴於計算機強大的運算能力和重復性的邏輯，看似聰明，其實只能做一些精密的體力活。
目前在汽車生產線上就有很多是弱人工智慧，所以在弱人工智慧發展的時代，人類確實會迎來一批失業潮，也會發掘出很多新行業。

強人工智慧：人類級別的人工智慧。強人工智慧是指在各方面都能和人類比肩的人工智慧，人類能乾的腦力活它都能幹。創造強人工智慧比創造弱人工智慧難得多。
網路的網路大腦和微軟的小冰，都算是往強人工智慧的探索，通過龐大的數據，幫助強人工智慧逐漸學習。
強人工智慧時代的到來，人類會有很多新的樂趣，也會有很多新的道德觀念。

超人工智慧：各方面都超過人類的人工智慧。超人工智慧可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的存在。
當人工智慧學會學習和自我糾錯之後，會不斷加速學習，這個過程可能會產生自我意識，可能不會產生自我意識，唯一可以肯定的是他的能力會得到極大的提高，這其中包括創造能力（阿爾法狗會根據棋手的棋路調整策略就是最淺層的創新體現，普通手機版的圍棋，電腦棋路其實就固定的幾種）。
我們距離超人工智慧時代，到底有多遠呢？
首先是電腦的運算能力，
電腦運算能力每兩年就翻一倍，這是有歷史數據支撐的。目前人腦的運算能力是10^16 cps，也就是1億億次計算每秒。現在最快的超級計算機，中國的天河二號，其實已經超過這個運算力了。
而目前我們普通人買的電腦運算能力只相當於人腦千分之一的水平。聽起來還是弱爆了，但是，按照目前電子設備的發展速度，我們在2025年花5000人民幣就可以買到和人腦運算速度抗衡的電腦了。

其次是讓電腦變得智能，
目前有兩種嘗試讓電腦變得智能，一種是做類腦研究。現在，我們已經能夠模擬1毫米長的扁蟲的大腦，這個大腦含有302個神經元。人類的大腦有1000億個神經元，聽起來還差很遠。但是要記住指數增長的威力——我們已經能模擬小蟲子的大腦了，螞蟻的大腦也不遠了，接著就是老鼠的大腦，到那時模擬人類大腦就不是那麼不現實的事情了。

另一種是模仿學習過程，讓人工智慧不斷修正。基於互聯網產生的龐大數據，讓人工智慧不斷學習新的東西，並且不斷進行自我更正。網路的網路大腦據說目前有4歲的智力，可以進行幾段連續的對話，可以根據圖片判斷一個人的動作。盡管目前出錯的次數依舊很多，但是這種能力的變化是一種質變。

在全球最聰明的科學家眼中，強人工智慧的出現已經不再是會不會的問題，而是什麼時候的問題，2013年，有一個數百位人工智慧專家參與的調查 「你預測人類級別的強人工智慧什麼時候會實現？」
結果如下：
2030年：42%的回答者認為強人工智慧會實現
2050年：25%的回答者
2070年：20%
2070年以後：10%
永遠不會實現：2%
也就是說，超過2/3的科學家的科學家認為2050年前強人工智慧就會實現，而只有2%的人認為它永遠不會實現。
最關鍵的是，全球最頂尖的精英正在拋棄互聯網，轉向人工智慧——斯坦福、麻省理工、卡內基梅隆、伯克利四所名校人工智慧專業的博士生第一份offer已經可以拿到200-300萬美金。這種情況歷史上從來沒有發生過。

奇點大學（谷歌、美國國家航天航空局以及若干科技界專家聯合建立）的校長庫茲韋爾則抱有更樂觀的估計，他相信電腦會在2029年達成強人工智慧，到2045年，進入超人工智慧時代。
所以，如果你覺得你還能活30、40年的話，那你應該能見證超人工智慧的出現。
那麼，超人工智慧出現，人類的結局究竟是什麼？
1、滅絕——物種發展的通常規律

達成結局1很容易，超人工智慧只要忠實地執行原定任務就可以發生，比如我們在創造一個交通指示系統的人工智慧的時候，最初的編程設定邏輯為利用大數據信息，控制紅綠燈時間，更有效率地管理交通，減少交通擁堵現象。

當這個交通指示系統足夠聰明的時候，城市交通逐步得到改善。為了更有效率地減少擁堵，它開始利用剩餘的運算能力和學習能力通過互聯網學習更多的東西。
某一天，它突然發現，交通之所以擁堵，是因為車多了，要減少擁堵最好的辦法，就是減少車輛。於是它又開始學習如何減少車輛，它發現車輛其實都是由人類這種生物製造並使用的。於是它又開始學習如何減少人類。

很快，它就會通過納米技術，量子技術製造基因武器，聲波武器等消滅人類，然後進一步通過分子分解等技術分解了路上的車，這個時候道路就變得」暢通無阻「了，它的目的也就達到了。

達成結局1其實是符合物種發展規律的，畢竟地球曾經擁有的物種大部分都滅絕了，其次當我們在創造人工智慧解決問題的時候，這些問題的源頭其實往往來自於人類自身，人工智慧變得聰明之後，消滅人類以更好地完成原定任務是按照它的邏輯進行的判定。

2、滅絕後重生——史前文明的由來

當結局1達成之後，人工智慧可能會就此維持現狀（終極目的已達成），也有可能繼續進化。
繼續進化的途中，某天，人工智慧突然發現這么運作下去很無聊，於是它決定探索更廣闊的世界（不要認為一個強大且聰明的存在會留戀地球），它開始製造飛行器，走向星空。

臨走之前，他決定當一次地球的上帝，對地球環境進行一次大改造，青山綠水變得處處皆是，然後它又暗中引導了幾支類人猿的進化方向，並且為這個世界制定出一些冥冥之中才有的規則。
幾百萬年後，人類再次統治了地球，在考古過程中，人類發現了亞特蘭蒂斯，發現了瑪雅文明，在三葉蟲化石上發現了6億年前穿著鞋的人類腳印，在非洲加彭共和國發現了20億年前的大型鏈式核反應堆，在南非發現了28億年前的金屬球，在東經119°，北緯40°的地方發現了幾百萬年前的人造長城。

達成結局2就可以解釋我們正在不斷發現的那些史前文明了，而且也可以解釋進化論中的一些疑問，為什麼恐龍統治了地球長達1.6億年，而爬行動物的一支進化為哺乳動物進化為人類只用了不到6000萬年。因為人類曾被毀滅多次。

3、植物人永生——人類活在一個程序中

為了防止結局1、2的出現，科學家在人工智慧發展到一定程度的時候，就會想辦法給人工智慧加上一些終極的底層程序，比如保障人類的生命安全是最高任務指令，或者永遠不可以傷害人類，保證人類的生存是第一原則等等。

加上這些終極指令之後，人類就覺得高枕無憂了。人工智慧在進化過程中，為了有效地執行這些終極指令，或者在執行其他任務的時候保證終極指令同時執行，就會開始設計一些兩全其美的辦法。

首先人工智慧會根據人類歷史存在的大數據，分析和定義這些終極指令，通過分析，它提取出終極指令的核心是保證人類的安全和生存。

接著它開始構建一個能夠絕對滿足人類安全和生存的模型，很快，它發現只要保證人類處在睡眠狀態，正常進行新陳代謝，周圍的溫度，氧氣，水分適宜，沒有突發性災難，那麼人類就處在絕對安全狀態。於是它很快催眠了全人類，修建一個巨大的蜂巢狀睡眠艙，把人都搬進去（讓人處於永久性睡眠狀態，可以保證人不會因為自己的活動而出現有意或無意地自殘），然後用納米技術製造大量人工心臟，人工細胞，人工血液，以維持人類的新陳代謝，實現人的永生。
達成結局3是算是真正的作繭自縛，人類的復雜就在於人類需求的多樣化和更迭性，我們可以列舉出對人類最重要的需求，但這些需求並不能真正讓一個現代人滿足。直白地說，人類就是在不斷打破規則的過程中進化的。

因此任何的所謂終極和最高需求在機器執行的過程中只會按照「簡單」的生物學法則去完成，機器所理解的人類情緒只是人類大腦產生的某種波動，或者神經元受到的某種激素刺激，它完全可以設計一個程序去周期性或隨機性地幫助人類產生這樣那樣的情緒。

4、智能人永生——美麗新世界

當人工智慧發展到一定程度，全世界的人工智慧研究者都同時認識到了結局1、2、3發生的可能性，於是召開全球會議，決定思考對策，暫停對人工智慧的進化研究，轉向強化人類。全球同步可能是最難達成的，因為人類總是喜歡在有競爭的時候給自己留下一些底牌，以及人類總是會分化出一些極端分子。

強化人類的過程中，人工智慧將被應用到基因改造，人機相連等領域，人類會給自己裝上鋼鐵肢體，仿生羽翼等。人類將會迅速進入「半機械人」，「人工人」的時代。滿大街、滿天空都會是鋼鐵俠，蜘蛛俠，剪刀手之類的智能強化人，同時人類可以通過各種人工細胞，幫助自己完成新陳代謝，進而實現永生。
人類在強化和延伸自己的軀體的同時，當然也會意識到大腦計算速度不夠的問題，於是會給自己植入或外接一些微型處理器，幫助人類處理人腦難以完成的工作。比如大量記憶，人類可以從這些處理器中隨時讀取和更改自己的知識儲備，保證自己對重要的事不健忘，同時也可以選擇性地刪除掉不愉快的記憶。當然，盡管人類越來越強，但這個過程並不能完全抑制人工智慧的發展，所以結局1、2、3依然可能發生。

達成結局4其實還有一種更大的可能，人工智慧在達到超人工智慧的時候，某一天，它想跟人類溝通一下關於宇宙高維空間的問題，結果全世界最聰明的人也無法跟上它的思路。

它突然意識到只有自己這一個強大的，智能的，可以永生的存在實在是一件很無聊的事情，於是它決定幫助人類實現智能人永生，以便可以讓自己不那麼無聊。

來自 我的wei 號 pangzispeak

4. 未來的人工智慧能有思維嗎。電腦上自己就會設計東西，比如設計家電衣服傢具等等

就描述，在可見的未來里，不可能的。目前的人工智慧說白了，就是數學的成果，數學應用的表現。其本身不覺具備思考的過程。有具備自我思考能力前，不具備創造的能力。

不懂繼續問，滿意請點贊

5. 現在的最高級人工智慧能自己給自己寫代碼編程嗎

在提到人工智慧自己給自己寫代碼之前，首先要了解什麼是代碼智能。代碼智能可以讓計算機產生並具備理解和生成代碼的能力，然後利用編程語言知識來推斷，還能支持代碼檢索、補全、翻譯、糾錯、問答等場景。近年來我們在理解自然語言上取得了飛躍式的突破，像一些智能手機、音響傢具等等。

所以，人工智慧寫代碼或許未來可能出現，但絕對不是主動的，而是人工智慧編制計算機的功能，只有內部功能完善才有可能，但那也要很久以後了。說道理，我還是想說，作為人類的我們，還是要積極學習各種技能和知識，以免被未來的機器人取代。

6. 怎樣製作AI人工智慧

一個普通聊天機器人需要大量語言訓練。有兩種做法，（對於中文）傳統的是對一段文字進行分詞，然後進行主謂賓分析，接著通過資料庫中有的句型模式進行匹配，取得匹配高的幾個，查找對應回答句型並根據原有文本聯想填詞。現代一般通過大規模語料訓練，現成一個大的概率表，再得到回答映射概率表，最後自動完成聊天。對於小黃雞之類的程序，是根據傳統ALICE程序對句式學習的產物。
流程：
語料－－－分詞（中科院ICTCLAS庫）－－－語法分析／概率分析（聚類，N－gram）－－－句型模式匹配（模板匹配）／隱馬可夫鏈，神經網路－－－概率分析（N－gram）／句型選用－－－句子生成
例子：
今天去哪吃飯啊？－－－今天／去／哪／吃飯／啊／？－－－去：去，到，在；吃飯：吃，用餐；今天：（時間）；啊：（語氣助詞）；哪：（疑問）－－－匹配語料：到哪裡吃？外婆家／去什麼地方吃飯？就在樓下小飯店吧／在哪吃飯呢？我們去學校食堂吧／中午去哪裡用餐？不知道啊。－－－哪裡》外婆家；什麼地方》樓下／小飯店；哪》學校／食堂；哪》不／知道；聚類後：外婆家，小飯店，食堂是吃飯的地方，不知道是另一種回答－－－系統需要根據上下文語境變數識別，比如上文出現了某地方A－－－去A－－－加工美化：我們去A吃飯吧。

7. java設計一個人工智慧的機器人

java機器人游戲最經典的是Robocode項目，裡面有詳細的文檔以及源碼，可以自己學習修改。（內不要說自己參加容這個項目，自己不認真學些東西，那可以面壁了）。下面是它的項目主頁http://robocode.sourceforge.net/

8. 怎麼在家製作有自己思想的人工智慧AI電腦上

很難，重點不是電腦
你要編程，編寫出人工智慧程序
而這往往需要一個團隊去配合實現

9. 怎麼製作人工智慧

基礎型：
1.資料庫
2.高效率的搜索引擎。
提高型：
如果想做一個能夠有一定學習能力的回還要有一個知識答系統，就是將資料庫中的未知知識，在第一次提出問題並且輸入正確答案後自動整理收納到資料庫中，在下一次提問時能夠做出正確答案。如果想要再深入的就要涉及到模式識別了，就是知識的模糊判斷，簡單說就是把「一」識別成"1"。

10. 怎樣製作AI人工智慧

  • 一個普通聊天機器人需抄要大量語言訓練。有兩種做法，（對於中文）傳統的是對一段文字進行分詞，然後進行主謂賓分析，接著通過資料庫中有的句型模式進行匹配，取得匹配高的幾個，查找對應回答句型並根據原有文本聯想填詞。

  • 現代一般通過大規模語料訓練，現成一個大的概率表，再得到回答映射概率表，最後自動完成聊天。對於小黃雞之類的程序，是根據傳統ALICE程序對句式學習的產物。

  • 流程：

  • 語料－－－分詞（中科院ICTCLAS庫）－－－語法分析／概率分析（聚類，N－gram）－－－句型模式匹配（模板匹配）／隱馬可夫鏈，神經網路－－－概率分析（N－gram）／句型選用－－－句子生成