醫療人工智慧簡稱
㈠ 人工智慧的分類包括哪些
人工智慧的概念在很久以前就被提出來了，關於人工智慧，在網路上給出的定義是這樣的：人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸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。
人工智慧我們大多數人都知道，但是關於人工智慧的分類，想必還是有很多人不太了解的。人工智慧有三種類型，分別是弱人工智慧、強人工智慧、超人工智慧。下邊我們就來分別介紹一下這三大類型。
弱人工智慧
弱人工智慧的英文是Artificial Narrow Intelligence，簡稱為ANI， 弱人工智慧是擅長於單個方面的人工智慧。
比如有能戰勝象棋世界冠軍的人工智慧阿爾法狗，但是它只會下象棋，如果我們問它其他的問題那麼它就不知道怎麼回答了。只有擅長單方面能力的人工智慧就是弱人工智慧。
強人工智慧
強人工智慧的英文是Artificial General Intelligence，簡稱AGI，這是一種類似於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，我們現在還做不到。強人工智慧就是一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作。強人工智慧在進行這些操作時應該和人類一樣得心應手。
超人工智慧
超人工智慧的英文是Artificial Superintelligence，簡稱ASI，科學家把超人工智慧定義為在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。
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。超人工智慧也正是為什麼人工智慧這個話題這么火熱的緣故，同樣也是為什麼永生和滅絕這兩個詞總是出現在人們的口中。所以對於超人工智慧的發展還是需要我們好好把控的。
㈡ AI(人工智慧)的英文全稱AI指什麼,包含什麼
AI(Artificial Intelligence，人工智慧) 。「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。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。例如繁重的科學和工程計算本來是要人腦來承擔的, 現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確, 因之當代人已不再把這種計算看作是「需要人類智能才能完成的復雜任務」, 可見復雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。
人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。
一、人工智慧的歷史
人工智慧（AI）是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。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，人工智慧的目的就是讓計算機這台機器能夠象人一樣思考。這可是不是一個容易的事情。 如果希望做出一台能夠思考的機器，那就必須知識什麼是思考，更進一步講就是什麼是智慧，它的表現是什麼，你可以說科學
家有智慧，可你決不會說一個路人什麼也不會，沒有知識，你同樣不敢說一個孩子沒有智慧，可對於機器你就不敢說它有智慧了吧，那麼智慧是如何分辨的呢？我們說的話，我們做的事情，我們的想法如同泉水一樣從大腦中流出，如此自然，可是機器能夠嗎，那麼什麼樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋裡面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。
在定義智慧時，英國科學家圖靈做出了貢獻，如果一台機器能夠通過稱之為圖靈實驗的實驗，那它就是智慧的，圖靈實驗的本質 就是讓人在不看外型的情況下不能區別是機器的行為還是人的行為時，這個機器就是智慧的。不要以為圖靈只做出這一點貢獻就會名垂表史，如果你是學計算機的就會知道，對於計算機人士而言，獲得圖靈獎就等於物理學家獲得諾貝爾獎一樣，圖靈在理論上奠定了計算機產生的基礎，沒有他的傑出貢獻世界上根本不可能有這個東西，更不用說什麼網路了。
科學家早在計算機出現之前就已經希望能夠製造出可能模擬人類思維的機器了，在這方面我希望提到另外一個傑出的數學家，哲學家布爾，通過對人類思維進行數學化精確地刻畫，他和其它傑出的科學家一起奠定了智慧機器的思維結構與方法，今天我們的計算機內使用的邏輯基礎正是他所創立的。
我想任何學過計算機的人對布爾一定不會陌生，我們所學的布爾代數，就是由它開創的。當計算機出現後，人類開始真正有了一個可以模擬人類思維的工具了，在以後的歲月中，無數科學家為這個目標努力著，現在人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，現在計算機似乎已經變得十分聰明了，剛剛結束的國際象棋大賽中，計算機把人給勝了，這是人們都知道的，大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬於人類的工作，計算機以它的高速和准確為人類發揮著它的作用。人工智慧始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。
現在人類已經把計算機的計算能力提高到了前所未有的地步，而人工智慧也在下世紀領導計算機發展的潮頭，現在人工智慧的發展因為受到理論上的限制不是很明顯，但它必將象今天的網路一樣深遠地影響我們的生活。
在世界各地對人工智慧的研究很早就開始了，但對人工智慧的真正實現要從計算機的誕生開始算起，這時人類才有可能以機器的實現人類的智能。AI這個英文單詞最早是在1956年的一次會議上提出的，在此以後，因此一些科學的努力它得以發展。人工智慧的進展並不象我們期待的那樣迅速，因為人工智慧的基本理論還不完整，我們還不能從本質上解釋我們的大腦為什麼能夠思考，這種思考來自於什麼，這種思考為什麼得以產生等一系列問題。但經過這幾十年的發展，人工智慧正在以它巨大的力量影響著人們的生活。
讓我們順著人工智慧的發展來回顧一下計算機的發展，在1941年由美國和德國兩國共同研製的第一台計算機誕生了，從此以後人類存儲和處理信息的方法開始發生革命性的變化。第一台計算機的體型可不算太好，它比較胖，還比較嬌氣，需要工作在有空調的房間里，如果希望它處理什麼事情，需要大家把線路重新接一次，這可不是一件省力氣的活兒，把成千上萬的線重新焊一下我想現在的程序員已經是生活在天堂中了。
終於在1949發明了可以存儲程序的計算機，這樣，編程程序總算可以不用焊了，好多了。因為編程變得十分簡單，計算機理論的發展終於導致了人工智慧理論的產生。人們總算可以找到一個存儲信息和自動處理信息的方法了。
雖然現在看來這種新機器已經可以實現部分人類的智力，但是直到50年代人們才把人類智力和這種新機器聯系起來。我們注意到旁邊這位大肚子的老先生了，他在反饋理論上的研究最終讓他提出了一個論斷，所有
人類智力的結果都是一種反饋的結果，通過不斷地將結果反饋給機體而產生的動作，進而產生了智能。我們家的抽水馬桶就是一個十分好的例子，水之所以不會常流不斷，正是因為有一個裝置在檢測水位的變化，如果水太多了，就把水管給關了，這就實現了反饋，是一種負反饋。如果連我們廁所里的裝置都可以實現反饋了，那我們應該可以用一種機器實現反饋，進而實現人類智力的機器形式重現。這種想法對於人工智慧早期的有著重大的影響。
在1955的時候，香農與人一起開發了The Logic TheoriST程序，它是一種採用樹形結構的程序，在程序運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進行探索，以得到正確的答案。這個程序在人工智慧的歷史上可以說是有重要地位的，它在學術上和社會上帶來的巨大的影響，以至於我們現在所採用的方法思想方法有許多還是來自於這個50年代的程序。
1956年，作為人工智慧領域另一位著名科學家的麥卡希（就是右圖的那個人）召集了一次會議來討論人工智慧未來的發展方向。從那時起，人工智慧的名字才正式確立，這次會議在人工智慧歷史上不是巨大的成功，但是這次會議給人工智慧奠基人相互交流的機會，並為未來人工智慧的發展起了鋪墊的作用。在此以後，工人智能的重點開始變為建立實用的能夠自行解決問題的系統，並要求系統有自學習能力。在1957年，香農和另一些人又開發了一個程序稱為General Problem Solver(GPS)，它對Wiener的反饋理論有一個擴展，並能夠解決一些比較普遍的問題。別的科學家在努力開發系統時，右圖這位科學家作出了一項重大的貢獻，他創建了表處理語言LISP，直到現在許多人工智慧程序還在使用這種語言，它幾乎成了人工智慧的代名詞，到了今天，LISP仍然在發展。
在1963年，麻省理工學院受到了美國政府和國防部的支持進行人工智慧的研究，美國政府不是為了別的，而是為了在冷戰中保持與蘇聯的均衡，雖然這個目的是帶點火葯味的，但是它的結果卻使人工智慧得到了巨大的發展。其後發展出的許多程序十分引人注目，麻省理工大學開發出了SHRDLU。在這個大發展的60年代，STUDENT系統可以解決代數問題，而SIR系統則開始理解簡單的英文句子了，SIR的出現導致了新學科的出現：自然語言處理。在70年代出現的專家系統成了一個巨大的進步，他頭一次讓人知道計算機可以代替人類專家進行一些工作了，由於計算機硬體性能的提高，人工智慧得以進行一系列重要的活動，如統計分析數據，參與醫療診斷等等，它作為生活的重要方面開始改變人類生活了。在理論方面，70年代也是大發展的一個時期，計算機開始有了簡單的思維和視覺，而不能不提的是在70年代，另一個人工智慧語言Prolog語言誕生了，它和LISP一起幾乎成了人工智慧工作者不可缺少的工具。不要以為人工智慧離我們很遠，它已經在進入我們的生活，模糊控制，決策支持等等方面都有人工智慧的影子。讓計算機這個機器代替人類進行簡單的智力活動，把人類解放用於其它更有益的工作，這是人工智慧的目的，但我想對科學真理的無盡追求才是最終的動力吧。
二、人工智慧的應用領域
1、問題求解。
人工智慧的第一大成就是下棋程序，在下棋程度中應用的某些技術，如向前看幾步，把困難的問題分解成一些較容易的子問題，發展成為搜索和問題歸納這樣的人工智慧基本技術。今天的計算機程序已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手具有的但尚不能明確表達的能力。如國際象棋大師們洞察棋局的能力。另一個問題是涉及問題的原概念，在人工智慧中叫問題表示的選擇，人們常能找到某種思考問題的方法，從而使求解變易而解決該問題。到目前為止，人工智慧程序已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優解答。
2、邏輯推理與定理證明。
邏輯推理是人工智慧研究中最持久的領域之一，其中特別重要的是要找到一些方法，只把注意力集中在一個大型的資料庫中的有關事實上，留意可信的證明，並在出現新信息時適時修正這些證明。對數學中臆測的題。定理尋找一個證明或反證，不僅需要有根據假設進行演繹的能力，而且許多非形式的工作，包括醫療診斷和信息檢索都可以和定理證明問題一樣加以形式化，因此，在人工智慧方法的研究中定理證明是一個極其重要的論題。
3、自然語言處理。
自然語言的處理是人工智慧技術應用於實際領域的典型範例，經過多年艱苦努力，這一領域已獲得了大量令人注目的成果。目前該領域的主要課題是：計算機系統如何以主題和對話情境為基礎，注重大量的常識——世界知識和期望作用，生成和理解自然語言。這是一個極其復雜的編碼和解碼問題。
4、智能信息檢索技術。
受"()*+ (*) 技術迅猛發展的影響，信息獲取和精化技術已成為當代計算機科學與技術研究中迫切需要研究的課題，將人工智慧技術應用於這一領域的研究是人工智慧走向廣泛實際應用的契機與突破口。
5、專家系統。
專家系統是目前人工智慧中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經驗的程序系統。近年來，在「 專家系統」或「 知識工程」的研究中已出現了成功和有效應用人工智慧技術的趨勢。人類專家由於具有豐富的知識，所以才能達到優異的解決問題的能力。那麼計算機程序如果能體現和應用這些知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發現推理過程中出現的差錯，現在這一點已被證實。如在礦物勘測、化學分析、規劃和醫學診斷方面，專家系統已經達到了人類專家的水平。成功的例子如：PROSPECTOR系統發現了一個鉬礦沉積，價值超過1億美元。DENDRL系統的性能已超過一般專家的水平，可供數百人在化學結構分析方面的使用。MY CIN系統可以對血液傳染病的診斷治療方案提供咨詢意見。經正式鑒定結果，對患有細菌血液病、腦膜炎方面的診斷和提供治療方案已超過了這方面的專家。
三、人工智慧理論的數學化趨勢越來越突出
在現代科技高速發展的今天，許多科技理論都有賴於數學提供證明，有賴於數學對其的模擬。人工智慧的發展也不例外，如何把人們的思維活動形式化、符號化，使其得以在計算機上實現，就成為人工智慧研究的重要課題。在這方面，邏輯的有關理論、方法、技術起著十分重要的作用，它不僅為人工智慧提供了有力的工具，而且也為知識的推理奠定了理論基礎。人工智慧中用到的邏輯可概括地分為兩大類。一類是經典命題邏輯和一階謂詞邏輯，其特點是任何一個命題的真值或者是「真」，或者是「假」，二者必居其一。這一類問題可以用數學里的經典邏輯理論來解決。世界上事物千差萬別，形形色色，除了確定性的事物或概念外，更廣泛存在的是不確定性的事物或概念。這些不確定的事物是無法用經典邏輯理論來解決的。因此我們需要發展新的數學工具來表示這些問題。目前在人工智慧中對不確定性的事物或概念是通過運用多值邏輯、模糊理論及概率來描述、處理的。多值邏輯、模糊理論及概率雖然都是通過在〔!，"〕上取值來刻畫不確定性，但三者之間又存在著很大區別。多值邏輯是通過在真（"）與假（!）之間增加了若干中介真值來描述事物為真的程度的，但它把各個中介真值看作是彼此完全分立的，界限分明。而模糊理論認為不同的中介真值之間沒有明確的界限，表現了不同中介值相互貫通、滲透的特徵，從而更好地反映了不確定性的本質。概率用來度量事件發生的可能性，而事件本身的含義是明確的，只是在一定的條件下它可能不發生，它與模糊理論是從兩個不同的角度來描述不確定性的，因而有人稱模糊理論描述了事物內在的不確定性，而概率描述的是事物外在的不確定性。由上可以看出，數學使得人工智慧能很好的模擬人類智能，大大推動了人工智慧的向前發展。現在人工智慧中還有一些問題用現在的數學很難表示出來，相信在數學知識不斷發展之後，這些問題能很快得到解決。
五、人工智慧的發展現狀及前景
目前絕大多數人工智慧系統都是建立在物理符號系統假設之上的。在尚未出現能與物理符號系統假設相抗衡的新的人工智慧理論之前,無論從設計原理還是從已取得的實驗結果來看,SOAr 在探討智能行為的一般特徵和人類認知的具體特徵的艱難征途上都取得了有特色的進展或成就,處在人工智慧研究的前沿。
80 年代,以Newell A 為代表的研究學者總結了專家系統的成功經驗,吸收了認知科學研究的最新成果,提出了作為通用智能基礎的體系結構Soar。目前的Soar 已經顯示出強大的問題求解能力。在Soar中已實現了30 多種搜索方法,實現了若干知識密集型任務(專家系統) ,如RI 等。rOOks 提出了人工智慧的一種新的途徑。它認為無需概念或者說無需符號表示,智能系統的能力可以逐步進化。在它的研究中突出4 個概念:(1) 所處的境遇 機器人不涉及抽象的描述,而是處在直接影響系統的行為的境地。(2) 具體化 機器人有軀干,有直接來自周圍世界的經驗,他們的感官起作用後立即會有反饋。(3) 智能 智能的來源不僅僅是限於計算裝置,也是由於與周圍進行交互的動態決定。(4) 浮現 從系統與周圍世界的交互以及有時候系統的部件間的交互浮現出智能。
五、結語
人工智慧不單單需要邏輯思維與模仿,科學家們對人類大腦和神經系統研究得越多,他們越加肯定:情感是智能的一部分,而不是與智能相分離的。因此人工智慧領域的下一個突破可能不僅在於賦予計算機更多的邏輯推理能力,而且還要賦予它情感能力。許多科學家斷言,機器的智能會迅速超過阿爾伯特·愛因斯坦和霍金的智能之和。到下世紀中葉,人類生命的本質也會發生變化。神經植入將增強人類的知識和思考能力,並且開始向一種復合的人/機關系過渡,這種復合關系將使人類逐漸停止對生物機體的需求。大量非常微小的機器人將在大腦的感覺區里占據一席之地,並且創造出真假難辨的虛擬現實的模擬效果。
人工智慧的實現，不是天方夜譚。雖然會很辛苦，但是沒有人規定只有人類可以思考。就像是生命的不同表現形式，動物，植物，微生物，是不同的生命的形式。人類可以以未知的方式思考，計算機也可以以另一種（並非一定要和人相同的）形式思考。
著名軟體公司ADOBE的專業制圖軟體Illustrator 的一種文件格式!
AI （ Artificial Intelligence ）：人工智慧。就是指計算機模模擬實世界的行為方式與人類思維與游戲的方式的運算能力。那是一整套極為復雜的運算系統與運算規則。
=============================================================
此外，AI還代表ALLEN IVERSON（阿倫·艾佛森），他生於美國，是全世界最好的籃球聯盟——「NBA」96黃金一代的代表人物，是NBA有史以來最好的後衛之一，他以183cm身高在眾多魁梧的球員中靈動跳躍，獨領風騷。他先後摘取過NBA得分王、搶斷王等稱號，還在2001年帶領76人隊闖進NBA總決賽。他以特立獨行的風格和滿身的紋身成為全球籃球青少年瘋狂追捧的偶像。
————————————————————————————————————
歌手姓名： AI 英文名： AI
唱片公司： 環球唱片（Universal Music）
國 籍： 日本 語 言： 日語
興 趣：
個人經歷： ＊東瀛首席嘻哈女力、R&B歌姬 她是張力十足的嘻哈女力，也是柔情似水的R&B美聲歌姬，AI，22歲的她在時尚一派與安室奈美惠合唱『Uh、Uh…』，並在珍娜傑克森的音樂錄影帶中展現絕贊舞技，除了過人的歌舞才華之外，詞曲創作力更是傲視東瀛R&B舞台，在嘻哈音樂大廠Def Jam Japan簽下一紙合約之後，發行『ORIGINAL A.I./原創A.I.』專輯立刻贏得媒體一致肯定，除了拿下SPACE SHOWER TV的R& B音樂錄影帶大獎外，更代表日本參加2004年MTV BUZZ ASIA演唱會，一舉打進亞洲市場。
以過人演唱的天賦而獲得日本「新時代音樂代言人」殊榮的HIP HOP小天後AI，近日參加了在台北舉行的「台北流行音樂節」，同行的日本歌手還有一青窈以及藤木直人。在這場盛大的音樂節上，AI以她新穎而獨特的演唱方式以及活力四射的表演令在場6萬歌迷為之傾倒。 AI有著四分之一的義大利血統，骨子裡就透出一種浪漫和前衛的氣息。而她又是在美國長大，接觸的音樂也很多元化。由於AI的母親非常喜歡音樂，所以從小她就深受各種類型音樂的熏陶。在15歲時，AI還曾經參加過珍妮·傑克遜的MTV《GO DEEP》的錄制。不過，在日本出道時卻並不順利，因為與工作人員在音樂理解上的不同，當大家對自己的音樂反映很冷淡時，她就很想去敲牆壁，可見其可愛之處。不過，AI並沒有被現實所擊敗，仍然堅持走HIP HOP這條音樂路線，使得她的音樂風格也帶給人們一種全新的感受。在今年日本最權威的公信榜票選中，AI從眾多新晉女性中脫穎而出，成為新一代音樂天後接班人。對此，AI自己也非常滿意，她表示自己想要成為一個很有朝氣的歌手，給更多的人帶來幸福感。這次的台北流行音樂節，AI也是做足了准備。除了帶上偕同一起演出的DJ、化妝師、造型師、人聲樂手AFURA以外，連日本報知新聞、電通、朝日電視台等日本媒體的高層人士以及自己經濟公司的社長也都一同前來，浩浩盪盪23人的訪華隊伍令AI頗有面子。而赴台之前，AI也時常向安室奈美惠等曾經去過台灣的人請教，以進一步了解台灣。聽說台北美食多多，AI興奮地說想要常常小籠包、路邊攤，所以這次的台灣之行，除了要參加音樂節和拍攝特輯，還順帶要向日本觀眾介紹台灣美食，這也使AI欣喜不已。 台灣表演大獲成功後，AI也表示自己想要更了解華人音樂，有機會的話，也希望能夠像平井堅、安室奈美惠等日本歌手一樣，可以在台灣等地開演唱會，和台灣的歌手同台獻藝。其實AI出國獻藝已經不是第一次，在幾個月前的韓國漢城MTV BUZZ ASIA演唱會中，AI也曾把歌詞改為韓文，而這次為了更貼近觀眾，AI也把歌詞改成了中文來演唱。為期四天的台灣之行，AI讓更多的人領略了她的「小天後」風采，也順便為自己今秋將要展開的全國巡演造勢。
㈢ 請問哪位高手詳細講一下什麼叫人工智慧
人工智慧的定義：
著名的美國斯坦福大學人工智慧研究中心尼爾遜教授對人工智慧下了這樣一個定義：「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。」而另一個美國麻省理工學院的溫斯頓教授認為：「人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作。」這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智能行為的基本理論、方法和技術。
人工智慧（Artificial Intelligence，簡稱AI）是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智慧）。也被認為是二十一世紀（基因工程、納米科學、人工智慧）三大尖端技術之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智慧已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。
人工智慧是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智慧與思維科學的關系是實踐和理論的關系，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標准邏輯、模糊數學等范圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。
從實用觀點來看，人工智慧是一門知識工程學：以知識為對象，研究知識的獲取、知識的表示方法和知識的使用。
計算機與智能
通常我們用計算機，不僅要告訴計算機，要做什麼，還必須詳細地、正確地告訴計算機怎麼做。也就是說，人們要根據任務的要求，以適當的計算機語言，編制針對該任務的應用程序，才能應用計算機完成此項任務。這樣實際上是在人完全控制計算機完成的，是談不上計算機有「智能」。
大家都知道，世界國際象棋棋王卡斯帕羅夫與美國IBM公司的RS／6000（深藍）計算機系統於1997年5月11日進行了六局「人機大戰」，結果「深藍」以3.5比2.5的總比分獲勝。比賽結束了給人們留下了深刻的思考；下棋要獲勝要求選手要有很強的思維能力、記憶能力、豐富的下棋經驗，還得及時作出反映，迅速進行有效的處理，否則一著出錯滿皆輸，這顯然是個「智能」問題。盡管開發「深藍」計算機的IBM專家也認為它離智能計算機還相差甚遠，但它以高速的並行的計算能力（2r108步／秒棋的計算速度）。實現了人類智力的計算機上的部分模擬。
從字面上看，「人工智慧」就是用人工的方法在計算機上實現人的智能，或者說是人們使計算機具有類似於人的智能。
智能與知識
在20世紀70年代以後，在許多國家都相繼開展了人工智慧的研究，由於當時對實現機器智能理解得過於容易和片面，認為只要一些推理的定律加上強大的計算機就能有專家的水平和超人的能力。這樣，雖然也獲得一定成果，但問題也跟著出現了，例如機器翻譯當時人們往往認為只要用一部雙向詞典及詞法知識，就能實現兩種語言文字的互譯，其實完全不是這么一回事，例如，把英語句子「Time flies like an arrow」（光陰似箭）翻譯成日語，然後再譯回英語，竟然成為「蒼蠅喜歡箭」；當把英語「The spirit is willing but the flesh is weak」（心有餘而力不足）譯成俄語後，再譯回來竟變成「The wine is good but the meat is spoiled」（酒是好的但肉已變質）。在其它方面也都遇到這樣或者那樣的困難。這時，本來對人工智慧抱懷疑態度的人提出指責，甚至把人工智慧說成是「騙局」、「庸人自擾」，有些國家還削減人工智慧的研究經費，一時人工智慧的研究進入了低潮。
然而，人工智慧研究的先驅者們沒有放棄，而是經過認真的反思、總結經驗和教訓，認識到人的智能表現在人能學習知識，有了知識，能了解、運用已有的知識。正向思維科學所說「智能的核心是思維，人的一切智慧或智能都來自大腦思維活動，人類的一切知識都是人們思維的產物。」「一個系統之所以有智能是因為它具有可運用的知識。」要讓計算機「聰明」起來，首先要解決計算機如何學會一些必要知識，以及如何運用學到的知識問題。只是對一般事物的思維規律進行探索是不可能解決較高層次問題的。人工智慧研究的開展應當改變為以知識為中心來進行。
自從人工智慧轉向以知識為中心進行研究以來，以專家知識為基礎開發的專家系統在許多領域里獲得成功，例如：地礦勘探專家系統（PROSPECTOR）擁有15種礦藏知識，能根據岩石標本及地質勘探數據對礦產資源進行估計和預測，能對礦床分布、儲藏量、品位、開采價值等進行推斷，制定合理的開采方案，成功地找到了超億美元的鉬礦。又如專家系統（MYCIN）能識別51種病菌，正確使用23種抗菌素，可協助醫生診斷、治療細菌感染性血液病，為患者提供最佳處方，成功地處理了數百個病例。它還通過以下的測試：在互相隔離的情況下，用MYCIN系統和九位斯坦福大學醫學院醫生，分別對十名不清楚感染源的患者進行診斷和處方，由八位專家進行評判，結果是MYCIN和三位醫生所開出的處方對症有效；而在是否對其它可能的病原體也有效而且用葯又不過量方面，MYCIN 則勝過了九位醫生。顯示出較高的水平。
專家系統的成功，充分表明知識是智能的基礎，人工智慧的研究必須以知識為中心來進行。由於知識的表示、利用、獲取等的研究都取得較大的進展。因而，人工智慧的研究得以解決了許多理論和技術上問題。
人工智慧研究的目標
1950年英國數學家圖靈（A.M.Turing,1912—1954）發表了」計算機與智能」的論文中提出著名的「圖靈測試」，形象地提出人工智慧應該達到的智能標准；圖靈在這篇論文中認為「不要問一個機器是否能思維，而是要看它能否通過以下的測試；讓人和機器分別位於兩個房間，他們只可通話，不能互相看見。通過對話，如果人的一方不能區分對方是人還是機器，那麼就可以認為那台機器達到了人類智能的水平。圖靈為此特地設計了被稱為「圖靈夢想」的對話。在這段對話中「詢問者」代表人，「智者」代表機器，並且假定他們都讀過狄更斯（C.Dickens）的著名小說《匹克威克外傳》，對話內容如下：
詢問者：在14行詩的首行是「你如同夏日」，你不覺得「春日」更好嗎？
智者：它不合韻。
詢問者：「冬日」如何？它可完全合韻的。
智者：它確是合韻，但沒有人願意被比作「冬日」。
詢問者：你不是說過匹克威克先生讓你想起聖誕節嗎？
智者：是的。
詢問者：聖誕節是冬天的一個日子，我想匹克威克先生對這個比喻不會介意吧。
智者：我認為您不夠嚴謹，「冬日」指的是一般冬天的日子，而不是某個特別的日子，如聖誕節。
從上面的對話可以看出，能滿足這樣的要求，要求計算機不僅能模擬而且可以延伸、擴展人的智能，達到甚至超過人類智能的水平，在目前是難以達到的，它是人工智慧研究的根本目標。
人工智慧研究的近期目標；是使現有的計算機不僅能做一般的數值計算及非數值信息的數據處理，而且能運用知識處理問題，能模擬人類的部分智能行為。按照這一目標，根據現行的計算機的特點研究實現智能的有關理論、技術和方法，建立相應的智能系統。例如目前研究開發的專家系統，機器翻譯系統、模式識別系統、機器學習系統、機器人等。
人工智慧的研究領域
目前，人工智慧的研究是與具體領域相結合進行的。基本上有如下領域；
專家系統
專家系統是依靠人類專家已有的知識建立起來的知識系統，目前專家系統是人工智慧研究中開展較早、最活躍、成效最多的領域，廣泛應用於醫療診斷、地質勘探、石油化工、軍事、文化教育等各方面。它是在特定的領域內具有相應的知識和經驗的程序系統，它應用人工智慧技術、模擬人類專家解決問題時的思維過程，來求解領域內的各種問題，達到或接近專家的水平。
機器學習
要使計算機具有知識一般有兩種方法；一種是由知識工程師將有關的知識歸納、整理，並且表示為計算機可以接受、處理的方式輸入計算機。另一種是使計算機本身有獲得知識的能力，它可以學習人類已有的知識，並且在實踐過程中不總結、完善，這種方式稱為機器學習。
機器學習的研究，主要在以下三個方面進行：一是研究人類學習的機理、人腦思維的過程；和機器學習的方法；以及建立針對具體任務的學習系統。
機器學習的研究是在信息科學、腦科學、神經心理學、邏輯學、模糊數學等多種學科基礎上的。依賴於這些學科而共同發展。目前已經取得很大的進展，但還沒有能完全解決問題。
模式識別
模式識別是研究如何使機器具有感知能力，主要研究視覺模式和聽覺模式的識別。如識別物體、地形、圖象、字體（如簽字）等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網路模式的方法逐漸取代傳統的用統計模式和結構模式的識別方法。 特別神經網路方法在模式識別中取得較大進展。
理解自然語言
計算機如能「聽懂」人的語言（如漢語、英語等），便可以直接用口語操作計算機，這將給人們帶極大的便利。計算機理解自然語言的研究有以下三個目標：一是計算機能正確理解人類的自然語言輸入的信息，並能正確答復（或響應）輸入的信息。二是計算機對輸入的信息能產生相應的摘要，而且復述輸入的內容。三是計算機能把輸入的自然語言翻譯成要求的另一種語言，如將漢語譯成英語或將英語譯成漢語等。目前，研究計算機進行文字或語言的自動翻譯，人們作了大量的嘗試，還沒有找到最佳的方法，有待於更進一步深入探索。
機器人學
機器人是一種能模擬人的行為的機械，對它的研究經歷了三代的發展過程：
第一代（程序控制）機器人：這種機器人一般是按以下二種方式「學會」工作的；一種是由設計師預先按工作流程編寫好程序存貯在機器人的內部存儲器，在程序控制下工作。另一種是被稱為「示教—再現」方式，這種方式是在機器人第一次執行任務之前，由技術人員引導機器人操作，機器人將整個操作過程一步一步地記錄下來，每一步操作都表示為指令。示教結束後，機器人按指令順序完成工作（即再現）。如任務或環境有了改變，要重新進行程序設計。這種機器人能盡心盡責的在機床、熔爐、焊機、生產線上工作。日前商品化、實用化的機器人大都屬於這一類。這種機器人最大的缺點是它只能刻板地按程序完成工作，環境稍有變化（如加工物品略有傾斜）就會出問題，甚至發生危險，這是由於它沒有感覺功能，在日本曾發生過機器人把現場的一個工人抓起來塞到刀具下面的情況。
第二代（自適應）機器人：這種機器人配備有相應的感覺感測器（如視覺、聽覺、觸覺感測器等），能取得作業環境、操作對象等簡單的信息，並由機器人體內的計算機進行分析、處理，控制機器人的動作。雖然第二代機器人具有一些初級的智能，但還需要技術人員協調工作。目前已經有了一些商品化的產品。
第三代（智能）機器人：智能機器人具有類似於人的智能，它裝備了高靈敏度的感測器，因而具有超過一般人的視覺、聽覺、嗅覺、觸覺的能力，能對感知的信息進行分析，控制自己的行為，處理環境發生的變化，完成交給的各種復雜、困難的任務。而且有自我學習、歸納、總結、提高已掌握知識的能力。目前研製的智能機器人大都只具有部分的智能，和真正的意義上的智能機器人，還差得很遠。
智能決策支持系統
決策支持系統是屬於管理科學的范疇，它與「知識—智能」有著極其密切的關系。在80年代以來專家系統在許多方面取得成功，將人工智慧中特別是智能和知識處理技術應用於決策支持系統，擴大了決策支持系統的應用范圍，提高了系統解決問題的能力，這就成為智能決策支持系統。
人工神經網路
人工神經網路是在研究人腦的奧秘中得到啟發，試圖用大量的處理單元（人工神經元、處理元件、電子元件等）模仿人腦神經系統工程結構和工作機理。
在人工神經網路中，信息的處理是由神經元之間的相互作用來實現的，知識與信息的存儲表現為網路元件互連間分布式的物理聯系，網路的學習和識別取決於和神經元連接權值的動態演化過程。
多年來，人工神經網路的研究取得了較大的進展，成為具有一種獨特風格的信息處理學科。當然目前的研究還只是一些簡單的人工神經網路模型。要建立起一套完整的理論和技術系統，需要作出更多努力和探討。然而人工神經網路已經成為人工智慧中極其重要的一個研究領域。
結束語：人類經過五千的發展進入了基於知識的「知識經濟」。人類社會空前地高速發展。知識是智能的基礎，知識只有轉化為智能才能發揮作用，知識無限的積累，智能也就將在人類社會起越來越大的作用，更有人提出：知識經濟的進一步發展將是「智能經濟」。「智能經濟」是基於「廣義智能」的經濟，「廣義智能」包含：人的智能、人工智慧以及人和智能機器相結合的「集成智能」。可以想像基於廣義智能的「智能經濟」將比基於知識的「知識經濟」將具有更高的智能水平，更高更快發展速度。
㈣ 什麼是人工智慧技術
首先我們要知道人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸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。說起人工智慧我們大家都很熟悉，各種人工智慧概念，AI概念層不出窮，仔細想來無外乎智能音箱、智能列印機、智能售賣機等等諸如此類似乎沒多少「智能」，和我們腦海中的「AI印象」，如：終結者、機器人、阿爾法狗、自動駕駛等技術大相徑庭。目前，普遍認為人工智慧的研究始於1956年達特茅斯會議，早期人工智慧研究中，如何定義人工智慧是個喋喋不休的問題，但基調始終是：像人一樣決策、像人一樣行動、理性的決策、理性的行動等研究方向。人工智慧70年來的研究過程中，早期受制於計算機運算速度和存儲的限制，人工智慧的研究進展緩慢。06年深度學習技術突破到2016年阿爾法狗打敗李世石，人工智慧的概念世人皆知，那麼人工智慧主要由哪幾部分構成呢？
一、採集：感測器—信息採集
二、處理：CPU—各種演算法、架構、系統
三、輸出：像人一樣行動
四、存儲
NORFLASH、NANDFLASH、ONENANDFLASH、DDR1、DDR2、DDR3----。存儲內容的壓縮、存儲、解壓縮。
五、顯示：
虛擬現實VR、增強型虛擬現實AR。
六、通信
超級寬頻。萬物互聯。
七、電源
醫療器械專用開關電源
工業控制專業開關電源
車載&無人駕駛&無人機專用開關電源。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。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。2017年12月，人工智慧入選「2017年度中國媒體十大流行語」。對於想要進入人工智慧領域的小白來講：一開始就接觸到人工智慧的研究是不現實的，不妨試著學習嵌入式、Python、物聯網等和人工智慧息息相關的基礎領域，先學好基本後再一步步通向人工智慧學習之路是個不錯的選擇。
㈤ 寫出人工智慧的英文全稱和簡寫.
artificial intelligence
簡寫AI
㈥ 人工智慧的縮寫是哪兩個字母
人工智慧（Artificial
Intelligence）英復文制
縮寫為AI。它屬於計算機科學的一個分支，
該領域的研究包括機器人、圖像識別、自然語言處理以及專家系統
等。近幾年來，人工智慧已然成為新時代的發展趨勢，作為新青年，我們可以抓住機遇，直面挑戰，順勢而上！
人工智慧（Artificial
Intelligence）英文
縮寫為AI。它屬於計算機科學的一個分支，
該領域的研究包括機器人、圖像識別、自然語言處理以及專家系統
等。近幾年來，人工智慧已然成為新時代的發展趨勢，作為新青年，我們可以抓住機遇，直面挑戰，順勢而上！
㈦ 人工智慧是什麼
人工智慧（計算機科學的一個分支）
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸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。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧是研究、開發用於模擬、延伸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。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，但沒有一個統一的定義。
人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智慧還需要科學理論和工程上的突破。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。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。
工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。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。
關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。
人工智慧在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。