『壹』 AI人工智慧的幾種悖論

人工智慧和智能的區別是：智能產品不「機械」可供人有選擇地訂制、應用；人工智慧代替人的部分勞動。 人工智慧在計算機上實現的方式：採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineering approach），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modeling approach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。

『貳』 人工智慧一般有哪幾種類型

人工智慧是計算機應用的一個方向，它的研究領域包括：自然語言處理，知識內表現，智能搜索，推理，規劃容，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計軟計算，不精確和不確定的管理，人工生命，神經網路，復雜系統，遺傳演算法。
常見的語音識別與合成、機器視覺與圖像處理、智能機器人和自動駕駛都是人工智慧的范疇。

『叄』 人工智慧有哪幾個主要學派

目前人工智慧的主要學派有下面三家：
(1)符號主義(symbolicism)，又稱為邏輯主義(logicism)、心理學派(psychologism)或計算機學派(computerism)，其原理主要為物理符號系統(即符號操作系統)假設和有限合理性原理。
(2)連接主義(connectionism)，又稱為仿生學派(bionicsism)或生理學派(physiologism)，其主要原理為神經網路及神經網路間的連接機制與學習演算法。
(3)行為主義(actionism)，又稱為進化主義(evolutionism)或控制論學派(cyberneticsism)，其原理為控制論及感知-動作型控制系統。
他們對人工智慧發展歷史具有不同的看法。
1、符號主義認為人工智慧源於數理邏輯。數理邏輯從19世紀末起得以迅速發展，到20世紀30年代開始用於描述智能行為。計算機出現後，又再計算機上實現了邏輯演繹系統。其有代表性的成果為啟發式程序LT邏輯理論家，證明了38條數學定理，表了可以應用計算機研究人的思維多成，模擬人類智能活動。正是這些符號主義者，早在1956年首先採用「人工智慧」這個術語。後來又發展了啟發式演算法->專家系統->知識工程理論與技術，並在20世紀80年代取得很大發展。符號主義曾長期一枝獨秀，為人工智慧的發展作出重要貢獻，尤其是專家系統的成功開發與應用，為人工智慧走向工程應用和實現理論聯系實際具有特別重要的意義。在人工智慧的其他學派出現之後，符號主義仍然是人工智慧的主流派別。這個學派的代表任務有紐厄爾(Newell)、西蒙(Simon)和尼爾遜(Nilsson)等。
2、連接主義認為人工智慧源於仿生學，特別是對人腦模型的研究。它的代表性成果是1943年由生理學家麥卡洛克(McCulloch)和數理邏輯學家皮茨(Pitts)創立的腦模型，即MP模型，開創了用電子裝置模仿人腦結構和功能的新途徑。它從神經元開始進而研究神經網路模型和腦模型，開辟了人工智慧的又一發展道路。20世紀60~70年代，連接主義，尤其是對以感知機(perceptron)為代表的腦模型的研究出現過熱潮，由於受到當時的理論模型、生物原型和技術條件的限制，腦模型研究在20世紀70年代後期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年發表兩篇重要論文，提出用硬體模擬神經網路以後，連接主義才又重新抬頭。1986年，魯梅爾哈特(Rumelhart)等人提出多層網路中的反向傳播演算法(BP)演算法。此後，連接主義勢頭大振，從模型到演算法，從理論分析到工程實現，偉神經網路計算機走向市場打下基礎。現在，對人工神經網路(ANN)的研究熱情仍然較高，但研究成果沒有像預想的那樣好。
3、行為主義認為人工智慧源於控制論。控制論思想早在20世紀40~50年代就成為時代思潮的重要部分，影響了早期的人工智慧工作者。維納(Wiener)和麥克洛克(McCulloch)等人提出的控制論和自組織系統以及錢學森等人提出的工程式控制制論和生物控制論，影響了許多領域。控制論把神經系統的工作原理與信息理論、控制理論、邏輯以及計算機聯系起來。早期的研究工作重點是模擬人在控制過程中的智能行為和作用，如對自尋優、自適應、自鎮定、自組織和自學習等控制論系統的研究，並進行「控制論動物」的研製。到20世紀60~70年代，上述這些控制論系統的研究取得一定進展，播下智能控制和智能機器人的種子，並在20世紀80年代誕生了智能控制和智能機器人系統。行為主義是20世紀末才以人工智慧新學派的面孔出現的，引起許多人的興趣。這一學派的代表作者首推布魯克斯(Brooks)的六足行走機器人，它被看作是新一代的「控制論動物」，是一個基於感知-動作模式模擬昆蟲行為的控制系統

『肆』 人工智慧的發展可分為幾個階段

說起當下熱議的人工智慧，不得不提到風光無二的AlphaGo。戰勝世界圍棋冠軍李世石，引起了人類對人工智慧的興趣。而人工智慧的概念，其實早有提出。

3）1993年-至今

之後以神經網路技術為代表的AI技術逐步發展，人工智慧開始進入緩慢發展期。1997年深藍戰勝國際象棋世界冠軍卡斯帕羅夫，使得AI再次被熱議。而隨著現在科技的快速發展，硬體成本不斷降低，數據量積累不斷增大，AI技術不斷成熟，人工智慧又開始進入爆發期。各種人工智慧產品開始如雨後春筍，不斷的發展壯大起來。

『伍』 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。

『陸』 人工智慧可以分為哪三個級別

目前只分類，既以智能高低，分強AI與弱AI。
弱AI就是你現在看見的，從簡單的計算器到電腦，然後是什麼深藍，再到如今各種建立在大數據統計分析基礎上的，通過唯相模擬人腦自能的小冰、小白等等，以及最新熱炒的無人駕駛。
強AI至少需要具有人的智能，目前僅在科幻中可見。
至於高等級人工智慧的定義，其實質是相對於人的另外一種智慧物種了。創造人工智慧就是創世紀，而創造者就是造物主。而對智能的量化，既智能高低的數值評判上，有「Nb混雜全部IX(t)，連接所有FNG，其連接量可作間接描述智能的量化標准。」
還沒有分級一說

『柒』 AI人工智慧電話機器人有什麼區別

AI人工智慧電話機器人可以對已有客戶跟蹤回訪，把服務從深度和廣度同時進行高回力度延展，把答企業的服務做到極致，回訪、調查、通知、提醒、驗證以及多行業的智能營銷!幾乎與真人一樣的TTS，發聲效果及對話節奏反應速度快，不足1秒極速反饋，能體驗與真人一樣的聊天體驗支持語音機器人打斷，可以及時反應、響應突發詢問

『捌』 人工智慧分為幾個階段

歷史上，人工智慧的研究就像是坐過山車，忽上忽下。夢想的泡沫反復破滅，卻也推動著人工智慧技術的前進。
（1）AI夢的開始
1900年，世紀之交的數學家大會上面，希爾伯特宣布了數學界尚未解決的23個難題。
三十年代，圖靈設想出了一個機器——圖靈機，它是計算機的理論原型，圓滿地刻畫出了機械化運算過程的含義，並最終為計算機的發明鋪平了道路。
1945年，憑借出眾的才華，馮·諾依曼在火車上完成了早期的計算機EDVAC的設計，並提出了我們現在熟知的「馮·諾依曼體系結構」。

（2）AI夢的延續
1956年8月，在美國漢諾斯小鎮寧靜的達特茅斯學院中，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky，人工智慧與認知學專家）、克勞德·香農（Claude Shannon，資訊理論的創始人）、艾倫·紐厄爾（Allen Newell，計算機科學家）、赫伯特·西蒙（Herbert Simon，諾貝爾經濟學獎得主）等科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。
會議足足開了兩個月的時間，雖然大家沒有達成普遍的共識，但是卻為會議討論的內容起了一個名字：人工智慧。
（3）AI夢的快速發展
1976年，凱尼斯·阿佩爾（Kenneth Appel）和沃夫岡·哈肯（Wolfgang Haken）等人利用人工和計算機混合的方式證明了一個著名的數學猜想：四色猜想（現在稱為四色定理）。
1956年，奧利弗·薩爾夫瑞德（Oliver Selfridge）研製出第一個字元識別程序，開辟了模式識別這一新的領域。

（4）近些年AI的突破
2011年，谷歌X實驗室的研究人員從YouTube視頻中抽取出1000萬張靜態圖片，把它喂給「谷歌大腦」——一個採用了所謂深度學習技術的大型神經網路模型，在這些圖片中尋找重復出現的模式。三天後，這台超級「大腦」在沒有人類的幫助下，居然自己從這些圖片中發現了「貓」。
2013年1月，網路公司成立了網路研究院，其中，深度學習研究所是該研究院旗下的第一個研究所。
這些全球頂尖的計算機、互聯網公司都不約而同地對深度學習表現出了極大的興趣。