靈高人工智慧
『壹』 人工智慧機器人
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。 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。
『貳』 人工智慧就業怎麼樣
前景很好，中國正在產業升級，工業機器人和人工智慧方面都會是強烈的熱版點，權而且正好是在3~5年以後的時間。難度，肯定高，要求你有創新的思維能力，高數中的微積分、數列等等必須得非常好，軟體編程(基礎的應用最廣泛的語言：C/C++)必須得很好，微電子(數字電路、低頻高頻模擬電路、最主要的是嵌入式的編程能力)得學得很好，還要有一定的機械設計能力(空間思維能力很重要)。這樣的話，你就是人才，你就是中國未來5年以後急需的人工智慧領域的人才。一門深入地鑽研下去，你就是這個領域的專家甚至大師。
『叄』 關於人工智慧你了解多少
說起人工智慧大家可能會覺得很深奧、很遙不可及的一項技術，一般人會認為人工智慧只能用於一些生僻的、普通人接觸不到的領域，其實不然，舉一些簡單的例子：谷歌翻譯、人臉識別，語音識別等，這些已經深入到我們的生活的技術功能，本質上就是「人工智慧」。
人工智慧的哲學起源
在世界上第一台計算機問世之前的幾個世紀，很多理論就已經為人工智慧做好了鋪墊。亞里士多德提出的"三段論"理論就是一種機械式的邏輯推理方法。按照亞里士多德的「三段論」，可以得出這樣的論述：一些玫瑰是白色的；所有都玫瑰是花；所以，一些花是白色的。如果用符號表示，即為：一些A是B；所有的A都是C；所以，一些C是B。無論A、B、C代表什麼，我們都可以得到正確結論。依據這樣的論述，我們在沒有完全弄清楚人腦是如何想問題的情況下，或許可以建立出一套智能化系統。
人工智慧的數學起源
亞里士多德的「三段論」為發展人工智慧的技術奠定了哲學基礎。但是在人工智慧領域，數學的應用是必不可少的，可以說沒有數學基礎就沒有不斷發展的人工智慧。數學領域裡面的邏輯推理、概率論、模糊理論等都是現如今人工智慧發展的鋪墊，1997年，IBM的"更深的藍"電腦擊敗了國際象棋冠軍卡斯帕羅夫。"更深的藍"電腦能在1秒內推理計算出2億種可能性，然後利用概率推算出之後棋盤的走勢，最終決定下一步怎麼走棋。
2012年，谷歌翻譯所做的翻譯量超過人類所做的翻譯總量。「谷歌翻譯」擁有65中語言，使用者可以任選其中兩種語言進行互譯。谷歌翻譯的翻譯量增長如此之迅速，得益於概率推理所做的基礎鋪墊。
很早之前，語言學家通過雙語字典和語法規則來構建自動翻譯系統。但是，這種方法並不盡如人意，如此翻譯會很生硬、不靈活。 經過過去十幾年的探索，科學家發現運用數學概率理論構建翻譯環境更為有效，目前的翻譯軟體是通過從大量翻譯案例中尋找最佳答案來完成翻譯的，就相當於以往我們只是機械的記單詞學語法來學習外語，而現在我們可以身臨其境的學習外語。
當然，智能翻譯技術還遠遠不夠，隨著人工智慧技術的發展智能翻譯技術也在朝著更高的台階邁進，翻譯的語種也在逐漸增多，逐漸完善。隨著自動翻譯技術的發展，也許在不久的將來我們就不需要學習任何外語就能和世界各地的朋友進行友好的交流，而這樣的便利也只能是成熟完善的人工智慧技術能帶給我們吧。
『肆』 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。
『伍』 人工智慧領域哪些高校實力強
要根據自己興趣和能力慎重選擇專業，院校和導師。
首先，是專業。
相關專業:計算機類+數學類+自動化類+軟體類+電子類+信息科學類（信息管理和圖書情報），學院與之對應
其次，對應專業的院校。
考量指標:院校級別和排名+正教授人數及學者頭銜數量+基金類目、級別及數量+博士後流動站有無和數量+國家重點實驗室有無和數量+科研成果產出質量數量。