AI强人工智能

⑴ 强人工智能与通用人工智能有什么本质区别

1、强人工智能和弱人工智能
人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的 达特矛斯会议上提出的：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
2、强人工智能
强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式

3、弱人工智能
弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
弱人工智能是对比强人工智能才出现的，因为人工智能的研究一度处于停滞不前的状态下，直到类神经网络有了强大的运算能力加以模拟后，才开始改变并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别，对定义争论不休。

就现下的人工智能研究领域来看，研究者已大量造出看起来像是智能的机器，获取相当丰硕的理论上和实质上的成果，如2009年康乃尔大学教授Hod Lipson 和其博士研究生Michael Schmidt 研发出的 Eureqa计算机程序，只要给予一些数据，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式，等于只用几十个小时就自己重新发现牛顿力学公式，这计算机程序也能用来研究很多其他领域的科学问题上。这些所谓的弱人工智能在神经网络发展下已经有巨大进步，但对于要如何集成成强人工智能，现在还没有明确定论。

4、对强人工智能的哲学辩论

关于强人工智能的争论，不同于更广义的一元论和二元论的争论。其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的?希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。

需要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在一百多年前是被认为很需要智能的。并且，即使强人工智能被证明为可能的，也不代表强人工智能必定能被研制出来。

⑵ 强人工智能目前发展怎样，有希望实现吗

来源：知乎
人工智能研究的历史将近60年，在这几年人工智能的发展的快速推进，其中在以下三个方面已经取得了突破。

一是廉价的并行计算。要辨认某个口语词汇，需要听到所有音素以及它们之间的关系；要识别某张图片，需要看到所有像素以及它们之间的关系。执行这种深度并行任务，需要建立一个神经网络。
2009年，吴恩达（现任网络首席科学家）和斯坦福大学的一个研究团队，发现用于电子游戏的GPU芯片，可以并行运行神经网络。吴恩达开发的人工神经网络，看一周相关视频，就能自主学会识别哪些是关于猫的视频。如今，在GPU集群上运行神经网络，已成人工智能的一项常规技术。
二是大数据。海量数据的收集，为人工智能提供了训练的条件。吴恩达说，建设人工智能，就像造一艘火箭飞船，需要一个巨大的引擎和许多燃料。飞船的引擎是各种学习型算法，燃料正是提供给这些算法的大量数据。
第三大突破，当然就是更好的算法。先是识别一只眼睛，下一个层级是将双眼归在一组，再下一个层级是把双眼和鼻子关联在一起。识别一张人脸，需要叠加多达15个层级，每个层级可能都是百万的节点。杰夫・辛顿的深度学习算法，成为当下所有人工智能产品的组成部分
我个人认为，在不久的将来，人工智能将会渗透我们的生活，影响我们的点点滴滴，人工智能、大数据、云计算、物联网、智能家居，将是我们必须面对，也是必须要接受的，建议大家有时间多看看人工智能相关书籍，比如，李彦宏的智能革命，个人感觉非常不错，也可以看下相关的智能科讯平台，比如，多智时代 ：http://oshidai.com ——引领智能变革,、雷峰网——读懂智能&未来等等，让我们一起迎接人工智能时代的社会、经济与文化变革，拥抱智能，畅享未来。

⑶ 当今世界，最强人工智能是阿法吗

自AlphaGo以5:0战胜樊麾，又登上《自然》封面后，越来越多的人开始了解Google的人工智能机器AlphaGo。姚晨等明星对于“人机大战”的关注更是使其家喻户晓。近日“阿法狗”又4:1战胜职业围棋选手李世石，跻身世界围棋排名第四位，攻下了人类最后的骄傲——围棋。
1997年是人类第一次败给人工智能，深蓝以2胜1负3平战胜国际象棋第一名卡斯帕罗夫。
深蓝所运用的战术是“蛮算”。它运用并行计算系统，有32个微处理器，可同时执行多个指令，以提高计算速度来解决大型复杂的计算问题。97年时深蓝已经可以预测到12步之后，而卡斯帕罗夫只能预测到10步之后。凭借快速而又复杂的运算，深蓝赢得了国际象棋世界第一的位置。
深蓝说来并不算非常智能，但IBM公司的另一个超级电脑，深蓝的同门师弟沃森则算是比较智能了。
沃森致力于深度自然语言处理技术的研究，建立与人类回答问题水平相当的计算系统。沃森也像深蓝一样输入存储了很多数据，但沃森具有逻辑推理的程序，可以推理出它认为最正确的答案。
与师兄相同，沃森也曾击败人类冠军。沃森参加了智力问答节目《危险边缘》对战两位人类冠军且轻松取胜。不仅是由于沃森存储了大量的数据，它可以在3秒内搜索上百万条信息并用人类的语言来输出处理结果，而且可以分析题目的含义，讽刺语气等。还能根据自己的情况，擅长领域，对手实力等情况分析是否要选择抢答。
但现有的人工智能多是对于人类直观思维的模拟研究，沃森就很难理解语言中的微妙含义，对于输入的俚语等内容常分析错误导致滥用，坚持“中文屋”的哲学家塞尔认为沃森与其他电脑一样，只能处理文字符号，并不能真正理解他们的含义。
深蓝是做大规模的计算，是人类数学能力的体现，沃森是语言处理做到理解输出人类语言的程度。家喻户晓的阿法狗则是机器学习。
围棋AI一直发展不顺利，较强的业余选手都无法打败，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有361种落子，一盘棋可以长达150回合。这使得围棋无法运用复杂的计算来获胜。
阿法狗则选择了模拟人类大师下棋。阿法狗有两个“大脑”，通过“价值网络”来评估局势，通过“策略网络”来选择落子。“价值网络”主要是通过计算来评估预测赢棋的可能性，“策略网络”则包括对于大师棋局的学习，模拟。
深蓝与阿法狗的不同正在于此，深蓝只是计算评估，阿法狗却可以通过对现有棋局的输入来判断各种情况下最适合的落子位置，再加以上万次的自我对弈来强化学习，这也是许多人评价阿法狗和李世石的棋局中偶尔出现的具有前辈大师风范的落子出现的原因。
阿法狗的学习能力之强也让许多人惊讶不已。在阿法狗刚刚战胜樊麾时，当前世界排名第一的天才围棋少年柯洁便感叹在不清楚哪一方是AI的情况下根本看不出来与人类下棋风格有任何区别。当时柯洁认为阿法狗已经达到了高于业余略低于职业水平的阶段，但今年阿法狗对战职业九段选手李世石时却以4:1完胜。仅仅几个月却提高了这么多，是普通人几年甚至几十年也做不到的。
阿法狗“大脑”所使用的神经网络也是对于人类的一个模拟，模拟人类的直觉思维，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。和人的神经系统相似，小个体聚集起来却拥有复杂的功能。
阿法狗也有不擅长的，例如在与李世石对战的五局之中，第三局才使用了一次“打劫”，十棋七劫，大师级别的棋局里没有出现“打劫”的情况是非常少见的，阿法狗却连续两局避免打劫，李世石没用自己管用的“打劫”可能是因为打劫是需要计算之后的情况的，自认为算不过电脑而放弃。阿法狗不用却是AI并不完美的原因。打劫主要依靠人的逻辑判断，对于人类来说是一件简单易理解的事情，对于AI来说逻辑是相当复杂的，需要在每一次都考虑打劫问题而使运算量翻很多倍，于是阿法狗尽量避免考虑打劫问题。
阿法狗的成功也让许多人担心会出现奴役人类的“天网”一样的强人工智能，而从深蓝到“阿法狗”，人工智能进步了多少？反对继续发展AI。但目前的AI都是弱人工智能，且都需要人工干预，并不能像人脑一样独立的输入，处理，输出数据。而且神经网络也是在模拟人类的直观思维，抽象思维和直觉方面暂无研究，还有人类最复杂的情感也无从下手，对于自己大脑都只是一知半解的我们还无法涉足强人工智能领域，至于拥有自我保护意识，反抗人类等情感的AI，应当是不会出现的吧。当一个AI完全独立，不需要人工干预还可以干预人类生活时，它便需要考虑耗能问题了。我们总是长胖容易减肥难，胰岛素分泌的同时胰高血糖素立刻停止分泌，方便多储存能量，胰高血糖素分泌时，胰岛素也同时分泌，来以防消耗的糖类过多，这些都是身体希望多储存能量以供消耗。当AI需要考虑耗能问题时，估计就不会想要费很大力气去压迫消灭发展进化很多年同样很智能的人类了。反正如果我是需要考虑耗能的强人工智能，我一定节省能量不去做这种“中二”的事。

⑷ 强人工智能和弱人工智能该如何定义

强人工智能就是我们经常在科幻电影动画小说里所想象出的那种人工智能。而弱人工智能对于人工智能的定义就宽泛多了。基本上能够帮我们解决某些特定领域问题的，都可以算作是弱人工智能。
按照定义，强人工智能就是能够执行“通用任务”（Generalized
Mission）的人工智能：它能够进行通常意义上的学习、推理、认知，解决并非特定领域的问题。按照普罗大众的想象，它就是真正的人工智能

超能查派。我们想象中的人工智能是这样的。
对于强人工智能的判定，最著名的莫过于以计算机科学奠基人图灵为名的“图灵测试”。图灵测试的问题很简单：让一个人面对两个对象对话，其中一个对象是人工智能，一个对象是人类；如果这个人不能成功的分辨出谁是机器，那么就说明这个人工智能通过了“图灵测试”。
上世纪七八十年代强人工智能的研究者发现他们要解决的通用的认知和推理过程是无法跨越的障碍。于是很多科学家和工程师们转向了更加实用的，工程化的弱人工智能研究。他们在这些领域取得了丰硕的成果：人工神经网络、支持向量机、甚至最简单的线性回归理论在足够大的数据量和计算量支撑下，都可以获得非常出色的结果——比方说识别人脸，或者识别字迹。于是这些弱人工智能也迅速的应用到了我们的网络和生活的方方面面，从买东西，出门，网上订餐，我们都用到这些人工智能。
人工智能终会与我们朝夕相处。

⑸ 强人类和超人工智能区别

如果仅从理论上推盘演绎，人类的发展速度远远比不上人工智能的发展速度，未来也许会消灭一些人类，这不是危言耸听！

⑹ 强人工智能的分类

强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。
非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

⑺ 强人工智能和超人工智能，完成了之后，那么下一个人工智能，到底是什么人工智能呢难道是极速人工智能还

在一个东西未发明之前，你无法想象新发明的东西具有什么功能或者叫什么名字？也许到时候会根据他的功能来命名。。。

也许下一个人工智能，不会再有“人工”两个字了，也许会是其他名字。。。又或者依然带着人工两个字，因为毕竟是人工发明的，但也许不是极速，而是具有感情了。。

一亿的速度，和100亿的速度，有什么区别？大众都疲惫了，你就算发明出一千亿的速度，大众依然是麻木的，见怪不怪了，只有感情，具备感情的人工智能，才是下一阶段最牛的东西。。。而不是速度。。。

⑻ 弱人工智能，强人工智能，超人工智能 分别怎么翻译 不要自己翻，要官方版的

强人工智能：BOTTOM-UP AI
弱人工智能：TOP-DOWN AI

⑼ 强人工智能为什么有智能

强人工智能观点认为抄有可能制造出袭真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，在某种意义上可以看作一种新的文明。目前远远没有达到
达到强人工智能 机器就不需要人为设定程序了
现在的人工智能都是人设定程序，但是效果都是通过数据来学习加强的，也就是人给了个框框，机器能学习经验。