人工智能的遗忘
① 曾经看过一个网上连载的讲人工智能的小说忘记名字了。
数字生命，这本小说在起点上
② 人工智能是数字化的趋向和表现吗
由于计算机有记忆、运算能力，所以人们希望用它来实现人的智能活动。这些活动包括识别、分析、推理、判断、学习等。1深蓝计算机系统956年诞生的人工智能学科，就是研究如何利用机器来实现人的智能活动的科学。
由于人工智能的难度超过预想，它的进展也远远落后于计算机科学本身。然而，人类在实现了自动化以后，需要实现智能化。因此科学家们对人工智能一直在进行锲而不舍的研究。美国IBM的“深蓝”计算机战胜棋王卡斯帕罗夫以及在日本大阪举行的机器人世界杯足球赛就引起公众对人工智能的关心。
人工智能经历着艰难而曲折的过程。
早期的人工智能被用于解难题、游戏、下棋等方面，并取得了不少成绩，使人对它抱有不切实际的乐观。然而，一旦将它用于解决实际问题，便暴露出它的弱点，最著名的例子便是机器翻译的失败。于是20世纪60年代人工智能走向了低谷，直到70年代专家系统取得成功，才使人工智能又恢复了活力。总结人工智能发展中正、反两方面的经验，人们知道了知识在智能中所起的重要作用。早期机器翻译的失败，就在于没有充分利用有关知识。由于语法和词语的多义性，必然导致翻译出来的东西前后矛盾、笑话百出。以“Time flies like a narrow”这样简单的句子为例，便有三种不同的译法。第一种译为“时间像箭一样地飞”，即“光阴似箭”；第二种可译为“时蝇喜欢箭”；第三种可译为“像箭那样对苍蝇计时”。单从语法和词义上看，这三种译法都可以，但如果结合知识来判断，只有第一种译法才是正确的。
鉴于知识对智能的重要作用，1977年便从人工智能中分化出“知识工程”这一新学科，成为人工智能的基础技术。知识工程所要研究解决的是如何使计算机有效地利用知识。
由于知识工程是以知识作为信息处理的对象，因此需要区分知识和数据之间的差别。首先，数据是信息的明显表示，而知识则是信息的含蓄表示。例如“中国有13亿人口”就是一个数据型信息，因为“13亿”这个信息很明确，可直接利用。而“感冒时一定不要淋雨”尽管也是日常生活中的普通常识，而且“淋”字也有明确意义，但“不要淋”具体指什么并不明确，这就是知识型信息。如果要使计算机明白它的含义，就必须告诉计算机，所谓“不要淋”是指不要出门，还是出门时要带雨具。
由于许多知识都是用自然语言表示，因此以计算机作为工具来处理知识，目前还有许多困难。但是，目前知识已被应用到人工智能的各个领域中，特别是专家系统和机器翻译。鉴于知识对智能的重要性，所以“深蓝”也配备有一个庞大的数据库(知识库)，它收集了近100年来世界最高水平棋手对弈的棋谱，还收集了许多残局，也就是终局前5步棋的棋谱。目前，这一数据库已收集了超过10亿个棋谱。它对“深蓝”战胜棋王，发挥了巨大作用。
认知科学是使人工智能取得突破的关键，数字化技术的应用是人工智能的重要方式。人工智能所以进展缓慢，根本原因在于：人对自己的脑子是如何工作的，人是怎样认识事物的，人的智能是怎么一回事等许多问题还没有完全搞清楚。只有弄清这些问题才能使人工智能取得突破性进展，使计算机、机器人变得更加聪明，能为我们做更多的事。于是，融信息科学、哲学、心理学于一体的边缘学科——认知科学便应运而生。认知科学主要研究人的认识原理、智能本质、人脑是怎样进行信息处理等问题。根据对心和脑之间关系的不同认识，目前认知科学分成两大流派，即符号主义和连接主义符号主义认为，认知(智能)的基本元素是符号，认知过程是对符号表示的运算。人类的语言、文字和思维都可用符号来描述，而且思维过程只不过是这些符号的存储、变换、输入和输出。总之，其为心和脑的二元论者，认为心和脑是可以分离的。由于人类的思维被认为能用符号来描述，所以只要把这种描述表示出来，让能够处理符号的机器进行运算，那么实现认知便没有什么困难。所以它认为实现认知的关键，便是如何把知识表示为计算机能够认识的符号。这是人工智能诞生以来一直采用的基本方法。多年来的实践经验表明，它在一定程度上是成功的。这次“深蓝”的原理也是立足于这一理论上。它战胜棋王也说明符号主义仍然可以解决实际问题。
与之相反，连接主义认为符号是不存在的，认知的基本元素就是神经元(神经细胞)这个实体本身。认知过程是大量神经之间的相互连接以及这种连接所引起的神经元产生不同兴奋状态的过程。其认为心和脑是不可分离的，因为离开了神经元的连接，也就无从进行信息处理。连接主义是在出现了神经计算机后才出现的，是对传统符号主义的挑战。需要指出，虽然这两大流派存在巨大的分歧，但它们都承认人脑是智能的物质基础，而思维则是某种形式的信息处理过程。符号主义在解决一些较简单的问题时是成功的，但存在很大局限性。因为人的许多思维过程难以用符号表示。一些涉及模糊性的事物，如人的相貌、心情便无法用符号描述。甚至像“什么样的鸟能飞”这样简单的事情，也难以滴水不漏地描述出来。如果回答：“除鸵鸟、企鹅……之外，一切鸟都能飞。”那么还会提出：“死鸟会飞吗？”即使把死鸟排除在外，还存在“翅膀受伤的鸟能飞吗”之类的问题。就以机器人参加足球赛来说，对来球的情况，便难以用符号描述。
连接主义由于不用符号，所以不存在难以描述的困难。它已在视觉处理、识别和理解以及语音识别上显示出优势。但是为了实现柔性很大的连接，对计算机的硬件和软件要求都更高了。在可以预见的未来，这两种流派将同时并存，取长补短，各有其用武之地。
人工智能的成功应用——专家系统。人工智能的应用大体上可分为3大类：专家系统、模式识别(包括图像识别、语音识别、机器翻译等)、行动规划(如计算机下棋、机器人足球赛等)。其中，最容易实现和取得最大成功者，是专家系统。专家系统是一种计算机软件，它使计算能像专家一样解决某一类问题，所以俗称机器专家。它是人工智能得到最广泛应用的分支。
1979年美国三里岛核电站事故以及1986年苏联切尔诺贝利核电站的灾难性事故，都是由于没有及时对故障做出正确判断造成的。
随着科学技术的发展，人们需要在错综复杂、瞬息万变的情况下及时做出正确判断，否则就会引起严重后果，如对大型电站、化工厂的生产过程控制，国民经济的宏观决策等。对这些事情，如果完全由人来做出判断，有时难免会发生失误。因为人的反应速度远不如计算机，而且因主观、片面、遗忘等造成“智者千虑，必有一失”。因此有专家系统帮助人类一起来做出判断、决策，便可取长补短、相得益彰。
此外，人类专家的数量总是有限的，经验丰富的为数不多，无法满足所有求诊患者的要求。如果专家系统能同名医一样进行诊断、开方，就可以有效地解决名医(专家)不足的矛盾。再说，每个专家都有自己的专长和不足，如果把许多专家的绝招都教给专家系统，便可以集思广益、博采众长。而且人总会衰老、死亡的，及时把处于巅峰时期的专家经验教给专家系统，就可以系统整理、总结专家的经验，并使其不至于失传。
总之，人类迫切需要专家系统这样的助手，而且这种需要是多方面、多层次的。70年代在知识工程的支持下，出现了第一批专家系统。早期专家系统的杰出表现，使它获得社会承认。其中最著名的例子是美国华盛顿州大钼矿的确定。自第一次世界大战以来，人们便想确定它的主矿床所在，但由于地质构造过于复杂，历时半个世纪都未能解决。最后靠找矿专家系统轻而易举地找到了主矿床。建立专家系统，就是要收集、整理专家的知识，并将其整理成计算机能够利用的形式存入知识库中。当要解决问题时，计算机从知识库中取出有关的知识，经过推理，便可像专家一样得出结论。所以专家系统中，以知识库和推理机构最为重要，它们是专家系统的核心。
智能化是推动人工智能发展的动力，人类在实现自动化之后便要求实现智能化。如在工业生产中大量使用机器人实现自动化后，便希望机器人有高度智能，能在更复杂环境下面对千变万化的情况，自觉地进行工作，以便能把机器人用到第一产业、第三产业，全面地取代人的工作。让机器人参加世界杯足球赛，也就是要达到这一目正是人类要实现智能化的伟大目标，成为推动人工智能不断发展的动力，改变我们生活的智能技术。随着科学技术的飞速发展，各种高技术不断涌入我们的世界，正在改变着我们的生活、工作，也改变着我们的认识。融入一定智慧的各类智能技术，正在悄悄走近我们，并将会成为21世纪技术的焦点。
另外，美国最近合成出一种能贮藏和释放热量的塑性智能伪装技术。美国波士顿城郊的陆军研究与发展中心的一些科技专家多年来一直在研究“自适应色彩技术”，其中一项就是智能仿生伪装技术，对人和装备进行伪装。这种智能仿生伪装是采用能改变光输出量的光敏器件和材料作为织物的基础纤维，并与背景色(环境颜色)光传感器和微电脑组合，依靠计算机的比较处理功能，控制织物纤维的光输出量，并让光谱的成分与背景色接近，已达到伪装的目的。
目前荷兰正在一段10千米长的高速公路上试验用智能灯照明，这种灯的发光强度由电脑控制，并与当时的气候条件和车流量相适应。据该试验研究人员格贝尔·福勒介绍，这是世界上首次使用智能灯照明。在进行该试验的高速公路沿线，设置了一些小型气象站，这些气象站可随时测定天气状况，并将测量信息发送给中心电脑；在公路的地面上铺设了压电材料制作的感应器，将路面上的车流量及路况信息传送给中心电脑。中心电脑根据这些信息再向智能灯发送指令，令这些灯发出不同等级的光。
③ 人工智能会给教育带来什么
人工智能教育，让天下没有难做的教育。目前，社会上教育资源分布不均，东西差距较大，一线城市跟二三线城市仍有很大的悬殊，更别说十八线的小城镇和偏远的农村。大城市教育资源充溢，小地方教育资源稀缺，已经成为当下社会不争的事实。人工智能在未来可以实现教育资源均匀化，让偏远地方的孩子也能享受到优质的教育，这样的发展，对中国未来教育的发展既是挑战也是机遇。
④ AI能记住主人吗，可不可以做到触景生情
这些年来最火热的项目估计就是人工智能了，因为在各种科幻电影当中，大家对于人工智能有了一种崇拜的向往。在未来人工智能极大的改善了人类的生活，但同时人类对于人工智能又有着一种敬而远之的感觉。因为在人工智能的帮助下，人类似乎正在逐渐失去生产的技能。进化的人类似乎又走上了退化的道路。今天的人工智能已经形成了记忆，但是还没有做到触景生情。
虽然现在的aI已经可以根据情景形成记忆，并且能够认识自己的主人，但是想要触景生情还是很难的，因为情绪本身就是一种难以描述的东西。以现在人工智能的技术来看，他连长期记忆还没有办法实现。更别说对人类复杂的情感进行思考。
⑤ 人工智能排出最具影响力生物学家有谁
数学家艾瑞克·兰德他在最新生物医学研究者名单上排名第一。英国伦敦大学学院神经科学家卡尔·福瑞斯通（Karl Friston）和瑞蒙德·多兰（Raymond Dolan）分列第二名和第三名。而且，根据“语义学者”的分析，他们还是神经科学家分类排名的前两名。
据了解，艾伦人工智能研究所是一家非营利组织，由微软联合创始人保罗·艾伦于2014年创立。其开发的“语义学者”学术文献档案搜索工具旨在解决信息超载问题，最初集中于计算机科学，去年扩大到神经科学，可以分析数百万篇生物医学论文，总共搜索的学术论文接近4000万篇，每月的平均使用量已经达到百万次。去年，该程序还增添了新功能，能根据“有影响力的引文”来衡量研究人员和组织的影响力。
报道称，科学文献大概每9年翻一番，但大多数有用信息被遗忘在PDF的某处，以生物医学为例，这些被遗忘的信息很可能有助改善或拯救人类的生命。尽管已经有了许多学术搜索引擎，但其只能为特定领域的专家服务，而探索不同领域之间联系却经验不足。“语义学者”正是为跨界学者提供新发现和新联系的智能化搜索手段。
宾夕法尼亚大学的人工智能研究员兰迪·奥尔森表示，“语义学者”搜索引擎比现有的学术搜索都“更有用”。
⑥ 人若不遗忘,是不是就和人工智能一样
人类被淘汰，躺在棺材里睡大觉
⑦ 如果人工智能产生自我意识它们能算是生命吗
大多数计算机科学家认为，意识是伴随技术发展而出现的一种特征。一些人认为，意识涉及接受新信息，将旧信息存储和检索，并将其认知过程全部转化为感知和行动。如果这是对的，那么终有一天机器将成为终极意识。相对于人类而言，他们能收集与存储更多的信息，快速处理庞大的数据量，从而做出复杂的决定，比任何人类都更加具有逻辑性。
“大C”和科学发现
科学家们也在探索意识是否一直都是一个计算过程。一些学者认为，创造性的时刻并不是经过深思熟虑的计算的结果。例如，梦或幻像本应激发出Elias?Howe于1845年设计出的现代缝纫机，以及August?Kekulé在1862年发现的苯的结构。
一个案例与自学成才的印度数学家Srinivasa Ramanujan（1920年去世，享年32岁）有关。他的笔记本被遗忘了大约50年，直到1988年才被出版，笔记本中含有几千个不同领域的数学公式，没有推导过程，却远超那个时代。此外，他发现的这些公式方法仍然难以捉摸。他自己声称，在他睡着的时候，这些公式是由一位女神向他透露的。
“大C”的意识概念提出了一个问题，即它与物质的关系，以及物质和精神如何相互影响。意识本身不能改变世界，但也许它能改变量子过程演化的概率。正如康奈尔大学的物理学家在2015年所证明的那样，观察行为会冻结甚至影响原子的运动。这很可能是对物质和思想相互作用的解释。
思想和自组织系统
意识现象有可能需要一个自我组织的系统，就像大脑的物理结构一样。如果是这样，那么当前的机器存在缺陷。
学者们不知道自适应的自组织机器是否可以被设计成和人脑一样复杂的东西，我们缺乏这样系统的数学计算理论。也许，只有生物机器才具有足够的创造力和灵活性。但是，这表明人们应该（或者很快）开始研究新的生物结构，这些结构或可能变得有意识。
⑧ 人工智能对人类有哪些挑战
“世界上真的有上帝吗？”科学家用颤抖的声音问道。
“现在有了。”世界上最聪明的人工智能电脑回答。语毕，一道电光闪过它的电源插头。从此，人类再也关不掉它了。
——这是在美国一档脱口秀节目上，斯蒂芬·霍金给大家讲的一个关于人工智能的故事。故事告诉我们：人类一手创造的机器人，将成为“人类最大的威胁”，甚至“终结者”
毋庸置疑，人工智能的发展将是一种必然的趋势。那么，人工智能发展到最后，到底会不会像大家所担心的那样，成为人类的“终结者”呢？如果预言真的成为现实，那又会是谁决定了人工智能走上这条不归路呢？
人工智能PK人类智慧
不管你有多少怀疑，有多么不愿意承认，在将来的某一天，人工智能都有非常大的可能超越人类智慧。这我们可以从人脑与机器在“硬件”和“软件”两个维度进行比较分析：
一、 “硬件”：生理学上的脑容量
我们有理由相信，如果给予足够长的时候，人类大脑的智慧增长还是有非常大的空间的。但是，基于目前的情况，囿固于当前的人类本身这个载体，很难实现脑容量的无限大。
从“硬件”容量来说，人工智能对信息数据的存储可以趋近于无穷大，当然这也是一种相对理想状态。而从记忆速度与提取效率来说，尤其在大数据的分析与测算基础上，人工智能对所存储信息的调取会越来越迅速，而且不存在“遗忘”一说。
这让我们有理由相信：单单从“硬件”方面来考虑，人工智能完全有可能比人类更聪明。
二、“软件”：思维能力共享
人脑除了具有信息的获取和存储能力之外，更重要的还是在所存储信息的基础上进行推理、判断、分析问题等功能，也就是我们通常讲的人的思维和主观能动性，人脑“聪明”的真正考量标准。这也是很多人争议的焦点：人工智能真的会有类似于人类的思维吗？
我国的“网络大脑”已经拥有200亿个参数，构造起了世界上最大的深度神经网络，已经具备了2~3岁孩子的智商。根据摩尔定律，网络大脑再继续做十年、二十年的话，很有可能就会比人脑还要聪明。因为技术的发展可以使得人的智力越来越大程度地被电脑所模仿，而融入了人工智能的电脑不仅可以达到人脑的智力，还可以具备人脑的逻辑能力。
人工智能，人类的“终结者”？
人工智能的发展，真的会导致人类的“终结”吗？这种恶的想象，是必然的吗？其实，我觉得人类关于人工智能发展控制的需求，与其说是对机器人强大后对人类“叛变”的焦虑，倒不如说是人类对于科技发展后，人类心理所潜在的“恶”的恐惧。人类纠结于有那么一天，机器人会反抗他们的“人类”造物主，以致用他们超越人类的能力将人类赶尽杀绝。而事实上这反映出的，只是人类对自身内心深处那一股“恶”的力量的不可控
一旦有人感觉到迅速发展的高科技超越了他们的可控范畴，那么焦虑和绝望的悲观“科技恐惧”便油然而生。而这种心理，从本质上来讲，并不是来源于智能机器人的威胁，即使是，那也是基于人类设定的前提之下的想象。真正的威胁，其实还是来自于人类自身。就像《2001：太空漫游》中的HAL-9000，替人类说出了长久以来三缄其口的信仰问题：对造物主的质疑，人类是否可以反抗上帝。
人类的明天，谁来主载？
就人工智能本身而言，更多的就像是一个人类的小孩，它的成长与变化首先取决于人类给予的环境。在影片《人工智能》中，未来世界人性泯灭，而机器男孩戴维则成为了“人性”的代表，他善良、真诚、渴望被爱。这是“人工智能”的一种表现，它们传达的是接受于人类所传递给他们的信息。就如部分科学家所言，在未来，人工智能会成为“人类智慧的容器”；而人工智能的走向同样受到人类主观能动性的影响。
如果有一天，人类真的被人工智能所“终结”，那么，真正的罪魁祸首必将也是人类自己的自私、贪婪与邪恶，人工智能充其量只是一种工具和手段。就如中国几千年文化中一直所争论的：到底是“人之初，性本善”，还是“人之初，性本恶”，或许这还将会在人工智能领域再次延续着。因为人工智能是善是恶，还是取决于人类这个环境。同样，人工智能最终是“融入”还是“叛变”人类，也取决于人类自身。
与其说是人工智能对人类的生存和发展构成威胁，还不如理解为，人工智能其实是对人类人性的一种挑战。
一言以蔽之：终结人类者，必只有人类自己
⑨ 人工智能对教育的利弊
目前，人工智能在教育行业的应用只能算起步阶段，但已经展现了教育行业的未来趋势，并且国家先后出台多项政策对教育行业的人工智能应用给予支持和指导。
针对人工智能教育行业应用，确实有不同的声音，但如同多年前的多媒体教学一样，一开始也有很多人不接受，但很快就在全国学校普遍应用，科技对行业的改变是不可逆的，所以我们应该拥抱变化。
我们可以通过辅助线智能教育系统来作为参考案例：
在教师端，人工智能技术在智能作业批改、学生学情分析等方向应用较为普遍，仅就智能作业批改来说，就大大降低了老师的工作量，减少机械重复工作。
在学生端，人工智能技术主要体现在智适应学习方向，通过分析学生学习情况，找出学生知识薄弱点，智能相关学习资源，针对性查缺补漏。
当然，目前智能教育市场处于成长阶段，也存在企业良莠不齐的情况，这也是各个行业初始阶段必须经历的阵痛，随着市场的成熟与政策的完善，良币终将驱逐劣币。
⑩ 以后的人工智能会不会成为一种趋势
其实根本就不用看以后，现在人工智能已经应用在各个地方了，而在日后的话人工智能肯定是一种大的发展趋势。之所以各个科技巨头大力发展人工智能就是因为有很多的东西人工智能能做而人不能做，也有很多的东西人工智能做的比人更好，简单来说谁能够研发出最顶尖的人工智能谁就可以“控制”整个世界的科技。
人工智能可以进行不断的学习，而且还不会遗忘掉自己所学习的东西，这就是人工智能最可怕的地方。看过谷歌研发的“AlphaGo”的人都知道人工智能的学习速度有多快，在第一场输掉之后就再也没有输过，它的棋艺已经超过了世界冠军。在一些精密的工作方面，人工智能和人相比有着更高的精确性，就比如说用机器人对病人进行诊断。而在普通的工作方面机器人和人工相比又更加的廉价，而且可以二十四小时工作，不用工资、不用休息，只用电力就可以。