IT之家 10 月 12 日消息，近年来，人工智能（AI）在各个领域取得了显著的进展，其中大型语言模型（LLM）能够生成人类水平的文本，甚至在某些任务上超越人类的表现。然而，研究人员对 LLM 的推理能力提出了质疑，他们发现这些模型在解决简单的数学问题时， 只要稍加改动，就会犯错误，这表明它们可能并不具备真正的逻辑推理能力。
图源 Pexels
周四，苹果公司的一组研究人员发布了一篇名为《理解大型语言模型中数学推理的局限性》的论文，揭示 LLM 在解决数学问题时容易受到干扰。IT之家注意到， 研究人员通过对数学问题的微小改动，例如添加无关的信息，来测试 LLM 的推理能力 。结果发现，这些模型在面对这样的变化时，其表现急剧下降。
例如，当研究人员给出一个简单的数学问题：“奥利弗星期五摘了 44 个奇异果，星期六摘了 58 个奇异果。星期日，他摘的奇异果是星期五的两倍。奥利弗一共摘了多少个奇异果？”时，LLM 能够正确地计算出答案。然而，当研究人员添加一个无关的细节，“星期日，他摘的奇异果是星期五的两倍，其中 5 个比平均小。”时，LLM 的回答却出现了错误。例如，GPT-o1-mini 的回答是：“... 星期日，其中 5 个奇异果比平均小。我们需要从星期日的总数中减去它们：88（星期日的奇异果） - 5（较小的奇异果） = 83 个奇异果。”
上面只是一个简单的例子， 研究人员修改了数百个问题，几乎所有问题都导致模型的回答成功率大幅下降。
研究人员认为，这种现象表明 LLM 并没有真正理解数学问题，而是仅仅根据训练数据中的模式进行预测。但一旦需要真正的“推理”，例如是否计算小的奇异果，它们就会产生奇怪的、不合常理的结果。
这一发现对 AI 的发展具有重要的启示。虽然 LLM 在许多领域表现出色，但其推理能力仍然存在局限性。未来，研究人员需要进一步探索如何提高 LLM 的推理能力，使其能够更好地理解和解决复杂的问题。
智能人员指的是什么
问题一：人工智能的定义是什么？本人在下面列出了10种最热门的人工智能技术： 自然语言生成：利用计算机数据生成文本。 目前应用于客户服务、报告生成以及总结商业智能洞察力。 代表性厂商包括：Attivio、Cambridge Semantics、Digital Reason、Lucidworks、Narrative Science和SAS。 语音识别：将人类语音转录和转换成对计算机应用软件来说有用的格式。 目前应用于交互式语音应答系统和移动应用领域。 代表性厂商包括：NICE、Nuance munications、OpenText和Verint Systems。 虚拟代理：弗雷斯特公司声称，“虚拟代理可谓是媒体界目前竞相报道的对象。 ”从简单的聊天机器人，到可以与人类进行交际的高级系统，不一而足。 目前应用于客户服务和支持以及充当智能家居管理器。 代表性厂商包括：亚马逊、苹果、Artificial Solutions、 Assist AI、Creative Virtual、谷歌、IBM、IPsoft、微软和Satisfi。 机器学习平台：不仅提供了设计和训练模型，并将模型部署到应用软件、流程及其他机器的计算能力，还提供了算法、应用编程接口（API）、开发工具包和训练工具包。 目前应用于一系列广泛的企业应用领域，主要涉及预测或分类。 代表性厂商包括：亚马逊、Fractal Analytics、谷歌、、微软、SAS和Skytree。 针对人工智能优化的硬件：这是专门设计的图形处理单元（GPU）和设备，其架构旨在高效地运行面向人工智能的计算任务。 目前主要在深度学习应用领域发挥作用。 代表性厂商包括：Alluviate、克雷、谷歌、IBM、英特尔和英伟达。 决策管理：引擎将规则和逻辑嵌入到人工智能系统，并用于初始的设置/训练和日常的维护和调优。 这是一项成熟的技术，应用于一系列广泛的企业应用领域，协助或执行自动决策。 代表性厂商包括：Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。 深度学习平台：一种特殊类型的机器学习，包括拥有多个抽象层的人工神经网络。 目前主要应用于由很庞大的数据集支持的模式识别和分类应用领域。 代表性厂商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。 生物特征识别技术：能够支持人类与机器之间更自然的交互，包括但不限于图像和触摸识别、语音和身体语言。 目前主要应用于市场研究。 代表性厂商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。 机器人流程自动化：使用脚本及其他方法，实现人类操作自动化，从而支持高效的业务流程。 目前应用于人类执行任务或流程成本太高或效率太低的地方。 代表性厂商包括：Advanced Systems Concepts、Automation Anywhere、Blue Pri *** 、UiPath和WorkFusion。 文本分析和NLP：自然语言处理（NLP）使用和支持文本分析，为此它借助统计方法和机器学习方法，为理解句子结构及意义、情感和意图提供方便。 目前应用于欺诈检测和安全、一系列广泛的自动化助理以及挖掘非结构化数据等领域。 代表性厂商包括：Basis Technology、Coveo、Expert System、Indico......>> 问题二：什么是智能化员工？ 30分 信息时代知识型员工管理发展的新趋势 内容提要：信息时代知识型员工是企业的核心，知识型员工的管理由于信息经济的到来，使得管理的发展出现了新的趋势，主要体现在组织结构、知识资本、信息沟通、教育培训等方面。 关键词：信息时代 知识型员工 管理 当今世界，信息技术飞速发展，信息化速度迅猛，世界面临着信息化、全球化的两大趋势。 在科技先进和信息化先行的发达资本主义国家，又涌现了知识经济的浪潮，这给经济管理实践和传统经济管理理论带来许多新情况和新课题。 信息基础设施升级和信息技术的迅猛发展，使知识的生产存储、分享和使用在技术上更为可行、经济上更为合算，经济活动中各种要素的配置、组合方式了将更为合理、更有效，企业经济管理之间的竞争的重点在知识、资讯、科技综合体---知识型的人才，而经济管理中各种要素的管理归根到底是对高素质人员的管理D知识型员工的管理，知识型员工管理是企业成败的关键因素。 一 有关知识型员工的几个基本概念 1知识型员工 美国著名的管理学家彼得・德鲁克(PeterDrucker)提出了知识工作者(knowledgeworker)的概念：知识型员工是指,一方面能充分利用现代科学技术提高工作的效率,另一方面知识型员工本身具备较强的学习知识和创新知识的能力。 知识创新力是知识型员工最主要的特点。 此外,知识型员工的工作主要是一种思维性活动,知识的更新和发展往往随环境条件的变化而有所适应,具有很大的灵活性。 所以,知识型员工兼具知识性、创造性、灵活性等方面的特征。 加拿大著名的学者、加拿大优秀基金评选主审官弗朗西斯・赫瑞（Frances Horibe）认为：“简而言之，知识员工就是那些创造财富时用脑多于用手的人们。 他们通过自己的创意、分析、判断、综合、设计给产品带来附加价值。 当然创造过程中了用到手，但只是用手将数据输入计算机而不是用手扛一个50磅重的麻包。 ”本文认为知识型员工是指在一个企业组织之中用智慧所创造的价值高于其动手所创造的价值的员工。 2 知识管理、信息管理 信息经济时代企业的生产经营管理发展为知识型的管理简称为知识管理，它是运用集体的智慧提高应变创新的能力，为企业实现显性知识和隐性知识共享提供新的途径。 纯粹的信息管理则是对企业信息进行分类等。 知识不等信息，知识是信息与人类认知能力结合的产物。 知识与信息的不同是知识管理、信息管理这两种管理最大的不同点。 知识管理包括对人的管理和对信息的管理，它是体现“以人为本”的管理。 知识管理有利于企业信息处理能力与员工的创新能力相结合，进而增加企业应变能力和预见能力。 20世纪末发达国家不少企业在企业总经理与信息部经理之间设立一种知识主管（CKO）的新职位，并作了适当的分工，信息部经理重点负责企业技术与信息的开发应用，而知识主管主要从事企业创新和培养有创新能力的员工。 二 知识型员工管理发展新趋势 1 知识进一步资本化 在信息经济形态下,知识作为资本其价值的实现有多种途径。 知识型员工知识价值的实现,是以知识参与经营管理的具体表现,同时对其具有巨大的激励作用。 从初始的概念分析,知识也是一项资产,当知识作为资本投资于企业经营过程中时,就已经完成了知识资本化的转变。 为了充分发挥知识型员工的积极性,在经营管理过程中应考虑其知识价值的实现途径和方式，可以通过在企业或组织建立知识资本化的激励制度：对拥有核心知识能力的员工,则可以以技术入股的方式给以技术价值的承认。 对知识型管理方面的员工,则可用管理入股的形式鼓励其工作积极性。 这就是采用股票期权来激励员工,股票期权是一种区别于年薪分配制度和员工持股计划的新的激励方式,它不......>> 问题三：人类智能是什么，有什么特点人类之所以能成为万物之灵,是因为人类具有能够高度发展的智能.人类智能就是人类认识世界和改造世界的才智和本领.它包括“智”和“能”两种成分.“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力,它包括各种拔能和正确的习惯等等.人类的“智”和“能”是结合在一起而不可分离的.人类的劳动、学习和语言交往等活动都是“智”和“能”的统一,是人类独有的智能活动.意向是人类智能的一个重要方面.人的活动是有目的的、自觉的活动,一刻也离不开自己意向的主导.注意、需要、意图、情绪、意志、理想等都是人的意向活动形式.保持积极的意向、恰当的情绪和顽强的斗志等等,对人类智能的发展和发挥是十分重要的.思维是人类智能的核心.人类智能的特点主要是思想,而思想的核心又地思维.“人是一种思维的动物”,没有思维就没有人类的智能.有了思维,人类才能形成各种较复杂的意向,从而主导着人的活动,表现出人类所特有的自觉能动性.有了思维,人类才能探索自然界的奥秘,发现自然现象背后的规律.有了思维,人类才能发明各种技术,突破自己认识器官和行动器官的限制,大大提高改造世界的能力. 问题四：智能投顾是什么意思？“智能投顾”也可被称作为机器人投顾、智能理财、自动化理财等。 利用大数据分析、量化金融模型以及智能化算法，根据投资者的风险承受水平、预期收益目标以及投资风格偏好等要求，运用一系列智能算法，投资组合优化等理论模型，为用户提供投资参考，并监测市场动态，对资产配置进行自动再平衡，提高资产回报率，从而让投资者实现“零基础、零成本、专家级”动态资产投资配置。 叮咚钱包也将正式开始进军智能投顾市场，推出智能投顾产品，预期将在下半年正式上线。 问题五：智能机器人有什么功能目前用的最多的就是扫地机器人，其他的机器人要么工业用，要么没什么实用价值，多是用于展示的设备。 问题六：人与人工智能区别意识和人工智能的关系 1、人工智能的本质 人工智能是相对于人的智能而言的。 正是由于意识是一种特殊的物质运动形式，所以根据控制论理论，运用功能模拟的方法，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化，叫人工智能。 人工智能的本质是对人思维的信息过程的模拟，是人的智能的物化。 尽管人工智能可以模拟人脑的某些活动，甚至在某些方面超过人脑的功能，但人工智能不会成为人类智能而取代人的意识。 2、人工智能与人类思维的本质区别 人工智能是思维模拟，并非人的思维本身，决不能把“机器思维”和人脑思维等同起来，认为它可以超过人脑思维是没有根据的。 (1)人工智能是无意识的机械的、物理的过程。 人的智能主要是生理的和心理的过程。 (2)人工智能没有社会性。 人类智慧具有社会性。 (3)人工智能没有人类意识特有的能动性和创造能力。 人类思维则主动提出新的问题，进行发明创造。 (4)电脑可以代替甚至超过人类的部分思维能力，但它同人脑相比，局部超出，整体不及。 智能机器是人类意识的物化，它的产生和发展，既依赖于人类科学技术的发展水平，又必须以人类意识对于自身的认识为前提。 因此，从总体上说；人工智能不能超过人类智慧的界限。 关于电脑能够思维，甚至会超过人的思维，电脑、机器人将来统治人类的观点是完全没有根据的。 3、人工智能产生和发展的哲学意义 (1)人工智能的产生和发展，有力地证明了意识是人脑的机能、物质的属性，证明马克思主义关于意识本质的观点的正确性。 (2)人工智能的产生和发展深化了我们对意识相对独立性和能动性的认识。 机器思维即人工智能表明，思维形式在思维活动中对于思维内容具有相对独立性，它可从人脑中分化出来，物化为机械的、物理的运动形式，部分地代替人的思维活动。 (3)随着科学技术的发展，人工智能将向更高水平发展，反过来推动科学技术、生产力和人类智慧向更高水平发展，对人类社会进步将起着巨大的推动作用。 以上是我摘的，我本人不同意以上观点，我认为人工智能它是可以超过人的智能，是由他的物理属性决定的。 他的发展不可估量。 殊不知人工智能，可以 自我学习， 也可以自我进化，也可以有社会属性。 政治上这样说，只不过是 愚弄一些无知的人民。 问题七：什么是人工智能什么是人工智能 近年来，随着计算机技术的迅猛发展和日益广泛的应用，自然地会提出人类智力活动能不能由计算机来实现的问题。 几十年来，人们一向把计算机当作是只能以极快地、熟练地、准确地运算数字的机器。 但是在当今世界要解决的问题并不完全是数值计算，像语言的理解和翻译、图形和声音的识别、决策管理等都不属于数值计算，特别像医疗诊断要有专门的特有的经验和知识的医师才能作出正确的诊断。 这就要求计算机能从“数据处理”扩展到还能“知识处理”的范畴。 计算机能力范畴的转化是导至“人工智能”快速发展的重要因素。 人工智能的定义： 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科DD怎样表示知识以及怎样获得知识并使用知识的科学。 ”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。 ”这些说法反映了人工智能学科的基本思想和基本内容。 即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。 也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。 这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。 人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。 可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。 从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 计算机与智能 通常我们用计算机，不仅要告诉计算机，要做什么，还必须详细地、正确地告诉计算机怎么做。 也就是说，人们要根据任务的要求，以适当的计算机语言，编制针对该任务的应用程序，才能应用计算机完成此项任务。 这样实际上是在人完全控制计算机完成的，是谈不上计算机有“智能”。 大家都知道，世界国际象棋棋王卡斯帕罗夫与美国IBM公司的RS／6000（深蓝）计算机系统于1997年5月11日进行了六局“人机大战”，结果“深蓝”以3.5比2.5的总比分获胜。 比赛结束了给人们留下了深刻的思考；下棋要获胜要求选手要有很强的思维能力、记忆能力、丰富的下棋经验，还得及时作出反映，迅速进行有效的处理，否则一着出错满皆输，这显然是个“智能”问题。 尽管开发“深蓝”计算机的IBM专家也认为......>> 问题八：习题一 1.什么是人类智能？它有哪些特征或特点定义：人类所具有的智力和行为能力。 特点：主要体现为感知能力、记忆与思维能力、 归纳与演绎能力、学习能力以及行为能力。 问题九：应和是什么意思现代汉语词典解释：（声音、语言、行动等）相呼应：同声~ 【词语】应和 【读音】yìng hè 【解释①】反应和谐。 〖出处〗《左传・昭公二十八年》：“心能制义曰度，德正应和曰莫，照临四方曰明，勤施无私曰类。 ” 【解释②】答和；应声唱和。 〖出处〗①《史记・曹相国世家》：“相舍后园近吏舍，吏舍日饮歌呼……乃反取酒张坐饮，亦歌呼与相应和。 ” ②宋・叶适《醉乐亭记》：“舟艇各出茭莲中，歌相应和，已而皆会於思远楼下。 ” ③《四库全书总目・别集二五・沧溟集》：“后七子以李攀龙为冠， 王世贞应和之。 ” ④管桦《葛梅》：“应和着这女子的笑声，从附近的白杨林里，传来了布谷鸟和黄莺悠扬的鸣啭。 ” 【解释③】呼应；响应。 〖出处〗①《汉书・陈汤传》：“时康居兵万馀骑，分为十馀处，四面环城，亦与相应和。 ” ②《宋书・沉攸之传》：“ 敬儿、文和斩其使，驰表以闻；柏年、道和、佩玉怀两端，密相应和。 ” ③宋・苏轼 《乞将合转一官与李直方酬奖状》：“近日寿州界内强贼甚多……白昼骑马於镇市中劫人。 其尹遇等闻之，即欲商量应和，居民忧惧。 ” 【解释④】应答；应对。 〖出处〗①汉・桓谭 《新论》：“ 哀帝时，有老人范兰，言年三百岁，初与人相见，则喜而相应和，再三，则骂而逐人。 ” ②《百喻经・米决口喻》：“昔有一人，至妇家舍，见其F米，便往其所，偷米之。 妇来见夫，欲共其语。 满口中米，都不应和。 ” ③菡子《致江幼农》：“我们还谈了许多细节，你那么欣慰地应和着，就像谈着你自己的事情似的。 ”
ai能做数学题吗ai能做数学题吗
简是的,AI可以做数学题。 深入分析:数学作为一门逻辑严密的学科,计算机AI可以较好地处理。 AI可以识别和理解数学题中的问题描述、变量、条件限制等要素,并根据题目的要求进行符号运算、逻辑推理以得到正确答案。 这需要AI系统具备的关键技能有:1. 自然语言理解:能解析题目中的文本描述,理解命题意图和变量条件。 2. 数学知识与运算:掌握基本的数学知识,如四则运算、指数运算、代数、几何等,并能进行精确运算。 3. 逻辑推理:能根据题目条件,推导出中介过程和最终答案。 对于较复杂的应用题,需要进行多步骤的逻辑推理与计算。 4. 知识构建:对公式、定理、常识等数学知识点进行持续整理与构建,形成知识图谱,为运算与推理提供支持。 目前,AI在数学题解答上已经取得长足进展。 不仅可以处理基础的四则运算与代数题,也能解答一定难度的应用题和计算题。 但对于某些需要较高水平思维逻辑与数学知识的难题,AI的解答能力还面临一定挑战。 随着AI技术的发展,其在数学运算与逻辑推理上的能力将不断增强。 给出优质建议:AI在数学题解答上虽已具备一定能力,但距离人工智能真正“会数学”还有一定距离。 这里给出一些建议:1. 不要过于依赖AI完成复杂或高难度的数学运算与逻辑推理。 这仍然是人工智能的薄弱点。 2. 结合人工和AI的优势,共同解决复杂数学问题。 人类在思维上更加灵活与富创造力,机器在计算上更加精确与高效。 这种人机结合更能发挥双方优势。 3. 不断提高自身的数学知识与逻辑思维能力。 这些是AI难以完全取代的人的长期优势。 4. 难以理解的数学概念与推理,仍需老师和专家帮助理解。 AI的语言表达与解释仍然不及人工。 5. 随着AI的发展,其对数学的理解与计算将日趋精深。 但也应意识到其限制,有些高难度与高创造性的数学任务依然需要人工智能与人工 的结合。 6. 培养正确的人机关系观。 AI是辅助工具,不能完全替代人的判断与推理。 避免过度依赖或漠视其限制。 7. 积极关注相关AI技术与产品的发展动向。 随时掌握其在数学与推理上日新月异的运算能力。 并理解其进步背后的技术原理。 总之, AI在数学上的能力已经相当强大,但要真正达到人类的水平还需要长期努力。 希望我们能理解AI的发展现状,运用其优势,弥补其不足,最终达到人机协作的良性互动。 这将是实现更广泛而深入的数学任务的有效途径。 可以，1人工智能通过数据分析学习计算形成固定思维引导运行模式，将学习数学证明题进行超规格数据化虚拟训练，积累数学证明题运行参数，能够完整运行解题思路运行数学证明题解题过程，通过学习数据结构，人工智能能做数学证明题可以。 首先，计算器就能解决一部分数学问题，这种数学问题AI解起来是很简单的。 但是有些计算器无法解决的逻辑问题，AI经过训练也是能够解决的。 现在有MathGPT可以进行解决有逻辑思维的数学问题。
什么是人工智能
人工智能(Artificial Intelligence) ，英文缩写为AI。 它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能, 英文单词 artilect ,来源于 雨果·德·加里斯 的著作 . “人工智能”一词最初是在1956 年Dartmouth学会上提出的。 从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。 人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。 但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发具有人工智能的机器人展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。 它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。 目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学技术的发展史联系在一起的。 除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 实际应用 机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。 学科范畴 人工智能是一门边沿学科，属于自然科学和社会科学的交叉。 涉及学科 哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学， 研究范畴 自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法 人类思维方式 应用领域 智能控制，专家系统，机器人学，语言和图像理解，遗传编程 机器人工厂 安全问题目前人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。 这种隐患也在多部电影中发生过。 人工智能的两种实现方法人工智能在计算机上实现时有2种不同的方式。 一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。 这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。 另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。 本书介绍的遗传算法（Generic Algorithm, 简称GA）和人工神经网络（Artificial Neural Network,简称ANN）均属后一类型。 遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。 为了得到相同智能效果，两种方式通常都可使用。 采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。 如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。 而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁, 非常麻烦。 采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。 这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。 利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。 但一旦入了门，就可得到广泛应用。 由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。 定义人工智能的定义可以分为两部分，即“人工”和“智能”。 “人工”比较好理解，争议性也不大。 有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。 但总的来说，“人工系统”就是通常意义下的人工系统。 关于什么是“智能”，就问题多多了。 这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。 人唯一了解的智能是人本身的智能，这是普遍认同的观点。 但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。 因此人工智能的研究往往涉及对人的智能本身的研究。 其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。 人工智能目前在计算机领域内，得到了愈加广泛的重视。 并在机器人，经济政治决策，控制系统，仿真系统中得到应用。 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。 ”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。 ”这些说法反映了人工智能学科的基本思想和基本内容。 即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。 也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。 这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。 人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。 可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。 从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 编辑本段简史人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它 技术的发展。 计算机时代1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间,对程序员来说是场恶梦:仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些,而且计算机 理论的发展产生了计算机科学,并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介的开端虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间 的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大. 1955年末,Newell和Simon做了一个名为逻辑专家(Logic Theorist)的程序.这个程序被许多人 认为是第一个AI程序.它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解 问题.逻辑专家对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年,被认为是 人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 Vermont参加 Dartmouth人工智能夏季研究会.从那时起,这个领域被命名为 人工智能.虽然 Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础. Dartmouth会议后的7年中,AI研究开始快速发展.虽然这个领域还没明确定义,会议中的一些思想 已被重新考虑和使用了. Carnegie Mellon大学和MIT开始组建AI研究中心.研究面临新的挑战: 下一步需 要建立能够更有效解决问题的系统,例如在逻辑专家中减少搜索;还有就是建立可以自我学习的系统. 1957年一个新程序,通用解题机(GPS)的第一个版本进行了测试.这个程序是由制作逻辑专家 的同一个组开发的扩展了Wiener的反馈原理,可以解决很多常识问题.两年以后,IBM成立了一个AI研 究组 Gelerneter花3年时间制作了一个解几何定理的程序. 当越来越多的程序涌现时,McCarthy正忙于一个AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP语言. LISP到今天还在用的意思是表处理(LISt Processing),它很快就为大多数AI开发者采纳. 1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐.大量的程序以后几年出现了大量程序.其中一个著名的叫是微型世界项目的一部分,包括 在微型世界(例如只有有限数量的几何形体)中的研究与编程.在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的STUDENT可相关书籍以解决代数 问题,SIR可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助. 70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已 有巨大容量,专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间,专家系统被用于股市预 测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能. 70年代许多新方法被用于AI开发,著名的如Minsky的构造理论.另外David Marr提出了机器视觉方 面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信 息,可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言,于1972年提出. 80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿 美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要,一些生产专家系统辅助制作软件的公 司,如Teknowledge和Intellicorp成立了。 为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来.从实验室到日常生活人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了象美国人工智能协会这样的基金会.因为AI开发 的需要,还出现了一阵研究人员进入私人公司的热潮。 150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上. 其它一些AI领域也在80年代进入市场.其中一项就是机器视觉. Minsky和Marr的成果现在用到了生产线上的相机和计算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元. 但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降,业界损失了近5亿美元.象 Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个另人失望的是国防部高级研究计划署支持的所谓智能卡车.这个项目目的是研制一种能完成许多战地任务的机器人。 由于项目缺陷和成功无望,Pentagon停止了项目的经费. 尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的人工智能机器人条件作出决策;还有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值.可以确信,它将是通向21世纪之匙. 人工智能技术接受检验 在沙漠风暴行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器技术也进入了家庭.智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活.
