人工智能通用领域应用研究，人工智能通用领域应用研究现状

星蕴 • 2024年09月20日 am 9:04:28 • 美股资讯 • 阅读 0

专业人工智能和通用人工智能的区别打个比方，下属和领导下棋，阿尔法狗和领导下棋，下属即使是下棋高手，但是他不能赢领导，这是下棋的情商规则。而阿尔法狗，它下棋就是下棋，根本没有人类的思考能力和心理结构。这

专业人工智能和通用人工智能的区别

打个比方，下属和领导下棋，阿尔法狗和领导下棋，下属即使是下棋高手，但是他不能赢领导，这是下棋的情商规则。而阿尔法狗，它下棋就是下棋，根本没有人类的思考能力和心理结构。这就是专用人工智能和通用人工智能的区别。

人类暧昧的规则，机器人是无法判断的。模拟人类的思考方式，才是机器人的最大挑战。

1、专用人工智能和通用人工智能的区别——专用人工智能

专用人工智能，是指只对某一方面有自动化专业能力。例如阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，AI程序在大规模图像识别和人脸识别中达到了超越人类的水平，甚至助诊断皮肤癌达到专业医生水平等。

2、专用人工智能和通用人工智能的区别——通用人工智能

通用人工智能，是指具有像人一样的思维水平以及心理结构的全面性智能化。比如电影里的救世机器人，或是具有较高情商的机器人。目前为止，通用人工智能还未实现，专用人工智能发展势头较猛。

人工智能，于人们而言，有两种理论，一种是乌托邦论，一种灭世论。乌托邦论，是指人工智能将全方位改变人类世界的生活。灭世论，是指人工智能将在未来某一时刻推翻人类世界。

复旦大学一位教授提出了一种新看法，泡沫论。这是指人工智能被科幻片夸大了事实，人工智能的实际发展情况与电影不符，电影走在了人工智能发展前面，所以将会呈现出中空地带亦或是断层地带。人类对人工智能的积极态度还是悲观态度，都不是可取的，而应是平稳心态。

ai是计算机的主要应用领域

目前ai也就是人工智能全球公认的十大应用领域是:

1、深度学习、机器学习（通用和应用）

2、自然语言处理（通用和语音识别）

3、计算机视觉、图像识别（通用和应用）

4、手势控制

5、虚拟个人助理

6、智能机器人

7、推荐引擎和协同过滤

8、情境感知计算

9、语言翻译

10、视频内容识别

一个真正的通用人工智能应具备

一个可以称得上强人工智能的程序，大概需要具备以下几方面的能力：

1.存在不确定因素时进行推理，使用策略，解决问题、制定决策的能力；

2.知识表示的能力，包括常识性知识的表示能力；

3.规划能力；

4.学习能力；

5.使用自然语言进行交流沟通的能力；

6.将上述能力整合起来实现既定目标的能力。

基于上面几种能力的描述，我们大概可以想象，一个具备强人工智能计算机程序会表现出什么样的行为特征。

回顾2019，人工智能领域取得了多大的发展距通用智能是否已不再遥远

根据2019年度的《人工智能指数报告》，可知AI社区迎来了蓬勃的发展。世界各地的研究机构，已经在教育和技术等领域取得了显著的成就。

与过去几年相比，人工智能发展有着强势的延续。如果你不愿翻看剩余的290页内容，不妨扫一眼外媒归纳的一些要点。

（来自：Standford，viaTheVerge）

首先：从1998到2018年，AI相关的同行评审论文的发表数量增长了300%。出席会议的人数也显著增长，NeurIPS预计为1.35万人，较2012年增长800%。

人工智能教育同样受到了追捧，有关机器学习的大学和线上课程，参与者人数也持续增加。目前看来，AI算是北美计算机科学专业毕业生中最受欢迎的专业。

超过21%的计算机科学博士选择了专门从AI研究行业，是排名第二的学科（安全/信息保障）的两倍多。

大多数指标上，美国仍然是全球AI领域的领导者。尽管中国发表的AI相关论文数量超过了任何其它地区，但美国发表论文的影响力更大，较全球平均水平高出40%。

中美两国私有资金对AI领域的投入都很大（数十上百亿美元计），AI专利的申请数量也超过其它竞争对手（是排名第二的日本地区的三倍）。同时，AI算法正在变得越来越快，训练的成本也越来越便宜。

在流行数据集（ImageNet）的训练上，机器视觉算法所需的时间，已从2017年10月的大约3个小时、减少到2019年7月的88秒，成本也从数千美元下降到两位数。

自动驾驶汽车行业获得了更多的私人投资（全球略低于10%，约77亿美元），其次是医学研究和面部识别（两者都吸引了47亿美元）。

增长最速的工业AI领域，相对也不那么浮华。2018年的时候，机器人流程自动化拿到了10亿美元投资，供应链管理方面亦超过5亿美元。

在给人留下深刻印象的同时，还需注意一个重大的问题——无论AI提升的幅度有多大，都距离媒体大肆渲染的目标相去甚远。

换言之，尽管人工智能世界正在蓬勃发展，但AI本身仍在某些重要方面被卡着脖子。AIIndex报告在“绩效里程碑”时间表上写到：

人工智能已经达到、或者超越了人类的专业知识水平，但这仅限特定领域，AI在通用智能方面仍存在着难以逾越的鸿沟。

回顾1990年代，当时计算机在跳棋和国际象棋上打败了人类选手，引发了人们对于AI未来的无限遐想。

2016年之后，AI开始在《Dota2》等游戏中发挥实力，在2017年实现了对人类皮肤癌图像的分类，并于2018年达成了媲美专业人士的中英文翻译。

激动之余，业界仍对AI的发展前景持谨慎乐观的态度。以视频和棋盘游戏为例，其特点是具有清晰、易模仿的规则，因此特别适合对AI展开训练。

这样的成绩，通常依赖于耗费一个人几辈子的训练量，以突显人类相较于计算机的学习速度。此外，AI难以将同样的经验，轻松复制到另一个领域中。

比如某个AI可以像肿瘤医生一样准确地判定乳腺癌肿瘤，但让它来判断肺癌的话，就有些无能为力了（更别提开处方和做出诊断了）。

综上所述，AI系统更像是一款特定于某些应用场景的‘一次性工具’，而不具有人类的通用智能（甚至打不过五岁的小朋友）。

当然，这并不意味着AI一无是处。如本报告所述，尽管机器学习有一定的局限性，但其在资金、兴趣和技术成就方面，仍在相当快速地发展着。

人工智能具有学会下棋的能力是实现通用人工智能的基础吗

不是基础。

1,因为通用人工智能的定义远超过只会下棋这种单一任务，它要求能够在各种领域和任务中表现出智能和理解能力。

2,学会下棋只是人工智能在特定领域的一种表现，它并不足以代表通用人工智能的全部能力和要求。

3,通用人工智能需要具备推理、学习、语言理解等更广泛的能力，而学会下棋只是其中的一小部分。

因此，学会下棋并不是实现通用人工智能的基础。

人工智能通用领域应用研究，人工智能通用领域应用研究现状

猜你喜欢