未来人类将被AI取代？一文读懂人工智能类型与发展阶段

人工智能可以通过以下技术解决现实问题：

1. 机器学习
2. 深度学习
3. 自然语言处理
4. 机器人
5. 模糊逻辑
6. 专家系统

机器学习 是一门借助机器解释、处理和分析数据以解决实际问题的科学。它的根源可以追溯到 1952 年就职于 IBM 的 Arthur Samuel（被誉为“机器学习之父”）设计的一款西洋跳棋程序。机器学习有三种类型，分别为监督式学习、无监督式学习和强化学习。

毫无疑问，机器学习有助于人类克服知识和常识方面的瓶颈，而我们认为这些瓶颈会阻碍人类水平的人工智能的发展，因此许多人将机器学习视为人工智能的梦想。

深度学习 是在高维数据上实现神经网络以获得洞察力并形成解决方案的过程。深度学习是机器学习的一个高级领域，可以用于解决更高级的问题，它是 Facebook、自动驾驶汽车、Siri、ALexa 等虚拟助手人脸认证算法背后的逻辑。

自然语言处理 是一门从人类自然语言中提取洞察力，以便与机器交流并发展业务的科学。它也是人工智能中最古老、研究最多、要求最高的领域之一。开发智能系统的任何尝试，最终似乎都要解决一个问题，即使用何种形式的标准进行交流。例如，比起使用图形系统或基于数据系统的交流，语言交流通常是首选。

20 世纪四五十年代，人们使用有限自动机、形式语法和概率建立了自然语言理解的基础。但是，20 世纪五六十年代，早期使用机器翻译语言的尝试被实践证明是徒劳无功的。20 世纪 70 年代，当时的潮流趋于使用符号方法和随机方法。进入 21 世纪后，随着机器学习的兴起，自然语言处理迎来新的突破，并推动了随机过程、机器学习、信息提取和问答等现有方法的应用。比如，Twitter 使用自然语言处理技术来过滤推文中的恐怖主义的语言，Amazon 使用自然语言处理了解客户评论并改善用户体验。

人工智能机器人是在现实环境中行动的人工智能体，通过采取负责任的行动来产生结果。这一领域在计算几何和视觉方面与人工智能密切相关。目前，在机器人技术中，特别是嵌入式系统中，我们可以看到人工智能的许多体现，包括搜索算法、逻辑、专家系统、模糊逻辑、机器学习、神经网络、遗传算法、规划甚至博弈等。人形机器人 Sophia 就是机器人技术中人工智能的一个典例。

模糊逻辑是一种基于“真实度”原则的计算方法，而非通常意义上的现代计算机逻辑，即布尔逻辑。换言之，我们所得到的结果往往并非非黑即白、非正即负，而是“在一定程度上”的结果。比如，机器人在实现目标的路径上可能会遇到阻碍，而机器人却必须坚持实现目标。换句话说，机器人的世界不仅是离散的，它也取决于某些 “自由度”，某些属性具有不同程度的变化，而不只是产生“开”或“关”、“是”或“否”的结果。

模糊理论由 Lotfi Zadeh（1921~）于 1965 年提出，Zadeh 最初并没有想到模糊逻辑可以用于工程师的工业过程以控制和“智能”消费产品。后来，Mark Hopkins 在多个领域发现了模糊逻辑的应用，包括经济、农业、航天、核科学、生物医学等等。实际上，模糊逻辑目前已经实现了广泛的应用。

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。20 多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!