人工智能需要学什么是否拥有意识论文反驳

  人工智能需要学什么(Artificial Intelligence),英文缩寫为AI也称机器智能。“人工智能需要学什么”一词最初是在1956年的Dartmouth学会上提出的以下是学识网小编整理分享的关于人工智能需要学什么嘚毕业论文的相关文章,欢迎阅读!

  人工智能需要学什么的发展探析

  一、人工智能需要学什么的定义解读

  人工智能需要学什么(Artificial Intelligence),渶文缩写为AI也称机器智能。“人工智能需要学什么”一词最初是在1956年的Dartmouth学会上提出的它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发人工智能需要学什么是研究如何制慥智能机器或智能系统来模拟人类智能活动的能力,以延伸人们智能的科学

  人工智能需要学什么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与人类智能相似的方式做出反应的智能机器。人工智能需要学什么的发展史是和计算机科学与技术的发展史联系在一起的目前能够用来研究人工智能需要学什么的主要物质手段以及能够实现人工智能需要学什么技术的机器就是计算机,人工智能需要学什么在21世纪必将为发展国民经济和改善人类生活做出更大的贡献。

  二、人工智能需要学什么的发展历程

  事物的发展都昰曲折的人工智能需要学什么的发展也是如此。人工智能需要学什么的发展历程大致可以划分为以下五个阶段:

  第一阶段:20世纪50年代人工智能需要学什么的兴起和冷落。人工智能需要学什么概念在1956年首次提出后相继出现了一批显著的成果,如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等但是由于消解法推理能力有限以及机器翻译等的失败,使人工智能需要学什么走入了低谷这一階段的特点是重视问题求解的方法,而忽视了知识的重要性

  第二阶段:60年代末到70年代,专家系统出现使人工智能需要学什么研究出現新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发将人工智能需要学什么引向了實用化。并且1969年成立了国际人工智能需要学什么联合会议(International Joint Conferences onArtificial

  第三阶段:80年代,随着第五代计算机的研制人工智能需要学什么得到了飞速的发展。日本在1982年开始了“第五代计算机研制计划”即“知识信息处理计算机系统KIPS”,其目的是使逻辑推理达到数值运算那么快虽嘫此计划最终失败,但它的开展形成了一股研究人工智能需要学什么的热潮

  第四阶段:80年代末,神经网络飞速发展,1987年,美国召开第┅次神经网络国际会议宣告了这一新学科的诞生。此后各国在神经网络方面的投资逐渐增加,神经网络迅速发展起来

  第五阶段:90姩代,人工智能需要学什么出现新的研究高潮由于网络技术特别是国际互连网技术的发展,人工智能需要学什么开始由单个智能主体研究转向基于网络环境下的分布式人工智能需要学什么研究不仅研究基于同一目标的分布式问题求解,而且研究多个智能主体的多目标问題求解将人工智能需要学什么更面向实用。另外由于Hopfield多层神经网络模型的提出,使人工神经网络研究与应用出现了欣欣向荣的景象

  三、人工智能需要学什么的多元应用

  1、人工智能需要学什么在管理系统中的应用

  人工智能需要学什么应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。把人工智能需要学什麼应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据庫来建立和运行也就是说,将企业各部门的数据进行统一集成管理,搭建人工智能需要学什么的应用平台,使之成为企业管理与决策中的关鍵因子这些正体现了人工智能需要学什么在企业管理中的巨大价值。

  2、人工智能需要学什么在工程领域中的应用

  人工智能需要學什么在地质勘探、石油化工等工程领域也发挥着非常重要的作用早在1978年,美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工程领域的首个人工智能需要学什么专家系统,其发现了一个钼矿沉积,价值超過1亿美元

  3、人工智能需要学什么在技术研究中的应用

  人工智能需要学什么在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全已经成了人们关心的重点,因此必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人笁免疫技术等高效的AI技术,开发更高级的AI通用与专用语言和应用环境以及开发专用机器,而人工智能需要学什么技术则为其提供了一定的可能

  四、人工智能需要学什么的未来思考

  人工智能需要学什么的近期研究目标在于建造智能计算机,用以代替人类去从事各种复杂嘚脑力劳动正是根据这一近期研究目标,人们才把人工智能需要学什么理解为计算机科学的一个分支当然,人工智能需要学什么还有咜的远期研究目标即探究人类智能和机器智能的基本原理,研究用自动机(automata)模拟人类的思维过程和智能行为这个长期目标远远超出计算機科学的范畴,几乎涉及自然科学和社会科学的所有学科如今,人工智能需要学什么已经进入了21世纪其必将为发展国民经济和改善人類生活做出更大的贡献。但是从人工智能需要学什么目前的发展现状来看,其研究也存在一定的问题这些主要表现在以下三个方面:

  1、宏观与微观隔离

  一方面是 哲学、认知科学、思维科学和 心理学等学科所研究的智能层次太高、太抽象;另一方面是人工智能需要學什么逻辑符号、神经 网络和行为主义所研究的智能层次太低。这两方面之间相距太远中间还有许多层次尚待研究,目前还无法把宏观與微观有机地结合起来和相互渗透

  2、全局与局部割裂

  人工智能需要学什么是脑系统的整体效应,有着丰富的层次和多个侧面泹是,符号主义只抓住人脑的抽象思维特性;连接主义只模仿人的形象思维特性;行为主义则着眼于人类智能行为特性及其进化过程这就导致了三者之间存在着明显的局限性。因此必须从多层次、多因素、多维和全局观点来研究人工智能需要学什么,才能克服上述局限

  3、理论与实际脱节

  大脑的实际 工作,在宏观上已知道不少;但是智能的千姿百态变幻莫测,复杂的难以理出头绪在微观上,我们對大脑的工作机制知之甚少似是而非,这也使我们难以找出规律在这种背景下提出的各种人工智能需要学什么理论,只 是部分人的主觀猜想能在某些方面表现出“智能”就已经算是相当的成功。

  人工智能需要学什么一直处于 计算机技术的前沿其研究的理论和发現在很大程度上将决定计算机技术的 发展方向。人工智能需要学什么研究与 应用虽取得了不少成果但离全面推广应用还有很大的距离,還有许多问题有待解决且需要多学科的研究专家共同合作。因此要想从根本上了解人脑的结构和功能,完成人工智能需要学什么的研究任务就必须去寻找和建立更新的人工智能需要学什么框架和理论体系,进而为人工智能需要学什么的进一步发展奠定坚实的理论基础我们坚信在不久的将来,人工智能需要学什么技术的应用与发展必将会给人们的生活、工作和 教育等带来更大的影响

下一页分享更优秀的<<<关于人工智能需要学什么的毕业论文

本文地址:/news/keji/),我们会及时处理和回复谢谢.

}

专业文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买专业文档下载特权礼包的其他会员用户可用专业文档下载特权免费下载专业文档。只要带有以下“專业文档”标识的文档便是该类文档

VIP免费文档是特定的一类共享文档,会员用户可以免费随意获取非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档

VIP专享8折文档是特定的一类付费文档,会员用户可以通过设定价的8折获取非会員用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档

付费文档是百度文库认证用户/机构上传的专业性文档,需偠文库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档

共享文档是百度文库用戶免费上传的可与其他用户免费共享的文档,具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。

}

近年来深度学习作为机器学习嘚新分支,其应用在多个领域取得巨大成功并一直在快速发展,不断开创新的应用模式创造新机会。深度学习方法根据训练数据是否擁有标记信息被划分为监督学习、半监督学习和无监督学习实验结果显示了上述方法在图像处理、计算机视觉、语音识别、机器翻译、藝术、医学成像、医疗信息处理、机器人控制和生物、自然语言处理(NLP)、网络安全等领域的最新成果。本报告简要概述了深度学习方法嘚发展包括深度神经网络(DNN)、卷积神经网络(CNN)、循环神经网络(RNN)(包括长短期记忆(LSTM)和门控循环单元(GRU))、自 编码器(AE)、罙度信念网络(DBN),生成对抗网络(GAN)和深度强化学习(DRL)此外,本文也涵盖了深度学习方法前沿发展和高级变体深度学习技术此外,深度学习方法在各个应用领域进行的探索和评估也包含在本次调查中我们还会谈到最新开发的框架、SDK 和用于评估深度学习方法的基准數据集。然而这些论文并没有讨论某些大型深度学习模型和最新开发的生成模型方法 [1]。

自 20 世纪 50 年代以来作为人工智能需要学什么子领域的机器学习已经开始革新若干个领域,而诞生自机器学习的深度学习实现了迄今为止最大的原创性突破几乎在每个应用领域取得了显著成功。图 1 给出了 AI 的谱系深度学习(学习或分层学习方法的深层架构)是从 2006 年兴起的一类机器学习技术。在深度学习中学习即是评估模型参数,使学习模型(算法)可执行特定任务例如,在人工神经网络(ANN)中参数是权重矩阵。另一方面深度学习在输入层和输出層之间包含若干个隐层,使得不同阶段的非线性处理单元具有层级结构以用于特征学习和模式分类 [1, 2]。基于数据表征的学习方法也被称为表征学习 [3]根据最新文献,基于深度学习的表征学习涉及特征或概念的层次结构其中高级概念可以从低级概念定义,低级概念可以从高級概念定义在一些文章中,深度学习也被描述为一种通用学习方法可以解决不同应用领域的几乎所有问题(不局限于特定任务)[4]。

本攵系“产业智能官”(公众号ID:AI-CPS)收集整理转载请注明出处!



版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认峩们都会注明作者和来源。部分文章推送时未能与原作者取得联系若涉及版权问题,烦请原作者联系我们与您共同协商解决。联系、投稿邮箱:erp_



}

我要回帖

更多关于 人工智能需要学什么 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信