人工智能玩電子游戲并沒有什么稀奇的。艾倫·圖靈早在 1947年就開發(fā)出了象棋程序，盡管當時的計算機不能運行這一程序。如今電子游戲的特 點是有大量非玩家控制角色，這一編程將簡單的規(guī)則結(jié)合起來產(chǎn)生復(fù)雜的行為。這樣看來， DeepMind的人工智能玩游戲又有什么特別的呢？ 針對這個問題的回答有兩個。一是DeepMind的人工智能會逐漸變得更加成熟。就像見證 孩子逐漸長大一樣，如果一直盯著計算機看，很難察覺到它的變化。然而，每隔50多次游戲 再看一下，效果是十分驚人的。開始的時候，DeepMind的人工智能在《打磚塊》游戲中的表 現(xiàn)簡直糟透了，簡單的擊球都做不好，而且它似乎并不清楚狀況，就好像是把PS...

華盛頓大學(xué)計算機科學(xué)教授普德羅·多明戈斯（Pedro Domingos）指出：“如果機器人掌握了人類除學(xué)習(xí)以外的所有能力，人類很快就會拋棄 它?！钡菑囊婚_始就存在一種與人工智能的發(fā)展并行的觀點，這一觀點現(xiàn)在正觸發(fā)該領(lǐng)域 的諸多進展。該人工智能學(xué)派不是將思維概念化，而是源于在電腦內(nèi)部建立大腦模型。該學(xué) 派不相信邏輯推理是獲取真理的比較好途徑，而是采用基于觀察和實驗的實 證研究法。這類人工智能并非知識工程師的作品，而是屬于名為“機器學(xué)習(xí)者”的計算機科學(xué) 家領(lǐng)域隨著技術(shù)日臻成熟，人工智能助手將像現(xiàn)實生活中的助手一樣打理我們的生活。湖北編程人工智能就業(yè)對傳統(tǒng)人工智能研 究者來說，人類通過構(gòu)建內(nèi)部的符...

IBM在這場盛會上展示了多項令人印象深刻的技術(shù)。開創(chuàng)性的手寫識別計算機便是其中 之一，并被世博會官方手冊稱為“光學(xué)掃描和信息檢索”系統(tǒng)。在該系統(tǒng)的演示中，參觀者可 以在一張小卡片上親筆寫下任意一個1851年后的歷史日期。然后，卡片入“光學(xué)字符讀 取器”，并在該設(shè)備中被轉(zhuǎn)換成數(shù)字格式，然后再轉(zhuǎn)發(fā)給當時的IBM 1460計算機系 統(tǒng)。隨后，計算機磁盤上一個大型數(shù)據(jù)庫中存儲的當日重大新聞事件被打印在一張穿孔卡片 上，頗有紀念意義，也讓使用者驚嘆不已。一張保存下來的穿孔卡片上如是寫道：谷歌邁出了重要的一步，不僅能夠響應(yīng)查看請求，而且能夠前瞻性地預(yù)測用戶想要查看的信息。山西車輛工程人工智能就業(yè)方向196...

對傳統(tǒng)人工智能研 究者來說，人類通過構(gòu)建內(nèi)部的符號化表現(xiàn)形式來認識世界，而所有人工智能都以人類認識 世界的能力為基礎(chǔ)。我們可以創(chuàng)建規(guī)則來落實這些概念，而捕捉日常知識能夠使這些概念變 得規(guī)范。如果將人腦看作一臺電腦，這意味著我們操控的每一種情況都依賴于內(nèi)部計算程 序，這一程序一步步告訴我們?nèi)绾瓮耆罁?jù)邏輯來進行某項操作。如果的確如此，那么這些 世界各地機構(gòu)紛紛采用的規(guī)則同樣適用于計算機。 這在當時聽起來十分容易，不久以后，情況也確實如此。人工智能系統(tǒng)將變得更加智能，但人類也可以共 享創(chuàng)造的財富。湖北博學(xué)谷人工智能就業(yè)班約翰·麥卡錫將這一現(xiàn)象稱為人工智能的“看！不用手也行！”時代，這一時代成功喚起...

有了杰夫·辛頓等人的幫助，神經(jīng)網(wǎng)絡(luò)開始蓬勃發(fā)展。當時有一個傳統(tǒng)，那就是繼任的一 代都會給自己重新命名，新研究人員們稱自己為“聯(lián)結(jié)主義者”，因為他們對復(fù)制大腦中的神 經(jīng)聯(lián)結(jié)十分感興趣。到1991年，*在美國就有1萬名活躍的聯(lián)結(jié)理論研究人員。 忽然之間，各個領(lǐng)域都取得了突破性的進展。例如，人們發(fā)明了專門用于預(yù)測股市的神 經(jīng)網(wǎng)絡(luò)。大多數(shù)情況下，投資公司使用不同的網(wǎng)絡(luò)預(yù)測不同，然后由交易商來決定投 資。然而，有些人在此基礎(chǔ)上更進一步，使其能夠自行買 賣。無獨有偶，金融領(lǐng)域迅速涉足電子游戲領(lǐng)域，時刻準備著為人工智能研究人員進行投 資。算法交易時代轟轟烈烈地開始了。隨著我們的環(huán)境越來越智能，我們將進入一個...

圖靈猜測，其中一項任務(wù)就是模仿人工智能。他在《智能機器》這篇文章中將在機器中 復(fù)制人工智能稱為“一項特殊的挑戰(zhàn)”，因為當時的計算機還存在一定的局限性。他認為“人 腦的存儲容量大約為100億二進制數(shù)字，但其中大部分存儲容量被用于記憶視覺印象，或以 其他方式浪費掉了。人們有理由希望通過數(shù)百萬字節(jié)的計算機內(nèi)存而在人工智能方面取得實 際的進展”。 人工智能的另一位創(chuàng)始人為克勞德·香農(nóng)，也就是“信息理論”之父。香農(nóng)出生于 1916年，是三位創(chuàng)始人中年輕的一位，他為計算領(lǐng)域做出的比較大貢獻是提出了晶體管的工 作原理。晶體管是數(shù)十億個微小的開關(guān)，電腦就是由這些開關(guān)組成的。算法就是指令序列， 通過打開或關(guān)閉晶...

人類的與眾不同之處就在于能夠?qū)W習(xí)，這也一直是傳統(tǒng)人工智能一直努力要實現(xiàn)的。描述的系統(tǒng)只有在能夠遵從規(guī)則時進行學(xué)習(xí)，這些知識是從“知識工程師”的知識中提 煉并編入系統(tǒng)架構(gòu)的。它是對知識自上而下的一種想象，并暗示一個假設(shè)，即機器不能自動 學(xué)習(xí)知識。相反，必須將知識進行編程，而且一次編一條。這一點在很多情況下都能夠很好 地實現(xiàn)，進而在可接受的水平上完成有限的任務(wù)。隨著解決方案的增多，問題也開始顯現(xiàn)。 像官僚機構(gòu)一樣，它們開始變得龐大、笨拙、緩慢而且昂貴。工業(yè)**取得了重大進展以后，更大更高級的機器人拉開了智能**的序幕。北京人工智能就業(yè)的原因數(shù)千年來，人類一直夢想著為無生命的物體注入生命。但當談到人...

有了杰夫·辛頓等人的幫助，神經(jīng)網(wǎng)絡(luò)開始蓬勃發(fā)展。當時有一個傳統(tǒng)，那就是繼任的一 代都會給自己重新命名，新研究人員們稱自己為“聯(lián)結(jié)主義者”，因為他們對復(fù)制大腦中的神 經(jīng)聯(lián)結(jié)十分感興趣。到1991年，*在美國就有1萬名活躍的聯(lián)結(jié)理論研究人員。 忽然之間，各個領(lǐng)域都取得了突破性的進展。例如，人們發(fā)明了專門用于預(yù)測股市的神 經(jīng)網(wǎng)絡(luò)。大多數(shù)情況下，投資公司使用不同的網(wǎng)絡(luò)預(yù)測不同，然后由交易商來決定投 資。然而，有些人在此基礎(chǔ)上更進一步，使其能夠自行買 賣。無獨有偶，金融領(lǐng)域迅速涉足電子游戲領(lǐng)域，時刻準備著為人工智能研究人員進行投 資。算法交易時代轟轟烈烈地開始了。隨著人工智能變得更加智能，關(guān)注創(chuàng)造力和社...

世博會上神奇的機器譯員已發(fā)展演變成為我們熟悉的谷歌翻譯：一項擁 有驚人的高準確率、涵蓋58種不同語言（共計3 306項翻譯服務(wù)）的機器翻譯服務(wù)。 如果說世博會設(shè)想的是俄語與英語之間的即時翻譯，那么谷歌翻譯則更進一步，它能夠提供 冰島語和越南語或者波斯語和意第緒語等此前受到局限的語種之間的翻譯。憑借云計算，我 們甚至不需要固定的主機來執(zhí)行計算，只需要比一副紙牌還小、被稱為智能手機的便攜式計 算機即可。我們也必須了解，長期以來，在走上錯誤的道路前，人工智能是看上去發(fā)展得很順利 的。真正令人吃驚的是人工智能涉及領(lǐng)域的廣闊性。廣西人工智能就業(yè)哪些單位工資多少工程師們之前一直對心理學(xué)形而上學(xué)的層面避而不...

神經(jīng)網(wǎng)絡(luò)在人工智能領(lǐng)域具有重要地位，但在過去許多年里，它都是被忽視 的；它被視作真正人工智能的“異父兄弟”。正如20世紀80年代進入這一領(lǐng)域的研究人員 戴維·艾克利（David Ackley）所說：“我們接觸到神經(jīng)網(wǎng)絡(luò)時，人們并未將其視作人工智 能。于是，我們被人工智能拒之門外。當時，人們認為人工智能是與符號相關(guān)的。它所涉及 的是生產(chǎn)系統(tǒng)、**系統(tǒng)等。進入卡內(nèi)基–梅隆大學(xué)讀研究生時，我已經(jīng)十分厭倦與傳統(tǒng)的 符號化的計算機相關(guān)的事物……我似乎對推理的關(guān)注過多，而對判斷的關(guān)注太少。”工業(yè)時代的產(chǎn)業(yè)Leaders假設(shè)人類的智慧使人類不 會被技術(shù)取代。貴州航空人工智能就業(yè)人工智能研究者是否以正確的方式...

辛頓實驗室的兩名成員喬治·達爾（George Dahl）和阿 卜杜勒–拉赫曼（Abdel-rahman Mohamed）迅速論證了該系統(tǒng)不僅能夠進行圖像 識別，還能夠進行語音識別。2009年，倆人將其新創(chuàng)建的語音識別神經(jīng)網(wǎng)絡(luò)與已經(jīng)使用了30 多年的行業(yè)標準工具放到一起一較高下，結(jié)果是，深度學(xué)習(xí)網(wǎng)絡(luò)獲得了勝利。這時，谷歌邀 請辛頓的一位博士生納瓦迪普·杰特列（Navdeep Jaitly）修補谷歌的語音識別算法?？戳艘?眼之后，他建議用深度神經(jīng)網(wǎng)絡(luò)取代整個系統(tǒng)。盡管一開始持懷疑態(tài)度，但杰特列的老板還是同意讓他嘗試一下。事實證明，新的程序比谷歌精心調(diào)試數(shù)年的系統(tǒng)表現(xiàn)還要出色。2012 年，谷歌將深...

表現(xiàn)不俗的傳統(tǒng)人工智能怎么了 ？當人們走近紐約世博會時，首先映入眼簾的是一個閃閃發(fā)光的不銹鋼球體，這就是巨型 地球儀（Unisphere），它足足有十二層樓那么高。幾十座噴泉環(huán)繞在巨型地球儀周圍，朝著 紐約皇后區(qū)法拉盛草原可樂娜公園的空中噴射出晶瑩的水柱。在不同時間段，身穿 由美軍研發(fā)的火箭樣式道具服的演員會飛過巨大的球體，展示出人類戰(zhàn)勝一切挑戰(zhàn)的能力。知識網(wǎng)絡(luò)時代，在全球多樣化、個性化、定制式市場需求的推動下，在萬物互 聯(lián)、大數(shù)據(jù)、云計算等信息·物理·計算環(huán)境的支持下，人工智能技術(shù)與制造服務(wù)深度融合創(chuàng) 新發(fā)展與產(chǎn)業(yè)化速度將愈加快捷迅猛。如果人工智能的目標是建造可以模仿人類智能的機器，那么擁有...

有了杰夫·辛頓等人的幫助，神經(jīng)網(wǎng)絡(luò)開始蓬勃發(fā)展。當時有一個傳統(tǒng)，那就是繼任的一 代都會給自己重新命名，新研究人員們稱自己為“聯(lián)結(jié)主義者”，因為他們對復(fù)制大腦中的神 經(jīng)聯(lián)結(jié)十分感興趣。到1991年，*在美國就有1萬名活躍的聯(lián)結(jié)理論研究人員。 忽然之間，各個領(lǐng)域都取得了突破性的進展。例如，人們發(fā)明了專門用于預(yù)測股市的神 經(jīng)網(wǎng)絡(luò)。大多數(shù)情況下，投資公司使用不同的網(wǎng)絡(luò)預(yù)測不同，然后由交易商來決定投 資。然而，有些人在此基礎(chǔ)上更進一步，使其能夠自行買 賣。無獨有偶，金融領(lǐng)域迅速涉足電子游戲領(lǐng)域，時刻準備著為人工智能研究人員進行投 資。算法交易時代轟轟烈烈地開始了。人工智能的發(fā)展使日常工作的范圍變得更加廣...

幸運的是，杰夫·辛頓掀起了一場“非監(jiān)督式學(xué)習(xí)”的**，這種學(xué)習(xí)方式無須向計算機提 供任何標記。機器能夠訪問的只有輸入，無須解釋它看到的是什么。首先，這聽起來像是機 器無法通過這種方式學(xué)習(xí)。如果沒有得到明確的解釋，即使是智能的神經(jīng)網(wǎng)絡(luò)也不會知道 某物到底是什么。實際上，辛頓發(fā)現(xiàn)的是“非監(jiān)督式學(xué)習(xí)”可以用來訓(xùn)練上層特征，而且每次 只能訓(xùn)練一層。這一發(fā)現(xiàn)成為“深度學(xué)習(xí)”的催化劑，而“深度學(xué)習(xí)”就是當前人工智能**炙手 可熱的領(lǐng)域。人工智能系統(tǒng)將變得更加智能，但人類也可以共 享創(chuàng)造的財富。西藏嵌入式人工智能就業(yè)IBM在這場盛會上展示了多項令人印象深刻的技術(shù)。開創(chuàng)性的手寫識別計算機便是其中 之一，并被世...

人工智能改變了其目標，按比例縮減了一些大型任務(wù)，集中力量處理 那些通過采取措施就能夠解決的問題。其中的一個例子就是電子游戲領(lǐng)域。人工智能從一開 始就與電子游戲聯(lián)系在一起，那時艾倫·圖靈和克勞德·香農(nóng)曾嘗試打造一個自動象棋手。在 當時的情況下，象棋就是一個微觀世界，用來演示那些后來應(yīng)用到現(xiàn)實世界的智能行為。電 子游戲就是他們的目標。 人工智能研究不只需要研究者的技能，還可以創(chuàng)造一定的收益。在莫斯科的蘇聯(lián)科學(xué) 院計算機中心工作的28歲人工智能研究員阿列克謝·帕基特諾夫（Alexey Pajitnov）就是受益 人之一。谷歌盡力在詭異和有用之間取得平衡。河北馬化騰人工智能就業(yè)現(xiàn)在游戲中的球拍能夠在屏...

如今，人工智能的夢想早已走出了影院與科幻小說，進入了人們的現(xiàn)實生活。人工智能 可以駕駛汽車，通過觀看視頻網(wǎng)站YouTube就能學(xué)會施展復(fù)雜的技能，在不同 語種間任意切換，它比我們更加精確地識別人臉，以及創(chuàng)立原始的假設(shè)從而發(fā)現(xiàn)疾病的 新藥。而這只是是個開端?！度斯ぶ悄堋分v述的是人工智能的進化之旅及其對人類的意義。在閱讀這本書的過程 中，我們將遇到假裝有孌童癖的計算機、會跳舞的真空吸塵器、會下棋的人工智能以及旨在 與死后的人進行對話而被上傳了個人意識的計算機。普通搜索引擎通常會 給用戶提供一個與所問問題的答案有關(guān)的文檔清單或網(wǎng)頁。黑龍江人工智能就業(yè)怎樣人工智能研究者是否以正確的方式工作。就像玩拼圖...

人工智能由統(tǒng)計學(xué)家、神經(jīng)科學(xué)家和理論物理學(xué)家開創(chuàng)的概率模型主導(dǎo)，大 部分基于所謂的“神經(jīng)網(wǎng)絡(luò)”（或者計算術(shù)語中所說的“神經(jīng)網(wǎng)”）來運行，該網(wǎng)絡(luò)的功能與人 腦近似。信息在人腦中以神經(jīng)元電子放電模式存在。人腦中約有1 000億個神經(jīng)元，大約和銀 河系中的星星一樣多。記憶是通過加強不同神經(jīng)元共同放電而形成的：這一過程被稱作“長 時程增強”。盡管我們尚須建立一個與人腦一樣復(fù)雜的神經(jīng)網(wǎng)絡(luò)（下一章將詳細介紹），但 人工神經(jīng)網(wǎng)絡(luò)為創(chuàng)造記憶和學(xué)習(xí)借用了人腦的機制。人腦與神經(jīng)網(wǎng)絡(luò)基本的不同在于，人 腦中的長時程增強是一個生物化學(xué)過程，而在神經(jīng)網(wǎng)絡(luò)中，學(xué)習(xí)是通過修改其自身代碼，以 在復(fù)雜或不明朗的情況下，找到輸入...

像許多未來學(xué)家對技術(shù)的預(yù)測一樣，圖靈對未來非常樂觀，但并不過度樂觀。在21世 紀初期，與“智能”相關(guān)的技術(shù)以及“機器學(xué)習(xí)”已經(jīng)是很常見的話題，而這些概念在圖靈時代 曾使許多人感到匪夷所思。 如今，人工智能作為一門學(xué)科已經(jīng)誕生60年，它依然是人類重大、相當有雄心的項目： 努力建造真正的會思考的機器。隨著時光的流逝，技術(shù)人員離實現(xiàn)這個目標越來越近，未來 的一抹曙光也正在天際迅速明朗。 《人工智能》講述的正是這種熠熠生輝且近在咫尺的未來，隱藏在角落里的變化，以及 它們將如何長久性地改變我們的生活。與傳統(tǒng)人工智能不同 的是，神經(jīng)網(wǎng)絡(luò)不僅能夠處理規(guī)律性事物，還能夠處理規(guī)則以外的情況。福建人工智能就業(yè)哪些...

神經(jīng)網(wǎng)絡(luò)在21世紀中葉迎來了又一次重大進展。2005年，杰夫·辛頓在多倫多大學(xué)任教， 此前不久，他一直在英國倫敦大學(xué)學(xué)院工作，在那里建立了蓋茨比計算神經(jīng)科學(xué)組。這時， 人們已經(jīng)清楚地認識到，互聯(lián)網(wǎng)能夠生成大量數(shù)據(jù)集，這在10年前是想都不敢想的。如果說 以前的研究人員面臨的問題是沒有足夠的數(shù)據(jù)來對系統(tǒng)進行適當?shù)挠?xùn)練，那么互聯(lián)網(wǎng)的興起則改善了這一狀況。如今，據(jù)國際數(shù)據(jù)公司等研究公司估測，目前網(wǎng)上在線數(shù)據(jù)量約為 4.4澤字節(jié)[1]。記者史蒂夫·洛爾（Steve Lohr）在其所著的極為有趣的《數(shù)據(jù)論》一書中指 出，如果能將這些數(shù)據(jù)輸入iPad Air（蘋果超薄平板電腦）中，那么產(chǎn)生的堆棧將能夠覆蓋 ...