当前课程知识点：Introduction to Artificial Intelligence > Chapter 1 Overview of Artificial Intelligence > 1.1 What is artificial intelligence > Video 1.1
返回《Introduction to Artificial Intelligence》慕课在线视频课程列表
返回《Introduction to Artificial Intelligence》慕课在线视频列表
大家好
在本节中我们将讨论
什么是人工智能
近年来
人工智能
因为一场围棋比赛
引起了广泛的关注
2016年3月
由Google的DeepMind项目创建的
人工智能围棋程序AlphaGo
击败了传奇围棋选手李世石
他赢得了18个世界冠军
被认为是过去十年中最伟大的选手
那是人工智能领域的一个重要里程碑
第二年
AlphaGo赢得了与世界顶级选手中国大师柯洁的三场比赛
AlphaGo被中国围棋协会授予了职业9段
在那场比赛之后
柯杰说
这不仅改变了他对围棋比赛的理解
还改变了他对生活的理解
AlphaGo是第一个击败职业人类围棋选手的计算机程序
第一个击败围棋世界冠军的计算机程序
可以说是历史上最强大的围棋选手
众所周知
围棋是最复杂的棋类游戏
我们将其与跳棋和国际象棋进行比较
1994年8月
加拿大的Jonathan教授
带领团队编写了一个跳棋程序
击败了最顶尖的人类跳棋选手
跳棋游戏可能的结果有10的20次幂
Deep Blue
由IBM开发的国际象棋计算机
成为第一个击败
世界冠军卡斯帕罗夫的计算机系统
一盘国际象棋有10的40次幂种可能的结果
围棋能产生多少可能的结果呢
我们来计算一下
围棋的棋盘有19行19列
在每个交叉位置
我们都可以放黑子
白子
或为空
每个交叉位置都有3种状态
19乘以19得出361
因此一盘围棋有3的361次幂种可能的结果
考虑到并非所有位置都是合法的
因此在标准尺寸的围棋盘上
合法位置的数量大约为10的170次幂
这个数字到底有多大呢
宇宙中可观测的星体数量是10的80次幂
即使全世界所有计算机一起运行100万年
也无法遍历所有合法位置
显然
AlphaGo不会这么做
DeepMind为AlphaGo建立了三个网络
第一个是策略网络
用成千上万的已有的高级围棋局来训练它
来模仿人类玩家的行为
第二个是评估网络
用以评估当前情况并计算胜率
第三是高级树搜索
用于分析各种可能的变化并预测棋局的发展方向
在落子之前
策略网络首先扫描棋盘
选择可行的交叉点
根据每个可行位置落子后的变化构造树状图
再使用评估网络分析每一位置的胜率
AlphaGo的原则
是最大程度地提高胜率
而不是胜了多少子
AlphaGo的成功预示着人工智能的突破
接下来我们谈谈什么是人工智能
我们来看看人工智能的定义
每个人对人工智能（AI）的定义有所不同
AI可以是实体
例如机器人
自动驾驶汽车等
或者只是计算机软件系统
例如AlphaGo，Siri，翻译软件等
有人认为人工智能是没有生命的智能产品的代名词
他们认为
这种智能行为是否是模仿人类并不重要
还有一些人认为人工智能系统必须是能够模仿人类的智能
然而，所有人都承认这样一个前提
即了解人类如何完成智能行为对研究或应用人工智能系统是有帮助的
也就是说我们需要先理解
在智力，科学，心理和技术意义上被认为是明智的活动
很难为人工智能进行精确的定义
我们在这里给出一个定义
人工智能是数字计算机或计算机控制的机器人
执行通常与智能生物相关的任务的能力
计算机程序对于人工智能至关重要
AI编程专注于三种认知技能
学习，推理和自我纠正
学习过程
在这一方面，AI程序着重于获取数据
创建有关如何将数据转化为可操作信息的规则
这些规则称为算法
是告诉计算设备如何完成特定任务的说明
推理过程
在这一方面，AI程序
着重于选择正确的算法以达到期望的结果
自我纠正过程
在这一方面，AI程序旨在不断优化算法
确保它们能够得出最准确的结果
接下来我们看看人工智能的类型
为了区分AI程序可以执行任务的难易程度
我们通常将其分为
狭义人工智能
通用人工智能
和超人工智能
狭义人工智能 (narrow AI)
是专注于一项狭义任务的人工智能
狭义人工智能是当今最流行的人工智能
例如对弈算法
数字智能手机助手
自动驾驶汽车等
此类人工智能系统是为单个任务明确创建的
由于这种狭义的方法无法执行其他任务
也被称为“弱” AI
弱人工智能存在于我们每天使用的各种互联网应用程序中
例如推荐系统
垃圾邮件过滤
专家系统
通用人工智能（General AI）
是一种可以像人类一样
可以执行任何智能任务的机器智能
弱人工智能指的是当今人工智能的发展方向
而通用AI指的是未来的发展方向
通用人工智能只出现在电影中
它是终结者，是R2-D2，是变形金刚
那是将占领世界的机器人
通用人工智能也称为强人工智能
它是一种可以像人类一样思考的人工智能
它们都是虚构的
弱人工智能是用于执行特定任务
而强人工智能是广泛的和适应性强的
通用智能的学习部分也是无监督学习
不同于当今弱人工智能的监督和标记学习方式
超人工智能
是一种假想的智能体
其智能远超过最聪明的人类
这是超前的人工智能理论之一
通常被认为是创建人工智能的终极
尽管目前超人工智能仍然是一种理论
许多涉及超人工智能的场景已经被想象出来了
业内人士普遍认为
超人工智能将来自AI算法的指数级增长
也称为“智能爆炸”
霍金和埃隆·马斯克
一直在谈论人工智能的威胁
也许他们担心的是这一刻的到来
当超级人工智能出现时
很难预想人类的命运会怎样
谁知道呢
本节就到这里
感谢您的收看，欢迎继续学习
-1.1 What is artificial intelligence
--Exercise 1.1
-1.2 The History of artificial intelligence
--Exercise 1.2
-1.3 Applications of Artificial Intelligence
--Exercise 1.3
-1.4 Machine Learning and Deep Learning
--Exercise 1.4
-2.1 What is Machine Learning
-2.2 Supervised Learning
-2.3 Unsupervised Learning
-2.4 Construction of Development Environment
-3.1 What is Regression
--Exercise 3.1
-3.2 Linear Regression
--Exercise 3.2
-3.3 Logistic Regression
--Exercise 3.3
-3.4 Practical Case
-4.1 What is Classification
-4.2 Naive Bayes
-4.3 Support Vector Machine
-4.4 Practical Case
-5.1 Introduction to Deep Learning
--Exercise 5.1
-5.2 What is Neural Network
--Exercise 5.2
-5.3 Neural Network Basics
--Exercise 5.3
-5.4 Practical Case
-6.1 What is Convolutional Neural Network
-6.2 Convolution Layer
-6.3 Pooling Layer
-6.4 Classical Convolutional Neural Network
-7.1 What is Computer Vision
--Exercise 7.1
-7.2 Image Classification
--Exercise 7.2
-7.3 Introduction to TensorFlow
--Exercise 7.3
-7.4 Practical Case
-8.1 What is Natural Language Processing
-8.2 Basics of NLP
-8.3 Recurrent Neural Network
-8.4 Practical Case