人工智能学习心得

时间:2021-10-01 00:00:00 心得体会
在新事物出现的初期往往会因为各种的原因而不被人们所接受,随着人工智能尤其是机器人在人类生产生活中的广泛应用,智能体的在各方面的缺陷也逐步暴露出来。下面是-fanwen112网为大家整理的人工智能学习心得,供大家参考。

  人工智能学习心得

  人工智能主要研究用人工方法模拟和扩展人的智能,最终实现机器智能。人工智能研究与人的思维研究密切相关。逻辑学始终是人工智能研究中的基础科学问题,它为人工智能研究提供了根本观点与方法。

  1 人工智能学科的诞生

  12世纪末13世纪初,西班牙罗门·卢乐提出制造可解决各种问题的通用逻辑机。17世纪,英国培根在《新工具》中提出了归纳法。随后,德国莱布尼兹做出了四则运算的手摇计算器,并提出了“通用符号”和“推理计算”的思想。19世纪,英国布尔创立了布尔代数,奠定了现代形式逻辑研究的基础。德国弗雷格完善了命题逻辑,创建了一阶谓词演算系统。20世纪,哥德尔对一阶谓词完全性定理与n 形式系统的不完全性定理进行了证明。在此基础上,克林对一般递归函数理论作了深入的研究,建立了演算理论。英国图灵建立了描述算法的机械性思维过程,提出了理想计算机模型(即图灵机) ,创立了自动机理论。这些都为1945年匈牙利冯·诺依曼提出存储程序的思想和建立通用电子数字计算机的冯·诺依曼型体系结构,以及1946年美国的莫克利和埃克特成功研制世界上第一台通用电子数学计算机eniac做出了开拓性的贡献。

  以上经典数理逻辑的理论成果,为1956年人工智能学科的诞生奠定了坚实的逻辑基础。

  现代逻辑发展动力主要来自于数学中的公理化运动。20世纪逻辑研究严重数学化,发展出来的逻辑被恰当地称为“数理逻辑”,它增强了逻辑研究的深度,使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期,并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。

  2 逻辑学的发展

  2.1逻辑学的大体分类

  逻辑学是一门研究思维形式及思维规律的科学。 从17世纪德国数学家、哲学家莱布尼兹(g. leibniz)提出数理逻辑以来,随着人工智能的一步步发展的需求,各种各样的逻辑也随之产生。逻辑学大体上可分为经典逻辑、非经典逻辑和现代逻辑。经典逻辑与模态逻辑都是二值逻辑。多值逻辑,是具有多个命题真值的逻辑,是向模糊逻辑的逼近。模糊逻辑是处理具有模糊性命题的逻辑。概率逻辑是研究基于逻辑的概率推理。

  2.2 泛逻辑的基本原理

  当今人工智能深入发展遇到的一个重大难题就是专家经验知识和常识的推理。现代逻辑迫切需要有一个统一可靠的,关于不精确推理的逻辑学作为它们进一步研究信息不完全情况下推理的基础理论,进而形成一种能包容一切逻辑形态和推理模式的,灵活的,开放的,自适应的逻辑学,这便是柔性逻辑学。而泛逻辑学就是研究刚性逻辑学(也即数理逻辑)和柔性逻辑学共同规律的逻辑学。

  泛逻辑是从高层研究一切逻辑的一般规律,建立能包容一切逻辑形态和推理模式,并能根据需要自由伸缩变化的柔性逻辑学,刚性逻辑学将作为一个最小的内核存在其中,这就是提出泛逻辑的根本原因,也是泛逻辑的最终历史使命。

  3 逻辑学在人工智能学科的研究方面的应用

  逻辑方法是人工智能研究中的主要形式化工具,逻辑学的研究成果不但为人工智能学科的诞生奠定了理论基础,而且它们还作为重要的成分被应用于人工智能系统中。

  3.1 经典逻辑的应用

  人工智能诞生后的20年间是逻辑推理占统治地位的时期。1963年,纽厄尔、西蒙等人编制的“逻辑理论机”数学定理证明程序(lt)。在此基础之上,纽厄尔和西蒙编制了通用问题求解程序(gps),开拓了人工智能“问题求解”的一大领域。经典数理逻辑只是数学化的形式逻辑,只能满足人工智能的部分需要。

  3.2 非经典逻辑的应用

  (1)不确定性的推理研究

  人工智能发展了用数值的方法表示和处理不确定的信息,即给系统中每个语句或公式赋一个数值,用来表示语句的不确定性或确定性。比较具有代表性的有:1976年杜达提出的主观贝叶斯模型, 1978年查德提出的可能性模型, 1984年邦迪提出的发生率计算模型,以及假设推理、定性推理和证据空间理论等经验性模型。

  归纳逻辑是关于或然性推理的逻辑。在人工智能中,可把归纳看成是从个别到一般的推理。借助这种归纳方法和运用类比的方法,计算机就可以通过新、老问题的相似性,从相应的知识库中调用有关知识来处理新问题。

  (2)不完全信息的推理研究

  常识推理是一种非单调逻辑,即人们基于不完全的信息推出某些结论,当人们得到更完全的信息后,可以改变甚至收回原来的结论。非单调逻辑可处理信息不充分情况下的推理。20世纪80年代,赖特的缺省逻辑、麦卡锡的限定逻辑、麦克德莫特和多伊尔建立的nml非单调逻辑推理系统、摩尔的自认知逻辑都是具有开创性的非单调逻辑系统。常识推理也是一种可能出错的不精确的推理,即容错推理。

  此外,多值逻辑和模糊逻辑也已经被引入到人工智能中来处理模糊性和不完全性信息的推理。多值逻辑的三个典型系统是克林、卢卡西维兹和波克万的三值逻辑系统。模糊逻辑的研究始于20世纪20年代卢卡西维兹的研究。1972年,扎德提出了模糊推理的关系合成原则,现有的绝大多数模糊推理方法都是关系合成规则的变形或扩充。

  4 人工智能——当代逻辑发展的动力

  现代逻辑创始于19世纪末叶和20世纪早期,其发展动力主要来自于数学中的公理化运动。21世纪逻辑发展的主要动力来自哪里?笔者认为,计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉,并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能,它的难点不在于人脑所进行的各种必然性推理,而是最能体现人的智能特征的能动性、创造性思维,这种思维活动中包括学习、抉择、尝试、修正、推理诸因素。例如,选择性地搜集相关的经验证据,在不充分信息的基础上做出尝试性的判断或抉择,不断根据环境反馈调整、修正自己的行为,由此达到实践的成功。于是,逻辑学将不得不比较全面地研究人的思维活动,并着重研究人的思维中最能体现其能动性特征的各种不确定性推理,由此发展出的逻辑理论也将具有更强的可应用性。

  5 结语

  人工智能的产生与发展和逻辑学的发展密不可分。

  一方面我们试图找到一个包容一切逻辑的泛逻辑,使得形成一个完美统一的逻辑基础;另一方面,我们还要不断地争论、更新、补充新的逻辑。如果二者能够有机地结合,将推动人工智能进入一个新的阶段。概率逻辑大都是基于二值逻辑的,目前许多专家和学者又在基于其他逻辑的基础上研究概率推理,使得逻辑学尽可能满足人工智能发展的各方面的需要。就目前来说,一个新的泛逻辑理论的发展和完善需要一个比较长的时期,那何不将“百花齐放”与“一统天下”并行进行,各自发挥其优点,为人工智能的发展做出贡献。目前,许多制约人工智能发展的因素仍有待于解决,技术上的突破,还有赖于逻辑学研究上的突破。在对人工智能的研究中,我们只有重视逻辑学,努力学习与运用并不断深入挖掘其基本内容,拓宽其研究领域,才能更好地促进人工智能学科的发展。

  人工智能学习心得

  人工智能之我见

  在新事物出现的初期往往会因为各种的原因而不被人们所接受,随着人工智能尤其是机器人在人类生产生活中的广泛应用,智能体的在各方面的缺陷也逐步暴露出来。毋庸置疑,从人工智能体本身的存在的问题,以及面对外界的破坏都是被大众所质疑的。在对人工智能的研究进路上,本文将从现代美术运动的视角来分析,并否定人工智能的存在。

  不具备人类的理性本质特征

  《纽约时报》曾报道,当今的人工智能已经发展到令人无法想象的程度。比如,自动驾驶汽车;苹果siri 智能语音能够听出你的声音,帮你找到最近的电影院。IBM公司最近刚刚推出一款“冒险”智能软件取代了“沃森”系统用于医疗作用,最初是用于培训医学院学生,最终将运用于临床治疗阶段。但是,这些新新的产品都是在人类的操控下进行的。所以,从严格意义上讲,人工智能只能部分放大而不能完全取代人的思维。这里所谓的“严格意义”,是指辩证思维是人类理性的本质特征,而人类的辩证思维是立足于概念的辩证本性而展开的思维,它是以概念、判断、推理、假说和理论系演化等思维形式的矛盾运动深刻地反映客观世界和人类实践活动的内在本质。迄今为止,人类赋予机器的智能还仅仅是悟性活动中的演绎方法。而人类对自身意识的概念本性所进行的既相互对立,又相互转化的辩证思维,是人工智能永远可望而不可及的。而现如今,人工智能又作为一种新的趋势和潮流,悄然的流传和使用于部分行业之中,用以代替工人的普通劳动和辅助人类对于事物的探索和研究,并随着现代化的扩展,它将被越来越多的人们所了解与应用。但是,在人工智能的发展过程中,人类探索的又将是一条从没接触,从没走过的道路,盲目的乐观和冒进是不可取的。

  不具备人类思维所特有的社会性和主观能动性

  思维是人类所特有的,人对外界事物的反映绝不是机械地呆板地,而是积极地能动地对大量的感性材料进行加工改造,将其升华为理性认识,并在思维中再现事物的本质和规律。以此为基础,实现有目的、有计划地改造世界,以满足人类的物质文化需要。而智能机永远都是人们设计和制造的工具,它模拟人的思维,都是在人事先安排好程序的情况下进行的,它不能有目的地改造客观世界。如果遇到未曾预想的变化,智能机决不能做到“随机应变”。这就如同在现代美术运动中,开始了由一系列技术革命引起的从手工劳动向动力机器生产转变的重大飞跃,机器取代了人力,大规模的工厂化生产取代个体工场的手工生产,然而资产阶级的追逐利益,即使大量的工业产品投入到市场但是设计却远远落后,艺术与技术分离导致了产品外观简陋,设计粗糙没有美感。劣等的材料和粗制滥造的产品充斥日常生活,影响着人民的审美趣味。所以,不管社会生产如何发展,人永远都是自然界的主人,而绝不能变成机器的奴隶。设计师费希尔也指出,在工具盒机器之间没有什么固定的界限。人们一旦掌握了机器,并使它成为一种工具,就能用工具或者机器创造出高质量的产品来。……并不是机器本身使得产品的质量低劣,而是我们缺乏能力来正常地使用它们。

  同时,人工智能的某些方面和程度上要强于人类本身,如果不能很好的控制和引导这种技术,那么在一定的条件和情况下,存在危害人类本身的现象,就好比现在用于军事用途的攻击型无人机,以及用于破坏的网络病毒,这些都是人工智能的产物,却被某些别有用心的人所利用,用来造成损害和危害人类本身的事情和行为。而且在大量使用人工智能的全球趋势下,在不发达、欠发达地区将会威胁或剥夺其就业,同样影响着这些劳动者的工作生活,在这种情况下,会拉大贫富差距,造成穷者与富者的对立。在发达高科技地区占有主导地位的人工智能的发展,依然存在许多的弊端以及许多不合理,不公正的现象。我们不能因为它的强大和便利就忽视了人工智能本身存在的问题和缺陷。

  人工智能体面对的伦理困境

  莫里斯曾强调:“我所理解的真正的艺术就是人在劳动中的愉快的表现。”他无疑是为劳动人民考虑,即工作需要有乐趣,然而机械的使用正恰恰破坏了这种愉悦的平衡。同样,罗斯金也提到过“不管怎么说,有一件事我们是能够办到的:不使用机器制造的装饰物和铸造品。……这些东西不能使我们更幸福, 也不能使我们更聪明,它们既不能增加我们的鉴别能力,也不能扩大我们的娱乐范围。它们只会使我们的理解力更肤浅、心灵更冷漠、 理智更脆弱。但这不能怪它们,因为我们到这个世界上来不是为了创造那些容不下我们心灵的东西。”罗斯金的这段话坚决反对机器生产,提倡拒绝使用机器制造品。认为机器象征了死亡,而手工制作痕迹却象征了生命。莫里斯从罗斯金那里继承了反对机器生产的思想,敌视机器生产,坚信手工艺是人类最完美的生产手段。

  人工智能也同样破坏了现代社会的伦理道德,首先,人工智能可能会协助人类做某些事情,但是设计总是有缺陷的,如果出现了缺陷,它就可能会损害人类的利益;其次,人工智能不具有思考和学习能力,如果具有了,那人类还能否驾驭智能?就好比高速发展的现代化工业一样,在创造经济效益的同时,也在消耗着不可再生资源和污染着环境。在高速发展的科技面前,人们使用人工智能这项现代化发展所带来的技术,人工智能的发展速度快,改变世界的力度和能力也快于人类对于这项技术的普及和认识,有很多的缺陷和漏洞都被有意或者无意的忽略和过失了,直到出现问题的时候,人们才了解和认识到严重性,有些过错能够挽回,但有些却不能,所以在一定程度上的反对是可取可行的。正如,计算机科学家Rosalind Picard 指出 “机器的自由化程度越高,就越需要道德”。因此,智能体的道德张力正在逐步加重。

  对环境及人类带来的致命伤害

  南北极冰融化,海水淹没城市,气候变幻莫测,饥荒肆虐蔓延……一个正在崩塌的家园.........工业化生产所带给环境的破坏和污染在短短一百年里就已见端倪, 18世纪兴起的工业革命,埋下了人类生存和发展的潜在威胁。西方国家首先步入工业化进程, 最早享受到工业化带来的繁荣,也最早品尝到工业化带来的苦果。 二十世纪五十年代开始,“环境公害事件”层出不穷, 导致成千上万人生命受到威胁,甚至有不少人丧生。 当前世界环境问题主要包括气候变化, 臭氧层破坏、森林破坏与生物多样性减少、大气及酸雨污染、 土地荒漠化、国际水域与海洋污染、有毒化学品污染和有害废物越境转移等。

  然而,对于人工智能对未来的影响我们现在还无法得出正确的评估。但是,人工智能的反对者埃里克・布林约尔松就很担忧机器人职业化和人工智能带来的隐患,即使不去考虑高级人工智能对劳动力市场的影响,功能强大的智能机器也会威胁人类的生活,与人类争夺有限的资源。同样,电影《终结者》让我们看到了在未来的世界,天下已经由机器人来操控。机器人想完全占有这个世界,把人类赶尽杀绝。这场斗争的过程是激烈的,虽然这只是一部科幻片,却又不得不让我们陷入思考之中。“I’ll be back。”是使《终结者》能够延续的一句经典台词,同时它更是对人类的一句警语。无论是T-800,还是T-850,甚至是更先进的T-1000和T-X。当人类的科技发展到超越自身所能掌握的高度,危机就将降临。 因此,《终结者》作为警醒世人认识到这一危机的影片――特别是它提出了人类所创造的智能体(机械人、克隆人、虚拟的电脑世界……),终将摆脱人类控制而反之与人.........

  结语

  在人工智能体道德发展的过程中, 我们不仅仅要看到人工智能所带给我们的便利,更要看到人工智能所具有的不完全性的特征, 以及对外界事物的破坏。正如,日本创造学家高桥浩说,“对于任何新的事物,我们都要去觉察不正常的状况,觉察不调和,觉察缺点不和谐发现性;……”人工智能的研究是一项极富挑战性的工作,不论是它的复杂性和学科交叉性,还是它那些带有根本性的思考和创新,其实都是人类对自身的不断认识和挑战。

  由此,我们要用我们潜在的感受性作用搜索不寻常状态,在反对和支持中寻求更好的发展。

  人工智能学习心得

  我学习人工智能已经快一年的时间,有许多心得可以和大家分享一下。人工智能,英文是Artificial Intelligence,简称AI。人工智能,最早是由著名计算机科学家图灵在20世纪50年代提出的,就是著名的“图灵测试”。最近几年,随着深度学习发展,人工智能被运用在各行各业,因此有人把人工智能称为第四次科技革命,他将给人们的生活带来翻天覆地的变化。

  人工智能怎么学习呢?

  1.AI的基础是数据,是对数据进行挖掘、训练和应用。所以基础中的基础是数学,你得要先掌握高等数学、线性代数、概率论和数理统计等相关知识。

  2.学习Python语言。Python最近几年非常火,学习的人非常多,甚至有些地区小学也开设这门课。为什么Python会迅速传红呢?首先,Python编程的代码量只有Java的1/5不到,简单易学。其次,Python的功能强大,写爬虫、游戏开发、自动化运维、机器学习和人工智能领域。最后,Python拥有丰富强大的库,如前端开发的Flask和Django、图形界面的tkInter、矩阵计算numpy、绘图的matplotlib等等。

  3.学习各类机器学习和算法模型。这其中主要包含监督学习和非监督学习,监督学习中有:线性回归、逻辑回归、随机森林、SVM、决策树、等。非监督学习有:聚类、KMeans、DBScan等。

  4.深度学习可以说是AI的精髓。深度学习主要流行的框架有:Tensorflow、Caffe、MXNet、Keras、Pytorch等。

  我觉得自学,还是非常费劲的,效果不一定好,最好有老师指导,否则进展很慢,可以先跟教学视频学习,看书实操,做一些具体的项目等。