人工智能（Artificial Intelligence，简称AI）是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的技术科学。该概念由约翰·麦卡锡在1956年首次提出，当时被定义为“制造智能机器的科学与工程”。随着时间的推移，人工智能的内涵不断扩展，现已成为一门涵盖广泛领域的交叉学科。
今天，人工智能已成为一个包罗万象的术语，许多用于执行过去需要人工输入的复杂任务的应用，如与客户在线沟通或下棋，都可以被称为人工智能。该术语通常与其子领域互换使用，包括机器学习（ML）和深度学习（Deep Learn）。然而，它们之间存在区别。例如，机器学习侧重于构建能够基于自身使用的数据进行学习或改进性能的系统。换句话说，所有的机器学习都是 AI，但并不是所有的 AI 都是机器学习。
人工智能利用计算机和机器模仿人类思维的问题解决和决策制定能力。尽管过去数十年中，人工智能的定义不断演变，但John McCarthy在2004年的文章中对AI给出了如下定义：“它是制造智能机器，特别是智能计算机程序的科学和工程。AI与使用计算机了解人类智能的类似任务有关，但不必局限于生物可观察的方法。”
在John McCarthy的定义出现之前数十年，人工智能对话的历史可以追溯到艾伦·图灵在1950年发表的开创性作品“计算机器与智能”。在这篇论文中，图灵提出了“机器能思考吗？”这一问题，并提供了著名的“图灵测试”，即人类询问者试图区分哪些文本响应是计算机做出的，哪些是人类做出的。尽管该测试自发表以来受到了大量审查，但它仍然是AI历史的重要组成部分，并在哲学中不断发展。
Stuart Russell和Peter Norvig随后发表了“人工智能：一种现代方法”，成为AI研究的重要教材之一。在这本书中，他们深入探讨了AI的四个潜在目标或定义，基于理性、思考和行动来区分计算机系统：
- 人类方法：像人类一样思考的系统；像人类一样行动的系统
- 理想方法：理性思考的系统；理性行动的系统
艾伦·图灵的定义可归入“像人类一样行动的系统”类别。
简而言之，人工智能是结合计算机科学和强大数据集实现问题解决的领域。它还包括机器学习和深度学习等子领域，这些子领域经常与人工智能一起提及。这些学科由AI算法组成，旨在创建基于输入数据进行预测或分类的专家系统。
目前，市场上任何新技术的出现都会引发对AI发展的热议。正如Gartner在其hype cycle技术成熟度曲线中指出，自动驾驶汽车和个人助理等产品创新遵循“一个典型的创新周期，从欲望膨胀到期望幻灭、到最终了解创新在市场或领域中的相关性和作用。”正如Lex Fridman在2019年麻省理工学院演讲中指出的那样，我们正处于欲望膨胀高峰期，接近幻灭的谷底期。
部分信息来源于：https://www.ibm.com/cn-zh/topics/artificial-intelligence
© 版权声明
本网站上的所有资源均来源于本网站，所有网址和文章版权均归原作者所有。如有侵权行为，请将相关证明发送至以下电子邮件地址：dxsen@qq.com
