小编

1. 人工智能1.1. 人类对人工智能的梦想，可以追溯到良久良久以前1.1.1. 从古希腊开始，铁匠之神赫菲斯托斯(Hephaestus)拥有授予金属物品生命的能力1.1.2. 从16世纪的布拉格开始，传说中伟大的拉比在那里用黏土制作了一个傀儡魔像，意图保护该城市的犹太人免遭伤害1.1.3. 从18世纪苏格兰的詹姆斯·瓦特(James Watt)开始，他为正在建造的蒸汽机设计了一个奥妙的自动掌握系统——调速器，从而为当代掌握理论奠定了根本1.1.4. 从19世纪初开始，年轻的玛丽·雪莱(Mary Shelley)被恶劣的景象困在瑞士的一栋别墅里，和她的丈夫——墨客珀西·比希·雪莱(Percy Bysshe Shelley)，以及他们家的朋友拜伦(Byron)勋爵一起，玩了一场笔墨游戏，创作了《弗兰肯斯坦》1.1.5. 从19世纪30年代开始，在彼时的伦敦，查尔斯·巴贝奇(Charles Babbage)发明了剖析机，这勉励着才华横溢的阿达探寻机器是否终极能够具备创造性1.1.6. 从18世纪掀起的自动机器装置狂热开始1.2. 人工智能故事的开头与打算机的开端该当是同等的1.2.1. 艾伦·图灵(Alan Turing)1.2.1.1. 图灵在诸多领域都有非凡造诣，最非凡的是在有时的机会下，他发明了打算机1.2.1.2. 1935年，剑桥大学国王学院，一位才华横溢、不拘泥于传统的年轻学生1.2.1.3. 1952年，他以“严重猥亵罪”被起诉和定罪，被迫服用某种旨在降落性欲的粗制滥造的药物来进行所谓的“化学阉割”1.2.1.3.1. 图灵是同性恋，在当时的英国，同性恋是一种犯罪1.2.1.4. 1954年，他亲手结束了自己的生命，年仅41岁1.2.1.5. 图灵在第二次天下大战期间为英国政府效力，承担了一项非常主要的事情，而这项精彩事情的成果一贯秘而不宣，直到20世纪70年代才公开1.2.1.6. 在20世纪80年代，这个名字在数学和打算机领域以外压根不为人知1.2.2. 人工智能研究职员和打算机科学家崇拜图灵，是出于完备不同的情由1.2.2.1. 他是真正意义上的打算机发明者，不久，又成为人工智能领域的紧张奠基人1.2.2.2. 他发明了一种可以办理数学问题的机器，如今，为了纪念他，我们称之为图灵机2. 剖断问题2.1. 由数学家大卫·希尔伯特(David Hilbert)于1928年提出2.2. 剖断问题是指，是否所有的数学描述都是“可剖断的”，即是否存在一种方法，可以确认某个给定的数学描述是真是假2.3. “某个数是否是一个质数”是可剖断问题2.3.1. 每当我们遇见“数n是否是一个质数”这样的问题时，只要给予足够的韶光，就能找到答案：遵照干系步骤实行，终极就能得到明确的答案2.4. 英国数学家安德鲁·威尔斯(Andrew Wiles)在20世纪90年代论证著名的费马大定理，数学界花费了好几年韶光才消化了他那几百页的手稿，并确信他的论证是精确的2.5. 是否所有的数学剖断问题都是可剖断的？2.6. 是否存在某种数学问题，无论你投入多少韶光，都无法探求到相应的可供严格遵照来办理问题的方法？2.7. 实质是数学问题是否都可以简化为探求对应算法就可以办理的问题2.7.1. 图灵在1935年给自己立下的艰巨寻衅，而他以令人难以置信的惊人速率解答出来了2.7.2. 图灵的证明短小精悍，而且很随意马虎读懂(在确立了基本框架往后，真正的证明实际上只有几行)2.8. 图灵机的浸染是严格遵照既定的步骤实行运算2.8.1. 如果所有的剖断问题都是可以办理的，就意味着任何剖断问题都可以通过设计一个专用的图灵机来办理2.8.2. 为理解答希尔伯特的问题，你所要做的是，证明存在某种剖断问题是任何图灵机都无法办理的3. 停机问题3.1. 给定一台图灵机和干系输入集，它终极是会停滞，还是永无止境地运行下去？3.1.1. 这便是一个剖断问题了3.1.2. 图灵指出，这个假设会引起悖论3.1.3. 没有办法检测出图灵机是否停滞。
那么，“图灵机是否停滞”是一个不可剖断问题3.1.4. 存在某些剖断问题不能大略地按照确定的步骤来办理3.1.4.1. 数学并不能被简化为遵照方法办理问题3.2. 如果存在图灵机A，对它输入任意图灵机，都能够剖断其运行结果是“停机”或者“一直机”3.3. 那么可以布局图灵机B，调用图灵机A但输出永久与之相反，即B的输入经A剖断“停机”，则B“一直机”3.4. 如果B的输入经A剖断“一直机”，则B“停机”3.5. 那么，图灵机B的输入为图灵机B本身时，则涌现抵牾3.5.1. B只有在“停机”的时候才能“一直机”4. 冯·诺依曼架构4.1. 匈牙利裔数学家约翰·冯·诺依曼(John von Neuman)对ENIAC进行了干系调度，使ENIAC具备当代打算机的基本架构4.2. 天下上第一台商用打算机“费兰蒂一号”的涌现4.3. 随着时期的发展，打算机变得越来越小巧，越来越便宜5. 电子大脑的实际功能5.1. 用打算机处理海量的繁芜算术问题，其速率和精确程度远远超乎人类想象5.2. 电子大脑确实能承担许多对人类而言啰嗦、繁芜且困难的打算，但它们并没有智能可言5.3. 图灵机，以及它的物理表现形式打算机，它们只是遵照各种指令的机器而已5.4. 我们给予图灵机的指令，现在被称为算法或者程序5.4.1. 高等措辞的浸染是向程序员隐蔽机器措辞中某些啰嗦到恐怖的细节，让编程变得随意马虎一些5.4.2. 所有的打算机程序都能归结为类似的指令列表5.4.2.1. 不管是Microsoft Word还是PowerPoint，不管是《义务召唤》还是《我的天下》，不管是脸书、谷歌还是淘宝，不管是浏览器还是手机App，抑或是支付宝、微信、***5.5. 如果我们要制造智能机器，它的智能终极必须缩减到屈服这些大略的、明确的指令上5.6. 打算机的运算速率非常快，非常、非常、非常快5.6.1. 一台普通的台式机以全速运行，每秒可以处理1000亿条指令5.6.2. 1000亿大概是银河系所有恒星的数量5.6.3. 你大概每10秒实行一条指令5.6.3.1. 你得做到不吃不喝、不眠不休(整年365天，全天24小时，每小时60分钟，每分钟60秒)，那么大概须要31710年，你才能完成打算机1秒钟就能搞定的事情5.7. 比较人类，打算机的缺点率极低5.7.1. 程序崩溃是常见的，但那险些全是程序员编写程序时出的错，而不是打算机本身的问题5.7.2. 当代打算机的处理器可靠性非常高，它们的均匀无端障运行韶光高达50 000小时，每秒钟都能虔诚地实行数百亿条指令5.8. 打算机可以做决策，只是我们必须给出它做决策所须要的精准指令5.8.1. 打算机随后可以自行调度这些指令，只要我们辅导它在何种情形下该当如何做5.8.2. 意味着，打算机可以随着韶光推移改变其行为5.8.2.1. 它能够学习6. 人工智能的产生为何如此困难6.1. 须要理解一下到底哪些问题是随意马虎用编程来办理的，而哪些问题则很难用编程办理，以及为什么6.2. 打算6.2.1. 让打算机做打算是最大略不过的，由于所有的根本运算(加、减、乘、除)都可以用非常大略的步骤来运行6.3. 排序，是指把一系列随机的数字按照升序排列，或者一系列姓名按照字母顺序排列6.3.1. 传统的笨办法慢得令人发指6.3.2. 一贯到1959年，快速排序法才被发明出来，排序这个老大难问题才算得到了一个有效率的办理方法6.3.3. 快速排序法出身后50年内，都没涌现比它更精良的排序算法6.4. 下棋便是重大寻衅之一，它也是人工智能故事中非常主要的一环6.4.1. 事实上，有一种大略粗暴的办法可以玩好棋类游戏，基于一种名为搜索的技能6.4.2. 问题在于，只管基于搜索进行编程是最大略不过的事情，但它除了能适应一些大略的游戏以外毫无用途，由于它须要占用太多内存，花费太多韶光6.4.3. 哪怕我们把全体宇宙的每一个原子都用来建造打算机，它也承担不起用“大略粗暴”的搜索办法来下一盘围棋或者象棋6.4.3.1. 它们须要的打算资源太过弘大6.4.4. 已经通过一种名为机器学习的办法得到理解决6.5. 无人驾驶汽车6.5.1. 驾驶对人类而言是一件很大略的事情，开车并不是一项须要高智商的技能6.5.2. 事实证明，让电脑来掌握汽车切实其实困难重重6.5.3. 紧张的问题在于，汽车须要知道它所处的位置以及周围环境6.5.3.1. 要弄清你的周围发生了什么，即将发生什么6.5.3.2. 确认你的位置，周围有哪些车辆，它们的位置，它们会朝哪个方向行驶，行人的位置，行人的移动轨迹6.5.3.3. 如果充分节制了所有信息，那么你决定接下来该怎么做就非常随意马虎了6.6. 任务难以完成的缘故原由常日有两种6.6.1. 第一种是我们虽然知道理论上有某种可以办理问题的方法，但实际上却行不通，由于它须要太过漫长的运算韶光，占用太高的内存，像象棋和围棋这样的棋类游戏就属于这一类6.6.2. 第二种是我们不知道办理问题的方法是什么(例如人脸识别)，要办理这类问题，我们须要一些全新的东西(例如机器学习)