小编

1. 图灵测试1.1. 模拟游戏1.2. 20世纪40年代末至50年代初，第一台打算机的涌现引发了一场公开辩论，辩论主题便是这一当代科学奇迹的潜力如何1.2.1. 这场辩论中最瞩目的贡献当归属于一本名叫《掌握论》的书，由麻省理工学院数学教授诺伯特·维纳(Norbert Wiener)撰写1.3. 自1950年第一次提出以来，图灵测试一贯具有巨大的影响力，直至如今，它仍旧是一个严明的研究课题1.3.1. 图灵于1950年在著名国际期刊《心智》上揭橥的《打算机器与智能》论文中，描述了他的测试1.3.1.1. 他的文章被公认为首篇有关人工智能的论文1.3.2. 令人遗憾的是，到目前为止，它仍旧没能让疑惑者彻底沉默1.3.3. 就图灵测试而言，被测试的工具是一个黑盒，从某种意义上来说，我们不许可检讨其内部构造，只能对其进行输入和输出1.3.4. 图灵测试在本日已经没什么用了，但它仍旧是人工智能主要的组成部分，由于它第一次给了对这门新兴学科感兴趣的研究职员一个明确的目标1.4. 图灵的精彩之处是避开了所有存在争议的问题，直指打算机程序是否“真正”拥有智能(或者意识以及其他说法)、程序是否真正有“思维”(或者意识、自主意识什么的)并不是重点，重点在于它能够做到“乱真”，即让测试者无法分辨出程序和真人1.4.1. 关键词在于“无法分辨”1.5. 图灵测试是科学界中标准技能的一个精良例子，如果你想确认两种事物是相同的还是不同的，就思考一下如何设计合理的测试来区分它们1.5.1. 若是有一种合理的测试，两种事物个中一种能通过，另一种不能，那么你可以流传宣传它们是不同的1.5.2. 如果不能通过合理的测试来区分它们，那么就不能声称它们是不同的1.6. 多年来，许多定义人工智能的办法总是根据所利用的技能方法来定义人工智能1.7. 图灵测试便是用来区分机器智能与人类智能的方法，测试的办法是人类讯问者是否能够分辨出与之互换的是机器还是人1.7.1. 图灵测试大略、优雅、易懂1.7.1.1. 图灵测试最吸引人的地方无疑是它非常大略明了，只管看起来很清晰，它仍旧对人工智能提出了许多寻衅1.7.2. 问题在于，大多数试图通过图灵测试的程序员都方向于利用一些大略的小技巧来“骗过”讯问者，使他们相信自己正在与真人打交道，即用小伎俩去迷惑讯问者，而并非真正去探寻与办理智能行为的实质2. ELIZA2.1. 出身于20世纪60年代中期，由美籍德国人、麻省理工学院打算机科学家约瑟夫·魏岑鲍姆(Joseph Weizenbaum)创造2.2. ELIZA原来是一项严明的、富有影响力的生理治疗科学实验2.3. 遗憾的是，自此往后，ELIZA就成了采取肤浅的小伎俩伪装人工智能的代名词，尤其在图灵测试领域2.4. ELIZA扮演的是一名精神病年夜夫的角色，与病人交谈，提出开放式问题，让病人试图洞开自我2.4.1. 你不用太费劲就能轻易看穿它利用的封装及镜像反问伎俩2.5. 用户对他的大略实验性程序非常沉迷，ELIZA正式进入了人工智能的传说中2.6. ELIZA的影响力，以每年一度的罗布纳奖人工智能竞赛的形式流传至今2.6.1. 罗布纳竞赛的参赛者很大程度上都是ELIZA的变奏曲，他们并没有试图让讯问者开展一场故意义的对话，充分证明人工智能拥有类人的领悟力、理解力和知识，而是利用一些误导技巧来赢得比赛2.7. 离人类之间进行的对话还有非常漫长的道路要走2.8. ELIZA算是某种互联网产物的始作俑者，一提到这个产物，研究人工智能的程序员们都得抓狂，那便是互联网谈天机器人2.8.1. 它们是基于互联网的程序，试图让用户参与对话，常日生动于推特等社交媒体平台2.8.2. 绝大多数所谓的互联网谈天机器人都只是利用了关键字遐想的脚本而已，再辅以一些类似反问、提出通用问题之类的小伎俩，就如ELIZA一样2.8.3. 谈天内容都是肤浅并且乏味的，这种谈天机器人，并非人工智能3. 人工智能的多样性3.1. 程序确确实实理解了与讯问者的对话，这种理解与人类的理解大致相同3.2. 程序并没有真正理解与讯问者的对话，但可以仿照出理解对话往后的回答3.3. 构建出具有人类的理解力(或者说是意识之类的词)的目标程序，被称为强人工智能3.4. 次一级的目标，即构建虽然没有具备人类的理解力，但是可以仿照出特定能力的程序，被称为弱人工智能3.5. 分辨强人工智能和弱人工智能的关键点4. 超越图灵测试4.1. 以图灵的“无法分辨”为原则，图灵测试有许多变种4.2. 事实上，一个无法区分机器人和人类的天下，便是绝佳的电影及小说创作素材4.3. 威诺格拉德模式4.4. 人工智能所面临的另一个类人寻衅是理解人类天下，以及支配个中的许多约定俗成的规则5. 通用人工智能5.1. 强人工智能是人工智能故事中一个主要而迷人的部分，但很大程度上，它与当代的人工智能研究无关5.2. 退而求其次的目标便是制造具有普遍人类智能水准的机器，现在，常日称其为通用人工智能(Artificial General Intelligence， AGI)5.2.1. 纵然这个次一级的目标，也是当代人工智能研究的边缘5.3. AGI大致等同于一台拥有一个普通人所拥有的全部聪慧能力的打算机，包括利用自然措辞互换、办理问题、推理、感知环境等能力，与一个普通人处于同等或者更高档级的智能水准5.4. AGI被认为是弱人工智能的弱版本5.5. 让打算机完成某种分外任务，有时候被称为狭义人工智能5.5.1. 所谓的狭义人工智能，便是人工智能5.6. 第一种是试图建立思维模型：故意识的推理、认知、办理问题的过程，我们在生活中都会用到的过程，这种方法被称为符号人工智能5.6.1. 从20世纪50年代中期到80年代末，30多年的韶光里，符号人工智能一贯是构建人工智能体系最盛行的办法5.6.2. 它的过程是透明的：当机器人认为它该当实行“cleanroom(room 451)”操作时，我们可以理解为它知道即将做什么5.7. 另一种仿照聪慧的办法是仿照大脑，这是一种极度的可能性，即试图在打算机中仿照一个完全的人类大脑(大概还得包含完全的神经系统)5.7.1. 人类的大脑是我们唯一确定能产生聪慧的事物5.7.2. 人脑包括大概1000亿个相连的神经元，我们对它们的身分、构造和如何运作的理解还达不到复制大脑构造的程度5.8. 神经网络5.8.1. 神经网络的研究可以追溯到人工智能涌现之前，并沿着人工智能的主流研究发展5.8.2. 正是神经网络研究在21世纪取得的打破性进展，才带来了目前人工智能研究领域的繁荣