-
當(dāng)前位置:首頁 > 創(chuàng)意學(xué)院 > 技術(shù) > 專題列表 > 正文
人工智能交叉研究方向(人工智能交叉研究方向是什么)
大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于人工智能交叉研究方向的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。
ChatGPT國內(nèi)免費在線使用,能給你生成想要的原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等
你只需要給出你的關(guān)鍵詞,它就能返回你想要的內(nèi)容,越精準,寫出的就越詳細,有微信小程序端、在線網(wǎng)頁版、PC客戶端,官網(wǎng):https://ai.de1919.com
本文目錄:
一、人工智能的研究范圍有哪些?
智能模擬
機器視、聽、觸、感覺及思維方式的模擬:指紋識別,人臉識別,視網(wǎng)膜識別,虹膜識別,掌紋識別,專家系統(tǒng),智能搜索,定理證明,邏輯推理,博弈,信息感應(yīng)與辨證處理。
學(xué)科范疇
人工智能是一門邊沿學(xué)科,屬于自然科學(xué)、社會科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。
涉及學(xué)科
哲學(xué)和認知科學(xué),數(shù)學(xué),神經(jīng)生理學(xué),心理學(xué),計算機科學(xué),信息論,控制論,不定性論,仿生學(xué),社會結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀。
研究范疇
語言的學(xué)習(xí)與處理,知識表現(xiàn),智能搜索,推理,規(guī)劃,機器學(xué)習(xí),知識獲取,組合調(diào)度問題,感知問題,模式識別,邏輯程序設(shè)計,軟計算,不精確和不確定的管理,人工生命,神經(jīng)網(wǎng)絡(luò),復(fù)雜系統(tǒng),遺傳算法人類思維方式,最關(guān)鍵的難題還是機器的自主創(chuàng)造性思維能力的塑造與提升。
應(yīng)用領(lǐng)域
機器翻譯,智能控制,專家系統(tǒng),機器人學(xué),語言和圖像理解,遺傳編程機器人工廠,自動程序設(shè)計,航天應(yīng)用,龐大的信息處理,儲存與管理,執(zhí)行化合生命體無法執(zhí)行的或復(fù)雜或規(guī)模龐大的任務(wù)等等。
值得一提的是,機器翻譯是人工智能的重要分支和最先應(yīng)用領(lǐng)域。不過就已有的機譯成就來看,機譯系統(tǒng)的譯文質(zhì)量離終極目標(biāo)仍相差甚遠;而機譯質(zhì)量是機譯系統(tǒng)成敗的關(guān)鍵。中國數(shù)學(xué)家、語言學(xué)家周海中教授曾在論文《機器翻譯五十年》中指出:要提高機譯的質(zhì)量,首先要解決的是語言本身問題而不是程序設(shè)計問題;單靠若干程序來做機譯系統(tǒng),肯定是無法提高機譯質(zhì)量的;另外在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下,機譯要想達到“信、達、雅”的程度是不可能的。
二、“為什么人工智能需要多學(xué)科交叉研究”?
人工智能可以和金融、醫(yī)療、物流等眾多領(lǐng)域相結(jié)合,每個領(lǐng)域有其獨特的特點。為了清楚地認識這些特點,研究人工智能時多學(xué)科交叉研究是必須的。
人工智能雖然是計算機科學(xué)的一個分支,但它的研究卻不僅涉及到計算機科學(xué),而且還涉及到腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)、邏輯學(xué)、認知(思維)科學(xué)、行為科學(xué)和數(shù)學(xué)以及信息論、控制論和系統(tǒng)論等許多學(xué)科領(lǐng)域。因此,人工智能實際上是一門綜合性的交叉學(xué)科和邊緣學(xué)科。人工智能運用極大地促進了機器人的發(fā)展。條
人工智能(Artificial Intelligence)簡稱AI,也稱作機器智能,是指由人工制造出來的系統(tǒng)所表現(xiàn)出來的智能。通常人工智能是指通過普通計算機實現(xiàn)的智能。該詞同時也指研究這樣的智能系統(tǒng)是否能夠?qū)崿F(xiàn),以及如何實現(xiàn)的科學(xué)領(lǐng)域。
人工智能的一個比較流行的定義,也是該領(lǐng)域較早的定義,是由當(dāng)時麻省理工學(xué)院的約翰·麥卡錫在1956年的達特矛斯會議上提出的:人工智能就是要讓機器的行為看起來就象是人所表現(xiàn)出的智能行為一樣。但是這個定義似乎忽略了強人工智能的可能性(見下)。另一個定義指人工智能是人造機器所表現(xiàn)出來的智能??傮w來講,目前對人工智能的定義大多可劃分為四類,即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。這里“行動”應(yīng)廣義地理解為采取行動,或制定行動的決策,而不是肢體動作。
三、人工智能這個專業(yè)怎么樣,以后就業(yè)方向?
前景可以的。
人工智能工程技術(shù)人員是指從事與人工智能相關(guān)算法、深度學(xué)習(xí)等相關(guān)的多種技術(shù)的分析、研究、開發(fā),并對人工智能系統(tǒng)進行設(shè)計、優(yōu)化、運維、管理和應(yīng)用的工程技術(shù)人員。人工智能專業(yè)就業(yè)方向有科學(xué)研究、工程開發(fā)、計算機方向、軟件工程、應(yīng)用數(shù)學(xué)、電氣自動化通信、機械制造等。
人工智能是國家戰(zhàn)略的核心方向,影響著國民經(jīng)濟的很多領(lǐng)域,已成為一個國家科技發(fā)展水平和國民經(jīng)濟現(xiàn)代化、信息化的重要標(biāo)志。
四、人工智能的科學(xué)研究方向?
利用計算機模擬大腦的方向,計算神經(jīng)科學(xué)注重神經(jīng)元層面的模擬,但智能并不產(chǎn)生于神經(jīng)元層面。多數(shù)生物的神經(jīng)元都類似,但智能卻天差地別,原因可能在于神經(jīng)網(wǎng)絡(luò)的差異,如智力較高的靈長類生物的細胞要比嚙齒類動物的神經(jīng)網(wǎng)絡(luò)更加復(fù)雜。
研究大腦有不同的學(xué)科,心理學(xué),認知科學(xué),認知神經(jīng)科學(xué),神經(jīng)生物學(xué),甚至分子生物學(xué)等,不同的學(xué)科在不同的尺度下研究大腦,就像我們在不同的倍數(shù)的顯微鏡下觀察一個物體,更大的尺度意味著我們能看到更宏觀的東西,但可能忽略了某些細節(jié),相反,更小的尺度意味著我們能夠觀察到更多的細節(jié),但忽略了宏觀的整體性。利用計算機模擬大腦需要一個合適的尺度,現(xiàn)有的計算神經(jīng)科學(xué)尺度略小。
利用計算機模擬大腦涉及兩個方面的學(xué)科,第一是計算機科學(xué),第二是腦科學(xué),目前二者結(jié)合的發(fā)展顯然不能讓人滿意,問題出在哪里?原因不在計算機科學(xué),而在神經(jīng)科學(xué)或者是腦科學(xué)?,F(xiàn)在多數(shù)的神經(jīng)科學(xué)文獻研究發(fā)現(xiàn)的都是相關(guān)而非因果關(guān)系,例如楊揚、蒲慕明等人發(fā)現(xiàn)恐懼經(jīng)典條件反射的學(xué)習(xí)可以引發(fā)聽覺至杏仁核神經(jīng)通路中突觸的形成和增長[7],這是一種相關(guān)關(guān)系,但為什么突觸的形成會導(dǎo)致經(jīng)典條件反射是不清楚的。神經(jīng)科學(xué)或者腦科學(xué)需要一個像牛頓那樣的仁波切,能夠整合現(xiàn)有零散的腦科學(xué)的實驗證據(jù),形成理論框架,提出合適的模型。就像杰夫·霍金斯[8]認為的那樣,神經(jīng)科學(xué)需要一個自上而下的理論框架,哪怕是錯的。一旦模型提出來之后,相信計算機人員可以很快的在計算機上模擬出來。
所以合理的人工智能實驗者應(yīng)由神經(jīng)科學(xué)和計算機人員組成,其中神經(jīng)科學(xué)尤為重要,因為他們需要綜合現(xiàn)有神經(jīng)科學(xué)的實驗證據(jù)來提出模型,同時,在計算機模擬的過程中發(fā)現(xiàn)問題后,還需要修改自己的模型。這個模型不應(yīng)該拘泥于其形式是否與大腦內(nèi)的神經(jīng)元相同,而更應(yīng)該關(guān)注夠其是否能說明生物學(xué)習(xí)行為的產(chǎn)生和其原理。因此這是一種自上而下的模擬,從學(xué)習(xí)行為出發(fā),至原理至模型。錯誤的做法是自下而上的模擬——從單個神經(jīng)元出發(fā)的模擬,這會讓這個方向產(chǎn)生極大的困難和挫敗感,畢竟人類大腦的神經(jīng)元有近千億個,突觸的數(shù)量更要高上2-3個數(shù)量級,可惜的是,這便是目前計算神經(jīng)科學(xué)做的。
以上就是關(guān)于人工智能交叉研究方向相關(guān)問題的回答。希望能幫到你,如有更多相關(guān)問題,您也可以聯(lián)系我們的客服進行咨詢,客服也會為您講解更多精彩的知識和內(nèi)容。
推薦閱讀:
人工智能在營銷領(lǐng)域的案例(人工智能在營銷領(lǐng)域的應(yīng)用)