인공지능 개론
컴퓨터 과학의 한 분야.
인공지능, 영어 약어는 AI 입니다. 시뮬레이션, 확장 및 인간 지능을 연구하고 개발하는 이론, 방법, 기술 및 응용 시스템을 연구하는 신기술 과학입니다. 인공지능은 컴퓨터 과학의 한 분야로, 지능의 본질을 이해하려고 시도하고 인간의 지능과 비슷한 방식으로 반응할 수 있는 새로운 스마트 기계를 만들어 낸다. 이 분야의 연구에는 로봇, 언어 인식, 이미지 인식, 자연어 처리 및 전문가 시스템이 포함됩니다. 인공지능은 탄생 이후 이론과 기술이 성숙되면서 응용 분야가 확대되고 있다. 미래의 인공지능이 가져온 과학기술 제품은 인간의 지혜의' 용기' 가 될 것이라고 상상할 수 있다.
인공지능은 인간의 의식과 사고에 대한 정보 과정의 시뮬레이션이다. 인공지능은 인간의 지능이 아니지만, 인간처럼 생각할 수도 있고, 인간의 지능을 능가할 수도 있다.
인공지능은 도전적인 과학이며, 이 일에 종사하는 사람은 반드시 컴퓨터 지식, 심리학, 철학을 이해해야 한다. 인공지능은 다양한 분야 (예: 기계 학습, 컴퓨터 시각 등) 로 구성된 광범위한 과학 분야를 포함하고 있다. 일반적으로 인공지능 연구의 주요 목표 중 하나는 기계가 일반적으로 인간의 지능을 필요로 하는 복잡한 임무를 감당할 수 있도록 하는 것이다. 그러나 시대마다 사람마다 이 복잡한 작품에 대해 서로 다른 이해를 가지고 있다.
인공지능의 정의
인공지능의 정의는' 수동' 과' 지능' 의 두 부분으로 나눌 수 있다. "인공" 은 이해하기 쉽고 논란은 적다. 때때로 우리는 인간이 무엇을 할 수 있는지, 인간의 지능이 인공지능을 창조할 수 있을 정도로 높은지 등을 고려해야 한다. 그러나 일반적으로' 인공시스템' 은 통상적인 의미의 인공시스템이다.
"지혜" 가 무엇인지에 대해서는 많은 문제가 있다. 여기에는 의식 일관성, 자기, 사고 의식 등 무의식적 사고 무의식 의식 등 다른 문제가 포함됩니다. 사람들이 아는 유일한 지혜는 그들 자신의 지혜라는 것이 보편적으로 받아들여지고 있다. 하지만 우리 자신의 지혜에 대한 우리의 이해는 매우 제한적이며, 인간의 지혜의 필수 요소에 대한 이해도 제한되어 있기 때문에' 인공' 지혜가 무엇인지 정의하기가 어렵다. 그래서 인공지능에 대한 연구는 종종 인간의 지능 자체에 대한 연구를 포함한다. 동물이나 기타 인공시스템에 대한 기타 지능은 일반적으로 인공지능과 관련된 연구 과제로 여겨진다.
인공지능은 컴퓨터 분야에서 점점 더 중시되고 있다. 로봇, 경제 및 정치적 의사 결정, 제어 시스템 및 시뮬레이션 시스템에 적용되었습니다.
넬슨 교수는 인공지능에 대해 "인공지능은 지식에 관한 학문이다. 지식을 표현하는 방법과 지식을 얻고 사용하는 방법에 관한 과학이다" 고 정의한다. 또 다른 MIT 의 윈스턴 교수는 "인공지능은 컴퓨터가 과거에 사람만이 할 수 있었던 지적인 일을 어떻게 할 수 있는지를 연구하는 것" 이라고 말했다. 이러한 주장은 인공지능의 기본 사상과 내용을 반영한다. 인공지능은 인간의 지능 활동 법칙을 연구하고, 어느 정도의 지능을 가진 인공시스템을 구축하고, 컴퓨터가 과거에 인간의 지능이 필요했던 일을 어떻게 할 수 있는지를 연구하는 것이다. 즉, 컴퓨터 하드웨어 및 소프트웨어를 적용하여 인간의 지능 행동을 시뮬레이션하는 기본 이론, 방법 및 기술입니다.
인공지능은 컴퓨터 과학의 한 분야이다. 1970 년대 이후, 그것은 세계에서 가장 선진적인 3 대 기술 중 하나로 불린다: 우주 기술, 에너지 기술, 인공지능. 또한 2 1 세기의 3 대 첨단 기술 중 하나인 유전공학, 나노과학, 인공지능 중 하나로 여겨진다. 이는 지난 30 년 동안 급속히 발전하여 많은 학과에서 광범위하게 응용되고 풍성한 성과를 거두었기 때문이다. 인공지능은 점차 독립된 분기가 되어 이론과 실천에서 스스로 체계를 갖추게 되었다.
인공지능 (Artificial intelligence) 은 컴퓨터가 인간의 사고 과정과 지능 행동 (예: 학습, 추리, 사고, 계획 등) 을 어떻게 시뮬레이션할 수 있는지를 연구하는 학문이다. 주로 컴퓨터가 지능을 실현하는 원리를 포함하여, 컴퓨터가 인뇌의 지능과 비슷하고, 컴퓨터가 더 높은 수준의 응용을 실현할 수 있게 한다. 인공지능은 컴퓨터 과학, 심리학, 철학, 언어학을 포함한다. 거의 모든 자연과학과 사회과학의 학과가 이미 컴퓨터 과학의 범주를 훨씬 넘어섰다고 할 수 있다. 인공지능과 사고과학의 관계는 실천과 이론의 관계이다. 인공지능은 사고과학의 기술 응용 수준에 있으며, 그것의 응용 분야 중 하나이다. 사유적으로 인공지능은 논리적 사고에만 국한되지 않고, 이미지적 사고와 영감적 사고만이 인공지능의 파격적인 발전을 촉진할 수 있다. 수학은 종종 많은 학과의 기초과학으로 여겨지고, 수학도 언어와 사고 분야에 들어간다. 인공지능이라는 학과도 반드시 수학 도구를 빌려야 한다. 수학은 표준 논리와 모호한 수학의 범위 내에서 작용할 뿐만 아니라 인공지능의 학과에 들어가면 서로 촉진되고 발전이 더 빨라진다. [2]
인공 지능의 연구 가치
예를 들어, 과중한 과학과 공학 계산은 처음에는 인간의 두뇌가 부담한다. 지금 컴퓨터는 이런 계산을 완성할 수 있을 뿐만 아니라, 인뇌보다 더 빠르고 정확하게 할 수 있다. 따라서 현대인들은 더 이상 이런 계산을 "인간의 지혜가 필요한 복잡한 임무" 로 여기지 않는다. 잡공의 정의는 시대의 발전과 기술의 진보에 따라 변하고, 인공지능의 구체적인 목표는 당연히 시대의 변화에 따라 발전한다는 것을 알 수 있다. 한편으로는 끊임없이 새로운 진보를 이루고, 다른 한편으로는 더 의미 있고 어려운 목표로 전향한다.
일반 기계 학습의 수학적 기초는 통계학, 정보론, 통제론이다. 다른 비수학 과목도 포함되어 있습니다. 이 "기계 학습" 은 "경험" 에 크게 의존합니다. 컴퓨터는 한 가지 문제를 해결한 경험에서 끊임없이 지식을 얻고 전략을 배워야 한다. 비슷한 문제가 생겼을 때, 그들은 일반인처럼 경험 지식으로 문제를 해결하고 새로운 경험을 쌓았다. 우리는 이런 학습 방식을' 지속적인 학습' 이라고 부를 수 있다. 그러나 인간은 경험으로부터 배우는 것 외에도 창조할 수 있다. 바로' 점프 학습' 이다. 어떤 경우에는 "영감" 또는 "깨달음" 이라고 불립니다. 그동안 컴퓨터에서 가장 배우기 힘들었던 것은 바로' 깨달음' 이었다. 또는 더 엄밀히 말하면, 컴퓨터는 학습과 실천에서' 양적 변화에 독립적인 질적 변화' 를 배우기 어렵고, 한 성격에서 다른 성격으로 직접, 또는 한 개념에서 다른 개념으로 직접 배우기가 어렵다. 이 때문에 이곳의' 수행' 은 인류의 수행과 같은 것이 아니다. 인간 실천의 과정은 경험과 창조를 모두 포함한다.
이것은 똑똑한 연구원들이 꿈꾸는 것이다.
20 13, 데이터 통합 센터의 데이터 연구원 S.C WANG 은 함수의 성격을 연구하는 새로운 방법을 개발한 새로운 데이터 분석 방법을 개발했습니다. 저자는 새로운 데이터 분석 방법이 컴퓨터 사회에' 창조' 방식을 제공한다는 것을 발견했다. 본질적으로, 이 방법은 인간의 창의력을 시뮬레이션하는 상당히 효과적인 방법을 제공한다. 이런 방법은 수학적으로 주어진 것으로 일반인이 가질 수 없고 컴퓨터가 가질 수 있는' 능력' 이다. 그 이후로 컴퓨터는 계산뿐만 아니라 계산도 잘하기 때문에 창조에도 능하다. 컴퓨터 과학자들은' 창의력 있는' 컴퓨터의 지나치게 전면적인 컴퓨팅 능력을 단호히 박탈해야 한다. 그렇지 않으면 컴퓨터가 언젠가는 정말 인간을' 잡을' 것이다.
새로운 방법의 유도 과정과 수학을 회고할 때 작가는 사유와 수학에 대한 이해를 넓혔다. 수학은 간결하고, 명확하고, 믿을 만하고, 모형화되어 있다. 수학 발전사에서 수학 거장들의 창의력의 광채가 곳곳에서 빛났다. 이러한 아이디어는 다양한 수학 정리나 결론의 형태로 표현되며, 수학 정리의 가장 큰 특징은 몇 가지 기본 개념과 공리를 바탕으로 패턴화된 언어로 표현되고 정보가 풍부하다는 것이다. 수학은 가장 간단하고 직설적인 학과로, 적어도 하나의 창의력 모델을 반영했다고 말해야 한다.
인공지능의 발전 단계
1956 년 여름, 맥아더, 민스키, 로체스터, 신농을 비롯한 선견지명이 있는 청년 과학자들이 모여 기계로 지능을 시뮬레이션하는 일련의 관련 문제를 연구하고 토론했고, 처음으로' 인공지능' 이라는 단어를 내놓은 것은 이 새로운 학과의 공식 탄생을 상징한다. IBM 의' 딥 블루' 컴퓨터가 인간 체스 챔피언을 물리친 것은 인공지능 기술의 완벽한 표현이다.
인공지능은 1956 이 공식적으로 제기된 이후 50 년 동안 장족의 발전을 이루었으며 광범위한 교차 및 첨단 과학이 되었습니다. 일반적으로 인공지능의 목적은 컴퓨터 기계를 사람처럼 생각하게 하는 것이다. 사고 기계를 만들고 싶다면 사고, 진일보, 지혜가 무엇인지 알아야 한다. (존 F. 케네디, 생각명언) 어떤 기계가 지능입니까? 과학자들은 자동차, 기차, 비행기, 라디오 등을 만들었다. 그들은 우리 신체 기관의 기능을 모방하지만 인간의 뇌의 기능을 모방 할 수 있습니까? 지금까지, 우리는 우리의 왕관에 있는 이 물건이 수십억 개의 신경세포로 구성된 장기라는 것만 알고 있다. 우리는 이 물건에 대해 거의 알지 못하며, 그것을 모방하는 것은 아마도 세계에서 가장 어려운 일일 것이다.
컴퓨터가 등장했을 때, 인류는 인간의 사고를 흉내낼 수 있는 도구를 갖추기 시작했다. 그 후 몇 년 동안, 수많은 과학자들이 이 목표를 위해 노력했다. 오늘날 인공지능은 더 이상 소수의 과학자들의 특허가 아니다. 세계의 거의 모든 대학의 컴퓨터학과가 이 학과를 공부하고 있으며, 컴퓨터를 공부하는 대학생도 반드시 이런 과목을 수강해야 한다. 모두의 꾸준한 노력으로 지금의 컴퓨터는 이미 매우 스마트해진 것 같다. 예를 들어 1997 년 5 월, IBM 이 개발한 진한 파란색 컴퓨터가 체스 마스터 카스파로프를 물리쳤다. 일부 지역에서는 컴퓨터가 원래 인간에게 속한 다른 일을 하는 데 도움을 주며, 컴퓨터는 속도와 정확성으로 인류를 위해 작용한다는 것을 알아차리지 못할 수도 있습니다. (존 F. 케네디, 컴퓨터명언) 인공지능은 줄곧 컴퓨터 과학의 최전방학과였으며, 컴퓨터 프로그래밍 언어와 기타 컴퓨터 소프트웨어도 인공지능의 진보로 인해 존재한다.
과학도론
실제 적용
머신 비전, 지문 인식, 얼굴 인식, 망막 인식, 홍채 인식, 손바닥 인식, 전문가 시스템, 자동 계획, 지능형 검색, 정리 증명, 게임, 자동 프로그래밍, 지능 제어, 로봇학, 언어 및 이미지 이해, 유전 프로그래밍 등
주제 범주
인공지능은 교차 학과로 자연과학과 사회과학의 교차지점에 속한다.
학과에 관여하다
철학과 인지과학, 수학, 신경생리학, 심리학, 컴퓨터과학, 정보론, 통제론, 불확실성 이론.
연구 범주
자연어 처리, 지식 표현, 스마트 검색, 추리, 계획, 기계 학습, 지식 수집, 조합 스케줄링 문제, 인식 문제, 패턴 인식, 논리 프로그래밍의 소프트 컴퓨팅, 부정확하고 불확실한 관리, 인공생명, 신경망, 복잡한 시스템, 유전 알고리즘.
의식과 인공지능
인공지능은 본질적으로 인간의 사고 정보 과정에 대한 시뮬레이션이다.
인간 사고의 시뮬레이션은 두 가지 방법으로 진행될 수 있다. 하나는 인간의 뇌의 구조적 메커니즘을 모방하여' 뇌류' 기계를 만드는 구조시뮬레이션입니다. 두 번째는 기능 시뮬레이션으로, 일시적으로 인간의 뇌 내부 구조를 버리고 기능 과정에서 시뮬레이션한다. 현대 전자 컴퓨터의 출현은 인간의 뇌 사고 기능에 대한 시뮬레이션이자 인간의 뇌 사고 정보 과정에 대한 시뮬레이션이다.
약한 인공지능은 현재 빠르게 발전하고 있다. 특히 2008 년 경제 위기 이후 미일 유럽은 로봇을 통한 재산업화를 희망하고 있다. 산업용 로봇은 전례 없는 속도로 발전하여 약한 인공지능 및 관련 산업의 끊임없는 돌파구를 더욱 추진하고 있다. 사람이 해야 할 많은 임무는 이제 로봇에 의해 실현될 수 있다.
그러나 강력한 인공지능이 일시적으로 병목 상태에 처해 있어 과학자와 인류의 노력이 필요하다.
인공지능의 주요 업적
인간-기계 게임
1996 2 월 10 ~ 17, 게리 카스파로프 4-2 가 진한 파란색을 꺾었다.
1997 년 5 월 3 일부터 1 1 년 5 월 3 일까지 게리 카스파로프는 2.5: 3.5 로 개량된 진한 파란색을 제압했다.
2003 년 2 월 게리 카스파로프는 3: 3 으로 깊은 발을 평평하게 했다.
2003 년 6 월 게리 카스파로프는 2: 2 로' X3D 독일' X3D-FRITZ 를 제압했다.
패턴 인식
$ TERM 패턴 인식 엔진을 사용하면 2D 인식 엔진, 3D 인식 엔진, 정재파 인식 엔진 및 다차원 인식 엔진이 있습니다.
2D 인식 엔진은 지문 인식, 초상화 인식, 문자 인식, 이미지 인식 및 번호판 인식을 도입했습니다. 정재파 인식 엔진은 음성 인식을 도입했습니다. 3D 인식 엔진은 옥대 숲 1.25 를 걸어 지문 인식 스마트판을 선보였다.
자동화 공학
자동 운전 OSO 시스템
인쇄소 조립 라인
팔콘 시스템의 YOD 지도
지식공학
이 문서에서는 지식 자체를 처리 대상으로 인공지능과 소프트웨어 기술을 활용하여 지식 시스템을 설계, 구축 및 유지 관리하는 방법을 연구합니다.
전문가 시스템
스마트 검색 엔진
컴퓨터 비전 및 이미지 처리
기계 번역 및 자연어 이해
데이터 마이닝 및 지식 발견