人工智能,英文缩写为 AI(Arifcial Inteligence),指的是由人类发明设计的智能系统,能够模仿人类的思考方式,实现人脑的部分功能,替代人脑解决特定问题。 人工智能的概念最早在 20世纪50年代提出,1956年的达特茅斯暑期会议上正式提出了人工智能的概念。其间经历了三次发展浪潮,当前处于第三次大发展期。第一次浪潮发生在 1956~1976年,主导理论是逻辑主义,主要成果是完成了一些定理证明以及一些逻辑程序语言。 第二次浪潮发生在1976-2006年,主导理论是连接主义,主要成果是神经网络理论的提以及应用。但是在实践中发现可以解决一些简单单一的问题,对于复杂问题的处理效果不尽理想。 第三次浪潮发生在2006年到现在,可以称之为基于互联网大数据的深度学习,将大数据、神经元网络和数学统计的方法结合在一起。第三次浪潮的理论基础和第二次浪潮类似。主的差别在于基于神经网络的深度学习算法取得了巨大的成功。这里的主要推动因素包括硬任的进步、卷积神经网格模型优化、参数训练技巧的发展等。 前两次浪潮解决了人工智能的一些基础理论问题,第三次浪潮的发展已经使得人工智能技术的发展程度(识别率、准确率等)可以实际解决很多传统需要人类大脑才能解决的问题,具备了很强的实用性,获得生产力。 人工智能根据从底层到应用的技术逻辑可以分成基础层、技术层、应用层。 基础层从硬件和理论层面,为人工智能的实现提供了根本保障,主要包括 AI 芯片和深度学习算法，AI芯片的发展进步,提供了越来越强的计算能力;深度学习算法的建立,提供了AI解决问题的计算方法。 技术层是基于基础层的支撑,设计出的解决某一类过去需要人脑解决问题的通用方法,具体包括智能语音、计算机视觉、自然语言处理以及其他类这四大人脑功能的处理方法。这些方法基于深度学习算法,根据具体的数据以及处理场景,形成了专门的成套技术处理方法和最佳实践,通过技术层的实现,我们可以将基础层提供的计算能力以及计算方法运用到具体领域去真实对应到大脑的某一类功能以及实践能力。 应用层是指基于技术层的能力,去解决具体现实生活中的问题。比如利用计算机视觉技术,实现金融、安防等多个领域的人脸识别,利用智能语音技术,实现智能音箱、录音笔等的语音识别;利用自然语言处理技术,用于智能客服的问答。在实际的应用中,技术层和应用层的关系是相互交叉的,某个领域的应用可能用到多个维度的技术层的能力,比如金融行业的应用对于智能语音、计算机视觉、自然语言处理技术都会有需求;同样某个技术层的能力也可以门泛应用到多个不同的应用领域,比如计算机视觉技术可以广泛应用到金融、安防、医疗、交通教育等多个维度。 当前的人工智能应用的核心,是基于神经网络的深度学习,该方法的特点是需要根据特定应用目的,利用大量且优质的数据,对学习网络进行反复训练,通过传播算法,不断自动变换各层以及各节点的参数,以最终得到符合实际应用要求的训练结果。结合资料和现实,下列关于人工智能的表述中,不正确的一项是()。
