1956 年，John McCarthy（1927~2011）在達(dá)特茅斯會(huì)議上提出了“人工智能 (artificial intelligence，AI）”一詞。他將人工智能定義為：

“制造智能機(jī)器的科學(xué)與工程。”

The science and engineering of making intelligent machines.

人工智能也可定義為能夠執(zhí)行需要人類智能的任務(wù)的計(jì)算機(jī)系統(tǒng)的開發(fā)，如制定決策、檢測(cè)對(duì)象、解決復(fù)雜問題等等。

很多文章都認(rèn)為，強(qiáng)人工智能（Artificial General Intelligence）、弱人工智能（Artificial Narrow Intelligence）以及超人工智能（Artificial Super Intelligence）是不同類型的人工智能。其實(shí)更確切地說，它們是人工智能的三個(gè)階段。

弱人工智能，又稱為狹義人工智能。在這一階段，機(jī)器并不具備任何思維能力，只是執(zhí)行一組預(yù)定義的功能，如語音識(shí)別、圖像識(shí)別等，是擅長(zhǎng)單個(gè)方面的人工智能，類似高級(jí)仿生學(xué)。它們只為解決某一特定具體的任務(wù)而存在，大多是統(tǒng)計(jì)數(shù)據(jù)，從中歸納出模型。比如，AlphaGo 只會(huì)下圍棋，并不能執(zhí)行其他任務(wù)。

弱人工智能的例子包括 Siri、Alexa、自動(dòng)駕駛汽車、AlphaGo、人形機(jī)器人 Sophia 等。到目前為止，幾乎所有基于人工智能的系統(tǒng)都屬于弱人工智能。

強(qiáng)人工智能，又稱為通用人工智能。不同于弱人工智能，強(qiáng)人工智能可以像人類一樣應(yīng)對(duì)不同層面的問題，而不僅僅只是執(zhí)行一組預(yù)定義的功能。不僅如此，強(qiáng)人工智能還具有自我學(xué)習(xí)、理解復(fù)雜理念等多種能力。也正如此，強(qiáng)人工智能的開發(fā)比弱人工智能要困難得多。事實(shí)上，人工智能國(guó)際主流學(xué)界所持的目標(biāo)也僅局限于弱人工智能。目前很少有人進(jìn)行強(qiáng)人工智能的研究，也尚未形成相應(yīng)的成果。

強(qiáng)人工智能還被許多科學(xué)家視為對(duì)人類生存的威脅， Stephen Hawking 警告稱：

“完全人工智能（Full Artificial Intelligence）的發(fā)展可能意味著人類文明的終結(jié)……人工智能一旦脫離束縛，會(huì)不斷加速重新設(shè)計(jì)自身。而人類由于受到生物進(jìn)化的時(shí)間限制，無法與之競(jìng)爭(zhēng)，很可能會(huì)被取代。”

當(dāng)弱人工智能已經(jīng)大部分實(shí)現(xiàn)，強(qiáng)人工智能正在通過深度學(xué)習(xí)不斷逼近之時(shí)，超人工智能的概念呼之欲出。在這一階段，計(jì)算機(jī)的能力將超越人類。目前，強(qiáng)人工能智能是電影和科幻小說中描述的一種假想情景：機(jī)器已經(jīng)接管世界。

“人工智能（我指的不是狹義的人工智能）的發(fā)展速度快得令人難以置信。除非你能夠直接接觸到 DeepMind 這樣的組織，否則你根本不會(huì)知道人工智能的增長(zhǎng)速度有多快——它正以接近指數(shù)級(jí)的速度增長(zhǎng)。在五年內(nèi)（最多十年）將存在發(fā)生危險(xiǎn)事件的風(fēng)險(xiǎn)。"

——Elon Musk

當(dāng)有人讓你解釋不同類型的人工智能系統(tǒng)時(shí)，你必須根據(jù)它們的功能進(jìn)行分類。密歇根州立大學(xué) Arend Hintze 將人工智能分為以下幾種類型：?jiǎn)我环磻?yīng)型、有限記憶型、具有心智型以及自我意識(shí)型。

這種類型的人工智能是最基本的人工智能系統(tǒng)，它僅基于當(dāng)前數(shù)據(jù)運(yùn)行的機(jī)器，只考慮當(dāng)前情況。也就是說，反應(yīng)型機(jī)器只能進(jìn)行反應(yīng)，它既沒有記憶能力，也無法利用過去的經(jīng)驗(yàn)來制定現(xiàn)在的決策。

反應(yīng)型機(jī)器的一個(gè)典型例子就是著名的 IBM 國(guó)際象棋程序 Deep Blue)。1997 年 5 月，它以 3.5:2.5 的戰(zhàn)績(jī)擊敗了世界冠軍 Garry Kasparov，成為首個(gè)在標(biāo)準(zhǔn)比賽時(shí)限內(nèi)擊敗國(guó)際象棋世界冠軍的計(jì)算機(jī)系統(tǒng)。

Deep Blue 看似擁有人的智慧，實(shí)際上，它只關(guān)注棋盤上的現(xiàn)狀，并在可能的走法中作出決策。除了遵守重復(fù)棋局不能連續(xù)出現(xiàn)三次的規(guī)定外，和經(jīng)驗(yàn)豐富的人類不同，它對(duì)過去并沒有任何概念。

目前的人工智能，要么對(duì)世界沒有概念，要么只對(duì)其執(zhí)行的特定任務(wù)有極其有限、具體的概念。Deep Blue 的創(chuàng)新之處在于，它放棄了拓寬計(jì)算機(jī)可能考慮的棋路范圍的這種思路。相反，開發(fā)人員找到了一種方法，讓它縮小自己的“視角”，根據(jù)它對(duì)某些走法的結(jié)果進(jìn)行評(píng)估，停止追求一些可能的走法。類似地，AlphaGo 也無法評(píng)估所有的走法，但它采用了比 Deep Blue 更為復(fù)雜的方法：使用神經(jīng)網(wǎng)絡(luò)來評(píng)估棋局的走勢(shì)。

這種類型的人工智能無法在專業(yè)領(lǐng)域之外發(fā)揮作用，而且容易被愚弄。它們無法通過交互的方式成為世界的組成部分。很顯然，它們只是最基本的人工智能系統(tǒng)，并不符合我們對(duì)人工智能系統(tǒng)的未來預(yù)期，即能夠與人類展開真正的互動(dòng)，甚至對(duì)周圍的環(huán)境作出真實(shí)的反應(yīng)。

有限的記憶，顧名思義，指人工智能可以通過研究以往的數(shù)據(jù)作出明智的決策。這種類型的人工智能具有短暫或臨時(shí)的記憶，可以用來存儲(chǔ)過去的經(jīng)驗(yàn)并評(píng)估未來的行為。

自動(dòng)駕駛汽車就是這種類型的人工智能，它利用最近收集的數(shù)據(jù)作出即時(shí)決定。例如，使用傳感器識(shí)別過馬路的行人、陡峭的道路以及交通信號(hào)等，從而作出更好的駕駛決策，這有助于防止交通事故的發(fā)生。

然而，自動(dòng)駕駛汽車的歷史信息存在的時(shí)間很短暫，無法像經(jīng)驗(yàn)豐富的人類駕駛員那樣將其存儲(chǔ)在“經(jīng)驗(yàn)庫(kù)”中。這種類型的人工智能，并不能構(gòu)建全面的“表現(xiàn)”（representations），它并不能記住自己的經(jīng)驗(yàn)，并學(xué)會(huì)如何應(yīng)對(duì)新的情況。

心智理論，心理學(xué)術(shù)語，是人類能夠理解自身及周圍人的心理狀態(tài)的能力。這一理論來源于哲學(xué)，進(jìn)入心理學(xué)領(lǐng)域后，慢慢成為認(rèn)知心理學(xué)與神經(jīng)心理學(xué)的研究重心之一。心智理論是人類社會(huì)形成的關(guān)鍵，通過這一理論，人們可以更好地理解社交、互動(dòng)的內(nèi)在動(dòng)力。試想，如果人類不能理解彼此的動(dòng)機(jī)和意圖，那么，相互間的溝通、合作就會(huì)變得異常困難，甚至毫無可能。

這種類型的人工智能較前兩種更為先進(jìn)，它在心理學(xué)中扮演著重要的角色，主要體現(xiàn)在對(duì)機(jī)器“情商”的開發(fā)上。

如果人工智能系統(tǒng)真的能夠與人類并肩行走，它們就必須能夠明白，每個(gè)人都有思想和感受，理解人類預(yù)期，并由此調(diào)整自身行為，這正是我們目前的人工智能與未來的人工智能之間的重要差異。

這是人工智能發(fā)展的最后一步：構(gòu)建一套能夠形成自我表征的系統(tǒng)。像 Elon Musk 和 Stephen Hawkings 這樣的天才一直警告我們警惕人工智能的進(jìn)化。讓我們祈禱，我們永遠(yuǎn)不會(huì)達(dá)到這種人工智能的狀態(tài)。因?yàn)?，在這種狀態(tài)下，機(jī)器將擁有自己的意識(shí)，它能夠意識(shí)到自我，知道自己的內(nèi)部狀態(tài)，還可以預(yù)測(cè)他人的感受。當(dāng)前，具有自我意識(shí)的人工智能離我們還有很遠(yuǎn)的距離。然而在未來，到達(dá)超人工智能的階段仍存在可能。

人工智能可以通過以下技術(shù)解決現(xiàn)實(shí)問題：

1. 機(jī)器學(xué)習(xí)

2. 深度學(xué)習(xí)

3. 自然語言處理

4. 機(jī)器人

5. 模糊邏輯

6. 專家系統(tǒng)

機(jī)器學(xué)習(xí) 是一門借助機(jī)器解釋、處理和分析數(shù)據(jù)以解決實(shí)際問題的科學(xué)。它的根源可以追溯到 1952 年就職于 IBM 的 Arthur Samuel（被譽(yù)為“機(jī)器學(xué)習(xí)之父”）設(shè)計(jì)的一款西洋跳棋程序。機(jī)器學(xué)習(xí)有三種類型，分別為監(jiān)督式學(xué)習(xí)、無監(jiān)督式學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

毫無疑問，機(jī)器學(xué)習(xí)有助于人類克服知識(shí)和常識(shí)方面的瓶頸，而我們認(rèn)為這些瓶頸會(huì)阻礙人類水平的人工智能的發(fā)展，因此許多人將機(jī)器學(xué)習(xí)視為人工智能的夢(mèng)想。

深度學(xué)習(xí) 是在高維數(shù)據(jù)上實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)以獲得洞察力并形成解決方案的過程。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)高級(jí)領(lǐng)域，可以用于解決更高級(jí)的問題，它是 Facebook、自動(dòng)駕駛汽車、Siri、ALexa 等虛擬助手人臉認(rèn)證算法背后的邏輯。

自然語言處理 是一門從人類自然語言中提取洞察力，以便與機(jī)器交流并發(fā)展業(yè)務(wù)的科學(xué)。它也是人工智能中最古老、研究最多、要求最高的領(lǐng)域之一。開發(fā)智能系統(tǒng)的任何嘗試，最終似乎都要解決一個(gè)問題，即使用何種形式的標(biāo)準(zhǔn)進(jìn)行交流。例如，比起使用圖形系統(tǒng)或基于數(shù)據(jù)系統(tǒng)的交流，語言交流通常是首選。

20 世紀(jì)四五十年代，人們使用有限自動(dòng)機(jī)、形式語法和概率建立了自然語言理解的基礎(chǔ)。但是，20 世紀(jì)五六十年代，早期使用機(jī)器翻譯語言的嘗試被實(shí)踐證明是徒勞無功的。20 世紀(jì) 70 年代，當(dāng)時(shí)的潮流趨于使用符號(hào)方法和隨機(jī)方法。進(jìn)入 21 世紀(jì)后，隨著機(jī)器學(xué)習(xí)的興起，自然語言處理迎來新的突破，并推動(dòng)了隨機(jī)過程、機(jī)器學(xué)習(xí)、信息提取和問答等現(xiàn)有方法的應(yīng)用。比如，Twitter 使用自然語言處理技術(shù)來過濾推文中的恐怖主義的語言，Amazon 使用自然語言處理了解客戶評(píng)論并改善用戶體驗(yàn)。

人工智能機(jī)器人是在現(xiàn)實(shí)環(huán)境中行動(dòng)的人工智能體，通過采取負(fù)責(zé)任的行動(dòng)來產(chǎn)生結(jié)果。這一領(lǐng)域在計(jì)算幾何和視覺方面與人工智能密切相關(guān)。目前，在機(jī)器人技術(shù)中，特別是嵌入式系統(tǒng)中，我們可以看到人工智能的許多體現(xiàn)，包括搜索算法、邏輯、專家系統(tǒng)、模糊邏輯、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、規(guī)劃甚至博弈等。人形機(jī)器人 Sophia 就是機(jī)器人技術(shù)中人工智能的一個(gè)典例。

模糊邏輯是一種基于“真實(shí)度”原則的計(jì)算方法，而非通常意義上的現(xiàn)代計(jì)算機(jī)邏輯，即布爾邏輯。換言之，我們所得到的結(jié)果往往并非非黑即白、非正即負(fù)，而是“在一定程度上”的結(jié)果。比如，機(jī)器人在實(shí)現(xiàn)目標(biāo)的路徑上可能會(huì)遇到阻礙，而機(jī)器人卻必須堅(jiān)持實(shí)現(xiàn)目標(biāo)。換句話說，機(jī)器人的世界不僅是離散的，它也取決于某些 “自由度”，某些屬性具有不同程度的變化，而不只是產(chǎn)生“開”或“關(guān)”、“是”或“否”的結(jié)果。

模糊理論由 Lotfi Zadeh（1921~）于 1965 年提出，Zadeh 最初并沒有想到模糊邏輯可以用于工程師的工業(yè)過程以控制和“智能”消費(fèi)產(chǎn)品。后來，Mark Hopkins 在多個(gè)領(lǐng)域發(fā)現(xiàn)了模糊邏輯的應(yīng)用，包括經(jīng)濟(jì)、農(nóng)業(yè)、航天、核科學(xué)、生物醫(yī)學(xué)等等。實(shí)際上，模糊邏輯目前已經(jīng)實(shí)現(xiàn)了廣泛的應(yīng)用。

專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來處理該領(lǐng)域問題。也就是說，專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題，簡(jiǎn)而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。20 多年來，知識(shí)工程的研究，專家系統(tǒng)的理論和技術(shù)不斷發(fā)展，應(yīng)用滲透到幾乎各個(gè)領(lǐng)域，包括化學(xué)、數(shù)學(xué)、物理、生物、醫(yī)學(xué)、農(nóng)業(yè)、氣象、地質(zhì)勘探、軍事、工程技術(shù)、法律、商業(yè)、空間技術(shù)、自動(dòng)控制、計(jì)算機(jī)設(shè)計(jì)和制造等眾多領(lǐng)域，開發(fā)了幾千個(gè)的專家系統(tǒng)，其中不少在功能上已達(dá)到，甚至超過同領(lǐng)域中人類專家的水平，并在實(shí)際應(yīng)用中產(chǎn)生了巨大的經(jīng)濟(jì)效益。

專家系統(tǒng)使用 if-then 邏輯符號(hào)來解決復(fù)雜問題。它們不依賴于傳統(tǒng)的程序編程。專家系統(tǒng)通常由人機(jī)交互界面、知識(shí)庫(kù)、推理機(jī)、解釋器、綜合數(shù)據(jù)庫(kù)、知識(shí)獲取等 6 個(gè)部分構(gòu)成。其中尤以知識(shí)庫(kù)與推理機(jī)相互分離而別具特色。專家系統(tǒng)的體系結(jié)構(gòu)隨專家系統(tǒng)的類型、功能和規(guī)模的不同，而有所差異。專家系統(tǒng)的基本工作流程是，用戶通過人機(jī)界面回答系統(tǒng)的提問，推理機(jī)將用戶輸入的信息與知識(shí)庫(kù)中各個(gè)規(guī)則的條件進(jìn)行匹配，并把被匹配規(guī)則的結(jié)論存放到綜合數(shù)據(jù)庫(kù)中。最后，專家系統(tǒng)將得出最終結(jié)論呈現(xiàn)給用戶。

相關(guān)文章：

https://dzone.com/articles/types-of-artificial-intelligence-you-should-know

https://www.livescience.com/56858-4-types-artificial-intelligence.html


原文鏈接：https://www.infoq.cn/article/ogeMu2FBaU5UO5j_Gphb

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國(guó) | RPA全球生態(tài) | 數(shù)字化勞動(dòng)力 | RPA新聞 | 推動(dòng)中國(guó)RPA生態(tài)發(fā)展 | 流 > 未來人類將被AI取代？一文讀懂人工智能類型與發(fā)展階段