一秒记住【笔趣阁小说网】biquge345.com，更新快，无弹窗！
特训结束了，失踪了几新学员个人，这算是在校方的容忍范围之内。
在特训结束之后举行了一年一度的隆重的新生入学仪式。
学校根据这一次特训的综合表现给每一个学员分配了符合自己修行的专业。
当然，学校方面主要还是给这些学员建议，要选修什么专业还是要看学员自己的意愿。
通过这一次的狩猎特训，蓝天学院也会根据每一个人数据，然后给出综合评定。
大多数人的评定结果已经出来，但是还在做最后的评定，因为还有一些细节需要敲定，以及最后的奖励，排名统计等等都需要进行考量。
计小凡这个时候已经在学校安排好的宿舍房间里面，洗了个热水澡，这个时候难得的放松。看着这个豪华的宿舍，计小凡这个时候都不知道说什么好，高级学院的手笔完全不一样。
他只想享受这个时候的安静，静静享受这一切短暂的光阴，难得的时光，他突然想起以前的蓝盾系统，不知道现在还在不在，要是能够登录的话，就可以上去玩一会，也算是好好放松一下自己，毕竟好久没有进入蓝盾系统，也不知道现在蓝盾系统有什么不一样的地方。
计小凡看了一下四周，发现了一台高级计算机系统，这个应该是连接蓝盾系统的借口。
他试着用自己的天讯进行登录，果然，不一会儿马上就登录上去了，但是这个时候计小凡的感觉完全不一样了，这种久违的感觉，已经没有这般舒服了。
计小凡突然度用对这个蓝盾系统好奇了起来，这样的系统到底是什么原理，超级计算机吗？还是超级人工智能，计小凡对这样的概念完全不了解。
突然，他看到了这个蓝盾系统里面有一个知识解答系统，他试着搜索了一下：智能。
出现如下解释：智能及智能的本质是古今中外许多哲学家、脑科学家一直在努力探索和研究的问题，但至今仍然没有完全了解，以致智能的发生与物质的本质、宇宙的起源、生命的本质一起被列为自然界四大奥秘。
再次输入：人工智能。
人工智能：人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciness）、自我（self）、思维（nd）（包括无意识的思维（unind））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
计算机时代
1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间，对程序员来说是场噩梦：仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机 理论的发展产生了计算机科学，并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介。
虽然计算机为ai提供了必要的技术基础，但直到50年代早期人们才注意到人类智能与机器之间 的联系. norbert wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度.这项对反馈 回路的研究重要性在于：wiener从理论上指出，所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期ai的发展影响很大。
1955年末，newell和sin做了一个名为"逻辑专家"(logic theorist）的程序.这个程序被许多人 认为是第一个ai程序.它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解 问题."逻辑专家"对公众和ai研究领域产生的影响使它成为ai发展中一个重要的里程碑.1956年，被认为是 人工智能之父的john carthy组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 vernt参加 " dartuth人工智能夏季研究会".从那时起，这个领域被命名为 "人工智能".虽然 dartuth学会不是非常成功，但它确实集中了ai的创立者们，并为以后的ai研究奠定了基础.
dartuth会议后的7年中，ai研究开始快速发展.虽然这个领域还没明确定义，会议中的一些思想 已被重新考虑和使用了. carnegie llon大学和t开始组建ai研究中心.研究面临新的挑战：下一步需 要建立能够更有效解决问题的系统，例如在"逻辑专家"中减少搜索；还有就是建立可以自我学习的系统.
1957年一个新程序，"通用解题机"(gps）的第一个版本进行了测试.这个程序是由制作"逻辑专家" 的同一个组开发的.gps扩展了wiener的反馈原理，可以解决很多常识问题.两年以后，ib立了一个ai研 究组.herbert geleer花3年时间制作了一个解几何定理的程序.
当越来越多的程序涌现时，carthy正忙于一个ai史上的突破.1958年carthy宣布了他的新成 果：lisp语言. lisp到今天还在用."lisp"的意思是"表处理"(list processing），它很快就为大多数ai开发者采纳.
1963年t从美国政府得到一笔220万美元的资助，用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署（arpa），已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家，加快了ai研究的发展步伐.
竞赛
以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来说是一个极具诱惑的领域，人类为了实现这一梦想也已经奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交流那是相当困难的，甚至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以至于我们的研究还并未触及其导向本质的外延部分的边沿。
大量程序
以后几年出现了大量程序.其中一个叫"shrdlu"."shrdlu"是"微型世界"项目的一部分，包括 在微型世界（例如只有有限数量的几何形体）中的研究与编程.在t由rvin nsky领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的"student"可以解决代数 问题，"sir"可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.
70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已 有巨大容量，专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间，专家系统被用于股市预 测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能.
70年代许多新方法被用于ai开发，如nsky的构造理论.另外rr提出了机器视觉方 面的新理论，例如，如何通过一副图像的阴影，形状，颜色，边界和纹理等基本信息辨别图像.通过分析这些信 息，可以推断出图像可能是什么.同时期另一项成果是prologe语言，于1972年提出. 80年代期间，ai前进更为迅速，并更多地进入商业领域.1986年，美国ai相关软硬件销售高达4.25亿 美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用xcon专家系统为vax大型机编程.杜邦，通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要，一些生产专家系统辅助制作软件的公 司，如teknowledge和intellicorp成立了。为了查找和改正现有专家系统中的错误，又有另外一些专家系统被设计出来.
日常生活
人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了像美国人工智能协会这样的基金会.因为ai开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像dec（它雇了700多员工从事ai研究）这样的公司共花了10亿美元在内部的ai开发组上.
其它ai领域也在80年代进入市场.其中一项就是机器视觉. nsky和rr的成果如今用到了生产线上的相机和计算机中，进行质量控制.尽管还很简陋，这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元.
但80年代对ai工业来说也不全是好年景.86-87年对ai系统的需求下降，业界损失了近5亿美元.象 teknowledge和intellicorp两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个令人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望，pentagon停止了项目的经费.
尽管经历了这些受挫的事件，ai仍在慢慢恢复发展.新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不确定的
人工智能机器人(2张)
条件作出决策；还有神经网络，被视为实现人工智能的可能途径.总之，80年代ai被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙. 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.ai技术也进入了家庭.智能电脑的增加吸引了公众兴趣；一些面向苹果机和ib容机的应用 软件例如语音和文字识别已可买到；使用模糊逻辑，ai技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活。
强弱对比
人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰•麦卡锡（john carthy）在1956年的达特矛斯会议（dartuth conference）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能(bottoup ai)
强人工智能观点认为有可能制造出真正能推理（reasoning）和解决问题（problesolving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。
非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能(top-down ai)
弱人工智能观点认为不可能制造出能真正地推理（reasoning）和解决问题（problesolving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。
对强人工智能的哲学争论
“强人工智能”一词最初是约翰•罗杰斯•希尔勒针对计算机和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”在这里智能的涵义是多义的、不确定的，像下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（heu- ristic）法而设法巧妙的解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。
关于强人工智能的争论不同于更广义的一元论和二元论（dualis的争论。其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
也有哲学家持不同的观点。daniel c. det 在其著作 consciness exined 里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思维和意识的。
有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如sin ckburn在其哲学入门教材 think 里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她/他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。ckburn 认为这是一个主观认定的问题。
需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。
人工智能的研究方向已经被分成几个子领域，研究人员希望一个人工智能系统应该具有某些特定能力，以下将这些能力列出并说明。
早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用概率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。
对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的存储器或是运算时间。寻找更有效的算法是优先的人工智能研究项目。
人类解决问题的模式通常是用最快捷，直观的判断，而不是有意识的，一步一步的推导，早期人工智能研究通常使用逐步推导的方式。人工智能研究已经于这种“次表征性的”解决问题方法取得进展：实体化agent研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。
智能agent必须能够制定目标和实现这些目标。他们需要一种方法来建立一个可预测的世界模型(将整个世界状态用数学模型表现出来，并能预测它们的行为将如何改变这个世界)，这样就可以选择功效最大的行为。 在传统的规划问题中，智能agent被假定它是世界中唯一具有影响力的，所以它要做出什么行为是已经确定的。 但是，如果事实并非如此，它必须定期检查世界模型的状态是否和自己的预测相符合。如果不符合，它必须改变它的计划。因此智能代理必须具有在不确定结果的状态下推理的能力。 在多agent中，多个agent规划以合作和竞争的方式去完成一定的目标，使用演化算法和群体智慧可以达成一个整体的突现行为目标。
机器学习
机械学习的主要目的是为了从使用者和输入数据等处获得知识，从而可以帮助解决更多问题，减少错误，提高解决问题的效率。对于人工智能来说，机械学习从一开始就很重要。1956年，在最初的达特茅斯夏季会议上，雷蒙德索洛莫诺夫写了一篇关于不监视的概率性机械学习：一个归纳推理的机械。
突然出现的解释让计小凡头皮发麻，出现这样的信息，计小凡觉得这个肯定是系统故障，因为很多新的名词充斥着他的脑海里面，而且还发现了一些看不懂的文字，这让他很诧异，这个不会是摘抄哪里的吧。
仔细一看，在文末尾有这样一段注释：本段解释来自百度百科，具体出处不详。
计小凡没有一一去看，因为他确实看不懂，这些应该是人工智能的发展历史，他本来是想了解一下关于骷髅粉的世界，但是没有什么收获，智能能骷髅粉苏醒吧。
