¡Necesito urgentemente el informe de fin del curso de inteligencia artificial! !
Desde la década de 1950, después de varias etapas de exploración y desarrollo continuo, la inteligencia artificial ha logrado grandes logros en los campos del reconocimiento de patrones, la ingeniería del conocimiento y la robótica, pero aún está lejos de la realidad. La inteligencia humana aún está lejos. Sin embargo, desde principios del nuevo siglo, con el rápido progreso de la tecnología de la información, el nivel técnico relacionado con la inteligencia artificial también ha mejorado en consecuencia. Especialmente con la popularización y aplicación de Internet, la demanda de inteligencia artificial se está volviendo cada vez más urgente, lo que también proporciona un escenario nuevo y más amplio para la investigación de la inteligencia artificial. Este artículo enfatiza que en la era actual de Internet, como precursora de la tecnología de la información, el aprendizaje mediante inteligencia artificial es una dirección de investigación que merece atención en el campo de la ciencia de la inteligencia artificial. Para lograr el desarrollo y la innovación del aprendizaje de inteligencia artificial en la investigación interdisciplinaria, debemos prestar atención a los puntos de intersección entre la ciencia cognitiva, la ciencia del cerebro, la inteligencia biológica, la física, las redes complejas, la informática y la inteligencia artificial, especialmente la investigación académica cognitiva. El lenguaje natural es el portador de las actividades del pensamiento humano y el objeto directo de la representación del conocimiento que no se puede evitar en el aprendizaje con inteligencia artificial. Es necesario establecer un modelo de conversión de incertidumbre que pueda expresar conceptos cuantitativamente en el lenguaje y desarrollar inteligencia artificial de incertidumbre. Debemos hacer uso del modelo de mundo pequeño y las características sin escala de las redes complejas en la vida real, utilizar la topología de la red como un nuevo método de representación del conocimiento, estudiar la evolución de la topología de la red y el comportamiento dinámico de la red, y estudiar la inteligencia de la red para adaptarnos a los datos de la era de la información. Minería de los requisitos generales para dar la bienvenida a una nueva gloria en el campo del aprendizaje y la aplicación de la inteligencia artificial.
Resumen
Desde la década de 1990, con la formación de la globalización y la competencia internacional cada vez más feroz, la gente ha prestado cada vez más atención a la investigación y aplicación de la tecnología de inteligencia artificial en la fabricación. se han convertido en la clave para hacer realidad el conocimiento, la automatización y la flexibilidad en la fabricación para lograr una respuesta rápida al mercado.
La inteligencia artificial es una disciplina que estudia el mecanismo de la inteligencia humana y cómo utilizar máquinas para simular la inteligencia humana. En este último sentido, la inteligencia artificial también se denomina "inteligencia de máquina" o "simulación inteligente". La inteligencia artificial se desarrolló después de la aparición de las computadoras electrónicas modernas. Por un lado, se convierte en una extensión de la inteligencia humana y, por otro, proporciona nuevas teorías y métodos de investigación para explorar el mecanismo de la inteligencia humana.
El estudio de los mecanismos de aprendizaje es el tema central de la investigación en inteligencia artificial. Es la base de las funciones adaptativas y de mejora personal de los sistemas inteligentes. El proceso de aprendizaje tiene las siguientes características: la conducta de aprendizaje generalmente tiene un propósito obvio y el resultado es la adquisición de conocimientos. Los cambios en la estructura del sistema de aprendizaje son direccionales y están determinados por el algoritmo de aprendizaje o el entorno; El sistema de aprendizaje es el esqueleto central de la construcción de un sistema inteligente y un lugar donde el conocimiento del sistema se organiza y preserva de manera integral. Por lo tanto, uno de los principales propósitos de la investigación sobre el aprendizaje de la inteligencia artificial es permitir que las máquinas realicen tareas complejas que normalmente requieren inteligencia humana. Sin embargo, diferentes personas en diferentes épocas tienen diferentes interpretaciones de este "trabajo complejo".
1. La base histórica y el ritmo de desarrollo del aprendizaje con inteligencia artificial
La historia del desarrollo del aprendizaje con inteligencia artificial está relacionada con la historia del desarrollo de la informática y la tecnología. Además de la informática, la inteligencia artificial también abarca la teoría de la información, la cibernética, la automatización, la biónica, la biología, la psicología, la lógica matemática, la lingüística, la medicina, la filosofía y otras disciplinas.
En general, se cree que la idea de inteligencia artificial se remonta a la idea de "lenguaje universal" propuesta por el famoso matemático y filósofo alemán Leibniz (1646-1716). El punto clave de esta idea es establecer un lenguaje simbólico universal, en el que los símbolos se utilizan para expresar el "contenido del pensamiento" y la relación formal entre símbolos se utiliza para expresar la relación lógica entre el "contenido del pensamiento". Por lo tanto, la idea de que la "mecanización del pensamiento" puede realizarse utilizando un "lenguaje común" puede considerarse como la descripción más temprana de la inteligencia artificial.
Turing, el fundador de la informática, es conocido como el "Padre de la Inteligencia Artificial". Se centró en qué condiciones debe cumplir una computadora para ser llamada "inteligente". En 1950 propuso el famoso "experimento de Turing": una persona y un ordenador están en dos habitaciones y el único contacto con el mundo exterior es a través del teclado y la impresora. El árbitro humano hace preguntas a las personas y computadoras en la sala, y utiliza las respuestas de las personas y las computadoras para determinar qué sala está ocupada por personas y qué sala está ocupada por computadoras. Turing creía que se podría decir que una computadora de este tipo era inteligente si un árbitro "gentil" no podía distinguir correctamente. El "Experimento de Turing" es una definición clara del estándar de inteligencia. Curiosamente, aunque algunas computadoras han pasado el experimento de Turing, la gente no admite que estas computadoras sean inteligentes. Esto refleja una comprensión más profunda de las personas sobre los estándares de inteligencia y los mayores requisitos para la inteligencia artificial.
Los trabajos antes mencionados de Turing y von Neumann, así como la investigación sobre modelos matemáticos de redes neuronales de McCullough y Pitts, constituyen la etapa primaria de la inteligencia artificial y son en realidad el comienzo del aprendizaje de la inteligencia artificial. .
Las primeras investigaciones sobre inteligencia artificial dejaron una profunda impresión en la gente. Así como las implicaciones para la investigación de la demostración automatizada de teoremas no se limitan a las matemáticas, las implicaciones para la investigación de la búsqueda no se limitan a los juegos. La escuela de procesamiento de información de psicología cognitiva cree que una gran parte del proceso de pensamiento humano se puede abstraer en el proceso de un problema desde el estado inicial hasta el estado intermedio y, por lo tanto, se puede transformar en un problema de búsqueda y de forma automática. completado por la máquina. Como "planificación". Imagine que a un robot se le pide que complete una tarea compleja que consta de muchas subtareas diferentes, algunas de las cuales sólo pueden ejecutarse después de completar otras subtareas.
En este momento, el robot necesita "imaginar" un plan de acción factible de antemano y tomar medidas de acuerdo con este plan para completar con éxito la tarea. "Planificar" consiste en encontrar un plan de acción factible, con sus subtareas como estados y las dependencias entre subtareas como sucesoras directas, que se pueda lograr buscando en el espacio de estados.
Las primeras investigaciones sobre inteligencia artificial también incluyeron la comprensión del lenguaje natural, la visión por computadora y la robótica. A través de una gran cantidad de investigaciones, se ha descubierto que está lejos de ser suficiente confiar únicamente en métodos generales de resolución de problemas, como el razonamiento automático y la búsqueda. La investigación en psicología cognitiva de Newell y Simon muestra que los expertos en diversos campos muestran habilidades extraordinarias en sus campos profesionales, principalmente porque los expertos tienen una gran experiencia (conocimientos y experiencia en el dominio). A mediados de la década de 1970, Feigenbaum propuso el concepto de ingeniería del conocimiento, que marcó el segundo período de desarrollo de la inteligencia artificial. La ingeniería del conocimiento enfatiza el papel del conocimiento en la resolución de problemas, en consecuencia, el contenido de la investigación se divide en tres aspectos: adquisición del conocimiento, representación del conocimiento y utilización del conocimiento. La adquisición de conocimiento estudia cómo adquirir conocimiento experto de manera efectiva; la representación del conocimiento estudia cómo expresar el conocimiento experto en una forma que sea fácil de almacenar y usar en computadoras; la utilización del conocimiento estudia cómo utilizar el conocimiento experto expresado apropiadamente para resolver problemas en campos específicos. Los principales medios técnicos de la ingeniería del conocimiento se desarrollan sobre la base de logros iniciales, especialmente la utilización del conocimiento, que se basa principalmente en los logros técnicos del razonamiento y la búsqueda automáticos. En términos de representación del conocimiento, además de la representación lógica y la representación de procesos que aparecieron en los primeros trabajos, se ha desarrollado la representación de la web semántica propuesta en la investigación de la memoria asociativa y la comprensión del lenguaje natural, y posteriormente la representación de marcos, la dependencia de conceptos, la representación de guiones y la producción. Se introdujeron la representación y muchos otros métodos. A diferencia de investigaciones anteriores, la ingeniería del conocimiento enfatiza las aplicaciones prácticas. Los principales resultados de la aplicación son varios sistemas expertos. Los componentes centrales del sistema experto incluyen:
(a) La expresión de la base de conocimientos, incluido el conocimiento experto y otros conocimientos.
(b) Un motor de inferencia que utiliza el conocimiento para resolver problemas.
El ciclo de desarrollo de sistemas expertos a gran escala suele durar hasta 10 años, principalmente debido a la adquisición de conocimientos. Aunque los expertos en el dominio pueden resolver problemas muy bien, a menudo no pueden explicar cómo los resolvieron y qué conocimientos utilizaron. Esto dificulta que los ingenieros del conocimiento, responsables de recopilar conocimientos expertos, completen eficazmente la tarea de adquisición de conocimientos. Esta situación ha estimulado enormemente el desarrollo en profundidad de la investigación sobre el aprendizaje automático y la adquisición automática de conocimientos. Los métodos de aprendizaje automático más estudiados incluyen el aprendizaje inductivo, el aprendizaje analógico, el aprendizaje interpretativo, el aprendizaje por refuerzo y el aprendizaje evolutivo. El objetivo de la investigación del aprendizaje automático es permitir que la máquina adquiera conocimientos y habilidades relevantes a partir de su propia experiencia de resolución de problemas o de "otros", mejorando así sus propias capacidades de resolución de problemas.
Desde la década de 1980, con la popularización de las redes informáticas, especialmente la aparición de Internet, la aplicación generalizada de diversas tecnologías informáticas, incluida la tecnología de inteligencia artificial, ha promovido enormes cambios en la relación entre humanos y máquinas. Según las predicciones de los futuristas de Japón, Estados Unidos y otros países, la relación entre humanos y máquinas está cambiando rápidamente del modelo tradicional de "conectar personas" a un nuevo modelo de "conectar máquinas". Este cambio provocará enormes cambios en los métodos de producción social y en los estilos de vida, y también planteará nuevos temas para la inteligencia artificial e incluso para la tecnología de la información en su conjunto. Esto ha llevado a la inteligencia artificial a entrar en su tercer período de desarrollo.
En esta nueva etapa de desarrollo, la inteligencia artificial se enfrenta a una serie de nuevos requisitos de aplicación.
En primer lugar, es necesario proporcionar medios técnicos potentes para respaldar el trabajo colaborativo distribuido. La producción moderna es un tipo de producción socializada a gran escala, en la que trabajadores de diferentes profesiones se involucran en diferentes subtareas de la misma tarea en diferentes o en el mismo momento y lugar. Esto requiere que la computadora no solo brinde asistencia y soporte para cada subtarea, sino también para la coordinación entre subtareas. Debido a que cada subtarea puede desarrollarse en gran medida de forma independiente, las relaciones entre subtareas son necesariamente dinámicas e impredecibles. Por lo tanto, la coordinación entre subtareas (es decir, el soporte del trabajo colaborativo distribuido) plantea un gran desafío para la inteligencia artificial e incluso para toda la tecnología de la información y la teoría básica.
En segundo lugar, la creación de redes promueve la informatización, haciendo que las bases de datos originalmente dispersas y aisladas formen un todo interconectado, es decir, un espacio de información con la misma información. Aunque los navegadores y motores de búsqueda existentes proporcionan la ayuda necesaria para que los usuarios encuentren información en línea, esta ayuda está lejos de ser suficiente, por lo que la situación de "sobrecarga de información" y "pérdida de información" es cada vez más grave. Herramientas de servicios de información inteligentes más potentes se han convertido en una necesidad urgente para los usuarios. Por otro lado, el valor del espacio de información para los seres humanos reside no sólo en elementos de información individuales (como información sobre un nuevo producto producido por un determinado fabricante), sino también en el conocimiento general oculto en una gran categoría de información (como como las tendencias de la oferta y la demanda de una determinada industria). Por lo tanto, el descubrimiento de conocimiento en datos se ha convertido en un tema de investigación urgente. Los robots siempre han sido una necesidad urgente en la industria moderna. Con el desarrollo de la robótica, el foco de la investigación se ha desplazado hacia robots autónomos que pueden trabajar de forma independiente en entornos dinámicos e impredecibles y robots que pueden cooperar con otros robots, incluidos los humanos. Obviamente, este tipo de cooperación entre robots puede considerarse como trabajo colaborativo distribuido en el mundo físico, que contiene las mismas cuestiones teóricas y técnicas.
Se puede observar que la característica destacada del tercer período de desarrollo de la inteligencia artificial es el estudio de un sistema informático que pueda funcionar de forma autónoma y coordinada en un entorno dinámico e impredecible. Este sistema se llama agente.
Actualmente, se están llevando a cabo investigaciones en torno a la teoría de agentes, la arquitectura de agentes y el lenguaje de agentes, lo que ha dado como resultado una serie de nuevas ideas, nuevas teorías, nuevos métodos y nuevas tecnologías importantes. En este estudio, la inteligencia artificial muestra una tendencia de integración con la ingeniería de software, la computación distribuida y la tecnología de la comunicación. La aplicación de la investigación de agentes no se limita a la producción y el trabajo, sino que también profundiza en el aprendizaje y el entretenimiento de las personas. Por ejemplo, el sistema de entrenamiento virtual producido al combinar Agent con realidad virtual permite a los estudiantes aprender habilidades básicas de vuelo sin tener que operar el avión; de manera similar, los clientes también pueden "disfrutar" el "sabor" del combate real;
China también ha establecido grupos académicos como la Sociedad China de Inteligencia Artificial, el Comité de Inteligencia Artificial y Reconocimiento de Patrones de la Federación de Computadoras de China y el Comité de Reconocimiento de Patrones e Inteligencia de Máquinas de la Sociedad China de Automatización para realizar intercambios académicos en este campo. Además, el país también ha comenzado a construir una serie de laboratorios nacionales clave relacionados con la investigación en inteligencia artificial, que promoverán la investigación de la inteligencia artificial en nuestro país y contribuirán al desarrollo de este tema.
Si observamos el desarrollo del aprendizaje con inteligencia artificial, podemos ver las ideas básicas que siempre ha seguido. El primero es enfatizar la realización artificial de la inteligencia humana en lugar de la simple simulación, y atender las necesidades reales de los seres humanos en la medida de lo posible. En segundo lugar, enfatiza la combinación de disciplinas interdisciplinarias y cada vez más nuevas, como matemáticas, ciencias de la información, biología, psicología, fisiología, ecología y ciencias no lineales, se integran en la investigación del aprendizaje con inteligencia artificial.
2. Principales tecnologías y tendencias de desarrollo del aprendizaje con inteligencia artificial
En la actualidad, existen tres puntos calientes en el aprendizaje con inteligencia artificial: interfaces inteligentes, minería de datos, agentes y sistemas multiagente. .
La tecnología de interfaz inteligente es el estudio de cómo permitir que las personas y las computadoras se comuniquen de manera cómoda y natural. Para lograr este objetivo, se requieren computadoras para comprender texto, comprender el idioma, expresar texto e incluso traducir entre diferentes idiomas. La realización de estas funciones se basa en la investigación de métodos de representación del conocimiento. Por lo tanto, la investigación sobre tecnología de interfaz inteligente tiene un gran valor de aplicación y una importancia teórica básica. En la actualidad, la tecnología de interfaz inteligente ha logrado logros notables y se han comenzado a aplicar tecnologías como el reconocimiento de caracteres, el reconocimiento de voz, la síntesis de voz, el reconocimiento de imágenes, la traducción automática y la comprensión del lenguaje natural.
La minería de datos es el proceso de extraer información y conocimientos ocultos, desconocidos pero potencialmente útiles a partir de una gran cantidad de datos de aplicaciones prácticas incompletos, ruidosos, confusos y aleatorios. La investigación sobre minería de datos y descubrimiento de conocimientos ha formado tres poderosos pilares técnicos: bases de datos, inteligencia artificial y estadística matemática. Los principales contenidos de la investigación incluyen teoría básica, algoritmos de descubrimiento, almacenes de datos, tecnología de visualización, modelos de intercambio cualitativos y cuantitativos, métodos de representación del conocimiento, mantenimiento y reutilización del conocimiento descubierto, descubrimiento de conocimiento en datos semiestructurados y no estructurados y minería de datos en línea.
El sujeto es una entidad con estados mentales como creencias, deseos, intenciones, habilidades, elecciones y compromisos. Es más granular e inteligente que el objeto, y tiene cierto grado de autonomía. Los sujetos intentan completar tareas de forma autónoma e independiente, y son capaces de interactuar con el entorno, comunicarse con otros sujetos y alcanzar objetivos mediante la planificación. Los sistemas multiagente estudian principalmente el comportamiento inteligente coordinado entre agentes separados lógica o físicamente y, en última instancia, logran la resolución de problemas. En la actualidad, la investigación sobre agentes y sistemas multiagente se centra principalmente en la teoría de agentes y multiagentes, la estructura y organización del sistema de agentes, el lenguaje de los agentes, la cooperación y coordinación entre agentes, la tecnología de comunicación e interacción, el aprendizaje de múltiples agentes y el sistema de múltiples agentes. aplicaciones, etc.
La nueva generación de tecnología inteligente se refiere a la tecnología informática que se ha desarrollado rápidamente desde la década de 1980, representada principalmente por redes neuronales (ANN), computación evolutiva, lógica difusa y Agent, entre las cuales las principales características son el aprendizaje. evolución y capacidades organizativas automáticas.
La red neuronal simula las funciones de las neuronas en el cerebro humano. Espera simular las funciones del cerebro humano simulando las funciones de las neuronas unitarias más básicas del cerebro humano. Entrena una red neuronal a través de un ejemplo, como enseñarle a un niño. Después del entrenamiento, las redes neuronales pueden completar funciones específicas. Modifica la estructura de la base de conocimientos y el motor de inferencia mediante el aprendizaje de ejemplos para lograr el propósito de la inteligencia artificial.
Finalmente, hay otro campo de aplicación, que es el reconocimiento de patrones. Creo que debería usarse ampliamente en la minería de conocimientos, porque ahora se obtienen cada vez más datos en los proyectos. No es fácil determinar artificialmente un determinado patrón a partir de estos datos, y mucho menos descubrir nuevos patrones en estos datos. Por tanto, es necesario realizar minería de datos y su aplicación es de gran importancia para los sistemas de apoyo a la toma de decisiones.
La gente puede pensar, la inteligencia artificial necesita pensar, esto es razonamiento; la gente puede aprender, la inteligencia artificial necesita aprender; la gente puede tener conocimiento, por lo que la inteligencia artificial también necesita conocimiento.
La inteligencia artificial consiste en simular las actividades del cerebro humano. Los seres humanos ya pueden utilizar muchas tecnologías y materiales nuevos para reemplazar muchas funciones del cuerpo humano. Mientras se simule el cerebro humano, las personas pueden completar la investigación sobre la vida artificial y crearse a sí mismas. Esto no sólo tiene una importancia científica sino también filosófica.
El aprendizaje se refiere a los cambios adaptativos de un sistema cuando se adapta al entorno, haciendo que el sistema sea más eficaz para completar tareas similares.
Desde la década de 1980, la gente ha prestado más atención al mecanismo de aprendizaje de las redes neuronales artificiales. El aprendizaje de subsímbolos basado en mecanismos de conexión se ha convertido una vez más en un punto caliente en la investigación actual sobre los mecanismos de aprendizaje, y varios mecanismos de aprendizaje nuevos, como el aprendizaje competitivo y el evolutivo. Se han propuesto el aprendizaje y el aprendizaje por refuerzo.
Aprendizaje automático. Su otro nombre, aprendizaje de memoria, puede reflejar directamente sus características. Es el método de aprendizaje más simple y primitivo, y también es la fuerza de las máquinas y la debilidad de los humanos.
Guiar el aprendizaje. Este método de aprendizaje consiste en que el entorno externo proporciona instrucciones o sugerencias generales al sistema, y el sistema las convierte en conocimiento detallado y lo envía a la base de conocimiento. Durante el proceso de aprendizaje, los conocimientos deben ser evaluados y perfeccionados repetidamente.
Aprendizaje inductivo. Podemos ver que lo que las máquinas hacen bien no es la inducción, sino la deducción. Apto para pasar de especial a general, no apto para pasar de general a especial. La generalización de lo particular a lo general es exclusiva de los humanos y es un signo de sabiduría. Existen muchos métodos de aprendizaje inductivo específicos, pero su esencia es permitir que la computadora aprenda a derivar reglas a partir de lo general.
Aprendizaje por analogía. La analogía es un tipo de aprendizaje mediante la comparación de cosas similares. Se basa en el razonamiento analógico, que consiste en comparar cosas nuevas en la memoria con cosas viejas. Si se encuentra que algunas propiedades son iguales entre ellos, se puede inferir (suponer) que otras propiedades también son iguales.
Aprendizaje basado en la interpretación. Se trata de un nuevo método de aprendizaje que ha surgido en los últimos años. No aprende por inducción o analogía, sino que utiliza conocimientos de dominio relevantes y ejemplos de capacitación para aprender un determinado concepto objetivo y, finalmente, genera una descripción general del concepto objetivo, que es un conocimiento general que puede expresarse formalmente.
El aprendizaje por refuerzo es un aprendizaje semi-supervisado basado en métodos conductuales. Hay dos métodos generales de aprendizaje. Uno está basado en modelos. En este enfoque, el agente requiere un modelo preciso del entorno y tiene una alta inteligencia, pero no es adecuado para entornos dinámicos inciertos. El otro es un enfoque basado en el comportamiento. Este método no requiere un modelo preciso del entorno y utiliza una estructura jerárquica. El comportamiento de alto nivel puede regular y restringir las capacidades de comportamiento de bajo nivel, pero cada capa tiene su propio poder de toma de decisiones independiente, como el sistema de fabricación inteligente Holacracy en [3]. La mejora tiene estas ventajas, por lo que a menudo se usa en fútbol robótico [4], problemas de caza e incluso comando de guerra [5], pero estos son solo estudios teóricos, porque el propósito del fútbol robótico en sí es probar la usabilidad de la inteligencia artificial. , y mucho menos la guerra dirigida por computadoras en lugar de humanos.
El agente que utiliza el aprendizaje por refuerzo apareció por primera vez en el algoritmo genético. Adopta la idea de "Etogenética" y rompe el método estático tradicional de larga data de una cadena de código correspondiente a una combinación de todos. Variables de estrategia en el problema de optimización combinatoria. Comprender que una cadena de código se considera el resultado de una serie de acciones de toma de decisiones realizadas activamente por un agente inteligente.
El aprendizaje de la inteligencia artificial puede desarrollarse en los siguientes aspectos: procesamiento difuso, paralelización, redes neuronales y emociones de las máquinas. En la actualidad, se ha superado la función de razonamiento de la inteligencia artificial y se están estudiando las funciones de aprendizaje y asociación. El siguiente paso es imitar la función de procesamiento difuso del cerebro derecho humano y la función de procesamiento paralelo de todo el cerebro. Las redes neuronales artificiales son un nuevo campo de aplicación de la inteligencia artificial en el futuro. La composición de las futuras computadoras inteligentes puede ser una combinación de la máquina von Neumann como máquina principal y la red neuronal artificial como periféricos inteligentes. Las investigaciones muestran que las emociones son parte de la inteligencia, no están separadas de ella, por lo que el próximo avance en inteligencia artificial puede ser dotar a las computadoras de capacidades emocionales. Las capacidades emocionales son importantes para la comunicación natural entre computadoras y humanos.
Adquirir conocimientos a través de los métodos de aprendizaje anteriores es una forma conveniente de adquirir conocimientos. Lo he dicho antes, debido a que la forma de pensar de las máquinas es muy diferente a la de los humanos, permitir que las máquinas generen conocimiento que sea fácil de entender y usar a través de su propio aprendizaje es también uno de los objetivos del aprendizaje automático.
La inteligencia artificial siempre ha estado a la vanguardia de la tecnología informática. Las teorías y descubrimientos de la investigación sobre inteligencia artificial determinarán en gran medida la dirección del desarrollo de la tecnología informática.
Porque la miniaturización de los chips informáticos se acerca a su límite. La gente espera cada vez más que las nuevas tecnologías informáticas impulsen el desarrollo de la inteligencia artificial. Actualmente, existen al menos tres tecnologías que pueden provocar una nueva revolución. Son computadoras fotónicas, computadoras cuánticas y computadoras biológicas.
Conclusión
Muchos científicos afirman que la inteligencia de las máquinas pronto superará la de Albert Einstein y Stephen Hawking juntos. El renombrado físico Stephen Hawking cree que así como los humanos pueden diseñar computadoras basándose en su capacidad superior para manipular números, las máquinas inteligentes crearán mejores computadoras. A más tardar a mediados de siglo, tal vez antes, las computadoras podrían superar a los humanos en inteligencia.
Este artículo proporciona una descripción básica de algunos métodos de aprendizaje y explica sus tendencias de desarrollo, pero en el aprendizaje general, el uso de métodos basados en el comportamiento sigue siendo el más preocupante. Este artículo presenta varias variaciones del aprendizaje por refuerzo; Se describe el método y se describe su aplicación hasta cierto punto. Hasta cierto punto, se dieron cuenta de la viabilidad de la simulación. Sin embargo, la mayoría de estas simulaciones son verificación y la aplicación de inteligencia artificial real en la producción real sigue siendo un tema que debe estudiarse. Finalmente, resumimos las áreas de investigación del aprendizaje con inteligencia artificial. Refiriéndose al papel de los humanos en diversas actividades, se puede concluir que el campo de la inteligencia artificial sólo está reemplazando las actividades humanas.
El campo del aprendizaje y la investigación de la inteligencia artificial es el campo donde las personas realizan actividades intelectuales. El aprendizaje con inteligencia artificial consiste en aplicar las ventajas de las máquinas para ayudar a los humanos a realizar actividades intelectuales. El propósito de la investigación sobre el aprendizaje de la inteligencia artificial es simular las funciones del sistema nervioso humano.
Sin embargo, con el desarrollo de la tecnología y la tecnología, los métodos de aprendizaje de la inteligencia artificial cambiarán, atrayendo nuestra atención.
Referencias
[1] Una breve historia de la inteligencia artificial, Sun Xing Tsinghua University Press, 1990.
[2] Cai Zixing y Xu Guangyou "Artificial Intelligence and Its Applications" Tsinghua University Press, enero de 2002.
[3] Chen Wanqiu; Huang Yi;; Cuestiones "poshumanas" de la tecnología de convergencia NBIC [J]; Revista de Ciencias Sociales de la Universidad Normal de Hunan 2013
[ 4] Wang; Robot moral: la contradicción entre la existencia y la ausencia de responsabilidad humana [J]; Theoretical Monthly; 2013 11
[5] ¿Por qué la teoría del aprendizaje automático no puede lograr una inteligencia artificial sólida?
[6] Wang;; Establecimiento moral y dilemas éticos de la inteligencia artificial [J]; Revista de la Universidad Agrícola del Sur de China (Edición de Ciencias Sociales 2014 01); Xiong; Investigación sobre la función de incentivo moral de los medios y su práctica [D]; Universidad de Hunan; 2013
[8] Sun Zhinan;; Aplicación de la inteligencia artificial en el control de la automatización eléctrica [J]; Industria comercial; 2013 07
[9] Song Cuiping;; Aplicación de tecnología inteligente en la automatización de ingeniería eléctrica [J]: Aplicación de tecnología energética; ;; Tecnología de detección automática eléctrica Estado actual y desarrollo [J]; 2013 11
[11] Liu Huiyan;; Estado actual y tendencias de desarrollo de los sistemas de control de ingeniería de automatización eléctrica [J]; innovación y aplicación tecnológica; 2013 18
[12] Zhu Jinfang;; Aplicación de la inteligencia artificial en la automatización de ingeniería eléctrica[J]; Ingeniería química y equipos; Pan Hangwei;; Un breve análisis del papel de la automatización eléctrica en la vida diaria Papel y tendencias de desarrollo futuras [J]; Innovación y aplicación científica y tecnológica 12
[14] Zheng Yu;; discusión sobre la aplicación de la tecnología de inteligencia artificial en la automatización eléctrica [J]: Producción electrónica; 2013 05
[15] Zhao Gang; Liu Gang; Investigación de diseño de circuitos de control eléctrico [J]; 2013 02
[16] Li Junping; Cuestiones éticas de la tecnología de inteligencia artificial y su investigación de contramedidas[D]; Universidad Tecnológica de Wuhan; 2013
[17] Zhao; del sistema de control de transporte y preparación de polvo de manganeso[D] Universidad Tecnológica de Lanzhou 2012
;