今天给各位分享人工智能高效教材答案的知识，其中也会对人工智能高职教材进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录
人工智能会主动解决问题吗
近年来，人工智能技术发展极其迅速，各种智能设备、智能软件已走进千家万户，改变了我们的生活方式和工作方式。因此，不少人认为，在不久的将来，人工智能将会全面代替人类智能，甚至超越人类智能。不过，这种观点过于悲观，人类的思想和行为中最重要最独特的部分，是人工智能无法实现，更无法替代的。
人工智能不管多么发达，归根结底，都是在人类给定的框架下解决问题。比如，某人每天上下班，公司和家之间的距离有15公里。他可以选择的交通工具包括打的、公交车、地铁、自驾车、共享单车，以及这些工具的组合。如果他去问导航软件，导航软件可以根据他的要求以及实时路况，给出一个最优的出行方案。这在现实中往往是很有用的。然而，虽然有不少人会选择在工作地点附近买房或租房来解决通勤问题，导航软件却绝不会给出搬家的方案。因为导航软件的运行程序，或者说运行框架没有这种手段可供选择，但人却不会受既有框架的约束。
人工智能也不能主动确定需要解决的问题是什么。举一个非常简单的例子，如果我问智能应答软件：“帅帅在哪里，你看到帅帅了么？”它要么回答不知道，要么给出一个错误的答案。而我如果拿这个问题去问人，被问的人不管知识水平如何，第一个反应恐怕都是：“你说的帅帅是谁啊？”我就会告诉他，帅帅是我的小狗，是什么样子，有多大，有什么特点，等等。可见，人类首先能够主动确定要解决的问题是什么，也就是说确定目标。我举的这个例子非常简单，以后人工智能或许也能应对，但并不是软件学会了如何确定问题所在，而是设计人员扩充了或者改变了软件运行的程序或框架。
总之，如果人类确定了问题，确定了可用的手段或者信息，人工智能可以给出答案，乃至近乎完美的答案。但是，人工智能不会设计这种目的—手段的框架，也不会主动突破这种框架。
人是追求意义的智慧生物，因此有自己的价值观。人类赋予某些事物以意义或价值，才构成了目的—手段的逻辑关系。也就是说，人能知道自己要的是什么，怎样才算是达成了目的。而人工智能没有意义的概念，需要人类将具有意义的逻辑关系编码输入，人工智能才能按照这种关系工作，但它本身无从建立这种关系。
人以意义来理解世界，也以此与他人交流、合作。米塞斯曾举过一个例子，假如某人闯入了一个从未去过的原始部落。那些原始人未开化，没有语言，或者即使有语言他也听不懂。但是，如果他看到这些原始人架锅生火，他就会知道，他们是要做饭了。人类有相似的心智结构，即使语言不通，也可以相互理解。如果换成机器人呢？除非是科幻电影里那些由演员扮演的机器人，否则它只会搜索和输出代码，而不会真正试图去理解眼前所发生的事。
可见，人与人工智能最大的不同，就是人通过意义和价值与外部世界建立联系。这是人作为主体而不是客体的基础，也是人类合作和创新的基础。人工智能没有意义的概念，没有价值观，终究只能是人的工具，而不可能超越人类。
值得注意的是，我们可以看出，主流新古典经济学的理性经济人假设，正是将人当成了在既有目的—手段框架下寻求最优解的机器。这其实是省略了人的行为中最具有本质性和创新性的部分。理性经济人所构成的经济体，是静态的、机械的，被动的，充其量是人工智能的世界，而不是人类社会。
人工智能历史上的第一座里程碑是（
第一座AI历史里程碑：“人工智能”名字的由来
如果你想知道“人工智能”（artificialintelligence）这个词正式出现是在什么时候，答案很可能是1955年8月31日。这是由研究人员JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提出“2个月、10个人的人工智能研究”（2month,10manstudyofartificialintelligence）提案的日子。
这个会议第二年在达特茅斯学院举行。不幸的是，他们的时间表有点过于乐观了。他们写道：“我们认为，只需经过精心挑选的一组科学家一个夏季的研究，我们就能取得重大进展。”取得进展需要的时间可比两个月长得多。
人工智能是怎么做出判断的
人工智能在计算机上实现时有2种不同的方式。
一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法，它已在一些领域内作出了成果，如文字识别、电脑下棋等。
另一种是模拟法，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。本书介绍的遗传算法和人工神经网络均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。
采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。
采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。
人工智能的历史答案
一、孕育期
1.1943年WarrenMcCulloch和WalterPitts利用三种资源：基础生理学知识和脑神经元的功能、罗素和怀特海德对命题逻辑的形势分析、图灵的计算理论，提出了人工神经元模型。
2.1949年DonaldHebb提出用于修改神经元之间的连接强度的更新规则，即赫布型学习。
3.1950年MarvinMinsky和DeanEdmonds建造了第一台神经网络计算机SNARC，使用3000个真空管和自动指示装置模拟40个神经元构成的网络。
4.1950年阿兰.图灵提出图灵测试、机器学习、遗传算法和强化学习。
5.1952年阿瑟.萨穆尔的西洋跳棋程序，可以通过学习达到业余高手的水平，
二、诞生
1956年约翰.麦卡锡(johnMcCarthy)等人召开了达特茅斯研讨会，标志着人工智能的诞生。
此后20年，人工智能领域被这10个人以及他们所在的MIT、CMU、斯坦福和IBM的学生和同事支配了。
1.艾伦.纽厄尔和赫伯特.西蒙推出了一个推理程序'逻辑理论家'，能证明罗素和怀特海德的《数学原理》。
2.1958年麦卡锡定义了长期霸占人工智能编程统治地位的Lisp语言，发明了分时技术、提出了'有常识的程序'。
后者被认为是第一个完整的人工智能系统。
3.明斯基指导学生研究求解需要智能的有限问题，这些有限域称为微观世界，比如积木世界。
这直接引发了1970年学习理论、1971年的视觉项目、1972年的自然语言理解程序、1974年的规划器、1975年的视觉与约束传播工作、
4.1962年FrankRosenblatt用感知机加强了赫布的学习方法。Block等也提出了感知机收敛定理。
5.1969年Bryson和Ho首次提出反向传播算法。
三、第一次低谷(1974-1980)
1.由于准确的翻译需要背景知识来消除歧义并建立句子的内容，导致机器翻译迟迟没有进展。
2.微观世界能求解的问题，放大之后迟迟没有任何进展。
3.感知机被嘲讽无法解决最简单的异或问题，导致神经网络几乎销声匿迹。
四、第二次兴起(1980-1987)：专家系统的流行
1.1969年Buchanan等开发了第一个成功的知识密集系统DENDRAL，引发了专家系统的研究。
2.1982年第一个成功的商用专家系统RI在数据设备公司(DEC)运转，该程序帮助为新计算机系统配置订单，到1986年为公司节省了4000万美元。
这个期间几乎每个主要的美国公司都正在使用或者研究专家系统。
五、第二次AI寒冬1987-1995
1.XCON等最初大获成功的专家系统维护费用居高不下。
2.专家系统的实用性仅仅局限于某些特定情景。
3.1981年日本提出的'第五代计算机'，以研制运行Prolog语言的智能计算，始终无法实现。
4.美国AI研究计划中的芯片设计和人机接口研究始终无法实现目标。
六、第三次兴起(1995-现在)
关于人工智能高效教材答案到此分享完毕，希望能帮助到您。
推荐阅读白云先生 人工智能，白云先生 人工智能招聘
p人工智能 gtp人工智能
阿里云人工智能？阿里云人工智能平台
安卓 人工智能 游戏(安卓 人工智能 游戏手机)
sony人工智能(索尼 人工智能)
安康人工智能招生 安康人工智能招生简章
安徽人工智能 安徽人工智能企业
poc人工智能？人工智能pca