人工智能和智能行为仿真

摘要

人工智能是当前知识的一个分支，与计算机科学相关，对社会的所有成员都有正反面的影响，从这一主题出发，可以从多种角度解释技术，科学与社会之间的关系。从根本上讲，同一概念有两个方面并存，其中最普遍的是“致力于非生命理性代理发展的计算机科学分支”。主要是由于其字面意思以及与该主题相关的广泛的科幻文学和电影作品，其中大多数都针对智能机器人主导的未来世界。第二个更科学的方面，这就是为什么该主题的大多数学者将人工智能定义为解决无法解决的问题的其他方法和算法的原因，使其变得非常复杂或需要通过常规方法大量使用资源。

介绍

技术的飞速发展使人类能够以更有效的方式工作，正是这种效率在很大程度上导致了社会工具的深刻变革，从而导致了新的生产和生产模式。社会变革。

但是，进步不仅仅在于技术创新和产业化。与技术发展相比，它与人类基本自由的发展（如社会和经济自由）的联系更多。在技术高度发达的社会中，由于技术变化和这一事实造成的不确定性，工作环境变得越来越复杂，人失去了选择自己的生活方式的能力。

自远古以来，技术变革通常趋向于促进人类工作，以劳动者的智力和机能代替体力。目前，计算机产品的发展也趋向于通过计算机的工作来代替人类智力活动中更为常规和机械的部分。

在当今时代，文化的各个方面都与技术息息相关，以至于技术决定了人类的未来，这是前所未有的。新的信息技术仍然具有社会文化变革和变革的潜力，而今天只能一目了然。

技术的进步会带来严重的后果，例如人类的失业，尊敬和奉献。不可否认，人工智能将给人类带来巨大的好处。但您还必须意识到其负面影响。

技术的发展一直是社会生产设备现代化的要素。然而，当人们认为仅仅采用这些技术将自动产生改变生活质量的奇迹时，不应过分乐观。

当前，我们的社会组织与承认我们自己的技术能力所产生的期望之间存在不匹配。我们生活在过去的社会中，充满了未来主义的期望，过度，误解，奥秘，并且以我们无法完全吸收的发展为生，因为它的发展比我们自己的社会发展要快得多。

只有在社会变革与科学技术进步相平衡的情况下，才能实现健康的本性，而不是永远反对人造。

因此，不仅必须在当今社会中深入研究科学对社会的影响，而且还必须深入研究对未来社会的影响。在传统社会中，自然，社会与人之间是和谐的。

目标

一般目标

解释计算机科学中的人工智能主题中包含的技术，科学与社会之间的关系。

通过书面论证了解和了解人工智能未来的不同标准，以便在公众中产生反思。

具体的目标

以辩论的方式了解并表达所选主题的各个方面；强调技术，科学与社会之间的关系；了解并表达关于人工智能的不同标准；撰写引起争议的论文，引起反思。

人工智能年代史

·最基本的思想可以追溯到希腊之前的希腊人。亚里斯多德（Aristotle，公元前384-322年）是第一个描述一套规则的人，这些规则描述了大脑工作的一部分以得出合理的结论，亚历山大·克特西比奥斯（Ktesibios）（公元前250年）制造了第一台自控式机器，即水流量调节器（理性但没有理由）。

·在1290年，拉蒙·卢尔（Ramon Llull）在他的《大不列颠》（Ars magna）一书中提出了可以人工进行推理的想法。

·1936年，艾伦·图灵（Alan Turing）正式设计了一种通用机器，该机器演示了物理设备实现任何正式定义的计算的可行性。

·1943年，沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts）提出了他们的人工神经元模型，即使该词还不存在，这也被认为是该领域的第一项工作。1950年代初，随着科学技术的发展，出现了第一个重要的进展，科学由此经历了各种情况。

·1955年，赫伯特·西蒙（Herbert Simon），艾伦·纽厄尔（Allen Newell）和肖恩·肖（JC Shaw）开发了第一本面向解决问题的编程语言IPL-11。一年后，他们开发了逻辑理论家，从而证明了数学定理。

1956年，约翰·麦卡锡（John McCarthy），马文·明斯基（Marvin Minsky）和克劳德·香农（Claude Shannon）在达特茅斯会议上发明了人工智能一词。在该会议上，对十年的胜利主义者做出了从未实现的预测，导致几乎放弃了十五年的研究。。

·1957年，纽维尔和西蒙继续进行通用问题求解器（GPS）的开发。GPS是面向故障排除的系统。

·1958年，约翰·麦卡锡（John McCarthy）在麻省理工学院（MIT）开发了LISP。它的名称源自LISt Processor。LISP是用于符号处理的第一语言。

·1959年，罗森布拉特（Rosenblatt）推出了感知器。

·在50年代末和60年代初，罗伯特·K·林赛（Robert K. Lindsay）开发了萨德·萨姆（Sad Sam），该程序可读取英语句子并从其解释中推断出结论。

·1963年，Quillian开发了语义网络作为知识表示的模型。

·1964年，伯特兰·拉斐尔（Bertrand Raphael）建立了SIR（语义信息检索）系统，该系统能够根据提供给他的信息来推断知识。鲍勃发展学生。

·后来，在1968年至1970年之间，特里·温诺格勒（Terry Winograd）开发了SHRDLU系统，该系统可以对在积木世界中移动的机器人进行询问和下达命令。

·在1960年代中期，出现了专家系统，可以预测在一定条件下解决问题的可能性。例如，DENDRAL由Buchanan，Feigenbaum和Lederberg于1965年启动，这是第一个专家系统，它协助化学家研究复杂的欧几里得化学结构，MACSYMA，它帮助工程师和科学家解决了复杂的数学方程式。

·1968年，Minsky出版了语义信息处理。

·1968年，Seymour Papert，Danny Bobrow和Wally Feurzeig开发了LOGO编程语言。

1969年，艾伦·凯（Alan Kay）在施乐PARC开发了Smalltalk语言，并于1980年出版。

·1973年，马赛大学的Alain Colmenauer和他的研究团队创建了PROLOG（逻辑编程），这是一种在AI中广泛使用的编程语言。

·1973年，Shank和Abelson开发了脚本，或脚本，将其作为人工智能和计算机科学领域许多当前技术的支柱。

·1974年，爱德华·肖特利夫（Edward Shortliffe）在MYCIN上发表了他的论文，MYCIN是最著名的专家系统之一，该系统帮助医生诊断和治疗血液中的感染。

·在1970年代和1980年代，诸如MYCIN：R1 / XCON，ABRL，PIP，PUFF，CASNET，INTERNIST / CADUCEUS等专家系统的使用有所增加。有些仍然保留到今天（外壳），例如EMYCIN，EXPERT，OPSS。

·1981年，Kazuhiro Fuchi宣布了日本的第五代计算机项目。

1986年，McClelland和Rumelhart出版了《并行分布式处理（神经网络）》。

·1988年建立了面向对象的语言。

·2006年，周年纪念在西班牙举行，大会庆祝了人工智能50年-感知与智能2006年的多学科校园。人工智能50年-感知与智能2006年的多学科校园。

·2009年，正在开发智能治疗系统，该系统可以检测情绪以便与自闭症儿童互动。

人工智能的应用

计算语言学数据挖掘工业医学虚拟世界自然语言处理机器人决策支持系统视频游戏计算机原型

人工智能涉及到：

启发式智能系统人工视觉自然语言处理神经网络机器人学搜索计划

HEURISTICS启发式是根据过去的经验及其后果对数据进行分析和推断，这一部分对于计算机游戏中的内部AI至关重要。

专家系统专家系统可以定义为基于知识的系统，它模仿专家的思想来解决特定应用领域中的问题。专家系统的主要特征之一是它们是基于规则的，即它们包含用于进行所有决策的预定义知识。

神经网络神经网络是受生物神经元功能启发的设备，适用于模式识别，从而使其非常适合在非常复杂的系统中进行建模和预测。ROBOTICS他们的机器通过计算机控制和编程移动，操纵对象和提升工作，同时与他们的环境进行交互。机器人能够比人类更快，更便宜，更准确地执行重复性任务。

家庭自动化 Larousse百科全书将术语“家庭自动化”定义为：将安全性，能源管理，通信等方面的所有自动化集成在一起的家庭概念。科学术语，用于命名技术的一部分（电子和计算机），它集成了对办公楼或一栋房屋或仅在任何房屋中的现有元素的控制和监视。另外，每个人都非常熟悉的术语是智能建筑，尽管它指的是同一事物，但通常我们倾向于将其更多地应用于大型办公大楼，银行，大学和工业建筑领域。

什么是人工智能

人工智能的概念仍然过于分散，语境化和争议

从广义上讲，人工智能是一个术语，它表示工件可以执行表征人类思想的相同类型功能的能力。自古以来，发展出这种人工制品的可能性就引起了人们的好奇。但是，人脑的工作方式尚未完全理解，因此计算机设计将基本上无法再现这些未知而复杂的过程。

为了解释以上定义，将代理理解为能够感知其环境（接收输入），处理这种感知并对其环境进行操作（提供输出）的任何事物。理性被理解为选择正确，更倾向于最大化预期结果的特征。（这种理性的概念比智力更笼统，因此比智力更能定义本学科目标的性质）。

显然，该游戏将“人工智能”的定义限制为仅模仿人类行为，只要机器看起来是智能的，机器是否智能都没有关系，只要使用适当的算法就可以实现。人工智能是一个非常好的营销名称。 “实际上，这是一个工具箱，包含的计算技术并非旨在让计算机像我们一样思考，标签只是一个隐喻。（IA AlbertoBugarín，西班牙人工智能协会成员www.aepia.org）；其他人则认为有必要找到直觉，创造力，学习能力，策略和其他本质上人类特征的可接受的定义，然后尝试将其转化为计算机程序。

关于人工智能（AI）的当前定义，有诸如Rich&Knight，Stuart之类的作者，他们通常将AI定义为机器执行人类当前正在执行的任务的能力。Nebendah，Delgado等其他作者提供了更完整的定义，并将它们定义为研究领域，该领域着重于基于经验和持续的环境知识的基于计算过程的智能行为的解释和仿真。

在研究人工智能的小组中，面对相同问题的两种方式并没有冲突地共存。

技术是过去五十年来发展最快的活动之一。当前，能够自我调节的设备，即能够根据环境的某些变量来修改其操作的设备，已被以微不足道的方式并入了几乎所有日常使用的电器中。例如，根据房间温度调节加热器开或关的恒温器。显然，没有理智的人会说恒温加热器是智能的，但是观察环境并据此采取行动的能力是智能的主要特征之一。那么，有可能制造出真正智能的机械或电气设备吗？这个问题的答案很难。第一，必须定义智力，因为很明显，它不仅仅是自我调节的能力。或者，有可能开始构建能够根据某些操作参数在逻辑上执行复杂任务的设备，而不必提出与我们面前的哲学性问题一样的问题。两条行动路线已经运作了几十年。

因此，所谓的专家系统工程诞生了：机器可以根据存储在内存中的各种可能性做出简单的决定。 1974年，MYCIN是成功使用的首批专家系统之一：使用血液样本诊断出某些细菌感染，并提出了适当的治疗方法，当然还要在医疗监督下进行。

当前，这种系统在人工智能活动中占有非常重要的地位，已用于各种领域，从城市交通管制到空间站的日常运行。因此，无需考虑什么是智能，就可以构建尽管不能正确地称为智能的机器，但至少可以将它们限定为非常合理。

他们为什么不能被称为聪明？

由于智能的不确定性：尽管有人认为某些动物以及目前正在建造的某些机器至少在某种程度上拥有它，但我们只能将其视为人类的一种品质。这种质量以一种非常简化的方式反映在所谓的智力系数中，该系数通过一系列心理测验表明一个人相对于其生物学年龄的心理能力，其中某些能力他们或多或少地获得了整个人生；特征，例如抽象能力，数字问题的解决能力或言语理解能力。从逻辑上讲，该测试不适用于机器：最简单的计算机可以在几秒钟内完成测试，复杂的数学计算，只有一群经验丰富的数学教授才能解决；但是，另一方面，这台机器将无法理解苹果好吃的表达的含义，这是任何四岁的孩子都掌握的东西。由于所有这些原因，很难知道何时可以将机器适当地称为智能机器。艾伦·图灵（Alan Turing）已经在50年代提出了一项巧妙的测试，以了解机器是否智能。他在题为《情报和计算机器》的文章中提出了一个游戏：观察者与机器和人互动，从而不必让机器模仿人类的声音或外表。观察者随便问两个问题，人与机器都必须设法说服观察者他们是人类。

显然，该游戏将智力的定义限制为仅模仿人类行为。但是，一个人可能会在数学计算中犯错误-除非计算机被编程为欺骗观察者，否则计算机将永远不会做这件事-并且仍然很聪明。另一方面，对人类了解不足以模仿人类的机器将无法通过测试，并且也不必具有智能性。

尽管仿效人工智能是人工智能的研究领域之一，但在许多其他情况下，使用计算机所拥有的巨大数据处理能力可以获得更好的结果，这是普通人类无法企及的。例如，考虑一下国际象棋，这是一种需要（均等）强大的脑力和高度的创造力的游戏，以及俄罗斯冠军加里·卡斯帕罗夫是如何被美国公司IBM生产的出色计算机Deep Blue击败的，它仅使用一个巨大的记忆，每个位置的计算能力就达数十亿个，比最杰出的凡人的心理能力大几个数量级。创新学科的世界冠军被算法的强力彻底击败。因此，与那些认为即使忽略了国际象棋棋子的心理过程的确切类型的人相比，始终可以通过适当的算法以足够的近似度来模拟它，简而言之，不管机器是否智能，只要看起来。

因此，毫不奇怪的是，与开发和完善大量三维视觉传感器的工程师团队，模仿气味的化学传感器和允许分配用于操纵物体的力的触摸传感器一样，根据他们的体重和脆弱性，其他团队致力于感知机制，在开发允许机器根据自身经验运行的学习程序的过程中，尝试开发允许机器识别三维物体的计算机程序。还研究了模糊逻辑，它是普通语音的基础，也就是允许使陈述像鲜美的苹果一样少被证明的陈述，或像这个人这样的人比另一个人更具吸引力，或者Juan的人很矮，因此可以以最自然的方式进行机器和人之间的交互。同样，开发了允许使用符号语言的程序，该程序不允许定义符号，但可以根据不完整的数据或基于类推来推断结论。研究该问题的另一个有趣领域是使用所谓的遗传算法，该算法使用某些计算从一组前提中获取数据，而这些数据不足而得出较高的统计概率。在神经网络的开发中也进行了研究，神经网络是一种试图将大量芯片互连的设备，模仿人脑中的突触连接，认为可以通过这种方式更好地重建智力。与许多其他科学学科合作开发智能机器。

但是，总会有无法抑制和狂热的精神，他们相信有可能实现真正的智能机器，而不会留下难以转化为一系列算法（无论是创造力还是其他）的人类智能特征。

阿尔伯特·爱因斯坦（Albert Einstein）很可能在一次假设的全球咨询中被选为历史上最聪明的人。他以毁灭性的格言肯定了这一观点，其中之一值得大家反思：机器可以解决问题，但永远也不会提出问题。

人工智能与社会

沃卓斯基兄弟（Wachowski brothers）向电影《黑客帝国》（The Matrix）的数百万观众敞开了怀抱，在那里，计算机程序操纵着人类的生活。三部曲增加了20世纪的电影人对人工智能的贡献。然而，对于科学界而言，这些电影以及史蒂芬·斯皮尔伯格的史蒂芬·斯皮尔伯格（Steven Spielberg）的“人工智能”通过将机器的智能等同于人类的智能，展现了对人工智能的扭曲看法。

目前，现实距离小说有数百万光年。但是在将来……会不会有机器的智能等于人类的智能？

世界上几乎所有的大学都有专门从事与AI相关的各个分支的系或研究小组，科学家更喜欢用人工神经网络或认知机制来代替这个名称。或其他简单的解决问题的方法，其应用是多种多样的，主要是船舶帆设计，潜艇控制，病人监护或语义或医疗工作的工程过程。

技术提出了各种各样的范例，导致理论和实践实验的精疲力尽，但是尽管失败了，但仍有令人振奋的话题，不仅引起了科学家的兴趣，也引起了社会其他各界的兴趣。在这个层次上，人工智能被定义为“专注于研究以实现对智能实体的理解的科学”。显然，具有人类或更高级的智能的计算机可以达到我们的能力，甚至取代或支配我们，这将对我们的日常生活和社会产生重要影响。

当前，人工智能系统的发展有两种趋势：专家系统和神经网络。专家系统尝试通过公式和逻辑运算（例如二进制代码）以符号方式重现人类推理。神经网络从更生物学的角度来做到这一点（它们使用遗传算法来重建人脑的结构）。尽管这两个系统都很复杂，但结果远非真正的智能思维，因为它们仅成为特定功能的再现，而不是代表人类特征的推理和复杂思维。

当我们无法在盲目的对话中区分人类和计算机程序时，真正的人工智能将显而易见。应该考虑的是，当机器达到我们的思维能力时，它们将具有人类特征，例如学习，适应，推理，自我纠正，内在改善和对世界的模型感知。因此，不仅可以说一个目标，而且还可以说许多目标，这取决于所谓的人工智能可以找到的观点或效用。

不可否认，人工智能将给人类带来巨大的优势，并将成为历史的里程碑。但您还必须意识到其负面影响。例如，失业，人将完全被生产速度更快，并发症更少的机器所取代，因为它们不会像人通常那样将个人生活与工作生活融合在一起，它们将成为优秀的生产者，并且在一个显着的资本主义世界中足以生存并获得力量。

目前，令人放心的事实是不知道人脑如何工作，这使得一些AI仿真看起来像<>，换一种说法：

“就好像我们被蒙住了双眼，看看我们如何能够创造出我们甚至都不了解的东西，我们开始用这个千亿拼图的巨大拼图进行测试，我相信其中只有几百个……我们不知道它们是否适合彼此……”（威尔逊，2005年）³。

但是，您必须考虑到，即使无法实现对人类思想的完美模仿，创建可以在有时平淡的日常生活中代替我们的对象的事实已经改变了社会，生活方式和组织，它需要维护成本。

智能系统将如何影响明天的人类生活，这些几乎由人类自己以其形象和相似性创造的奇怪机制将在或多或少的未来中发挥何种作用，谁会说有一天将一台类似于人类的机器进行比较。我们能够以如此准确，可靠的方式进行活动，并取代了他的工作，我们不知道，但这是一个事实，因此，除了为未来的人类趋势做准备之外，别无他法。

结论

1.两种解释人工智能的方法并存。

·人工智能的定义仅限于模仿人类行为，只要机器看起来是智能的，机器是否智能都没有关系。

·其他解决问题的方法，使用常规算法无法解决。

2.在人工智能技术领域中，机器具有像人一样思考和行动的能力，这是引起人们最大期望的领域之一，即使在整个社会中，这也是由于人们寻求理解人类行为机理的事实。多年来，智能一直是许多科学家工作的哲学家的基石，现在仍然如此。

3.技术进步可以给社会带来巨大的变化。不可否认，人工智能的使用将为人类带来巨大的好处，从而改善生活质量。改变了社会以及人们与之互动的方式，但还必须意识到社会的负面影响，例如涉及身心工作的工作的消失以及与新技术有关的其他人的创造。