七十年代人工智能概念-七十年代人工智能概念是什么

大家好，今天小编关注到一个比较有意思的话题，就是关于七十年代人工智能概念的问题，于是小编就整理了5个相关介绍七十年代人工智能概念的解答，让我们一起看看吧。

1. 人工智能的发展可分为哪两个时期？
2. 人工智能诞生于什么具体地方？
3. 第一次工业革命是蒸汽时代，第二次电气，第三次信息时代，第四次会是AI人工智能吗？
4. 何为人工智能、机器学习和深度学习？三者间的关系又是如何？
5. 如果人工智能将代替人类，未来将会怎么样？

人工智能的发展可分为哪两个时期？

第一阶段是技术的智能化，但没有变成产业或者经济现象，第二阶段是经济的智能化，人工智能可以开始在广泛的经济领域施展魔力，它还分为前后两个阶段，前半段是通用能力的开发和***的AI能力的平台化，后半段是全面产业化，行业应用和商业化开始进行。

人工智能的发展主要经历了五个阶段：

（1）萌芽阶段，上世纪50年代，以申农为首的科学家共同研究了机器模拟的相关问题，人工智能正式诞生；

（2）第一发展期，上世纪60年代是人工智能的第一个发展黄金阶段，该阶段的人工智能主要以语言翻译、证明等研究为主；

（3）瓶颈阶段，上世纪70年代经过科学家深入的研究，发现机器模仿人类思维是一个十分庞大的系统工程，难以用现有的理论成果构建模型；

（4）第二发展期，已有人工智能研究成果逐步应用于各个领域，人工智能技术在商业领域取得了巨大的成果；

（5）平稳发展阶段，上世纪90年代以来，随着互联网技术的逐渐普及，人工智能已经逐步发展成为分布式主体...

人工智能诞生于什么具体地方？

人工智能的诞生时间是1956年的夏天，地点是美国达特茅斯学院，在这里举办了人类第一次人工智能的研讨会，会议上麦卡锡提出人工智能，并且产生人工智能的逻辑理论机器。之后的人工智能经历了几个发展阶段，其中20世纪50-70年代是黄金时代，之后10年是低谷，稍后又进入到繁荣时代。

第一次工业革命是蒸汽时代，第二次电气，第三次信息时代，第四次会是AI人工智能吗？

应该说第四次是互联网时代革命，信息化革命是上世纪90年代到本世纪初，著名的企业是微软、金山、联想。

而第五次革命是互联网技术革命，主要帮我们带来了互联这个技术，从3G技术为我们带来了移动互联，4G技术的提升，以及前些年***院要求的网络升级，帮助全国的有线网络速率提升了好几倍。最终互联网经济在我们日常生活中成为了重要组成部分。

标题问的下一次革命，会是AI人工智能吗？可能只是下一次革命的一方面的突破，有点像APP在我们手机中的概念。我认为下一次革命比如是数据的革命，随着网络越来越发达，数据成为了我们生活的支撑，基于数据再衍生的AI人工智能才能落地。数据不紧可以给AI人工智能支撑，同样数据可以给我们带来更加高效率的生产和生活。当然如果你任务数据的统计也是AI，那AI的概括会更大

何为人工智能、机器学习和深度学习？三者间的关系又是如何？

人工智能是一个大的领域，而实现这个领域的[_a***_]需要技术。

机器学习就是其中之一。

而深度学习是机器学习的子集，在硬件设施计算能力等方面有了大幅度提高后，得到了快速发展。

大概就是这样。

人工智能的概念非常广，它可以涵盖非常多的方面，它由不同的领域组成，如机器学习，计算机视觉等等。

任何具备智慧的人造之物，我们都可以称之为人工智能，甚至我们的搜索引擎如百度，谷歌等都可以称之为人工智能，你的手机，你的电脑，你的计算器，都可以被看作是人工智能。

但深度学习，是属于人工智能领域里面的机器学习子领域里面的一种机器学习方法。

机器学习方法，比较主流的有SVM(支持向量机，向量机的一种)，以及深度学习等，而深度学习是经历过起起落落，最终在近年来流行且火起来的，并且今后将作为人工智能领域的一个重要的机器学习技术，很有可能长期火下去。

深度学习它模仿的是人脑的学习机制，通过自我学习，以达到智能的目的，相比早期的人工智能而言，它具备更高一级的智慧能力，它具备自我学习能力。

所以说，人工智能包含深度学习，是属于包含与被包含的关系。

这么给你举个栗子吧，你认识一个姑娘，想把她追到手，你所***用的方法叫人工智能。

方法很多，其中一个就叫做欲擒故纵，那这个就称之为机器学习。

欲擒故纵又会有很多实施方式，那其中一个实施方式就叫深度学习。

再进一步说，深度学习算法有多种语言来实现，常用的有Python，J***a等，这就相当于你是送朵花，还是买个包。

J***a和Python也只是一种工具，核心还是算法思想，也就是你追女孩子的思路。

所以你该明白，学习人工智能，需要从总体上了解人工智能的全貌，然后选准一个方向，深入研究，人工智能面太广了，一个人不可能全部搞明白，需要深入到某个分支细细研究，足以!

1. 人工智能 (Artificial Intelligence, AI)：它是一个广泛的领域，目的是创建能够执行通常需要人类智能的任务的机器。这涵盖了从简单的计算器到复杂的自动驾驶汽车的所有内容。例子：想象一个自动扫地机器人。你不需要告诉它如何移动或避开障碍，它自己就知道。这就是 AI 的一种形式。
2. 机器学习 (Machine Learning, ML)：机器学习是 AI 的一个分支，核心思想是，不是直接编程机器去执行某个任务，而是让机器从大量的数据中学习如何执行任务。例子：***设你有很多关于房屋的数据（例如大小、位置、卧室数量等）和它们的售价。使用机器学习，你可以“教”一个计算机模型预测给定数据下的房屋售价。
3. 深度学习 (Deep Learning)：深度学习是机器学习的一个子领域，它使用所谓的“深度神经网络”从大量数据中学习复杂模式。例子：当你说“这是一只猫”的时候，你怎么知道那是一只猫呢？因为你从小看到了很多猫，你的大脑学会了识别猫的特征。深度学习的网络也是这样——例如，通过看成千上万的猫的图片，它可以学会识别新的猫的图片。
4. 三者间的关系：可以想象一个套娃。人工智能是最大的娃，机器学习是中间的娃，而深度学习则是最里面的娃。机器学习是实现 AI 的方法之一，而深度学习是实现机器学习的方法之一。

谢谢邀请。三者的关系可以说是层层递进的关系，就象一个普通人，一个大学生，一个科学家一样的关系。

任何事物的出现都有一个产生、发展、乃至繁荣的过程，人工智能也不例外。最初人工智能的先驱们，想着依据刚刚出现的计算机来构造象人类一样有理性，有思考的机器来代替人类，但他短时间内能实现吗？不能。这就需要给机器"学习”。

一个成材的大学生，需要从小努力，十几年的克苦，方能成功。现在的人工智能，只能说是弱的人工智能，象一个刚出生的娃娃。通过机器学习，使用算法来分析数据，从中学习然后对真实世界中的事物做出预测，决策。当然这种学习还没有实现通用的人工智能的最终目的，还需要深度学习。

深度学习，是实现机器学习的一种技术，赋予人工智能美好的未来，使得任何机器的协助看上去成为可能，在深度学习的帮助下，人工智能可能甚至达到我们一直以来幻想的科幻状态。

以上是个人浅见。谢谢。

如果人工智能将代替人类，未来将会怎么样？

谢谢邀请！

之前也有过说明了，从某种程度上说人工智能是还不能完全取代人类的其他行为，不要担心失业。比如思想，心理学，社会伦理等等，人工智能还需要时间。人工智能从概念提出到现在的批量发展，是在告知我们，科技发展的日新月异。目前人工智能主要完成的任务是替代人类不能完成或者比较难操作的事情！希望人工智能在不久的将来，成为人类发展进步的好助推器和带来各种便利！

首先，随着人工智能的不断发展，未来人工智能产品（智能体）将广泛参与到社会分工当中，但是人工智能完全代替人类的情况将很难出现，因为随着人工智能的发展，人力岗位也会不断升级，这并不是一个此消彼长的过程，而是互相促进的过程。按照历史经验来看，科技的进步往往会创造出更多的就业岗位。

未来智能体将逐渐替代掉一些传统的工作岗位，这些工作岗位往往具备规则清晰、技术结构单一、重复率高、劳动强度大、危险系数高等特点，随着智能体的不断发展，可以替代的工作岗位也会逐渐升级，当然这个过程可能会比较漫长。由于人工智能领域涉及到的内容非常多，所以人工智能领域的发展往往比较缓慢。目前在大数据的推动下，机器学习包括深度学习得到了一定的发展，基于机器学习的应用也在增加，所以人工智能领域的发展往往需要一些基础条件的支撑。

智能体目前替代的岗位往往都存在岗位附加值低、招聘难等问题，通过智能体的***用能够解决传统制造业的很多问题，不仅降低了生产成本，也能在一定程度上提升生产效率，比如在汽车领域智能体就有广泛的应用，未来在产业互联网阶段将有更多的传统行业陆续普及智能体的使用。

在智能体陆续普及应用的过程中，对于职场人也会提出新的要求，这些要求就是掌握人工智能的相关知识，能够与智能体进行必要的交流合作。从目前的知识结构来看，从编程语言开始学起是个不错的选择，比如Python语言。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！

人工智能的发展将会让人类变得一无是处？在Yelp（美国版大众点评）搜索团队的产品经理Yue Wu看来是无稽之谈。他近日在venturebeat上发表了一篇文章指出，人类的自觉仍旧是不可取代的。在解决问题的过程中，也遵循着一种80/20法则，仍旧需要人工智能（80）与人类直觉（20）携手并进。

把机器学习算法放到一个具体的场景来进行优化，它将展现出远超人类的能力。但作为人类，我们应该继续专注于我们最擅长的事情，比如创造性地思考，建立同理心，来以引导机器向正确的方向前进。

比如，一个朋友想让你推荐一些气氛比较适合约会的餐厅。和大多数人一样，你可能会根据一些突出的特点进行评估，比如舒适、别致的氛围、食物的口味等等，或许还会分享给他一些可口的甜点。根据这些特征的重要性，你会想起几家在这些方面都做得很好的餐厅，并给出建议。

同时，这位朋友还向一个“黑匣子机器学习算法”发出了同样的请求。机器学习算法可以获取用户评分和价格等多种商业属性，并用所有这些数据进行训练。然后，它拿出了一份有几百家餐厅的清单，按照得分高低排好顺序。

从这个简单的比较中可以清楚地看出，人类的直觉和机器学习在不同的方面有优势。我们的优势在于，作为人类，我们花了很多时间在“约会”这个场景中，和朋友建立了隐含的共享内容情节。我们很了解朋友，我们知道这次约会对于他来说至关重要，我们甚至会想些能帮助他度过一个神奇的夜晚的细节。晚上结束的时候，如果我们的朋友打电话给我们抱怨他等了近一个小时，而且停车也非常麻烦，我们也会记得这些信息，并在下次推荐餐馆时把它们考虑进去。

关于机器学习的“80/20”法则已经有了一些讨论。普遍的想法是，完成一种目标的时候，机器能帮我们做到80%，在大多数情况下，这可能已经称得上是“足够好”了。但仍有许多方面需要人类的参与和判断，才能完成最后的20%。

理解问题

如今，随着对机器学习的大肆宣传，遇到问题时，人们很容易直接进入机器学习导向型的解决方案。曾经有过这样的例子，我们热切地盯着我邻居们在用崭新的机器学习算法，特别想知道如果我们能把其加入一些更奇特的模型中的话，能解决什么样的问题。这种想法很容易就会把整个团队带到沟里去，最终很有可能建立一个非常强大的基础设施来解决一个只存在于***想中的用户问题。

在最初的浪漫餐厅推荐场景中，隐含着这样一个事实：我们已经完成了用户的研究（了解了我们的朋友），并确定了准确的用户需求（至关重要的约会）。与机器相比，人类在各种形式的生成性用户研究（***访、焦点小组、观察研究）中都非常出色——这些都需要极大的同理心和非结构化的人际互动。无数的研究（包括麦肯锡最近的一份报告）反复重申，人类在具有这些特征的领域会继续超越机器。至少在可预见的未来，人类仍将是识别这些主要问题的关键。

到此，以上就是小编对于七十年代人工智能概念的问题就介绍到这了，希望介绍关于七十年代人工智能概念的5点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.bfgfmw.com/post/30836.html