第221章 布局人工智能（2/4）

章杉知道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”解决问题方法获取进展实体化ant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。

说起来章杉在人工智能很早就保持支持的态度，之前就注资过林宁的公司。

不过说起来那也不过是小打小闹罢了，当时看起来很大一笔投资对现在财大气粗的章杉只能说是毛毛雨了。

尽管当时的投资不算多，但是章杉对于人工智能领域的关注从来就没有停止过。

因此他也恶补了很多和人工智能相关的内容。

人工智能其实是一个很宽泛的话题！

说到底人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。

人工智能的研究可以分为几个技术问题。

其分支领域主要集中在解决具体问题，其中之一是，如何使用各种不同的工具完成特定的应用程序。

ai的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。

人工智能目前仍然是该领域的长远目标。

目前人工智能领域的核心研究问题之一是知识表示。

所谓的知识表示它的目标是让机器存储相应的知识，并且能够按照某种规则推理演绎得到新的知识。

人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的

人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。

另一个定义指人工智能是人造机器所表现出来的智能。

总体来讲，目前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。

关于人工智能目前发展的表现好多都是弱人工智能！

弱人工智能观点认为“不可能”制造出能“真正”地推理和解决问题的智能机器，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。

说起来人工智能的研究一度处于停滞不前的状态下，直到类神经网络有了强大的运算能力加以模拟后，才开始改变并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别，对定义争论不休。

就当下的人工智能研究领域来看，研究者已大量造出“看起来”像是智能的机器，获取相当丰硕的理论上和实质上的成果

ndlin和其博士研究生ichaelschidt研发出的eureqa计算机程序，只要给予一些资料，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式。

这等于只用几