标签: 人类

我们与机器的相似之处真是令人惊讶。 我们的工作使人们有能力轻松完成，我们这样做。 对我们来说，这看起来很容易，但是也许您已经看过猫会努力转动门把手？ 也许您试图在一个界限内跳跃在一个人内阁的顶部？ 如果您刚刚尝试执行这一确定性，请尝试缩小您的目前大小的十分之一，然后重试，甚至更难吗？ 我们被迫做特定的事情，就像机器一样。我们不是在这里谈论达尔文，为什么我们一直在设计我们的状况并不是我在这里调查的内容。 无论我们是随机具有对立的拇指，还是上帝把它们放在那里，无论我们是由于我们的优势视力而击败其他类似物种，还是我们只是通常的幸运，如果您问我，这都是无关紧要的。 我们在这里，我喜欢它。但是我们只是另一种机器。 我们需要燃料，耗尽，分解，错误，我们成功完成任务，甚至还有创建我们开始的关键。 一旦您坐下来，我们的钥匙就不会小，银色和痛苦，我们的钥匙是出于动力而创建的。 我喜欢学习新事物，现金也是一个极好的动力，也许有些人喜欢闪亮的物体，但是有时候我工作，有时我不喜欢，这很容易获得适当的钥匙。 我们是有机机器，自然而然地建造了。例如，将我们与某种类型的计算机进行比较。 让我们考虑某种计算机的不同部分的基本部分：RAM，处理器，硬盘驱动器，冷却液系统，主板，接口以及其他各种其他配件，这些配件在质量和数量方面从计算机变为计算机。 现在的主要区别是，较慢的计算机可以是较旧的计算机。 然而，一个成熟的人不一定是一个较慢的人，至少没有思考能力。 RAM是随机访问记忆，或者在人类的短期内存中。 处理器，有机会快速知道您周围发生的事情。 与标准硬盘驱动器相比，硬盘可能是快速或缓慢的硬盘，例如SCSI驱动器，例如SCSI驱动器。您可以记住一旦您十年的会议的信息有多困难？ 也许您是SCSI，您会记得您穿过的每件衬衫，但是我们大多数人都是普通的旧硬盘。 计算机具有冷却系统，我们有冷却系统，我们出汗以使蒸发可以冷却我们的外壳。 猜猜会发生什么，如果人类过热，发烧可能非常危险，类似于过热的计算机，可能会破裂。 我们的计算机内部的主板已经变得与我们的中枢神经系统一样，它们都控制着所有其他组件的轮子和交易。 更不用说计算机接口或我们的脸了； 两者都显示里面发生了什么。 考虑鼠标和键盘，类似于我们的手。我们在自己的图像中开发了一台计算机吗？ 我非常怀疑，有人查看了显然是人类的机器，并决定将某种类型的计算机系统基于我们。 如果我们没有故意采取行动，也许您可​​以找到功能性节点必须满足的标准？ 这可能意味着我们比我们普遍接受的创造更接近创造的创造。 此外，它表明，无论是DNA和DARWIN的概念还是全能的上帝，都创造了我们的事物。因此，下一次您的个人计算机不仅要完成您需要完成的工作，不要生气，不要打sm，如果您想要的话，可以发誓，因为那是我真正的工作 您可以测试以理解计算机所需的内容。 它可能想要一个有意义的事情。 考虑一下小时候的某种类型的计算机，它想要它需要的东西，它很难让您知道要购买需求。 或下次您的女士，父亲或伟大的鲍勃叔叔会因扔掉老式车而感到感性时，请不要笑。 该设备是我们的一部分，而不仅仅是因为我们发明，构建，使用和破坏了它。 这是我们中的一部分，因为它在某些方面，在很多方面都与我们一样。...

人工智能社区没有掌握您的大脑能量，这可能是宇宙中最强大的智能，因为它们使用了计算模型。 他们错误地认为智力是通过计算实现人生目标的实现。 AI研究是通过计算机在1940年代到达的，这是基本的前提，即思想进行了某种类型的计算。 艾伦·图灵（Alan Turing）是第一个通过编程计算机专注于智能机器的公司之一。 算法程序确实使程序能够获得惊人的结果。 计算机可以解决复杂的数学和工程问题。 一些科学家甚至认为，足够大的计划和整理知识可以实现人类水平的智能。 虽然可能还有其他可能的方法，但计算机程序是想要模拟人级智能的最佳可用资源。 但是，在1930年代，包括图灵和戈德尔在内的数学逻辑学家确定，不能保证使用数学领域来解决问题。 计算复杂性的理论都定义了一般问题的问题和AI社区的问题，均未确定问题和解决问题方法的特性，这使人能够解决问题。 搜索的每个方向似乎都导致了终点。 AI社区无法设计一台机器，可以学习并具有很大的智能。 没有课程可以通过阅读来学到很多东西。 计算机可能会使用庞大的计算能力来在大师级上下棋，但它们的智能有限。 并行处理计算机看起来很有希望，但事实证明很难编程。 计算机程序只能解决特定的域问题。 他们可能无法区分问题，也不会被视为“一般问题解决者”。 由于人类可以解决独特的领域问题，因此罗杰·彭罗斯（Roger Penrose）认为，计算机本质上无法实现人类智能。 哲学家休伯特·德雷福斯（Hubert Dreyfus）还建议AI是不可能的。 但是，尽管大多数研究人员认为有必要采用新的基本思想，但AI社区仍在继续进行搜索。 最终，总体共识是计算机只是“有些聪明的”。 那么，“智能”本身的基本定义是否错误？ 由于很少了解人类的智能，因此不可能将特定的计算程序定义为智能。 智力显然是解决问题的能力。 在自然界中，这是一种成熟的情报，在生存过程中赋予了动物的“体内平衡”。 体内平衡是实体正常运作的力量，在可变的和敌对的环境中，在体内实现了相对恒定的状态。 这是一个明智的过程，由动物在许多层面上通过各种感应，反馈和控制系统在内部维护，并通过控制中心的层次结构进行监督。 即使是最便宜的动物也达到的这项技术是最好的“总体问题解决者”。 该过程并不是特定领域的。 它认识到问题，并通过有效的运动活动做出了反应。 它放在生存的每个部分。 神经系统获得了数万亿感觉输入的万花筒混合物。 惊人的记忆使其能够牢记并识别模式。 直觉是一个算法过程，使其能够将单个模式的上下文与银河记忆中的上下文隔离。 该机器可以从不可思议的接收感觉输入中识别对象。 这种模式识别能力并没有受到静态对象的识别的限制。 它可能会发现问题。 它识别并解释了动态事件，以创造情感模式。 情绪明确定义了问题。 动物认识到一个令人愉快的轻推和致命的滑行之间的区别并做出了回应。 恐惧，愤怒或嫉妒激发了他们。 每个电动机响应都有特定的问题解决步骤的序列，这些步骤又是记忆的活动模式。 环境为机器提供了数量不可思议的神秘现象。 几个是由于其他现象。 大多数问题是事件的模式，它们具有上下文链接，可记住成功解决问题的策略。 启用模式识别的标识。 该过程并不是特定领域的。 它跨越了完整的解决问题域。 模式识别仅确定了一种现象与另一种现象之间的超链接。 直觉立即确定了上下文链接。 它没有确定您两者之间的复杂推理链接。 它没有使用增量逻辑步骤来解决问题。 当原始人因暴风雨前进而被庇护时，他只是对感知到的模式给出答案。 多年来，人类对许多自然做出了充分的反应，而没有理解根本原因。 这种智能不是通过分析特定原因及其影响之间的逻辑和数学精确的链接来通过计算来贯穿生命的。 高级研究和研究之后才发现原因背后的原因。 这种分析仅受益于解决问题的次要部分。 几种症状与疾病有关。 医生发现了疾病，而不必总是知道症状与病情之间的逻辑或合理联系。 软件代码是合乎逻辑的。 但是，许多复杂代码的怪癖都是效果模式，与特定的编程事件相关，只能通过模式识别智能来认识到。 通过敏感模式识别实现了复杂的问题解决。 真正的智能是这种强大的模式识别能力，同时也发现了逻辑，推理和数学。...

好奇心一直躲避人。 这导致了许多发明和发现。 人类创作的最佳例子之一是计算机。 我们会自动想到一张图片。 他们有能力完成花费我们时间的巨大计算，无聊和重复的任务。计算机提供的不是僵化或不思想的能力。 而是有条件地采取行动； 有时这样，有时是适当的。 这意味着将知识应用于行动。 信不信由你，即使在这里，态度也最重要。 我们要求这些机器完成我们已经知道和做的工作。 但是我们需要它们更快，更准确。具有讽刺意味的是，我们人们正在试图通过人工举止产生智慧。 它唯一的科学创造了具有智慧和有点常识的机器（制造机器）。 这是关于您如何计划系统的方式，使其像人类一样。 他们可以思考，处理信息，可以做出决定并采取相应行动。 是的，我们赞成对现实的幻想。历史可能与埃及人的幼年有关，但这在1956年在约翰·麦卡锡（John McCarthy）的指导下于1956年在新罕布什尔州汉诺威（Hanover）举行的达特茅斯会议上获得了正式的“人工智能”。 世界开始了解人类思维的水平。 随之而来的是很多事情。 LISP或记录处理，该语言用于AI，由约翰·麦卡锡（John McCarthy）于1958年设计。1970年，世界在健康科学领域获得了第一个用于检测血液疾病的专家系统，Mycin。 1972年，日本人开发了AI的主要语言之一。192。实际上使世界惊讶的大事发生在1991年，当时人类国际象棋大师被计算机击败。休息他们说是历史...