洛必德机器人品牌服务商

所谓人工智能（artificial intelligence，简称AI），主要是两个方向：

利用计算机强大的运算性能对大量数据进行分析，从近乎无数中方案中帮助人们选出优;

利用计算机网络模拟人类的神经网络和认知(物质转化为意识的尝试)，让计算机模仿人类那样思考，而其计算能力又远高于人类。

两次人机大战，前者是“深蓝”的思路，后者是“阿尔法狗”的思路。

一、强人工智能与弱人工智能

所谓图灵测试是指，如果一台机器可以诱导一个人相信它也是一个人，那么这台机器就具有智能（intelligence）。以图灵测试为量度，以“图灵机”为元载体，图灵指出，大脑就是另一种形式的计算机，无论如何设计其人工智能系统，这台计算机都可以做出类似人类的行为。因为，人类智力光辉之处即在于对符号的处理，而计算机也能做到，称为强人工智能观点。

1943年，麦克卡洛克和匹茨提出，大脑神经元的工作原理和门电路相似，神经元像集成电路一样有着***设计的回路，从宏观上看，这一结构使得神经元可以收集输入的信息，决定输出的信息，换言之，神经元——至少从理论上——可以实现数字电路的功能。海布进一步指出，脑皮层中任意给定点的活动量，都是所有其他点向其放电的趋势之和，正比于该点被激活的次数，正比于激发的强度，正比于竞争点的缺少。

1956年，司马贺与纽威尔提出“物理符号系统”假设，从信息加工的观点研究人类思维，后来人们将此论文视为认知科学和人工智能的滥觞。AI在其发展的初期，首先是得到了行为主义心理学的支持，该学派认为，尽管大脑内部的运转过程是一个黑箱——不能直接打开，但可以通过测量其输入和输出——在此处是指外部环境和人在对应情形下的行为——研究其性质。

1980年，约翰·赛尔提出“中文屋”思想实验：假设一个不懂中文的美国人身处一个与外界隔绝的房间，房间中放置了很多汉字，他一个都不认识，另外有一本汉字使用指导书。门外的中国人与他交流时，赛尔只需要根据使用指南选择正确的汉字，并将汉字从门缝下面递给外面的中国人。由于中间消毒机器人隔了一道门，中国人以为自己在和懂中文的人交流。

赛尔认为，尽管屋子里的人甚至可以做到以假乱真，让屋子外的人以为他是懂得中文的用户，然而，他压根就不懂中文。而在上面的过程中，屋子外的人所扮演的角色相当于程序员，屋子中的人相当于计算机，而手册则相当于计算机程序。正如屋子中的人不可能通过手册理解中文一样，计算机也不可能通过程序来获得对自然语言的理解能力，称为弱人工智能观点。

赛尔的反对者们则认为，人是拥有智能的，其智能决策来自于脑细胞的电信号转换，每一个脑细胞并不理解单词的意义，只是简单的缓冲、传递或抑制一个电信号，但是脑细胞创造了语法规则与决策策略，尽管它们并不懂每个单词的意义。而人类却能显示出与人沟通的能力。如果按照赛尔的观点，人类不存在认知能力，这与事实是不符的。所以依然可以认为若某消毒机器人段计算机程序，能够完成图灵测试，则说明该段计算机程序具有认知能力。

图灵是从机械装置出发指出，如果可以模拟数理逻辑程序进行操作或运算，那么，就可以应用该装置模拟理解自然语言；赛尔则是从假想实验的纯逻辑思维的角度来分析图灵测试（也可视为是图灵的假想实验）并认为，即使通过图灵测试，也并不能够证明图灵机即计算机可以像自然人一样理解中文（至少一个只懂英文而不懂中文的人都不能做到）。如果我们回望中文屋实验的全过程，我们会发现，其中并不存在“认知”过程的发生。这意味着，我们必须首先理清“认知”的眉目，这样才能断言一个系统是否是智能的，单从表面的行为是找不到答案的。例如，在你读这篇文章之时，别人是无法判断你是否理解了这篇文章的。别人可以在事后提问，但你的文章的理解就发生在你阅读的同时。这意味着，理解是无法用外部行为来量度的，它是对大脑如何记忆和利用这些记忆的内部量度。

因此，对于大脑的解读是必须的，并且解读应该基于三个基点。首先，大脑所处理的输入输出的信息流都不是静止的，因此大脑本身也不可能是静止结构，而只能是开放的、时变的动态结构。其次，大脑是浸润在反射——从更普适的角度来说就是反馈——之中的，在大脑中存在着多样的基于反馈的控制系统。此外，对于大脑的解读必须和大脑的物理结构与生化性质自洽。

在1985年前后的一段时间，神经网络风靡硅谷，其研究人员——又被称为连接主义者——希望通过对神经元的研究让AI不可捉摸的特性变得清晰，并且通过复制海量神经元间的连接，让一些那时还束手无策的问题得以解决。与处处需要编程的AI不同，神经网络是可以基于事例学习的。

自匹配记忆（self-associative 消毒机器人 memories）也在此间被提出，它也是由相互连接的神经元构成，在达到某个临界点时可以自动激活，并可以将输出传回输入，这一模式与大脑有以下共同点：那就是要检索某个模式，不必拥有其全部，而只需拥有某一部分，也能达到正确的结果，就像你去银行用一张破损的100元换一张完整的100元一样。因此，自匹配记忆可以存储多序列模式，输入序列的一个部分，它也能将其他部分回忆起来，就像你只要看到“床前明月光”就能联想到这首诗的后面三句一样。

图形处理器（GPU）是为了满足快速处理图片的需求而添加的并行式芯片，到了2009年，吴恩达率先提出GPU可以并行运行神经网络，而如今，这已经被当做常规技术进行使用。当神经网络中的某一“末梢”被发现能够触发下一层网络的反应，就像手指碰到了开水，那么这一结果将被传递到下一层级进行解析，就像“被烫着”的信号被传给大脑，指令人将手指缩回。2006年深度学习算法的发明，大大加快了传递信号的速度。在上述两大技术投入实际之后，人工智能得到了迅猛的发展。

我们说，如果把人工智能比作一台汽车，那么学习型算法和大数据就分别是它的引擎和燃料。我们可以教授人工智能玩游戏的方法，那就是让它学习和模仿我们是如何玩游戏的，这将更有助于发挥计算机惊人的运算能力的优势。人工智能将把人类从重复乏味的繁重劳动中解放出来，而使得人可以将更多精力花在那些独特而富有创造性的劳消毒机器人动上，首先是提高人类的生活品质，这是人工智能无法替代人类之处。其次，人工智能更有可能开拓那些以人类的能力不可能完成的劳动和那些人类希望达成却不知其步骤的劳动。

二、智能设备

机器人是智能设备的典型，早在1950年，美国科幻小说家阿西莫夫在他的小说《我是机器人》中，提出了的“机器人三守则”：

机器人必须不危害人类，也不允许它眼看人将受伤害而袖手旁观；

机器人必须***服从于人类，除非这种服从有害于人类；

机器人必须保护自身不受伤害，除非为了保护人类或者是人类命令它做出牺牲。

美国斯坦福大学的Roth认为：“所谓机器人是一种与人，其他动物或机器联合做事的机器，它有自动和半自动的两形式。机器人和其他自动化机器不太容易区别清楚，但它改变快，商品倾向较强，其含义也随时间的推移而改变”。

美国K.J.Waldron提出如下定义：“所谓机器人是一种具有较多自由度，靠与机构有接口的主动系统进行决策和控制运动的机械。这里所提的主动系统是指工业机器人中计算机控制的伺服驱动器，或是指遥控操作机中，作为系统一部分的控制操纵杆的操作者。”

另一位科学家Wolovich给出的定义是：“机器人是可再编程的多功能操作机，用各种编程的动作完成多种作业，用于搬运材料、工件、工具和专用装置。”

我们统整上述观点，给出如下定义：机器人是一种在计算机控制下的可编程的自动机。根据所处的环境和作业的需要，机器人具有至少一项或多项拟人功能，如抓取功能或移动功能，或两者兼而有之，另外还可能程度不等的具有某些环境感知功能（如视觉听觉触觉接近觉等）以及语言功能乃至逻辑思维，判断决策功能等，从而使它能在要求的环境中代替人进行作业。

机器人是一种典型的集成技术。它的覆盖面非常之广，什么合用就用什么。现在新材料、生化技术、新能源、下一代互联网和MEMS技术等已经成为机器人技术的新宠。以机器人技术为代表的集成技术，其发展与进步一定会得益于一系列的核心技术的逐步成熟。就集成技术本身而言，***关键的就是系统设计和寻找应用的突破点。

代机器人主要是指只能以“示教——再现“方式工作的顺序控制机器人，以1962年AMP公司和Unimation公司的“Versatran”与“Unimat”为起始产品。目前国际上商品化、实用化的机器人大都属于***代机器人，但是它们的技术进步也是很显著的。它依靠人们给与程序，进行多种重复操作。由于其不具有传感器的反馈信息，因此不能在作业过程中从外界不断获取信息来改善自身的行为品质，故其应用范围和精度受到限制。

第二代机器人具有一定的感觉装置，能获取作业环境、操作对象的简单信息，通过计算机处理、分析，能作出一定的推理，对动作进行反馈控制，表现出低级的智能。由于其信息处理系统的庞大与昂贵，第二代机器人目前只有少数可以普及应用。

第三代机器人是指具有高度适应性的自制机器。它具有多种感知功能，可进行复杂的逻辑思维，判断决策，在作业环境中独立行动。

人身体的每一个细胞的寿命相比人的寿命而言都是短暂的，现在你身上的细胞也许和三年前全部不同，那么能因此说现在的你和三年前的你不是同一个人吗？由此我们可以推论，只要一个原子在你身体形成中发挥了作用，它就和其他任何原子同等重要。并且我们也可以说，如果一个人造系统采用了与大脑相同的智能结构，它就可以和大脑一样具有智能。

如果我们要让一个机器人接住抛来的球，那么需要做这几步。，计算球的飞行轨迹，从而确认它到达机械臂的位置。第二，调整机械臂的各个关节，使之达到合适的位置。第三，循环进行以上两步，因为不可能等到球飞到预定位置时再进行调整，那太迟了，只有在还不十分清楚球的预定位置时就行动，并随着球的接近而不断调整。这一过程当然地涉及到复杂的数学运算和编程工作。

而人是怎么做的呢？人脑储存着抓住球所需的命令记忆和其他许多习得行为，当人看到球，合适的记忆被自动唤起，这个记忆引发一连串肌肉命令，被取出的记忆也根据实际情形进行调整。接球的记忆不是经过数学计算得来的，也不是被编程编入大脑的，而是通过不断学习和训练习得的。

嵌入式的微型传声器、摄像机、传感器给计算机提供的形象化特征为的是让设备能够听到我们、看到我们、感受到我们，语音识别是目前进展***快的一部分。智能设备的芯片与云端相连，将用户在现实世界中的行为投射到虚拟世界中，将可以从在用户看来庸常的海量数据中感受到用户的温度。互动频率的增加会使用户更加欣赏设备的交互式特征，例如，智能衬衫可以测量出用户的姿势并以量化方式记录下来，使得布料按照用户喜欢的方式伸展。更加大胆的想法是，将芯片直接植入人脑，以增益人的感知机能，或曰让人类跳进感知技术自身，其全过程是反复的沉浸-跳出式体验。

智能手机的巨大成功推动屏幕质量的提升，使得虚拟现实倏忽间成为现实，其清晰度和友好性大大增强。现场感和互动效果是虚拟现实技术的两个亮点。