人工智能與人類智能辯題

1、人工智能會超過人類智能人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的一門學科。其主要任務(wù) 是建立智能信息處理理論，進而設(shè)計可以展現(xiàn)某些近似于人類智能行為的計算系統(tǒng)。早在 人工智能正式提出以前，1950年英國數(shù)學家圖靈發(fā)表了題為“計算機與智能”的論文， 文章以“機器能思維嗎？ ”開始，論述并提出了著名的“圖靈測試”，形象地指出了什么 是人工智能，以及機器應(yīng)該達到的智能標準，現(xiàn)在許多人仍然把它作為衡量機器智能的標 準。圖靈提出一個雖然主觀但可操作的標準：如果一臺電腦表現(xiàn)、反應(yīng)和互相作用都和 有智能的個體一樣，那么它就應(yīng)該被認為是有智能的。圖靈測試是測試人在與被測試者 （一個人和一臺機器）隔開

2、的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。問過一些問題后，如果 被測試者超過30%的答復不能測試確認出哪個是人、哪個是機器 的回答，那么這臺機器就通過了測試，并被認為具有人類智能。智能可以超越自然的局限，并依照自身的意志改變世界，可以幫助我們克服生物遺 傳的局限，并在這一進程中改變自我。研究表明，情感也是智能的一部分，而不是與智能 相分離的，因此賦予計算機情感能力有跡可循。目前人工智能研究學派有：1符號主義學派，又稱邏輯主義。所謂符號即模式，知識表示是人工智能的核心，主 張用邏輯的方法來建立人工智能的統(tǒng)一理論體系。該學派肯定了一個信念：計算機能夠具 有人的智能。2行為主義學派，又稱控

3、制論學派，是基于控制論和個“感知-動作”型控制系統(tǒng)的 人工智能學派。3聯(lián)結(jié)主義學派，以網(wǎng)絡(luò)連接為基礎(chǔ)的學派，可以進行類似人類大腦的信息處理方法 的本質(zhì)和能力。大腦是一切智能活動的基礎(chǔ)，因而從大腦神經(jīng)元及其聯(lián)結(jié)機制出發(fā)進行研 究，搞清楚大腦的結(jié)構(gòu)以及它進行信息處理的過程和機制，有望揭示人類智能，從而真正 實現(xiàn)人類智能在機器上的模擬。在庫茲韋爾的如何創(chuàng)造思維一書中，提到現(xiàn)在有一項涉及成千上萬個科學家和 工程師的宏偉工程正在進行中，他們正致力于理解智能程序的最好范例：人類大腦。這項 工程的目標是精確理解人類大腦的工作機制，然后使用這些已知的方法來更好地了解我 們自身，并在必要的時候修復大腦，甚至是創(chuàng)

4、造出更加智能的機器我們現(xiàn)在已能模擬包含160萬個視覺神經(jīng)元的人腦視覺新皮質(zhì)：仿生數(shù)碼新皮質(zhì)， 模擬完整人類大腦的目標，預計2023年就可實現(xiàn)。大腦新皮質(zhì)分6層，共包含300億個神經(jīng)元，它們又組成了 3億個模式識別器。這 些模式識別器按層級關(guān)系組織，它們是思想的語言和思維模式識別理論的基礎(chǔ)。只有具備 自聯(lián)想能力和特征恒常性能力，大腦新皮質(zhì)才能識別模式。思維模式的識別理論是建立在大腦新皮質(zhì)中模式識別模塊進行的模式識別 的基礎(chǔ)上。這些模式是按照層級關(guān)系進行組織的，有三個部分組成。第一部分是輸入，包括主要模式的低層次模式，不需要對每個低層次模式進行重復描 述，如字母“ A”。大腦新皮質(zhì)用實際的神經(jīng)連接

5、進行鏈接。第二部分是模式的名稱。在語言世界里就是簡單地詞語，在大腦新皮質(zhì)就是每個模式 處理器中出現(xiàn)的“軸突”，軸突激活了，相應(yīng)的模式也就被識別了，如單詞“ APPLE ”。e.素自上空的抑制信號（d）瑕白下層的抑制儲號第三部分是高層次模式的集合。處于某一層的每個被識別的模式觸發(fā)下一層，該高層 次的模式的某一部分就展現(xiàn)出來。在大腦新皮質(zhì)中，這些鏈接有流入的每個皮質(zhì)模式識別 器中神經(jīng)元的生理樹突呈現(xiàn)出來。質(zhì)期模式（源自上部的侑號）一談低層空模式的規(guī)裕塞寰-（某些方面的預期規(guī)搟如時間、距離）、謹?shù)蛯訐崮Ｊ降臋C走、C重要性）該低空氏模式規(guī)格前預 期變化每個樹奕問模塊輸人倬號代表低槌 次模或啊存在t也對

6、規(guī)旃信息 進行 編碼；一個樹突向盛塊輸出信號 衷明相應(yīng)的低層戰(zhàn)模式肯帝期的圖AH尢腦新皮質(zhì)式識別卓塊書中一些重要的方法模型有：1用隱馬爾可夫模型解讀你的思維“矢量量化”方法既能高效利用計算機資源，又能保留重要的語言識別特 征。“隱 馬爾可夫模型”讓語音識別系統(tǒng)能同時完成識別和學習兩項任務(wù)。2進化（遺傳）算法遺傳算法是一類借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）演化而來 的隨機化搜索方法，已被人們廣泛地應(yīng)用于組合優(yōu)化、機器學習、信號處理、自適應(yīng)控 制和人工生命等領(lǐng)域。它是現(xiàn)代有關(guān)智能計算中的關(guān)鍵技術(shù)，也是計算機科學人工智能 領(lǐng)域中用于解決局部最優(yōu)化的一種搜索啟發(fā)式算法，是進化算法的一種

7、。3列表處理語言LISPLISP語言是專為處理符號表格而設(shè)計的一種語言，它在人工智能的許多領(lǐng)域中都得到了廣泛的應(yīng)用。我們可以將新皮質(zhì)的某個模式識別器視為一個LISP語言語句一一每個語句由一個成分列表組成，每個語句成分又可能是另外一個列表。按照這 個方法，新皮質(zhì)處理信息的方法在性質(zhì)上與列表處理非常相似。而且，新皮質(zhì)可以同時處理3億個類似LISP的語句。大腦新皮質(zhì)的主要作用，是“模式認知”，具備“分層學習能力”。人工智能并非 復制大腦，只不過是達到對等的技術(shù)。仿生大腦（核心是仿生新皮質(zhì)）在改變世界中的過 程中的地位越來越重要。雖然大腦新皮質(zhì)已成為大腦的主體，但我們的舊腦并未消失，仍在幫助我們尋求 滿足和躲避危險。盡管人腦的模式相當精巧，不僅有極大的可塑性，還可以在自身經(jīng)驗的基礎(chǔ)上重 建連接，但這些功能我們可以通過軟件進行仿真。并且基于隱馬爾可夫模型、進化（遺傳）算法、列表處理語言LISP、分層存儲系統(tǒng)以及生物學、