人工智能机器学习商业互联网技术概念。
您如何准确定义人工智能（AI）？

这看起来像是一个回归基础/回归学校的问题——但答案并不那么简单


最近，我试图为一篇研究论文找到一个好的 AI 学术定义。

令人惊讶的是，这并不容易。

在这篇文章中，我从学术角度提出了一个很好的 AI 定义，并解释了该定义背后的基本原理

谈到人工智能，有两种思路：一方面，我们有基于神经网络和深度学习的数据驱动方法。另一方面，我们有人工智能与人类思维和认知能力的关系。

为了使它更有趣，随着时间的推移，对这些方法的重视已经转移。

最初的 (1955/1957) 达特茅斯夏季人工智能研究项目1 旨在“让机器使用语言，形成抽象和概念，解决现在留给人类的各种问题，并提高自己。”

这个定义/描述倾向于人工智能的人类/认知方面，最初是通过基于符号操作的方法实现的，有时被称为“良好的老式人工智能 (GOFAI)”。

相比之下，受神经科学启发的方法，例如连接主义和神经网络，专注于学习和表示，这导致了当今非常突出的数据驱动的深度学习方法。

事实上，许多人现在认为人工智能是深度学习的代名词。

然而，当前状态下的深度学习存在局限性：它往往需要大量数据、计算量大、基于感官、容易出现对抗性示例所示的意外错误，并且对大部分认知和行为无效。

最终，GOFAI 方法被神经网络所取代。但今天，我们看到对混合方法的讨论越来越多，例如使用 AI 玩桥牌（一种需要推理和计划的游戏，这在传统神经网络中是不容易做到的）

因此，人工智能的含义将不断变化——难以准确定义。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了