¡Necesito urgentemente el informe de finalización del curso de inteligencia artificial!

Resumen: Desde la década de 1950, después de varias etapas de exploración y desarrollo continuo, la inteligencia artificial ha logrado logros significativos en los campos del reconocimiento de patrones, la ingeniería del conocimiento, la robótica, etc., pero La verdadera inteligencia humana aún está muy lejos. Sin embargo, desde principios del nuevo siglo, con el rápido avance de la tecnología de la información, el nivel técnico de la inteligencia artificial también ha mejorado en consecuencia. Especialmente con la popularización y aplicación de Internet, la demanda de inteligencia artificial por parte de la gente se está volviendo cada vez más urgente, lo que también proporciona un escenario nuevo y más amplio para la investigación de la inteligencia artificial. Este artículo enfatiza que en la era actual de Internet, como precursora de la tecnología de la información, el aprendizaje de inteligencia artificial en el campo de la ciencia de la inteligencia artificial es una dirección de investigación que merece atención para lograr el desarrollo y la innovación del aprendizaje de inteligencia artificial en la investigación interdisciplinaria. debemos prestar atención En la intersección entre las ciencias cognitivas, las ciencias del cerebro, la inteligencia biológica, la física, las redes complejas, la informática y la inteligencia artificial, se debe prestar especial atención a la investigación sobre la física cognitiva. El lenguaje natural es el portador de las actividades del pensamiento humano y un objeto directo inevitable para el aprendizaje de la inteligencia artificial y la investigación sobre la representación del conocimiento. Es necesario establecer un modelo de conversión de incertidumbre que pueda expresar conceptos cuantitativamente en el lenguaje y desarrollar inteligencia artificial incierta; Complejidades en la vida real El modelo de mundo pequeño y las características sin escala de la red utilizan la topología de la red como un nuevo método de representación del conocimiento para estudiar el proceso de evolución de la topología de la red y el comportamiento dinámico de la red, y estudiar la inteligencia de la red para adaptarse a los requisitos comunes de los datos. Minería en la era de la información. Bienvenido a una nueva gloria en el campo del aprendizaje y la aplicación de la inteligencia artificial.

Descripción general

Desde la década de 1990, con la globalización y la competencia internacional cada vez más feroces, la investigación y aplicación de la tecnología de inteligencia artificial han atraído cada vez más atención, y la inteligencia artificial ha atraído cada vez más Más atención.La aplicación de la inteligencia en la industria manufacturera se ha convertido en la clave para lograr el conocimiento, la automatización y la flexibilidad en la industria manufacturera para lograr una respuesta rápida al mercado.

La Inteligencia Artificial (IA) es una disciplina que estudia los mecanismos de la inteligencia humana y cómo utilizar máquinas para simular la inteligencia humana. En este último sentido, la inteligencia artificial también se conoce como “inteligencia de máquina” o “simulación inteligente”. La inteligencia artificial se desarrolló después de la aparición de las computadoras modernas. Por un lado, se ha convertido en una extensión de la inteligencia humana y, por otro, también proporciona nuevas teorías y métodos de investigación para explorar el mecanismo de la inteligencia humana.

El estudio de los mecanismos de aprendizaje es el tema central de la investigación en inteligencia artificial. Es la base para la adaptabilidad y la automejora del rendimiento de los sistemas inteligentes. El proceso de aprendizaje tiene las siguientes características: el comportamiento de aprendizaje generalmente tiene un propósito obvio y el resultado es la adquisición de conocimiento. Los cambios estructurales en el sistema de aprendizaje son direccionales y pueden ser guiados por el algoritmo de aprendizaje o el entorno; La construcción del esqueleto central de un sistema inteligente es el lugar donde el conocimiento del sistema se organiza y preserva de manera integral. Por lo tanto, uno de los principales propósitos de la investigación sobre el aprendizaje de la inteligencia artificial es permitir que las máquinas completen tareas complejas que normalmente requieren inteligencia humana. Sin embargo, diferentes épocas y personas tienen diferentes interpretaciones de este "trabajo complejo".

I. Fundamento histórico y velocidad de desarrollo del aprendizaje con inteligencia artificial

La historia del desarrollo del aprendizaje con inteligencia artificial está vinculada a la historia del desarrollo de la informática y la tecnología. Además de la informática, la inteligencia artificial también involucra muchas disciplinas como la teoría de la información, la cibernética, la automatización, la biónica, la biología, la psicología, la lógica matemática, la lingüística, la medicina y la filosofía.

Se cree generalmente que el germen de la idea de inteligencia artificial se remonta a la idea de "lenguaje universal" propuesta por el famoso matemático y filósofo alemán Leibnitz (1646-1716) . El punto clave de esta idea es establecer un lenguaje simbólico universal, utilizar los símbolos en este lenguaje para expresar el "contenido del pensamiento" y utilizar la relación formal entre símbolos para expresar la relación lógica entre el "contenido del pensamiento". Por lo tanto, la idea de que la "mecanización del pensamiento" puede lograrse en un "lenguaje universal" puede considerarse como la descripción más temprana de la inteligencia artificial.

Turing es el fundador de la informática y es conocido como el "Padre de la Inteligencia Artificial". Se centró en estudiar qué condiciones debía cumplir un ordenador para ser llamado "inteligente", y en 1950 propuso. el famoso "experimento de Turing". En 1950 propuso el famoso "experimento de Turing".

En este experimento, los humanos y las computadoras fueron colocados en dos habitaciones respectivamente, comunicándose con el mundo exterior únicamente a través de teclados e impresoras. Un árbitro humano hace preguntas tanto a los humanos como a las computadoras en la sala, y luego usa las respuestas humanas y de la computadora para determinar qué sala pertenece al humano y cuál pertenece a la computadora. Turing creía que se podía decir que una computadora era inteligente si un árbitro "intermedio" no podía hacer la distinción correcta. El "experimento de Turing" definió claramente el estándar de inteligencia. Curiosamente, aunque algunas computadoras superaron posteriormente el experimento de Turing, no fueron reconocidas como computadoras inteligentes, lo que refleja que las personas tienen una comprensión más profunda del estándar de inteligencia y también un nivel superior. Requisitos para la inteligencia artificial

El trabajo antes mencionado de Turing y von Neumann, así como la investigación sobre el modelo matemático de redes neuronales de McCullough y Pitts, constituyen la base de la inteligencia artificial en la etapa embrionaria. Este es en realidad el comienzo del aprendizaje de la inteligencia artificial.

Las primeras investigaciones sobre inteligencia artificial dejaron una profunda impresión en las personas, y la investigación sobre la demostración automática de teoremas no se limitó a las matemáticas. Limitado a la escuela de procesamiento de información de la psicología cognitiva, una gran parte del proceso de pensamiento humano se puede abstraer desde el estado inicial del problema a través del estado intermedio hasta la terminación. El proceso, que así puede transformarse en un problema de búsqueda. Automatizado por una máquina. El problema de la "planificación" es un ejemplo de esto. Imagine que se le pide a un robot que complete una tarea compleja que consta de muchas subtareas diferentes, algunas de las cuales solo se pueden ejecutar después de que se completen otras subtareas. En este caso, el robot necesita "imaginar" una ruta de acción factible de antemano, de modo que si sigue esta ruta, pueda completar con éxito la tarea. "Planificar" significa encontrar una ruta de acción factible, esto se puede lograr mediante. Al buscar en el espacio de estados, las subtareas en el espacio de estados son estados y las dependencias entre subtareas son sucesoras directas.

Las primeras investigaciones sobre inteligencia artificial también incluían comprensión del lenguaje natural, visión por computadora, robótica, etc. La investigación en psicología realizada por Newell y Simon et al. muestra que los expertos en diversos campos muestran habilidades extraordinarias en sus campos profesionales, principalmente porque los expertos tienen un rico conocimiento profesional (conocimiento de dominio y experiencia). A mediados de la década de 1970, Feigenbaum propuso el concepto de ingeniería del conocimiento. , que marca el segundo período de desarrollo de la inteligencia artificial, enfatiza el papel del conocimiento en la resolución de problemas, por lo que su contenido de investigación se divide en tres aspectos: adquisición de conocimiento, representación del conocimiento y utilización del conocimiento. el conocimiento experto; la representación del conocimiento estudia cómo representar el conocimiento experto en una forma que sea fácil de almacenar y usar en las computadoras; la utilización del conocimiento estudia cómo utilizar el conocimiento experto para resolver problemas en campos específicos. desarrollado sobre la base de logros anteriores, especialmente la utilización del conocimiento, que se basa principalmente en los logros técnicos del razonamiento automático y la búsqueda, además del uso de los primeros logros además de la representación lógica y la representación de procesos que surgieron en el trabajo. También se ha desarrollado la representación de la web semántica propuesta en la investigación de la memoria asociativa y la comprensión del lenguaje natural, introduciendo así varios métodos como la representación de marcos, la representación de dependencia de conceptos, la representación de guiones y la representación generativa. A diferencia de las primeras investigaciones, la ingeniería del conocimiento enfatiza las aplicaciones prácticas. Los principales resultados de la aplicación son varios sistemas expertos. Los componentes centrales de los sistemas expertos incluyen: (a) Representación de la base de conocimientos, que incluye conocimientos expertos y otros conocimientos.

(b) Un motor de inferencia que utiliza el conocimiento para resolver problemas.

El ciclo de desarrollo de sistemas expertos a gran escala suele superar los 10 años, debido principalmente a la adquisición de conocimiento. Los expertos en el campo, si bien son buenos resolviendo problemas, a menudo no pueden decir cómo los resolvieron y qué conocimientos utilizaron. Esto dificulta que los ingenieros del conocimiento, responsables de recopilar conocimientos expertos, completen eficazmente la tarea de adquisición de conocimientos. Esta situación ha estimulado en gran medida un mayor desarrollo de la investigación sobre aprendizaje automático en la adquisición automatizada de conocimientos. Los métodos de aprendizaje automático más estudiados incluyen: aprendizaje inductivo, aprendizaje por analogía, aprendizaje explicativo, aprendizaje por refuerzo, aprendizaje evolutivo, etc. El objetivo del aprendizaje automático es permitir que las máquinas adquieran conocimientos y habilidades relevantes a partir de sus propias experiencias de resolución de problemas o de "otros", mejorando así la resolución de problemas.

Desde la década de 1980, con la popularización de las redes informáticas, especialmente la aparición de Internet, la aplicación generalizada de diversas tecnologías informáticas, incluida la tecnología de inteligencia artificial, ha promovido cambios importantes en la relación entre humanos y máquinas.

Según las predicciones de los futuristas japoneses y estadounidenses, la relación entre humanos y máquinas está cambiando rápidamente del modelo tradicional de "integración hombre-máquina" al nuevo modelo de "integración máquina-máquina". La inteligencia artificial e incluso la tecnología de la información en su conjunto han planteado nuevos temas. Esto lleva a la inteligencia artificial a su tercer período de desarrollo.

En esta nueva etapa de desarrollo, la inteligencia artificial se enfrenta a una serie de nuevos requisitos de aplicación.

En primer lugar, es necesario proporcionar medios técnicos potentes para apoyar el trabajo colaborativo distribuido. La producción moderna es producción en masa socializada, y trabajadores de diferentes profesiones se dedican a diferentes subtareas de la misma tarea en diferentes o en la misma tarea. tiempo y lugar. Esto requiere que la computadora no solo brinde ayuda y soporte para cada subtarea, sino también para la coordinación entre subtareas. Dado que cada subtarea se puede realizar en gran medida de forma independiente, las relaciones entre subtareas seguramente serán dinámicas e impredecibles. Por lo tanto, la coordinación entre subtareas (es decir, el soporte del trabajo colaborativo distribuido) plantea un gran desafío para la inteligencia artificial e incluso para toda la tecnología de la información y la teoría básica.

En segundo lugar, la creación de redes ha promovido la informatización, haciendo que las bases de datos originalmente dispersas y aisladas formen un todo interconectado, es decir, un mismo espacio de información. Aunque los navegadores y motores de búsqueda existentes proporcionan la ayuda necesaria para que los usuarios encuentren información en Internet, esta ayuda está lejos de ser suficiente, por lo que la situación de "sobrecarga de información" y "pérdida de información" es cada vez más grave. Herramientas de servicios de información inteligentes más potentes se han convertido en una necesidad urgente para la mayoría de los usuarios. Por otro lado, el valor del espacio de información para los humanos reside no sólo en elementos de información individuales (como información sobre un nuevo producto producido por un determinado fabricante), sino también en el conocimiento general oculto en grandes categorías de información (como la tendencias de oferta y demanda de una determinada industria). Por lo tanto, el descubrimiento de conocimiento en datos también se ha convertido en un tema de investigación urgente. La robótica siempre ha sido una necesidad urgente para la industria moderna. A medida que se desarrolla la tecnología robótica, el foco de la investigación se ha desplazado hacia robots autónomos que pueden trabajar de forma independiente en entornos dinámicos e impredecibles, así como robots que pueden colaborar con otros robots, incluidos los humanos. Evidentemente, este tipo de cooperación entre robots puede considerarse como trabajo colaborativo distribuido en el mundo físico y, por tanto, también incluye las mismas cuestiones teóricas y técnicas.

Se puede observar que el tercer período del desarrollo de la inteligencia artificial se caracteriza por el estudio de sistemas informáticos que pueden funcionar de forma autónoma y coordinada en un entorno dinámico e impredecible. Actualmente, se están llevando a cabo investigaciones en torno a los tres aspectos de la teoría del agente, la arquitectura del agente y el lenguaje del agente, y se han producido una serie de nuevas ideas, nuevas teorías, nuevos métodos y nuevas tecnologías importantes. En esta investigación, la inteligencia artificial muestra una tendencia de integración con la ingeniería de software, la computación distribuida y la tecnología de la comunicación. La aplicación de la investigación de agentes no se limita a la producción y el trabajo, sino que también penetra en todos los aspectos del aprendizaje y el entretenimiento de las personas. Por ejemplo, el sistema de entrenamiento virtual que combina Agent y realidad virtual permite a los estudiantes aprender habilidades básicas de vuelo sin poder controlar el avión. De manera similar, también permite a los clientes "disfrutar" el "sabor" del combate real;

Nuestro país también ha establecido organizaciones académicas como la Sociedad de Inteligencia Artificial de China, el Comité Profesional de Reconocimiento de Patrones e Inteligencia Artificial de la Sociedad Informática de China y el Comité Profesional de Inteligencia de Máquinas y Reconocimiento de Patrones de la Sociedad China de Automatización para llevar a cabo actividades académicas. intercambios en este ámbito. Además, el país también ha comenzado a construir una serie de laboratorios nacionales clave relacionados con la investigación en inteligencia artificial, que promoverán el desarrollo de la investigación en inteligencia artificial en nuestro país y promoverán el desarrollo de esta disciplina.

Al observar el desarrollo del aprendizaje con inteligencia artificial, podemos encontrar que siempre sigue la idea básica. Una es enfatizar la realización artificial de la inteligencia humana en lugar de la simulación pura, para satisfacer las necesidades reales de los seres humanos tanto como sea posible. El segundo es enfatizar la integración cruzada de múltiples disciplinas. Cada vez más disciplinas nuevas como matemáticas, ciencias de la información, biología, psicología, fisiología, ecología y ciencias no lineales se integran en la investigación del aprendizaje con inteligencia artificial.

II. Principales tecnologías y tendencias de desarrollo del aprendizaje con inteligencia artificial

Los tres puntos calientes actuales en la investigación del aprendizaje con inteligencia artificial son: interfaces inteligentes, minería de datos y sistemas temáticos y multidisciplinarios. .

La tecnología de interfaz inteligente es el estudio de cómo las personas y los ordenadores pueden comunicarse de forma fácil y natural. Para lograr este objetivo, se requiere que las computadoras puedan leer textos, comprender idiomas, pronunciar expresiones e incluso traducir entre diferentes idiomas. La realización de estas funciones se basa en la investigación de métodos de representación del conocimiento.

Por lo tanto, la investigación sobre tecnología de interfaz inteligente tiene un gran valor de aplicación y una importancia teórica básica. En la actualidad, la tecnología de interfaz inteligente ha logrado resultados notables y tecnologías como el reconocimiento de texto, el reconocimiento de voz, la síntesis de voz, el reconocimiento de imágenes, la traducción automática y la comprensión del lenguaje natural han comenzado a ponerse en práctica.

La minería de datos es el proceso de extraer información y conocimientos que las personas no conocen de antemano pero que son potencialmente útiles a partir de una gran cantidad de datos de aplicaciones prácticas incompletos, ruidosos, confusos y aleatorios. La investigación sobre minería de datos y descubrimiento de conocimientos ha formado ahora tres poderosos pilares técnicos: bases de datos, inteligencia artificial y estadística matemática. Los principales contenidos de la investigación incluyen teoría básica, algoritmos de descubrimiento, almacenes de datos, tecnología de visualización, modelos de intercambio cualitativos y cuantitativos, métodos de representación del conocimiento, mantenimiento y reutilización del conocimiento descubierto, descubrimiento de conocimiento en datos semiestructurados y no estructurados, minería de datos en línea, etc.

Un sujeto es una entidad con estados psicológicos (como creencias, deseos, intenciones, habilidades, elecciones y compromisos) que son más detallados e inteligentes que los objetos, y que tienen un cierto grado de autonomía. Los agentes intentan completar tareas de forma autónoma e independiente, pueden interactuar con el entorno, comunicarse con otros agentes y lograr objetivos mediante la planificación. Los sistemas multiagente se centran en coordinar comportamientos inteligentes entre múltiples agentes separados lógica o físicamente para, en última instancia, lograr la resolución de problemas. La investigación actual sobre agentes y sistemas multiagente se centra principalmente en la teoría de agentes y multiagentes, la estructura y organización de los agentes, el lenguaje de los agentes, la colaboración y coordinación entre sujetos, la tecnología de comunicación e interacción, el aprendizaje de múltiples agentes y las aplicaciones de sistemas de múltiples agentes.

La nueva generación de tecnología inteligente se refiere a la tecnología informática que se ha desarrollado rápidamente desde la década de 1980 y está representada principalmente por redes neuronales (ANN), computación evolutiva, lógica difusa y agentes. de la evolución del aprendizaje y de las capacidades organizativas automáticas.

Las redes neuronales también simulan las funciones de las neuronas en el cerebro humano. Esperan simular las funciones del cerebro humano simulando las funciones de las neuronas, la unidad más básica del cerebro humano. Entrena la red neuronal a través de ciertos ejemplos, al igual que enseñar a los niños, después del entrenamiento, la red neuronal puede lograr funciones específicas. Es aprendiendo de ejemplos y modificando la estructura de la base de conocimientos y el motor de inferencia que se logra el propósito de realizar la inteligencia artificial.

Finalmente, hay otro campo de aplicación, que es el reconocimiento de modelos. Creo que su aplicación en la minería del conocimiento debería ser considerable, porque cada vez se obtienen más datos en ingeniería. ciertos patrones en los datos, y mucho menos descubrir nuevos patrones en estos datos, por lo que la minería de datos es necesaria y su aplicación tendrá gran importancia para los sistemas de soporte de decisiones.

El ser humano es un buen ejemplo.

La gente puede pensar, y la inteligencia artificial también necesita pensar, que es razonar; la gente puede aprender, y la inteligencia artificial también necesita aprender;

La inteligencia artificial está diseñada para simular las actividades del cerebro humano. Los seres humanos ya pueden utilizar muchas tecnologías nuevas y nuevos materiales para reemplazar muchas funciones del cuerpo humano. pueden completar la investigación sobre la vida artificial, la gente la crea a sí misma, lo que tiene una importancia trascendental no sólo en la ciencia, sino también en la filosofía.

El aprendizaje se refiere a los cambios adaptativos realizados por el sistema para adaptarse al entorno, lo que permite al sistema completar tareas similares de manera más eficiente.

Desde la década de 1980, el mecanismo de aprendizaje de ANN ha vuelto a recibir atención. El aprendizaje de subsímbolos basado en el mecanismo de conectividad se ha convertido una vez más en un tema candente en la investigación de mecanismos de aprendizaje y en una variedad de nuevos mecanismos de aprendizaje. Se han propuesto, como aprendizaje competitivo, aprendizaje evolutivo, aprendizaje por refuerzo, etc.

Aprendizaje automático. Su otro nombre es aprendizaje de memoria, que puede reflejar directamente sus características. Es uno de los métodos de aprendizaje más simples y primitivos, y también es la fortaleza de las máquinas y las deficiencias de los humanos.

Aprendizaje dirigido. Este método de aprendizaje consiste en que el entorno externo proporciona instrucciones o sugerencias generales al sistema, y ​​el sistema las convierte en conocimiento detallado de manera específica y lo envía a la base de conocimientos. Durante el proceso de aprendizaje, el conocimiento debe evaluarse repetidamente para lograrlo. eso Mejora continua.

Aprendizaje inductivo. Como vemos, lo que la máquina hace bien no es la inducción, sino la deducción. Es adecuada para pasar de lo especial a lo general, pero no muy adecuada para pasar de lo general a lo especial. general es exclusivo de los humanos y es un signo de sabiduría. Existen muchos métodos de aprendizaje inductivo específicos, pero su esencia es que las computadoras aprenden a deducir reglas a partir de lo general.

Aprendizaje por analogía. La analogía es también una forma de aprendizaje que se produce al comparar cosas similares. Se basa en el razonamiento analógico, es decir, al comparar cosas nuevas en la memoria con cosas viejas, si se encuentra que algunas propiedades son iguales entre ellas, entonces se puede inferir (hipotéticamente) que algunas otras propiedades de ellas también son iguales. .

Aprendizaje basado en explicaciones. Este es un nuevo método de aprendizaje que ha surgido en los últimos años. No aprende por inducción o analogía, sino aplicando conocimientos de dominio relevantes y ejemplos de capacitación para aprender el concepto objetivo, y finalmente genera una descripción general de este concepto objetivo, es decir, conocimiento general formalmente representable.

El aprendizaje por refuerzo es un aprendizaje semi-supervisado basado en métodos conductuales. Los métodos de aprendizaje generales se dividen en dos categorías: uno es el método basado en modelos mencionado anteriormente. El agente necesita un modelo de entorno preciso y tiene alta inteligencia, pero no es adecuado para entornos dinámicos inciertos. Requiere un modelo ambiental preciso y adopta una estructura jerárquica. Los comportamientos de alto nivel pueden ajustar e inhibir las capacidades de comportamiento de los niveles inferiores, pero cada capa tiene derechos de toma de decisiones independientes, como el sistema de fabricación inteligente Holonic en la literatura [3]. Debido a estas ventajas, la tecnología de aumento se utiliza a menudo en el fútbol robótico [4], en problemas de caza e incluso en el comando de guerra [5], pero estos son sólo estudios teóricos porque el propósito del fútbol robótico es probar la usabilidad de la inteligencia artificial, y La guerra es poco probable. La hacen las computadoras, no las personas.

La inteligencia artificial que utiliza el aprendizaje por refuerzo apareció por primera vez en los algoritmos genéticos, que utilizaron la idea de "genética ética" para romper la comprensión estática tradicional de que la cadena de codificación corresponde a la combinación de todas las variables estratégicas en la combinatoria. problema de optimización. La cadena de codificación se considera el resultado de una serie de acciones de toma de decisiones realizadas activamente por el agente inteligente (Agente).

El aprendizaje de la inteligencia artificial puede desarrollarse en las siguientes direcciones: procesamiento difuso, paralelización, redes neuronales y emociones de las máquinas. En la actualidad, la función de razonamiento de la inteligencia artificial ha logrado avances y se están investigando las funciones de aprendizaje y asociación. El siguiente paso será imitar la función de procesamiento difuso del cerebro derecho humano y la paralelización de la función de procesamiento de todo el cerebro. Las redes neuronales artificiales son un nuevo campo de aplicación de la inteligencia artificial en el futuro. La composición de las futuras computadoras inteligentes puede ser una combinación de la máquina von Neumann como host y la red neuronal artificial como periférico inteligente. Las investigaciones muestran que las emociones son parte de la inteligencia, no están separadas de ella, por lo que el próximo avance en inteligencia artificial puede consistir en dotar a las computadoras de capacidades emocionales. Las capacidades emocionales son clave para las interacciones naturales entre computadoras y humanos.

El propósito de aprender a través de los métodos anteriores es adquirir conocimientos y adquirir conocimientos a través de métodos convenientes. Como se mencionó anteriormente, dado que la forma en que piensan las máquinas es muy diferente de la forma en que piensan los humanos, no está mal que uno de los objetivos del aprendizaje automático sea permitir que la máquina genere conocimiento que pueda comprender y utilizar fácilmente a través de su propio aprendizaje.

La inteligencia artificial siempre ha estado a la vanguardia de la tecnología informática. Las teorías y descubrimientos de la investigación sobre inteligencia artificial determinarán en gran medida la dirección del desarrollo de la tecnología informática.

A medida que la miniaturización de los chips informáticos se acerca progresivamente a su límite. La gente deposita cada vez más sus esperanzas en las nuevas tecnologías informáticas para promover el desarrollo de la inteligencia artificial. Actualmente, existen al menos tres tecnologías que tienen el potencial de desencadenar una nueva revolución: las computadoras fotónicas, las computadoras cuánticas y las computadoras biológicas.

Conclusión

Muchos científicos afirman que la inteligencia de las máquinas pronto superará la inteligencia combinada de Einstein y Hawking. El renombrado físico Stephen Hawking cree que así como los humanos pueden usar su extraordinaria habilidad para jugar con los números para diseñar computadoras, las máquinas inteligentes crearán mejores computadoras. La inteligencia informática puede superar a la inteligencia humana a más tardar a mediados de siglo, y posiblemente incluso antes.

Este artículo proporciona una explicación básica de algunos métodos de aprendizaje e introduce las tendencias de desarrollo de estos métodos, pero el uso de métodos basados ​​​​en el comportamiento en el aprendizaje general aún atrae la mayor atención; este artículo presenta métodos de aprendizaje por refuerzo; Se describen en detalle varias variaciones de y su uso. En cierta medida, permiten rutas de simulación factibles. Sin embargo, la mayoría de estas simulaciones son verificación y la aplicación de inteligencia artificial real en la producción real es todavía un tema por estudiar. Finalmente, resumamos las diversas áreas de investigación del aprendizaje con inteligencia artificial. Haciendo referencia a las funciones del ser humano en diversas actividades, podemos concluir que el campo de la inteligencia artificial no es más que la sustitución de las actividades humanas. Cualquier campo donde los humanos lleven a cabo actividades intelectuales es el campo de investigación del aprendizaje por inteligencia artificial.

El aprendizaje con inteligencia artificial consiste en aplicar las ventajas de las máquinas para ayudar a los humanos a realizar actividades intelectuales. El propósito de la investigación sobre el aprendizaje de la inteligencia artificial es simular el funcionamiento del sistema nervioso humano.

Sin embargo, con el desarrollo de la ciencia y la tecnología, los métodos de aprendizaje de la inteligencia artificial también cambiarán y atraerán cada vez más nuestra atención.

Referencias

[1] "Una breve historia de la inteligencia artificial" por Sun Xing, Tsinghua University Press, 1990

[2] "La inteligencia artificial y sus Application" de Cai Zixing y Xu Guangyou, Tsinghua University Press, enero de 2002

[3] Chen Wangu; Huang Yi;; tema "posthumano" de la tecnología de fusión NBIC[J]; Journal of Social Sciences de la Universidad Normal de Hunan ;Número 04, 2013

[4] Wang Donghao;;Robot moral: la contradicción entre la existencia y la inexistencia de la responsabilidad humana[J];Teórico Mensual;Número 11, 2013

[5] Por qué la teoría del aprendizaje automático no puede lograr una inteligencia artificial sólida

[6] Wang Donghao; Establecimiento moral y dilemas éticos de la inteligencia artificial [J]; (Edición de ciencias sociales); 2014 Número 01

[7] Xiong Li;; Investigación sobre la función de incentivo moral de los medios y su práctica [D] 2013

[ 8] Sun Zhinan;; Inteligencia artificial en la aplicación de control de automatización eléctrica [J]; Comercio e industria modernos, Número 07, 2013

[9] Song Cuiping;; automatización de ingeniería [J]; aplicación de tecnología de suministro de energía; Edición 2013-06

[10] Hu Qin;; Estado actual y desarrollo de la tecnología de detección automática eléctrica [J];

[11] Liu Huiyan;; Sistema de control de ingeniería de automatización eléctrica y sus tendencias de desarrollo[J];Innovación y aplicación tecnológica;2013 Número 18

[12] Zhu Jinfang;;Aplicación de la inteligencia artificial en la automatización de la ingeniería eléctrica[J];Industria y equipos químicos;Edición 2013-05

[13] Pan Weihang;; Breve análisis del papel de la automatización eléctrica en la vida diaria y las tendencias de desarrollo futuras [ J]; Innovación y aplicación de ciencia y tecnología; Número 12, 2013

[14] Yu Zheng;; Una breve discusión sobre la aplicación de la tecnología de inteligencia artificial en la producción electrónica [J]; , 2013

[15] Zhao Gang; Liu Gang;; Investigación sobre diseño de circuitos de control eléctrico[J]; Edición 02, 2013

[16] Li Junping. sobre cuestiones éticas y contramedidas de la tecnología de inteligencia artificial [D]; Universidad Tecnológica de Wuhan; 2013

[17] Zhao Yanjun; Diseño e investigación del sistema de control de transporte y preparación de polvo de manganeso [D]; Tecnología; 2012