人工智能的技术基础是什么,学习人工智能需要什么基础

人工智能的技术基础是什么

人工智能技术基础是一个复杂的系统，它不仅仅是一个纯粹的技术问题，而是一个具有科技综合性和社会复杂性的问题，是以计算机为主的科学技术对人文社会领域的渗透和落地运用，是用人工方法和技术模拟来扩展人类智能意识的科学。

因此，人工智能技术基础的包容性、覆盖面和横纵领域都相当大。

一，人工智能技术基础产生的历史过程

人工智能技术基础自 1956 年达特茅斯会议以来开始逐步建立，经历了60 多年的演进，逐渐从单一的理工科技术向多学科技术应用发展，具体经历了以下 6 个阶段 ：

• 一是1956 年——20世纪 60 年代初的技术基础起步发展期

主要以人工智能概念提出、机器定理技术、跳棋程序技术等为代表，是人工智能发展的第一个技术高潮。

• 二是20 世纪 60年代——70 年代初的技术基础反思发展期

这一阶段人工智能技术经历了机器连续函数证明和机器翻译失败等曲折，技术基础发展目标落空而走入低谷。

• 三是20 世纪 70年代初——80 年代中的技术基础应用发展期

在此期间人工智能技术基础从理论研究走向实际应用，在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。

• 四是20 世纪 80年代中——90 年代中的技术基础低迷期

这一阶段由于人工智能技术基础因为在专家系统应用、知识获取、推理方法、分布式功能、数据库兼容等方面创新不足而又一次走入低谷。

• 五是20 世纪 90年代中——2010 年的技术基础稳步发展期

互联网科技发展推动人工智能技术基础进一步走向实用化。在弱人工智能技术方面以IBM深蓝超级计算机战胜了国际象棋世界冠军和提出“智慧地球”概念为代表，获得了较好的发展，代表专用型人工智能技术基础的战略性突破。

• 六是2011 年至今的技术基础蓬勃发展期

大数据、云计算、互联网、物联网等信息技术的发展，推动人工智能技术的爆发式提升。

从上世纪60年代至今的人工智能技术基础发展的历史轨迹可以看出，人工智能技术基础受制于综合科学技术的发展，特别是与互联网科技和计算机科技在社会经济系统中的大规模落地运用有关系。同时也同人工智能技术基础的发展目标、发展方向、整体规划、社会认同等因素也有关系。

二，人工智能技术基础的主要内容

经过长期的发展，人工智能开始融入更多的科学研究营养，突破了仅仅依靠计算机技术、互联网技术的限制，将越来越多的科学技术汇聚进来，综合运用，由一个专门性、局限性的技术领域演变为全面性、开放性的新领域，并逐步建立起自己的完备体系和规范的技术研究基础，为人工智能快速发展、迅速落地、多学科汇聚、社会广泛认同创造了良好的条件。

• 第一，人工智能历史发展学

主要从历史的角度研究人工智能的进步演化，研究人类社会经济条件、科学技术水平、重大历史事件等因素对人工智能科学进步的影响。同时对人工智能历史发展中的人物、时间、事件、过程等进行实证研究，为人工智能发展提供历史营养和时代资源。

• 第二，人工智能科技哲学

人工智能哲学主要研究人工智能产生的条件、发展趋势；人工智能对人类社会、经济的影响；人工智能的本质；人工智能伦理道德等问题。

• 第三，人工智能工程学

人工智能工程学包括脑科学、认知科学、计算机科学、工程学、信息通讯学等：

1、数学：包括微积分、线性代数、统计概率、信息论、集合论和图论、博弈论等；

2、脑科学：脑科学是研究脑的结构和功能的科学，主要探索大脑的本质，从分子、细胞和行为三个层面研究智能、智慧、意识等问题的原理和模型。脑科学为人工智能科学提供思维、意识、智能的生物学基础。

3、认知科学：认知科学是以认知过程及其规律为研究对象的学科。语言习得、阅读、话语、心理模型、语言心理、脑和神经是其研究对象，同时研究探索人脑或者心智工作机制。认知科学建立在坚实解剖学基础、系统层次论和量化处理大脑信息模型等医学基础上。它不断发展，先后形成了包括心智哲学、认知心理学、认知语言学、认知人类学、认知神经科学等六大支撑学科。

在此基础上又产生11个新兴交叉新学科，包括控制论、神经语言学、神经心理学、认知过程仿真、计算语言学、心理语言学、心理哲学、语言哲学、人类学语言学、认知人类学、脑进化。

美国国家科学基金会评价认知科学的重要性时说：“聚合技术是以认知科学为先导的。因为我们一旦能够以如何（how）、为何（who）、何处（where）、何时（when）这四个层次上理解思维，我们就可以用纳米科技来制造它，用生物技术和生物医学来实现它，最后用信息技术来控制它，使它为人类工作”。

4、计算机科学：主要包括计算机原理、程序设计语言、操作系统、分布式系统、算法基础、机器学习算法、机器学习分类、机器视觉识别、自动控制；机器学习架构还包括数据挖掘、智能芯片、虚拟化、分布式结构、库和计算框架、可视化解决方案、云服务等；还有其他一些人工智能技术包括知识图谱、统计语言模型、专家系统、遗传算法、博弈算法等。

5、应用工程学：目前人工智能主要靠四大应用落地技术打开局面，这些应用型技术主要围绕模拟、延伸和扩展人类智能，促使其在视觉处理、语音识别、自然语言处理和智能机器人四大应用领域落地：

计算机视觉技术（Computer Vision）

语音识别（Automatic Speech Recognition）

语音识别是以语音为研究对象，通过信号处理和识别技术让机器自动识别和理解人类口述的语言，并将语音信号转换为相应文本或命令的一门技术。由语音识别和语音合成、自然语言理解、语义网络等技术相结合的语音交互正在逐步成为当前多通道、多媒体智能人机交互的主要方式。

自然语言理解（Natural Language Understanding）

自然语言理解即文本理解，和语音图像的模式识别技术有着本质的区别。语言作为知识的载体，承载了复杂的信息量，具有高度的抽象性，对语言的理解属于认知层面，不能仅靠模式匹配的方式完成。

智能机器人（Interlligent Robot）

智能机器人是具备人的思维意识，理解并对人类语言和行为做出反应，能够代替人类承担特定职能的高级机器系统。

应用工程学的人工智能运用在实践中又具体表现为“六会”技术：

以语音识别、机器翻译等为主的人工智能“会听技术”；

以图像识别、文字识别等为主的人工智能“会看技术”；

以语音合成、人机对话等为主的人工智能“会说技术”；

以人机对弈、定理证明等为主的人工智能“会思考技术”；

以机器学习、知识表示等为主的人工智能“会学习技术”；

以机器人、自动驾驶汽车等为主的人工智能“会行动技术”；

• 第四，人工智能社会科学

人工智能科学基础又可以称为人工智能的元知识技术体系，它研究描述人工智能技术或知识集合所包含的内容、结构和特征。人工智能如果没有智能科学的元知识,就无法描述知识和技术、使用知识和技术。作为元知识技术体系的人工智能科学虽然不是本领域直接运用的知识和技术,不能解决具体知识技术问题，但是它是关于人工智能领域一般知识和技术的规律、性质、结构、功能、特点、组成与使用的概括性、基础性知识技术体系,是人工智能管理、控制、使用和发展本领域知识技术的母基体系。

人工智能科学是人工智能思想、意识和哲学的核心,如果没有掌握好它就不能很好地学习人工智能知识和技术，就不能学习和认知基本的知识。人工智能科学对于人们认知系统的建立起着重要作用。没有建立在人工智能科学基础上的智能系统起码不是一个真正的智能系统。

人工智能社会科学由人工智能政治学、人工智能社会学、人工智能法学、人工智能经济学、人工智能教育学、人工智能心理学、人工智能语言学等二级学科构成。

人工智能社会科学基础包括以下部分：

1、人工智能政治学：主要涉及和研究人工智能科学在服务政治体系建设和国家治理现代化方面的具体功能作用，以及人工智能发展中的国家战略视角、宏观把控能力等要素。

2、人工智能社会学：研究人工智能如何参与社会发展、管理，权衡人工智能技术发展对于社会的整体利弊关系，对带来的社会变革与问题进行预测和解答，关注人工智能时代下的结构性失业、技术贫困和伦理困境，通过人工智能技术解决方案实现对社会变迁与问题的回应。

3、人工智能法学：研究和关注法学的人工智能化，为法律事业建设提供智能解决方案。同时关注、研究、解决人工智能带来的法律问题，为构建新型法律关系、法律政策、法律制度提供研究与保障。在人工智能的应用和标准化两个维度上，为人工智能产业明晰“不能做什么”和 “应该怎么做”的边界划分。

4、人工智能经济学：人工智能经济学对人工智能将对社会带来全新的经济模式、经济结构、经济关系，以及社会生产力的巨大变化进行前瞻性研究，提供落地解决方案。同时通过神经网络、机器学习、智能机器人社会化生产系统等人工智能经济技术，为社会、政府和经济组织提供宏观、中观、微观，以及各个产业内部的实施解决对策。

5、智能教育学：研究探讨将语音识别、脑机接口、知识图谱、网络教育等技术运用转换到教育培训领域，为教学研究提供新的工具。挖掘人工智能技术在教育中的应用情境、应用方式和使用效果，致力于人工智能人才培养的教育机制研究，规划制定人工智能教育的全面推进解决方案。

6、智能语言学：人工智能智能语言学着重真实语料、口语和书面语并重的分析，将认知语言学、心理语言学、社会语言学的研究成果运用到人机对话、机器翻译之中，旨在贯通自然语言和机器语言，并构建介于两者之间的语言思维模式，从而推动人机交互效果的提升。

• 第五，人工智能应用场景学

是对人工智能应用落地场景客观条件和环境的对策性研究。主要包括：

1、互联网和移动互联网运用场景研究：包括搜索引擎、内容推荐引擎、精准营销、语言和自然语言交互、图像和视频内容理解检索、用户画像、反欺诈；

2、智能交通类场景研究：包括自动驾驶传感器、感知、控制器、规划、整车集成、车联网、高精度地图、模拟器、智慧公路网络和标志、共享出行、自动物流车辆、物流机器人、智能物流规划等；

3、智能金融场景研究：银行业包括风控和反欺诈、精准营销、投资决策、智能客服；保险业包括智能风控与反欺诈、精准营销、智能理赔、智能客服；证券、基金、投行等包括量化交易、智能投顾等。

4、智慧医疗运用场景研究：医学影像智能判读、辅助诊断、病例理解和检索、手术机器人、康复智能设备、智能制药；

5、家用机器人和服务机器人运用场景研究：智能家居机器人、老幼伴侣机器人、生活服务机器人等；

6，智能制造业：包括工业机器人、智能生产系统、智能营销系统、智能供应链系统、智能生产性服务系统等；

7、人工智能辅助教育场景研究：包括智慧课堂、教育机器人等；

8、智慧农业使用场景研究：包括智能农业物联网系统、智能农业机器人系统、智能农机系统等；

10、智能翻译场景研究：包括智能文字翻译、智能语言翻译等；

11、智能机器仿生场景研究：包括动物仿生、器官仿生等；

12、智能律师助理场景研究：包括智慧法律咨询、案例数据库机器人等；

13、人工智能艺术创作场景研究：包括舞蹈机器人、绘画机器人、作家机器人等；

14、人工智能其他不断增加的应用场景研究。

• 第六，人工智能未来学

人工智能未来学是对人工智能发展的前瞻性研究，为现实环境下的人工智能研究发展提供参照与预测作用。

1、科幻文学和科幻影视；

2、人类命运研究；

3、人类与智能机器人关系研究；

4、人工智能本质研究；

5、宇宙命运研究；

这些研究结论将关系到人工智能的发展走向。

总之，人工智能技术基础是从上世纪60年代开始出现并发展起来的，其中经历了6个阶段，至今基本形成了完整的体系。

人工智能技术基础内容广泛，门类繁多。主要包括人工智能历史学、人工智能科技哲学、人工智能工程学、人工智能社会科学、人工智能应用场景学、人工智能未来学六大部分。这些技术基础为人工智能发展起到了关键性作用。

人工智能的技术基础知识比较宽泛，包括数学、物理、哲学、认知科学、计算机科学、经济学、心理学、信息论、控制论、决定论和不确定性原理等等一系列理工学科，学习人工智能需要的时间非常漫长，估计这辈子搭进去也就玩儿个概念吧。不过游戏中的AI就比较简单了，属弱人工智能类型，通过编程模仿人类逻辑思维模式就可以实现。您要想在游戏中添加AI属于对游戏进行二次开发，还不如自己重新写个小游戏，然后一步步去实现和优化你的算法和策略，建议使用斗地主这类游戏进行练习，简单明了。其实现在充斥在我们生活中的各种打着“人工智能”旗号的产品、方案都是噱头，离人工智能的核心还差着十万八千里，而且人工智能真正的目标也不是“让机器像人类一样思考”这么简单，如果头条的家人们真的对人工智能非常有兴趣，建议你读一下Luger George和Stubblefield William写的Artificial Intelligence: Structures and Strategies for Complex Problem Solving，好像有中文译文版的，出版社家人们自己查一下吧。