学者のLiu Jingnan氏が自然知能と人工知能の関係について語る

Liu Jingnan は、 は自然知能と時間と空間の観点から人工知能を理解し、定義できると信じています。

現在、情報ネットワークは、モノのインターネットとユビキタス ネットワークに向けて進化しており、ビッグ データ、より強力なコンピューティング機能、およびよりインテリジェントなコンピューティング手法によって推進され、その結果、新世代の人工知能、つまり次の機能を備えたコンピューターが誕生します。同時に、コンピュータ・ネットワークによる物理世界の知的管理・協調制御を実現するために、サイバー・フィジカル・システムCPS（ユビキタスネットワークとも呼ばれる）が登場し、人工知能と統合され、社会的生産と消費が加速されました。工業化から自動化、知能化へ、人類は知能の時代に突入しました。知能とは、自然界の生き物が環境を認識し、認識し、適応する能力です。生き物は、外界の変化を認識し、変化のメリットとデメリットを認識することができるため、知性があり、決定を下した後は、メリットを達成し、デメリットを回避するために自らを調整します。この目的を達成するには、正確な場所、時間、場所を見つける必要があります。したがって、自然界の生物学的知性の核心は、外界の変化を知覚し認識する正確な時間と空間の位置に基づいて、利点と利点を追求する選択と行動を行うことができます。デメリットを回避します。

したがって、自然知能は、外界の変化を認識し、経験を形成することを学習して記憶し、認識力を高め、外界とその環境の変化に適応するための決定を下す生物の能力として定義できます。自らの安全のニーズを認識し、正確な時間と場所で自らを調整すること、または利点を追求し不利な点を回避するという目標を達成するために外界の状態を部分的に変更すること、知性は現在の問題を解決することができ、知恵は将来の未知の問題を解決することができます。知覚と認知を通じて形成される経験と知識が必要であり、推論して、将来の特定の時間と場所での外界の変化を予測し、事前に自己調整を行って自分自身または外界の一部の状態を変更します。利益を求め、危害を回避します。この種の規制は、多くの場合、正確な時間と空間の位置に基づいています。外の世界を変えるために、複数の行動や行動を正確に調整します。したがって、位置を特定し、ナビゲートし、時間を知る能力は、生来の生存能力です。生物が有利な点を達成し、不利な点を回避する自然知性の能力であり、その意味で、測量と地図作成は、特定の時間と場所で発生する出来事を知覚、記録、表現し、認知を支援するプロセスと手段です。コミュニケーションと意思決定は、人間の位置決め、ナビゲーション、タイミングなどのインテリジェントな行動の技術的手法の拡張です。 要約すると、知性と知恵は生物界にのみ存在する能力です

人工知能とは、自然界に存在する生物学的知性 (人間の知性と知恵を含む) を技術と方法を通じて機械や環境に与え、機械が環境は、外界の変化を感知して認識し、それに応じて管理および調整して、利点を追求し、欠点を回避することができます。

自然知能に基づいて人工知能を定義することは、「機械に人間のように認識させ、思考させる」というチューリング テストなど、コンピューター業界で使用されている現在の人工知能の定義よりも正確で普遍的です。自然知能には、知覚、学習、認知、意思決定、制御、さらには感情といった 6 種類の知能の意味合いが含まれますが、人工知能には感情に加えて、少なくとも 5 種類の知能の意味合いが含まれている必要があります。動物界の群知能は人間の知能をはるかに上回っており、動物界の知覚知能と集団知能を機械や環境に与えることが人工知能の主要な研究方向です。

CSDN 作成者の定義によると:

ナチュラル インテリジェンス (NI) は、脳の計算と意思決定を通じて価値のある行動を生み出す人々を指します。これらの行動には、人間の脳の思考と意思決定、耳の聴覚と判断、目の視覚と判断、鼻の匂いと判断、肌に触れると判断などが含まれ、人間の行動のあらゆる側面に反映されます。

人工知能 (AI) は、機械を使って人間に代わって人間が持つ知的な行動を実現します。この文は次のように書き換えることができます。主にコンピュータ、データ、および関連ソフトウェアを指しますが、関連するインテリジェント端末機器もカバーする場合があります。現在、人工知能アプリケーションの比較的成熟した技術的方向性には、マシンゲーム (知能ロボット)、音声認識、画像認識 (テキスト、指紋、顔など)、センサーによって提供されるデータ分析と予測が含まれます。人工知能研究の主な分野には、コンピューターサイエンス、情報理論、サイバネティクス、オートメーション、バイオニクス、生物学、心理学、数理論理学、言語学、医学、哲学などが含まれます。

機械学習 (ML) は、明示的な命令を使用せずにパターンと推論に依存して特定のタスクを効果的に実行するためにコンピューター システムで使用されるアルゴリズムと統計モデルの科学的研究です。それは人工知能のサブセットとみなされ、人工知能の中核となります。機械学習はデータの助けを借りて「学習」する必要があります。機械学習はその形式に応じて教師あり学習、半教師あり学習、教師なし学習、強化学習に分けられます。

ディープ ラーニング (DL) (深層構造学習または階層学習とも呼ばれます) は、タスク固有のアルゴリズムではなく、学習データ表現に基づく機械学習手法のファミリーの一部です。ディープラーニングは、生物学的な神経系の情報処理とコミュニケーションのパターンにインスピレーションを得ていますが、生物学的な脳の構造や機能とは異なります。現在、ディープ ニューラル ネットワーク、ディープ ビリーフ ネットワーク、リカレント ニューラル ネットワークなどのディープ ラーニング アーキテクチャは、コンピューター ビジョン、音声認識、自然言語処理、音声認識、ソーシャル ネットワーク フィルタリング、機械翻訳、バイオインフォマティクス、医薬品設計、医療、画像解析などの分野。

(上記の概念とその関係は、CSDN ブロガー「Simple Little Bitter Melon」の独自の創作物です。元のリンク: https://blog.csdn.net/weixin_44482877/article/details/122273597)

上記の記事の選択は、著者がシリコンベースの生物と炭素ベースの生命全体を探索するため、またはバイオニクスと脳ニューラルネットワークを理解するために脳とコンピューターのインターフェースの認知方法論を探索するための方法です。

以上が学者のLiu Jingnan氏が自然知能と人工知能の関係について語るの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。