Liu Jingnan은 인공 지능이 자연 지능과 시공간 관점에서 이해되고 정의될 수 있다고 믿습니다("Journal of Surveying and Mapping", Issue 4, 2020 Liu Jingnan, et al.: "Rethinking Ubiquitous Surveying and 지능형 시대의 매핑').
현재 정보 네트워크는 빅데이터, 더욱 강력한 컴퓨팅 성능, 보다 지능적인 컴퓨팅 방식을 기반으로 사물 인터넷, 유비쿼터스 네트워크로 진화하고 있으며, 그 결과 차세대 인공 지능, 즉 컴퓨터가 등장하고 있습니다. 동시에 컴퓨터 네트워크를 통한 물리적 세계의 지능적인 관리와 공동 제어를 실현하기 위해 시대의 요구에 따라 사이버 물리 시스템 CPS(유비쿼터스 네트워크라고도 함)가 등장했습니다. 산업화에서 산업화로 사회의 생산과 소비를 가속화하기 위해 인공지능과 융합함으로써 인간은 지능시대에 진입했다. 생명체는 외부 세계의 변화를 인지하고 변화의 장단점을 인식하여 행동하기 때문에 지능을 가지고 있습니다. 결정을 내린 후에는 장점을 얻고 단점을 피하기 위해 스스로 조정하는 것이 필요합니다. 정확한 장소, 시간, 방향, 자세 등을 찾아 스스로 조절하는 것. 따라서 자연 속의 생물학적 지능의 핵심은 자신의 정확한 시간과 공간적 위치를 바탕으로 자신의 장점을 인지하고 단점을 피하는 선택과 행동을 하는 것이다. 외부 세계의 변화.
따라서 자연 지능은 생명체가 외부 세계의 변화를 인식하고, 학습하고 기억하여 경험을 형성하고, 인지 능력을 키우고, 외부 세계의 변화와 자신의 안전 요구 사항에 적응하기 위한 결정을 내리는 능력으로 정의할 수 있습니다. 정확한 시간과 장소에서 자신을 규제하거나 변화시킵니다. 장점을 찾고 단점을 피하는 목표를 달성하기 위한 외부 세계의 상태 지능은 현재의 문제를 해결할 수 있는 반면, 지혜는 미래의 문제와 알려지지 않은 문제를 해결하는 데 필요합니다. 미래는 지각과 인지를 통해 형성된 경험과 지식을 통해 특정 시간과 장소에서 외부 세계의 변화를 가져오고, 자신이나 외부 세계의 일부 상태를 미리 변화시켜 이익을 얻고 해를 피하기 위한 자기 조절입니다. 규제는 외부 세계를 변화시키기 위해 다양한 행동과 움직임을 정확하게 조정하기 위해 정확한 시간과 공간 위치를 기반으로 하는 경우가 많습니다. 따라서 위치를 잡고 탐색하고 시간을 아는 능력은 장점을 추구하고 단점을 피하는 생물의 타고난 생존 능력입니다. 이러한 의미에서 매핑은 시간과 장소에서 발생하는 사건을 인지하고 기록하고 표현하여 인지, 의사소통, 의사결정의 과정과 수단을 돕는 것입니다. 인간의 위치 파악, 내비게이션 및 타이밍과 같은 지능형 행동의 기술적 방법.
요약하면 지능과 지혜는 생물학적 세계에만 있는 능력입니다.인공지능은 기술과 방법을 통해 자연의 생물학적 지능(인간의 지능과 지혜를 포함)을 기계와 환경에 부여하는 것입니다. 외부세계의 변화를 인지하고 그에 따른 관리와 규제를 수행하여 장점을 추구하고 단점을 방지합니다.
자연 지능의 정의를 바탕으로 인공 지능을 정의하는 것은 "기계가 인간처럼 인식하고 생각하게 만든다"는 튜링 테스트와 같이 컴퓨터 업계에서 사용하는 현재의 인공 지능 정의보다 더 정확하고 보편적입니다. 인공지능이란 지각, 학습, 인지, 의사결정, 조절, 감정 등 6가지 지능을 의미한다. 실제로는 지각지능과 집단지능을 제외한 5가지 지능을 의미한다. 동물계의 지능을 훨씬 능가하다 인간과 더불어 동물계의 지각지능과 집단지능을 기계와 환경에 부여하는 것이 인공지능의 주요 연구 방향이다.
CSDN 작성자의 정의에 따르면:
자연 지능(NI)은 두뇌 계산과 의사 결정을 통해 가치 있는 행동을 만들어내는 사람들의 능력을 말합니다. 이러한 행동에는 인간의 뇌의 사고와 의사결정, 귀의 청각과 판단, 눈의 시각과 판단, 코의 냄새와 판단, 피부의 촉각과 판단 등이 포함되며 인간 행동의 모든 면에 반영된다.
인공지능(AI)은 기계를 이용해 사람을 대체하고 인간이 지닌 지능적인 행동을 실현합니다. 문장은 다음과 같이 다시 쓸 수 있습니다. 주로 컴퓨터, 데이터 및 관련 소프트웨어를 지칭하며 관련 지능형 단말 장비도 포함할 수 있습니다. 현재 인공 지능 응용 분야의 비교적 성숙한 기술 방향에는 머신 게임(지능형 로봇), 음성 인식, 이미지 인식(텍스트, 지문, 얼굴 등), 센서가 제공하는 데이터 분석 및 예측이 포함됩니다. 인공지능 연구의 주요 학문 분야는 컴퓨터 과학, 정보 이론, 사이버네틱스, 자동화, 생체 공학, 생물학, 심리학, 수리 논리학, 언어학, 의학 및 철학 등을 포괄합니다.
기계 학습(ML)은 명시적인 지침을 사용하지 않고 패턴과 추론에 의존하여 특정 작업을 효과적으로 수행하기 위해 컴퓨터 시스템에서 사용하는 알고리즘과 통계 모델에 대한 과학적 연구입니다. 인공지능의 하위 집합으로 간주되며 인공지능의 핵심이다. 머신러닝은 데이터의 도움을 받아 "학습"해야 합니다. 머신러닝은 형태에 따라 지도학습, 준지도학습, 비지도학습, 강화학습으로 나눌 수 있습니다.
딥 러닝(DL)(심층 구조 학습 또는 계층적 학습이라고도 함)은 작업별 알고리즘이 아닌 학습 데이터 표현을 기반으로 하는 기계 학습 방법 계열의 일부입니다. 딥러닝은 생물학적 신경계의 정보 처리 및 의사소통 패턴에서 영감을 얻었지만 생물학적 뇌의 구조 및 기능과는 다릅니다. 현재 심층 신경망, 심층 신념 네트워크, 순환 신경망 등의 딥러닝 아키텍처는 컴퓨터 비전, 음성 인식, 자연어 처리, 오디오 인식, 소셜 네트워크 필터링, 기계 번역, 생물정보학, 약물 설계, 의학 이미지 분석 및 기타 분야.
(위의 개념과 그 관계는 CSDN 블로거 "Simple Little Bitter Melon"의 원본 창작물입니다. 원본 링크: https://blog.csdn.net/weixin_44482877/article/details/122273597)
위 논문 선정은 저자가 실리콘 기반 유기체와 탄소 기반 생명을 전체적으로 탐구하거나, 뇌-컴퓨터 인터페이스의 인지 방법론을 탐색하여 생체 공학과 뇌 신경망을 이해하는 방법입니다.
위 내용은 Liu Jingnan 학자가 자연 지능과 인공 지능의 관계에 대해 논의합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!