Ahli akademik Liu Jingnan membincangkan hubungan antara kecerdasan semula jadi dan kecerdasan buatan

Liu Jingnan percaya bahawa kecerdasan buatan boleh difahami dan ditakrifkan dari perspektif kecerdasan semula jadi dan masa dan ruang ("Journal of Surveying and Mapping", Isu 4, 2020 Liu Jingnan, et al.: "Memikirkan Semula Ubiquitous Surveying dan Pemetaan dalam Era Pintar").

Pada masa ini, rangkaian maklumat sedang berkembang ke arah Internet Perkara dan rangkaian di mana-mana Ia didorong oleh data besar, kuasa pengkomputeran yang lebih berkuasa dan kaedah pengkomputeran yang lebih pintar, menghasilkan generasi baharu kecerdasan buatan, iaitu komputer dengan. keupayaan untuk belajar dan Berfikir dan kebolehan lain Pada masa yang sama, untuk merealisasikan pengurusan pintar dan kawalan kolaboratif dunia fizikal oleh rangkaian komputer, sistem siber-fizikal CPS (juga dikenali sebagai rangkaian ubiquitous) wujud dan. telah disepadukan dengan kecerdasan buatan untuk mempercepatkan pengeluaran dan penggunaan sosial Dari perindustrian kepada automasi dan kecerdasan, manusia telah memasuki era kecerdasan adalah keupayaan makhluk hidup dalam alam untuk melihat, mengenali dan menyesuaikan diri dengan alam sekitar kecerdasan kerana mereka dapat melihat perubahan di dunia luar dan mengenali kebaikan dan keburukan perubahan , selepas membuat keputusan, menyesuaikan diri untuk mencapai kelebihan dan mengelakkan kelemahan Untuk mencapai matlamat ini, anda perlu mencari tempat, masa, orientasi yang tepat , postur, dan lain-lain untuk menyesuaikan diri sendiri Oleh itu, teras kecerdasan biologi dalam alam semula jadi adalah, Berdasarkan lokasi masa dan ruang yang tepat untuk melihat dan mengenali perubahan dalam dunia luar, kita boleh membuat pilihan dan tingkah laku yang mencari kelebihan dan mengelakkan keburukan. .

Oleh itu, kecerdasan semula jadi boleh ditakrifkan sebagai keupayaan makhluk hidup untuk melihat perubahan di dunia luar, belajar dan ingat untuk membentuk pengalaman, dan meningkat kepada kognisi mereka boleh membuat keputusan untuk menyesuaikan diri dengan perubahan di luar dunia dan keperluan keselamatan mereka sendiri, dan mengawal diri mereka pada masa dan tempat yang tepat atau mengubah sebahagian keadaan dunia luar untuk mencapai matlamat mencari kelebihan dan mengelakkan keburukan boleh menyelesaikan masalah semasa, manakala kebijaksanaan boleh menyelesaikan masa depan dan tidak diketahui masalah. Kebijaksanaan memerlukan pengalaman dan pengetahuan yang dibentuk melalui persepsi dan kognisi, meramalkan perubahan dalam dunia luar pada masa dan tempat tertentu pada masa hadapan, dan melakukan regulasi diri terlebih dahulu untuk mengubah keadaan diri sendiri atau sebahagian daripada dunia luar. untuk mencapai kelebihan dan mengelakkan keburukan Peraturan jenis ini selalunya berdasarkan kedudukan masa dan ruang yang tepat, menyelaraskan pelbagai tingkah laku dan tindakan untuk mengubah dunia luar keupayaan kelangsungan hidup semula jadi makhluk hidup untuk mencapai kelebihan dan mengelakkan keburukan, yang tergolong dalam kecerdasan semula jadi Dalam pengertian ini, tinjauan dan pemetaan adalah Proses dan cara untuk melihat, merekod dan menyatakan peristiwa yang berlaku pada masa dan tempat tertentu, dan kemudian. membantu kognisi, komunikasi dan membuat keputusan, adalah lanjutan daripada kaedah teknikal tingkah laku pintar seperti kedudukan manusia, navigasi dan pemasaan.

Ringkasnya, kecerdasan dan kebijaksanaan adalah kebolehan yang hanya wujud dalam dunia biologi

Kecerdasan buatan adalah untuk menyampaikan kecerdasan biologi alam (termasuk kecerdasan dan kebijaksanaan manusia) kepada mesin dan persekitaran melalui teknologi dan kaedah, jadi. bahawa mesin dan alam sekitar boleh berinteraksi antara satu sama lain.

Mentakrifkan kecerdasan buatan berdasarkan kecerdasan semula jadi adalah lebih tepat dan lebih universal daripada definisi kecerdasan buatan semasa yang digunakan oleh industri komputer seperti ujian Turing untuk "membuat mesin memahami dan berfikir seperti manusia". mencerminkan Kecerdasan semulajadi merangkumi konotasi 6 jenis kecerdasan seperti persepsi, pembelajaran, kognisi, membuat keputusan, peraturan dan juga emosi Kecerdasan buatan harus merangkumi sekurang-kurangnya 5 jenis konotasi kecerdasan di samping emosi kecerdasan kawanan dalam kerajaan haiwan adalah dalam banyak Ia jauh melebihi manusia Memberi kecerdasan persepsi dan kecerdasan kumpulan kerajaan haiwan kepada mesin dan alam sekitar adalah hala tuju penyelidikan utama kecerdasan buatan .

Menurut definisi pengarang CSDN:

Natural Intelligence (NI) merujuk kepada keupayaan manusia menghasilkan tingkah laku yang berharga melalui pengiraan otak dan membuat keputusan. Tingkah laku ini termasuk pemikiran otak manusia dan membuat keputusan, pendengaran dan pertimbangan telinga, penglihatan dan pertimbangan mata, bau dan pertimbangan hidung, sentuhan dan pertimbangan kulit, dsb., dan dicerminkan dalam semua aspek tingkah laku manusia.

Kecerdasan Buatan (AI) menggunakan mesin untuk menggantikan orang dan menyedari tingkah laku pintar yang dimiliki oleh manusia. Ayat itu boleh ditulis semula seperti ini: Ia terutamanya merujuk kepada komputer, data dan perisian yang berkaitan, malah boleh meliputi peralatan terminal pintar yang berkaitan. Pada masa ini, arahan teknikal yang agak matang untuk aplikasi kecerdasan buatan termasuk permainan mesin (robot pintar), pengecaman suara, pengecaman imej (teks, cap jari, muka, dll.), dan analisis dan ramalan data yang disediakan oleh penderia. Disiplin utama penyelidikan kecerdasan buatan meliputi sains komputer, teori maklumat, sibernetik, automasi, bionik, biologi, psikologi, logik matematik, linguistik, perubatan dan falsafah, dsb.

Pembelajaran Mesin (ML) ialah kajian saintifik algoritma dan model statistik, yang digunakan oleh sistem komputer untuk melaksanakan tugas tertentu dengan berkesan tanpa menggunakan arahan yang jelas, tetapi bergantung pada corak dan penaakulan. Ia dianggap sebagai subset kecerdasan buatan dan merupakan teras kecerdasan buatan. Pembelajaran mesin mesti "belajar" dengan bantuan data. Pembelajaran mesin boleh dibahagikan kepada pembelajaran diselia, pembelajaran separa penyeliaan, pembelajaran tanpa penyeliaan dan pembelajaran pengukuhan mengikut borang.

Pembelajaran Mendalam (DL), (juga dikenali sebagai pembelajaran berstruktur mendalam atau pembelajaran hierarki) ialah sebahagian daripada keluarga kaedah pembelajaran mesin berdasarkan perwakilan data pembelajaran, bukannya algoritma khusus tugasan. Pembelajaran mendalam diilhamkan oleh pemprosesan maklumat dan corak komunikasi dalam sistem saraf biologi, tetapi berbeza daripada struktur dan fungsi otak biologi. Pada masa ini, seni bina pembelajaran mendalam, seperti rangkaian saraf dalam, rangkaian kepercayaan mendalam, dan rangkaian saraf berulang, telah digunakan dalam penglihatan komputer, pengecaman pertuturan, pemprosesan bahasa semula jadi, pengecaman audio, penapisan rangkaian sosial, terjemahan mesin, bioinformatik, reka bentuk ubat, dan perubatan Analisis imej dan bidang lain.

(Konsep di atas dan hubungannya adalah ciptaan asal blogger CSDN "Simple Little Bitter Melon", pautan asal: https://blog.csdn.net/weixin_44482877/article/details/122273597)

Pemilihan artikel di atas ialah cara untuk penulis meneroka organisma berasaskan silikon dan kehidupan berasaskan karbon secara keseluruhan, atau untuk meneroka metodologi kognitif antara muka otak-komputer, untuk memahami bionik dan rangkaian saraf otak.

Atas ialah kandungan terperinci Ahli akademik Liu Jingnan membincangkan hubungan antara kecerdasan semula jadi dan kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!