分類：弱人工智能、強(qiáng)人工智能

盡管搜索人工智能的沖動(dòng)始于模仿人類智能的愿望，但隨著時(shí)間的推移，已經(jīng)形成了兩種截然不同的方法和應(yīng)用鏈，盡管是從共同的假設(shè)開始的。這就是弱人工智能（或受限人工智能）和強(qiáng)人工智能（或通用人工智能）的情況。

為了掌握強(qiáng)人工智能和弱人工智能的區(qū)別，簡單介紹一下人工智能應(yīng)該能夠執(zhí)行的人類智能的功能，特別是：

以人為本，類似于人類在相同情況下會(huì)做的事情。

人性化思考，用認(rèn)知功能解決問題。

理性地、合乎邏輯地思考，就像人在推理中所做的那樣。

理性行事，在現(xiàn)有信息的基礎(chǔ)上努力爭取最好的結(jié)果。

這個(gè)品種描述了如何模仿人不是一個(gè)獨(dú)特的操作，而是可以向各種方法拒絕，這正是那些產(chǎn)生弱人工智能和強(qiáng)人工智能的研究和應(yīng)用路線的那些，也讓我們明白為什么第一個(gè)是現(xiàn)在很普遍，而第二個(gè)目標(biāo)要實(shí)現(xiàn)起來要困難得多。

什么是弱人工智能？

弱（或受限）人工智能是指旨在解決復(fù)雜性不同的特定問題的系統(tǒng)。它的范式是解決問題，因?yàn)槟M了人類認(rèn)知的一些解決能力，但沒有聲稱理解和復(fù)制人類大腦能夠做的所有事情的功能。

基于弱人工智能的應(yīng)用程序依靠機(jī)器學(xué)習(xí)來創(chuàng)建能夠自主模擬場景并協(xié)助人類決策執(zhí)行某些操作的系統(tǒng)。

無論是了解在超市訂購多少商品，而不是計(jì)劃工廠的維護(hù)或在電子商務(wù)門戶上建議購買，目標(biāo)始終是最好地給出實(shí)際需求的答案可能的方式。可能的方式，這并不總是與人類在相同情況下會(huì)做的事情一致。

考慮到這一點(diǎn)，基于弱人工智能的應(yīng)用程序非常適合向人類建議做出什么決定，為他們提供更多信息來支持他們的選擇。

強(qiáng)大的人工智能，它是關(guān)于什么的？

強(qiáng)（或通用）人工智能是指能夠以完全自主的方式運(yùn)行的系統(tǒng)，而不管上下文和分配給它們的任務(wù)如何。這種方法與針對(duì)弱AI 提出的方法完全不同，因?yàn)閱栴}和解決方案之間沒有直接聯(lián)系。

解決問題不是問題的關(guān)鍵，而是培養(yǎng)一種自主的良心，它不會(huì)時(shí)不時(shí)地假裝模仿類似于人類的思維過程，而是旨在培養(yǎng)一種沒有特定需求的通用智能，因此在任何情況。

如果說弱人工智能的目標(biāo)是理性地行動(dòng)和思考，那么強(qiáng)人工智能則更側(cè)重于人類行動(dòng)和理性思考。如果弱人工智能有問題，它會(huì)嘗試?yán)硇缘仡A(yù)測該人在特定環(huán)境下會(huì)做出什么選擇，而強(qiáng)人工智能則基于邏輯推理，并使用可用數(shù)據(jù)來生成他們從中得出的上下文知識(shí)。要采取的行動(dòng)。

弱人工智能會(huì)根據(jù)具體情況采取行動(dòng)，只解決由此產(chǎn)生的問題。強(qiáng)人工智能一般從游戲規(guī)則出發(fā)，試圖解決由此產(chǎn)生的所有問題。

舉一個(gè)實(shí)際的例子，讓我們想象一下國際象棋游戲。弱AI會(huì)專注于擊敗特定對(duì)手，通過分析盡可能多的動(dòng)作來尋找對(duì)策，檢查他當(dāng)時(shí)玩過的所有游戲，而強(qiáng)AI不會(huì)提出特定對(duì)手的問題，構(gòu)成目標(biāo)是成為最強(qiáng)的棋手。

他會(huì)從了解游戲規(guī)則開始，刻苦訓(xùn)練，變得越來越熟練，擊敗任何對(duì)手。無論多么基本，這種觀點(diǎn)上的差異使我們了解強(qiáng)人工智能比弱人工智能提出了一種更加雄心勃勃的方法，并且在其具體應(yīng)用中，這涉及到極高的資源支出。

雖然它的潛力在很大程度上仍然只能想象，但強(qiáng)大的人工智能已經(jīng)產(chǎn)生了切實(shí)的成果。它的主要支持者是所謂的人工智能實(shí)驗(yàn)室，由技術(shù)巨頭資助，以實(shí)現(xiàn)影響深遠(yuǎn)的發(fā)現(xiàn)，能夠徹底改變他們所指的領(lǐng)域。

這就是Deepmind（谷歌）的案例，AlphaFold 的作者之一，一個(gè)能夠解決蛋白質(zhì)折疊計(jì)算的系統(tǒng)，一個(gè)能夠開啟分子生物學(xué)領(lǐng)域新時(shí)代的發(fā)現(xiàn)，對(duì)醫(yī)學(xué)和藥理。

另一個(gè)參考的AI 實(shí)驗(yàn)室是OpenAI（微軟），它以開發(fā)GPT-3（生成式預(yù)訓(xùn)練變壓器3）而聞名，這是一種基于人工智能的語言模型，能夠以一種形式上無法區(qū)分的方式處理文本和圖像，而人類會(huì)做的。

《紐約時(shí)報(bào)》發(fā)表了一篇文章，一半由真正的記者撰寫，一半由基于GPT-3 的機(jī)器人撰寫。結(jié)果不允許對(duì)兩位作者進(jìn)行任何區(qū)分。不可能確定誰寫了某些段落而不是其他段落。圖靈測試可以說是完美通過了。

術(shù)語“弱人工智能”（或受限）是指旨在解決復(fù)雜性不同的特定問題的系統(tǒng)。它的范式是解決問題，因?yàn)槟M了人類認(rèn)知的一些解決能力。

它是如何工作的？

在嘗試了解人工智能的想法之后，是時(shí)候了解它的工作原理了，以便更全面地了解其潛力并繼續(xù)研究其活動(dòng)背后的技術(shù)。

人工智能的功能是由四個(gè)不同的功能級(jí)別定義的，能夠用盡所需執(zhí)行的操作：

理解：通過學(xué)習(xí)和模擬數(shù)據(jù)與事件之間的關(guān)聯(lián)性賦予的能力，人工智能可以通過這種能力，例如識(shí)別文本、圖像、視頻、音頻和語音，以根據(jù)特定請(qǐng)求處理特定信息

推理：由于使用了一系列適當(dāng)編程的數(shù)學(xué)算法，人工智能系統(tǒng)能夠以邏輯方式和完全自主地連接收集的數(shù)據(jù)

學(xué)習(xí)：它由能夠分析數(shù)據(jù)輸入以返回正確輸出的人工智能系統(tǒng)給出。機(jī)器學(xué)習(xí)系統(tǒng)就是這種情況，它使用特定技術(shù)從給定的信息上下文中學(xué)習(xí)，以執(zhí)行某些功能。

交互：它由HMI 系統(tǒng)（人機(jī)交互）提供，其中AI 在與人類的交互中發(fā)揮著重要作用。NLP（自然語言處理）給出了這種功能級(jí)別最常見的例子之一，它是基于人工智能的技術(shù)園區(qū)，它允許您使用自然語言在人與機(jī)器之間創(chuàng)建語言關(guān)系，就像它發(fā)生的那樣。最先進(jìn)的聊天機(jī)器人案例

人工智能技術(shù)

弱人工智能和強(qiáng)人工智能之間的區(qū)別是正確表達(dá)主要人工智能技術(shù)的基礎(chǔ)。正如我們在歷史前提中所看到的，這些是二十世紀(jì)五七十年代開始談?wù)摰脑掝}，即使要進(jìn)行重大傳播也需要幾十年的時(shí)間，等待摩爾定律運(yùn)行，直到它產(chǎn)生了能夠提供執(zhí)行必要計(jì)算所需的能力的計(jì)算系統(tǒng)。

在等待量子計(jì)算在商業(yè)應(yīng)用中成為現(xiàn)實(shí)的同時(shí)，主要的技術(shù)飛躍來自于GPU（圖形處理單元）市場的引入，該處理器最初是為圖形渲染而構(gòu)想的，其并行計(jì)算性質(zhì)也很合適。應(yīng)用領(lǐng)域，包括人工智能系統(tǒng)和加密貨幣挖掘。

因此，讓我們快速回顧一下當(dāng)前可用的一些主要人工智能技術(shù)，從機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的實(shí)質(zhì)性差異開始，特別是它們所基于的學(xué)習(xí)模型。

機(jī)器學(xué)習(xí)

對(duì)于機(jī)器學(xué)習(xí)是指基于人工智能機(jī)器學(xué)習(xí)系統(tǒng)，能夠獲得的各種信息（輸入）列車逐漸變得在獨(dú)立執(zhí)行任務(wù)（輸出），即越來越多精通機(jī)器，而不預(yù)先進(jìn)行編程以運(yùn)行它。ML 系統(tǒng)以其學(xué)習(xí)、犯錯(cuò)和從錯(cuò)誤中逐步改進(jìn)的能力而著稱，直到它在能夠完全自主地產(chǎn)生的模擬中變得越來越精確。

機(jī)器學(xué)習(xí)系統(tǒng)的學(xué)習(xí)模型多種多樣，主要基于三類算法：

教學(xué)監(jiān)督：系統(tǒng)通過輸入和輸出之間的相關(guān)性學(xué)習(xí)，從中學(xué)習(xí)如何做出決定

沒有教學(xué)監(jiān)督：學(xué)習(xí)是通過結(jié)果分析進(jìn)行的，輸入和輸出之間沒有直接關(guān)系，但只停留在允許映射某些決策結(jié)果的輸出的基礎(chǔ)上，在與ML 系統(tǒng)相同的上下文中它們被稱為提供解決方案

具有增強(qiáng)：強(qiáng)化學(xué)習(xí)是一個(gè)擇優(yōu)的學(xué)習(xí)方法，因?yàn)橹挥挟?dāng)它獲得的結(jié)果符合在其評(píng)估預(yù)期AI被獎(jiǎng)勵(lì)。強(qiáng)化學(xué)習(xí)允許您改進(jìn)ML 系統(tǒng)的訓(xùn)練，因?yàn)樗軌驈母旧辖淌谌绾螀^(qū)分正確決策和錯(cuò)誤決策