净水霁月

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）

这是一门研究人工智能“眼睛”和“视力”的科学。人工智能中70%以上的数据采集、识别和分析都建立在如何让机器“看”的科学上，通过计算机代替人眼对目标进行识别、跟踪和测量，使计算机成为更适合人眼观察或传送给仪器检测图像和图形处理的技术。

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；

9、智能新闻场景研究：包括智能新闻稿件机器人、智能新闻资料机器人等；

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。

科技思想库

理解 AI 的基本原理，会发现事物的本质往往并没有大家说的那么复杂。

人工智能发展出很多不同分支，技术原理也多种多样。

深度学习

深度学习的原理是这样的：

之前有很多事情计算机是做不了的，但是现在人工智能可以做了。

但是，当下的人工智能是从大量数据中总结归纳知识，这种粗暴的「归纳法」有一个很大的问题是： 只关注现象，不关注为什么。

即便是人类的经验，并不都是准确的，往往也要违背经验的事情发生，比如“黑天鹅”等。 也正是因为归纳逻辑，所以需要依赖大量的数据。

数据越多，归纳出来的经验越具有普适性。

随着深度学习 + 大数据的成熟发展，人工智能发挥出了巨大的威力，并且 AI 的表现已经超越人类，可以达到“可用”的阶段，而不只是科学研究。

卷积神经网络 – CNN

卷积神经网络 – CNN 很擅长处理图像。而视频是图像的叠加，所以同样擅长处理视频内容。

1. 图像分类、检索

2. 目标定位检测

3. 目标分割

4. 人脸识别

5. 骨骼识别

总结

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

链求君

人工智能是一门研究用计算机来模仿和执行人脑的某些智力功能的交叉学科，所以人工智能问题的求解也是以知识为基础的。

知识图谱

如何从现实世界中获取知识、如何将已获得的知识以计算机内部代码的形式加以合理的表示以便于存储，以及如何运用这些知识进行推理以解决实际的问题，即知识的获取、知识的表示和运用知识进行推理是人工智能学科要研究的3个主要问题。

在人们的日常生活及社会活动中，“知识”是常用的一个术语。例如，人们常说“我们要掌握现代科学知识”，“掌握的知识越多，你的机会就越多”等。人们所涉及的知识也是十分广泛的，例如，有的知识是多数人所熟悉的普通知识，而有的知识只是有关专家才掌握的专门领域知识。那么，到底什么是知识？知识有哪些特性？它与通常所说的信息有什么区别和联系？

现实世界中每时每刻都产生着大量的信息，但信息是需要用一定的形式表示出来才能被记载和传递的。尤其是使用计算机来进行信息的存储及处理时，更需要用一组符号及其组合进行表示。像这样用一组符号及其组合表示的信息称为数据。

数据与信息是两个密切相关的概念。数据是记录信息的符号，是信息的载体和表示。信息是对数据的解释，是数据在特定场合下的具体含义。只有把两者密切地结合起来，才能实现对现实世界中某一具体事物的描述。

三者关系图

另外，数据和信息又是两个不同的概念，相同的数据在不同的环境下表示不同的含义，蕴涵不同的信息。比如，“100”是一个数据，它可能表示“100元钱”，也可表示“100个人”，若对于学生的考试成绩来说，可能表示“100分”。同样，相同的信息也可以用不同的数据表示出来。比如，地下工作者为了传达情报信息，可以用一首诗词的每一句的第一个字组成一句话，或诗的斜对角线上的字组成的一句话来传达信息，也可能会用一个代码或数字来表示同一信息。

正如上述，现实生活中，信息是要以数据的形式来表达和传递的，数据中蕴涵着信息，然而，并不是所有的数据中都蕴涵着信息，而是只有那些有格式的数据才有意义。对数据中的信息的理解也是主观的、因人而异的，是以增加知识为目的的。

比如，你看到0571－8888888这样的数字，你可能会根据自己已有的知识猜测到它是一个电话号码，但不知道它是哪个城市的电话号码，但如果你通过一些方法确定0571是杭州市的区号后，以后再碰到相同格式的数据时，你就会知道它代表杭州市的一个电话号码，实际上你的知识也就增加了。不同格式的数据蕴涵的信息量也不一样，比如，图像数据所蕴涵的信息量就大，而文本数据所蕴涵的信息量就少。

数据处理

信息在人类生活中占有十分重要的地位，但是，只有把有关的信息关联到一起的时候，它才有实际的意义。一般把有关信息关联在一起所形成的信息结构称为知识。知识是人们在长期的生活及社会实践、科学研究及实验中积累起来的对客观世界的认识与经验，人们把实践中获得的信息关联在一起，就获得了知识。

终上所述，知识、信息和数据是3个层次的概念。有格式的数据经过处理、解释过程会形成信息，而把有关的信息关联再一起，经过处理就形成了知识。知识是用信息表达的，信息则是用数据表达的，这种层次不仅反映了数据、信息和知识的因果关系，也反映了它们不同的抽象程度。人类在社会实践过程中，其主要的智能活动就是获取知识，并运用知识解决生活中遇到的各种问题。

科技知识小常识

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。

故温温

人工智能其实是一项复杂的技术，需要的基础技术尤其是数学方面非常多。

主要包括：

1. 线性代数：包括张量、矩阵、范数、特征分解等一些列知识

2. 概率论以及信息论：各种概率分布，离散、连续、质量函数、密度函数，香农熵，交叉熵等等。
3. 机器学习基础知识：拟合、估计、监督、无监督、梯度下降等等。
4. 卷积网络，各种神经网络，CNN，RNN...
5. 编程语言，比如python
6. 机器学习库：tensorflow、pytorch

综上，要学的东西真的非常多。

墟里虚实

需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。

需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。

需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。

Hello映像

我试着按照自己的理解去分析（以下内容纯个人门外汉理解，非搬砖，纯手写）

人工智能的技术基础应包含硬件和软件两个大项！

一、硬件应该包含数据处理，数据交换和数据存储。

（1）数据处理，起决定作用的就是cpu处理能力的发展。

（2）数据交换，就是网络铺设的发展，我们现在都说5g.其实5g速度在现在的大数据面前是远远不够用的。

（3）数据储存，就是硬盘的读写能力，我个人觉得最制约人工智能的技术发展，目前来看应该是数据存储调用的瓶颈是最大的。

通俗点，我们把人工智能和真正的人做对比。数据处理就是我们大脑。说实在的，现在cpu的每秒处理能力已经远远甩开人类大脑的处理能力了。

（以下属于个人幻想

能量守恒大家都知道吧，cpu每秒处理消耗的能量比人类不知道大多少。可能有人觉得我瞎扯蛋，这有可比性吗？但我们仔细想想，处理的最终极限终是要回归到能量的消耗上的。当然这已经有点幻想的存在了！）

数据交换，其实数据交换的制约就在于数据储存，因为数据传导能力本身是远远高于数据储存能力的，只不过是网络铺设的问题，数据本身的传导是不存在瓶颈的。

现在人工智能最大的问题就在于数据储存，说技术可能不太好理解。我做个简单对比，一个人站在山巅，快速览望四周，总不会存在看不过来，画面卡的情况吧。但是如果用最牛逼最新进手机同样的转一圈，你盯着手机画面看，必然存在画面撕裂，抖动的！这还是手机分辨率和肉眼分辨率完全不是一个量集的比较。

（二）软件，就是算法！

这是非常深奥，非常专业的东西。这里肯定是没办法讲的出什么的。我们需要了解的是算法就好比一个人的脑域开发度，同样的硬件条件下的效率问题。

幽默爆笑的猫猫

自然语音与机器视觉这两个重要条件是人工智能的技术基础。

人工智能是指，人工与智能工具有机结合并通过训练过的知识与技能帮助我们解决一些重复或危险的工作。

人工智能的进化是有一定逻辑关系的，先从认知开始（通过逻辑训练学习与深度学习，并进化成神经网络自我训练学习的过程）再到感知（机器识别，人工智能通过训练学习过的知识与动作通过各类传感器进来辩别，通俗的讲，也就是给机器装上各类器官组织：视觉传感器，语音识别传感器、温度传感器等）；

人工智能从认知到感知这个过程已经初步实现，例如人脸识别，体温监测、空气监测、车辆监测等，进而进行下一步：决策；

最后再执行。

认知一感知一决策一执行，这是人工智能的工作原理。

更准确的说，人工智能离不开语音识别、机器视觉及高分辩传感器，这是人工智能的技术基础。

MoFei在线

编程语言、算法

闭着眼睛切土豆

人工智能:顾名思义就是指利用计算机技术，通过对人的意识、思维过程模拟，来生产出一种新的能以人类智能相似的方式做出反应的智能机器。

由此可见，人工智能的基础技术是对人类的意识和思维过程的模拟，并利用大数据和云计算等一系列现代技术来生产出能与人类智能相似的智能机器。

關鍵字: 人工智能 技术 基础