伯克利大學人工智慧教授

⑴ 伯克利大學做了哪些人機交互系統

美國人機交互專業顧名思義就是人和計算機的互動。在這個過程中，人通過和計算機界面的互動，產生一系列的輸入和輸出，然後完成一個任務達到一個目的，該專業在近幾年越來越流行，已經成為申請熱門。

2016年，劍橋大學新成立了一個研究中心——Leverhulme Centre for the Future of
Intelligence，聯合牛津大學、劍橋大學、倫敦帝國學院和加州大學-伯克利分校的力量，主要研究人工智慧的內涵並試圖影響其倫理發展。世界著名的物理學家、劍橋大學教授霍金出席了此次開幕式並發表了演講。

⑵ 高分求人工智慧的資料

人工智慧(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式作出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的，現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確，因之當代人已不再把這種計算看作是「需要人類智能才能完成的復雜任務」, 可見復雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
人工和智能
人工智慧的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或著人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。
人工智慧目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。
人工智慧的定義
著名的美國斯坦福大學人工智慧研究中心尼爾遜教授對人工智慧下了這樣一個定義：「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。」而另一個美國麻省理工學院的溫斯頓教授認為：「人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作。」這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智能行為的基本理論、方法和技術。
人工智慧（Artificial Intelligence，簡稱AI）是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智慧）。也被認為是二十一世紀（基因工程、納米科學、人工智慧）三大尖端技術之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智慧已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。
人工智慧是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智慧與思維科學的關系是實踐和理論的關系，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標准邏輯、模糊數學等范圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。
實際應用
機器視覺:指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統,智能搜索，定理證明，博弈，自動程序設計，還有航天應用等。
學科範疇
人工智慧是一門邊沿學科，屬於自然科學和社會科學的交叉。
涉及學科
哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論，仿生學，
研究范疇
自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不精確和不確定的管理，人工生命，神經網路，復雜系統，遺傳演算法
應用領域
智能控制，機器人學，語言和圖像理解，遺傳編程
意識和人工智慧的區別
人工智慧就其本質而言，是對人的思維的信息過程的模擬。
對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出「類人腦」的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。
人工智慧不是人的智能，更不會超過人的智能。
「機器思維」同人類思維的本質區別：
1.人工智慧純系無意識的機械的物理的過程，人類智能主要是生理和心理的過程。
2.人工智慧沒有社會性。
3.人工智慧沒有人類的意識所特有的能動的創造能力。
強人工智慧和弱人工智慧
人工智慧的一個比較流行的定義，也是該領域較早的定義，是由約翰·麥卡錫（John McCarthy|）在1956年的達特矛斯會議（Dartmouth Conference）上提出的：人工智慧就是要讓機器的行為看起來就象是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智慧的可能性（見下）。另一個定義指人工智慧是人造機器所表現出來的智能性。總體來講，目前對人工智慧的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這里「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。
強人工智慧
強人工智慧觀點認為有可能製造出真正能推理（Reasoning）和解決問題（Problem_solving）的智能機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智慧可以有兩類：
類人的人工智慧，即機器的思考和推理就像人的思維一樣。
非類人的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
弱人工智慧
弱人工智慧觀點認為不可能製造出能真正地推理（Reasoning）和解決問題（Problem_solving）的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。
主流科研集中在弱人工智慧上，並且一般認為這一研究領域已經取得可觀的成就。強人工智慧的研究則出於停滯不前的狀態下。
對強人工智慧的哲學爭論
「強人工智慧」一詞最初是約翰·羅傑斯·希爾勒針對計算機和其它信息處理機器創造的，其定義為：
「強人工智慧觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當的程序，計算機本身就是有思維的。」（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）這是指使計算機從事智能的活動。在這里智能的涵義是多義的、不確定的，象下面所提到的就是其中的例子。利用計算機解決問題時，必須知道明確的程序。可是，人即使在不清楚程序時，根據發現（heu- ristic）法而設法巧妙地解決了問題的情況是不少的。如識別書寫的文字、圖形、聲音等，所謂認識模型就是一例。再有，能力因學習而得到的提高和歸納推理、依據類推而進行的推理等，也是其例。此外，解決的程序雖然是清楚的，但是實行起來需要很長時間，對於這樣的問題，人能在很短的時間內找出相當好的解決方法，如競技的比賽等就是其例。還有，計算機在沒有給予充分的合乎邏輯的正確信息時，就不能理解它的意義，而人在僅是被給予不充分、不正確的信息的情況下，根據適當的補充信息，也能抓住它的意義。自然語言就是例子。用計算機處理自然語言，稱為自然語言處理。
關於強人工智慧的爭論不同於更廣義的一元論和二元論（alism）的爭論。其爭論要點是：如果一台機器的唯一工作原理就是對編碼數據進行轉換，那麼這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是對數據進行轉換，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關系的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。
也有哲學家持不同的觀點。Daniel C. Dennett 在其著作 Consciousness Explained 里認為，人也不過是一台有靈魂的機器而已，為什麼我們認為人可以有智能而普通機器就不能呢？他認為像上述的數據轉換機器是有可能有思維和意識的。
有的哲學家認為如果弱人工智慧是可實現的，那麼強人工智慧也是可實現的。比如Simon Blackburn在其哲學入門教材 Think 里說道，一個人的看起來是「智能」的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她／他僅僅是看起來是智能的。基於這個論點，既然弱人工智慧認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。Blackburn 認為這是一個主觀認定的問題。
需要要指出的是，弱人工智慧並非和強人工智慧完全對立，也就是說，即使強人工智慧是可能的，弱人工智慧仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在百多年前是被認為很需要智能的。
人工智慧簡史
人工智慧的傳說可以追溯到古埃及，但隨著1941年以來電子計算機的發展，技術已最終可以創造出機器智能，「人工智慧」(Artificial Intelligence)一詞最初是在1956年Dartmouth學會上提出的，從那以後,研究者們發展了眾多理論和原理，人工智慧的概念也隨之擴展，在它還不長的歷史中，人工智慧的發展比預想的要慢，但一直在前進，從40年前出現到現在，已經出現了許多AI程序，並且它們也影響到了其它 技術的發展。
計算機時代
1941年的一項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第一台計算機要佔用幾間裝空調的大房間,對程序員來說是場惡夢:僅僅為運行一 個程序就要設置成千的線路.1949年改進後的能存儲程序的計算機使得輸入程序變得簡單些,而且計算機 理論的發展產生了計算機科學,並最終促使了人工智慧的出現.計算機這個用電子方式處理數據的發明, 為人工智慧的可能實現提供了一種媒介.
AI的開端
雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才注意到人類智能與機器之間 的聯系. Norbert Wiener是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動調溫器.它 將收集到的房間溫度與希望的溫度比較,並做出反應將加熱器開大或關小,從而控制環境溫度.這項對反饋 迴路的研究重要性在於: Wiener從理論上指出,所有的智能活動都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發現對早期AI的發展影響很大.
1955年末,Newell和Simon做了一個名為"邏輯專家"(Logic Theorist)的程序.這個程序被許多人 認為是第一個AI程序.它將每個問題都表示成一個樹形模型,然後選擇最可能得到正確結論的那一枝來求解 問題."邏輯專家"對公眾和AI研究領域產生的影響使它成為AI發展中一個重要的里程碑.1956年,被認為是 人工智慧之父的John McCarthy組織了一次學會,將許多對機器智能感興趣的專家學者聚集在一起進行了一 個月的討論.他請他們到 Vermont參加 " Dartmouth人工智慧夏季研究會".從那時起,這個領域被命名為 "人工智慧".雖然 Dartmouth學會不是非常成功,但它確實集中了AI的創立者們,並為以後的AI研究奠定了基礎.
Dartmouth會議後的7年中,AI研究開始快速發展.雖然這個領域還沒明確定義,會議中的一些思想 已被重新考慮和使用了. Carnegie Mellon大學和MIT開始組建AI研究中心.研究面臨新的挑戰: 下一步需 要建立能夠更有效解決問題的系統,例如在"邏輯專家"中減少搜索;還有就是建立可以自我學習的系統.
1957年一個新程序,"通用解題機"(GPS)的第一個版本進行了測試.這個程序是由製作"邏輯專家" 的同一個組開發的.GPS擴展了Wiener的反饋原理,可以解決很多常識問題.兩年以後,IBM成立了一個AI研 究組.Herbert Gelerneter花3年時間製作了一個解幾何定理的程序.
當越來越多的程序涌現時,McCarthy正忙於一個AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP語言. LISP到今天還在用."LISP"的意思是"表處理"(LISt Processing),它很快就為大多數AI開發者採納.
1963年MIT從美國政府得到一筆220萬美元的資助,用於研究機器輔助識別.這筆資助來自國防部 高級研究計劃署(ARPA),已保證美國在技術進步上領先於蘇聯.這個計劃吸引了來自全世界的計算機科學家, 加快了AI研究的發展步伐.
大量的程序
以後幾年出現了大量程序.其中一個著名的叫"SHRDLU"."SHRDLU"是"微型世界"項目的一部分,包括 在微型世界(例如只有有限數量的幾何形體)中的研究與編程.在MIT由Marvin Minsky領導的研究人員發現, 面對小規模的對象,計算機程序可以解決空間和邏輯問題.其它如在60年代末出現的"STUDENT"可以解決代數 問題,"SIR"可以理解簡單的英語句子.這些程序的結果對處理語言理解和邏輯有所幫助.
70年代另一個進展是專家系統.專家系統可以預測在一定條件下某種解的概率.由於當時計算機已 有巨大容量,專家系統有可能從數據中得出規律.專家系統的市場應用很廣.十年間,專家系統被用於股市預 測,幫助醫生診斷疾病,以及指示礦工確定礦藏位置等.這一切都因為專家系統存儲規律和信息的能力而成為可能.
70年代許多新方法被用於AI開發,著名的如Minsky的構造理論.另外David Marr提出了機器視覺方 面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信 息,可以推斷出圖像可能是什麼.同時期另一項成果是PROLOGE語言,於1972年提出. 80年代期間,AI前進更為迅速,並更多地進入商業領域.1986年,美國AI相關軟硬體銷售高達4.25億 美元.專家系統因其效用尤受需求.象數字電氣公司這樣的公司用XCON專家系統為VAX大型機編程.杜邦,通用 汽車公司和波音公司也大量依賴專家系統.為滿足計算機專家的需要,一些生產專家系統輔助製作軟體的公 司,如Teknowledge和Intellicorp成立了。為了查找和改正現有專家系統中的錯誤,又有另外一些專家系統被設計出來.
從實驗室到日常生活
人們開始感受到計算機和人工智慧技術的影響.計算機技術不再只屬於實驗室中的一小群研究人員. 個人電腦和眾多技術雜志使計算機技術展現在人們面前.有了象美國人工智慧協會這樣的基金會.因為AI開發 的需要,還出現了一陣研究人員進入私人公司的熱潮。150多所像DEC(它雇了700多員工從事AI研究)這樣的公司共花了10億美元在內部的AI開發組上.
其它一些AI領域也在80年代進入市場.其中一項就是機器視覺. Minsky和Marr的成果現在用到了生產線上的相機和計算機中,進行質量控制.盡管還很簡陋,這些系統已能夠通過黑白區別分辨出物件形狀的不同.到1985年美國有一百多個公司生產機器視覺系統,銷售額共達8千萬美元.
但80年代對AI工業來說也不全是好年景.86-87年對AI系統的需求下降,業界損失了近5億美元.象 Teknowledge和Intellicorp兩家共損失超過6百萬美元,大約占利潤的三分之一巨大的損失迫使許多研究領 導者削減經費.另一個另人失望的是國防部高級研究計劃署支持的所謂"智能卡車".這個項目目的是研製一種能完成許多戰地任務的機器人。由於項目缺陷和成功無望,Pentagon停止了項目的經費.
盡管經歷了這些受挫的事件,AI仍在慢慢恢復發展.新的技術在日本被開發出來,如在美國首創的模糊邏輯,它可以從不確定的條件作出決策;還有神經網路,被視為實現人工智慧的可能途徑.總之,80年代AI被引入了市場,並顯示出實用價值.可以確信,它將是通向21世紀之匙. 人工智慧技術接受檢驗 在"沙漠風暴"行動中軍方的智能設備經受了戰爭的檢驗.人工智慧技術被用於導彈系統和預警顯示以 及其它先進武器.AI技術也進入了家庭.智能電腦的增加吸引了公眾興趣;一些面向蘋果機和IBM兼容機的應用 軟體例如語音和文字識別已可買到;使用模糊邏輯,AI技術簡化了攝像設備.對人工智慧相關技術更大的需求促 使新的進步不斷出現.人工智慧已經並且將繼續不可避免地改變我們的生活.
人工智慧專業機構
美國
1. Massachusetts Institute of Technology 麻省理工學院
2. Stanford University 斯坦福大學 (CA)
3. Carnegie Mellon University 卡內基美隆大學 (PA)
4. University of California-Berkeley 加州大學伯克利分校
5. University of Washington 華盛頓大學
6. University of Texas-Austin 德克薩斯大學奧斯汀分校
7. University of Pennsylvania 賓夕法尼亞大學
8. University of Illinois-Urbana-Champaign 伊利諾伊大學厄本那—香檳分校
9. University of Maryland-College Park 馬里蘭大學帕克分校
10. Cornell University 康乃爾大學 (NY)
11. University of Massachusetts-Amherst 馬薩諸塞大學Amherst校區
12. Georgia Institute of Technology 喬治亞理工學院
University of Michigan-Ann Arbor 密西根大學-安娜堡分校
14. University of Southern California 南加州大學
15. Columbia University 哥倫比亞大學 (NY)
University of California-Los Angeles 加州大學-洛杉磯分校
17. Brown University 布朗大學 (RI)
18. Yale University 耶魯大學 (CT)
19. University of California-San Diego 加利福尼亞大學聖地亞哥分校
20. University of Wisconsin-Madison 威斯康星大學麥迪遜分校
中國
1、北京大學
2、清華大學
3、哈爾濱工業大學
4、廈門大學人工智慧研究所
5、中國AI創業研發俱樂部

⑶ 伯克利教授Stuart Russell:人工智慧是什麼基礎階段

博弈聖經著作人的經典名句；如今的博弈專家、人工智慧專家、博弈取勝的技術水平，還停留在小孩玩積木、玩粘土的階段。（小孩玩尿泥階段）

博弈聖經著作人的經典名句；一個個博弈論專家、矛盾論專家、概率論專家和外行知道得一樣多。

博弈聖經著作人的經典名句；概率如同太監，講概率的人，如同太監講性；講生男生女、講優生優育；概率論，如同太監肚子里的大糞。

⑷ 人工智慧領域哪些高校實力強

要根據自己興趣和能力慎重選擇專業，院校和導師。
首先，是專業。
相關專回業:計算機類+數學類+自動答化類+軟體類+電子類+信息科學類（信息管理和圖書情報），學院與之對應
其次，對應專業的院校。
考量指標:院校級別和排名+正教授人數及學者頭銜數量+基金類目、級別及數量+博士後流動站有無和數量+國家重點實驗室有無和數量+科研成果產出質量數量。

⑸ 美國伯克利大學排名

美國加州大學伯克利分校專業排名好嗎？
2019年QS世界大學建築學專業版排權名第6名
2019年QS世界大學表演藝術專業排名第21名
2019年QS世界大學藝術與設計專業排名第31名
2018年QS世界大學建築學專業排名第5名
2018年QS世界大學表演藝術專業排名第19名
美國加州大學伯克利分校排名好嗎？
2020年QS世界大學排名第28名
2020年《泰晤士高等教育》世界大學排名第13名
2020年《美國新聞與世界報道》美國全國性大學排名第22名
2019年QS世界大學排名第27名
2019年《泰晤士高等教育》世界大學排名第15名
2019年《美國新聞與世界報道》世界大學排名第4名
2019年《美國新聞與世界報道》美國全國性大學排名第22名
2019年《福布斯》美國最具價值大學排名第5名
2019年《泰晤士高等教育》美國大學排名第33名

⑹ 被譽為機器學習之父的人是誰

被譽為機器學習之父的人是邁克爾·喬丹。

邁克爾·喬丹，喬丹教授目前執教於加州大學伯克利分校，還是美國科學院、美國工程院、美國藝術與科學院三院院士，是人工智慧領域唯一一位獲此成就的科學家。他被公認是機器學習領域開創者之一。

在全球移動互聯網大會上，Facebook人工智慧團隊首席AI科學Yann LeCun（楊立昆），加州大學伯克利分校Michael I. Jordan（邁克爾·喬丹）以及創新工場董事長兼首席執行官李開復對人工智慧的現在和未來展開了討論。

2017年5月27日，喬丹簽約螞蟻金服，在當天舉辦的螞蟻技術日上，人工智慧領域的世界級泰斗邁克爾·歐文·喬丹（Michael I.Jordan）從螞蟻金服CEO井賢棟手中接過聘書，正式成為螞蟻金服新成立的科學智囊團主席。

(6)伯克利大學人工智慧教授擴展閱讀：

Michael I.Jordan他的學生桃李滿天下，比如深度學習領域權威Yoshua Bengio，貝葉斯學習領域權威Zoubin Ghahramani，以及前網路首席科學家吳恩達。

Michael I.Jordan於2018年9月22-23日親臨由Boolan在上海世紀皇冠假日酒店主辦的ML-Summit 2018全球機器學習技術大會現場。Michael I． Jordan的《機器學習前沿發展》的主題演講，深入闡述機器學習領域最新的前沿發展情況及其領導的機器學習團隊的最新研究成果。

⑺ 家用智能機器人是人工智慧的一種，雖然它的功能十分強大，但為何市場卻依然遇冷

因為價格比較貴，而且有的智能不如人勞動起來仔細。
在人工智慧中的研究與應用領域中，包括了自然語言處理、自動定理證明、智能數據檢索系統、機器學習、模式識別、視覺系統、問題求解、人工智慧方法和程序語言以及自動程序設計等。可見，不能片面地把人工智慧理解成機器人，機器人學是人工智慧學科的一個分支。智能機器人的研究和應用體現出廣泛的學科交叉，涉及眾多的課題，如機器人體系結構、機構、控制、智能、視覺、觸覺、力覺、聽覺、機器人裝配、惡劣環境下的機器人以及機器人語言等。

1.3 人工智慧（能力）。人工智慧是智能機器所執行的通常與人類智能有關的智能行為，如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動。

⑻ 人工智慧，到底是誰的戰場

在關於人工智慧的討論紛紛擾擾的同時，大國爭前恐後，工業巨頭悶頭向前，人人都不願落後。
人工智慧，正在以潤物細無聲的方式，悄然改變著這個世界。

想像一下這樣的兩個場景：
1.
你工作了一天，飢腸轆轆地回到家中。
家裡的機器人助理關切地感慨：「你肯定餓壞了！」你充滿期待：「是啊，晚餐吃什麼？」助理卻向你道歉：「對不起，非洲國家的人們更需要我的幫助，你自己准備晚餐吧，我要走了……」
2.
家裡的孩子餓了，陪伴她的機器人助理准備給她弄點吃的。
可是冰箱里空空如也，怎麼辦呢？機器人助理決定把你的寵物貓作為食材給孩子做晚餐……
這不是真的現實，而是加州大學伯克利分校人工智慧統計中心創始人兼計算機科學專業教授斯圖亞特羅素（Stuart Russell）分享的未來可能會出現的兩個人工智慧使用場景。好像邏輯都沒錯，但結果怪怪的？
等等，在探討如何避免出現這樣的情形之前，讓我們先回到現在，畢竟人工智慧還處在發展的早期階段：波士頓動力的雙足人形機器人Altas只是因為能夠像人一樣後空翻，成為人工智慧領域的明星。但即便如此，人工智慧還是有其足夠的沖擊力。
AlphaGo戰勝人類，成為圍棋世界冠軍；Watson診斷皮膚癌的准確率高達97%，遠超人類專家；微軟小冰出了一本詩集……
「人工智慧來了。」人們都說，其間有欣喜、期盼，也夾雜著焦慮和恐懼。
什麼是人工智慧？
維基網路的人工智慧詞條採用的是斯圖亞特羅素（Stuart Russell）與彼得諾維格（Peter Norvig）在《人工智慧：一種現代的方法》一書中的定義，他們認為：人工智慧是有關「智能主體（Intelligent agent）的研究與設計」的學問，而「智能主體是指一個可以觀察周遭環境並做出行動以達致目標的系統」。但這並不是定論。就像一千個人眼中有一千個哈姆雷特一樣，人工智慧並沒有學界和業界公認的明晰定義。
就像它出現的原因一樣，目前各界看法也有著微妙的不同。 「在人工智慧出現以前，人們習慣於物質和能量的改變給人類帶來的變化，但隨著大自然環境、資源的枯竭，人類轉而發掘人口紅利，向智力要生產力和經濟增長點。」中國工程院院士、中國人工智慧學會理事長李德毅和北京大學教授、計算機科學技術系主任黃鐵軍等學界人士都表達了類似的觀點：人工智慧的出現是人類從物質能量轉向智能要生產力。而在工業界看來，這不過是現實商業需求主導下的技術進步罷了。
李開復則表示，所謂的「人工智慧來了」，實際上是說人工智慧可以解決實際問題了，演算法、數據、深度學習的突破，使得人工智慧在語音識別、機器視覺等方面突破了人們可以接受的心理閾限，並且在產業端落地，創造商業價值，而不只是下棋、打撲克。「這是第一次實現AI的產研結合。」李開復說。
但學界和工業界達成共識的是：這是一場有別於人類歷史上任何一次技術革命的變革。在被要求評價人工智慧技術在整個人類歷史中的角色時，牛津大學未來人類研究院院長尼克波斯特洛姆教授在加了三個定語「人工智慧現在處於非常早期的階段」、「現在的應用非常有限」、「離完全成熟之後會有很大的差別」之後表示，有別於歷史上的任何一次技術革命，人工智慧是非常大的飛躍。
共識之下，政府、企業都不願意在這場變革中落於旁人。2017年7月20日，中國政府籌謀已久的《新一代人工智慧發展規劃》正式公布。2017年11月15日，網路、阿里雲、騰訊、科大訊飛成為首批國家新一代人工智慧開放創新平台名單。
這是繼美國、英國專門出台關於人工智慧發展規劃之後的又一個國家層面的行動。但中國政府具備的制度優勢（看準某個方向後，從政策、制度、市場、資源進行全面投入且政策具有連續性），以及我國在發展人工智慧領域本身具備的優勢（擁有全球最大的網民群體、雲計算大數據等也有很好的基礎、數理方面的人才教育基礎很好等），讓中國能否實現超越歐美的討論以及美國輿論警惕中國變強的憂慮變得更具現實意義，甚至於民間還為到底用「彎道超車」還是「換道超車」來形容這次超越產生了激烈的爭論。
在企業界，最火的創業就是人工智慧。烏鎮智庫發布的《烏鎮指數：全球人工智慧發展報告2017——框架篇》顯示：「2000—2016年，全球新成立的人工智慧企業達到8107家，其中超過60%的企業誕生於過去5年間。全球人工智慧融資規模累積達到288億美元，其中超過70%的融資發生在過去5年內。全球人工智慧企業獲得的投資次數達到6827次，其中超過80%的次數是在過去5年內完成的。」
即便是傳統企業，人工智慧轉型也迫在眉睫。谷歌的「AI First」戰略已執行多年，IBM正在構築商業AI帝國，網路宣布「Allin AI」……麥肯錫報告《人工智慧：下一個數字前沿？》提到，人工智慧的顛覆性力量將逐漸顯現，早期應用人工智慧的公司已經嘗到了甜頭，而後來者與領軍者的差距將日益增大。媒體以「再不轉型人工智慧，這些行業將被越甩越遠」為題的報道，讓焦慮彌漫到了空氣中。
具體到每個人，是不是就能在人工智慧帶來的便利中實現歲月靜好？畢竟人工智慧可以把人類從重復性的繁重勞動中解放出來啊。但解放之後呢？李開復曾經預測，在未來10到15年，人工智慧可以取代人類50%的工作。牛津大學2016年訪談了世界上多位機器學習的專家，問哪一年有可能看到機器與人腦一樣聰明。
專家們回復的時間多種多樣，但中間的時間是2045年。雖然強人工智慧出現的時間沒有定論，但可以肯定的是，人類將進入終身學習時代，不停地加速進行知識和能力的更新迭代。為了避免成為黃鐵軍教授口中的「能力不如機器，無事卻要生非」的「無用階層」，每個個體將面臨前所未有的挑戰。
但歸根結底，這場變革是整個人類面臨的挑戰。在技術像歷史的車輪一樣轟隆隆向前的同時， 別忘了尤瓦爾·赫拉利在《人類簡史》中關於農業革命是史上最大騙局的評價：「人類一心追求更輕松的生活，於是釋放出一股巨大的力量，改變了世界的面貌，但結果並沒有任何人料想得到，甚至也不是任何人所樂見的。」
人工智慧也會如此嗎？如何應對可能到來的大規模失業、繼續加大的貧富差距、教育體系的全面顛覆、民眾對技術的恐慌，甚至是可能存在的顛覆性風險？與這些人類面臨的挑戰相比，本文開頭的兩個場景就是小巫見大巫了。
不過，工業界不少人士將這些認為是杞人憂天。在他們看來，人工智慧只是工具，而且仍在發展初期，遠遠沒到人們擔憂的程度。更何況人類已經在行動。聯合國衛生組織呼籲東西方合作，牛津大學未來人類研究院已經著手研究控制學，目的就是為了保證人工智慧按照人類的意願工作，並且在人工智慧成為塑造社會的重要因素之後，能夠更好地服務於人類。北師大還搞過專門的研討會，未雨綢繆地討論人工智慧出現後可能需要解決的倫理、法律問題，比如自動駕駛汽車出現車禍以後，到底該誰來承擔責任等。
「人類應該有足夠的智慧來應對這一切。」一位學者說，作為人類的產物，人工智慧在設計和發展之初，人類就應該充分考慮到其可能會給社會帶來的各種顛覆性影響，並進行防範。如此看來，在這個戰場上，人類智能才是真正的主角。

⑼ 「矽谷精神佈道師」皮埃羅為什麼會認為，人工智慧還是來得太慢了

對話世界人工智慧先驅、「矽谷精神佈道師」皮埃羅·斯加魯菲

皮埃羅·斯加魯菲（PieroScaruffi）是全球人工智慧及認知科學專家，被譽為「矽谷精神佈道師」。是哈佛大學、斯坦福大學、加州伯克利大學客座教授。

皮埃羅·斯加魯菲：先告訴你我的結論，現在的人工智慧研發大概還處於「石器時代」吧。

對於這個問題，你必須明確人們所說的「人工智慧」是什麼，定義的邊界在哪裡？

人工智慧是一個非常迷人的研究領域，我所知道的人工智慧是計算數學（Computational Mathematics)的一個分支。數學才是它真正的本源所在，而且它所應用的數學一點也不難。與我的大學論文所研究的理論物理方程相比，計算數學並沒有那麼復雜。然而不幸的是，它的發展仍處於「石器時代」，人類要見證機器超人工智慧時代的到來還很遙遠。

我認為，「人工智慧」這個詞這么受歡迎，是與其邊界定義模糊，可以帶給人們諸多想像是有關系的。

⑽ 美國哪所大學人工智慧方面比較強

美國無疑是MIT最好，其次是斯坦福、卡內基梅隆、加州大學伯克利分校、華盛頓大學內、德州大學奧斯丁分校、賓容州大學、康奈爾等。日本我知道東京大學，早稻田大學這方面比較強，但這個我了解不夠全面。 計算機也是上述幾個大學排名最前（碩士），另外加上普林斯頓和喬治亞理工學院。 日本查了一下資料，排名是：1 東京大學
3 Kyoto University 京都大學
5 University of Tsukuba 築波大學
12 Nagoya University 名古屋大學
13 Osaka University 大阪大學
15 Keio University 慶應義塾大學
27 Tokyo Institute of Technology 東京工業大學
28 Kyushu University 九州大學
36 Kobe University 神戶大學
48 Okayama University 岡山大學
54 Ritsumeikan University 立命館大學
55 Hiroshima University 廣島大學
實際上早稻田在計算機方面也是很強的。