早期人工智能，早期人工智能研究的两个关键领域是什么?

大家好，今天小编关注到一个比较有意思的话题，就是关于早期人工智能的问题，于是小编就整理了3个相关介绍早期人工智能的解答，让我们一起看看吧。

早期人工智能的三大主义？

人工智能的发展，在不同的时间阶段经历了不同的流派，并且相互之间盛衰有别。目前人工智能的主要学派有下列三家：

符号主义(symbolicism)，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统，即符号操作系统，假设和有限合理性原理。

连接主义(connectionism)，又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。

行为主义(actionism)，又称为进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。

会发现三者的根源依据存在着较大的差异性，也为后世的学派发展产生了较为深远的影响。

符号主义(优秀的老式人工智能)

认为人工智能源于数理逻辑，主张用公理和逻辑体系搭建一套人工智能系统。代表的有支持向量机(SVM)，长短期记忆(LSTM)算法。

数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，它证明了38条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。

正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法 > 专家系统 > 知识工程理论与技术，并在20世纪80年代取得很大发展。

1.符号主义：人工智能源于数理逻辑

智能主要是知识表示、逻辑推理和知识运用，重在表示和推理

认知和思维的基本单元是符号

逻辑演绎描述智能行为

2.行为主义：人工智能源于控制

智能取决于感知和动作，重在外在交互，可学习、进化

模拟生物智能行为

建立感知

-

决策的控制系统

3.连结主义：源于人脑模型

着重于人脑结构的模拟，建立连接机制和学习模型

模拟人脑的神经网络

建立输入

-

输出的非线性关系

人工智能发展的初期具备的能力是什么？

1）感知能力

（2）记忆与思维能力

（3）学习和自适应能力

（4）决策和行为能力

人类的智慧宽广而复杂。有些人类成就远远超出现今机器可达的领域，要想让机器触及这些领域，还需要一段漫长的时间。对于解决抽象问题、概念生成、情绪知识、创造力甚至是自我认知，即便是最强有力的深度学习算法，也无法在这些领域与人类智慧相提并论。

把所有这些认知能力融合到一台机器中，从而能够应对所有通用场景的人工智能称为通用人工智能。目前，通用人工智能还停留在理论阶段。

人工智能的发展历史？

人工智能（Artificial Intelligence，简称 AI）的发展历史可以追溯到 1950 年代初期，但是该领域的起源可以追溯到更早的时期。下面是人工智能的主要发展历程：

1. 早期探索（1943-1955）：在 1943 年，心理学家 Warren McCulloch 和数学家 Walter Pitts 合作提出了一种理论模型，称为 McCulloch-Pitts 神经元模型，它标志着神经计算理论的诞生。1950 年，艾伦·图灵提出了“图灵测试”的概念，成为检验智能机器的标准。此时期开辟了人工智能的先期研究。

2. 逻辑推理和专家系统（1956-1980）：1956年，约翰·麦卡锡等人组织了一次历史性的会议，标志着人工智能研究正式开始。在 60 年代，研究人员聚焦于逻辑推理和专家系统方面的研究，开始创建运用推理方法代表人类智能的程序。

3. 知识表示与处理（1980-现在）：由于以前的人工智能系统将适应力能力限定在非常紧密的边界之内。为提高人工智能的判断、学习和适应动态环境的能力，研究人员开始致力于构建能够自我修正和学习的机器。这就是传统上所称的“弱人工智能”进化为“强人工智能”的时期。

4. 深度学习和自然语言处理(2010-现在):随着大量数据和计算能力的增强，深度学习这个重要技术重新受到关注，这种技术的核心是人工神经网络，是模拟人类神经元运作方式的数学模型，模型可以不断的更新， 人工智能领域也涌现出很多成功的应用，自然语言处理、计算机视觉、语音识别、推荐算法等。

到此，以上就是小编对于早期人工智能的问题就介绍到这了，希望介绍关于早期人工智能的3点解答对大家有用。