斯坦福教授 Christopher Manning 用一頁紙的篇幅介紹 AI 領域的核心概念。

在「AI」隨處可見的當下，你真的理解人工智能領域核心概念嗎？

剛剛，斯坦福大學教授、人工智能實驗室（SAIL）負責人、HAI 副主任 Christopher Manning 用一頁紙的篇幅定義了 AI 領域的核心術語。他表示希望這些定義能夠幫助非專業人員理解 AI。

在這一頁紙中，Manning 介紹了十多個術語的定義，包括「智能」、「人工智能」、「機器學習」、「深度學習」等。

鏈接：https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf

具體內容參見下文：

智能可以定義為學習和執行恰當的技術以解決問題、實現目標的能力，且這些能力能夠適用于不確定、不斷變化的外部環境。經過完全預編程的工業機器人具有靈活性、準確性和一致性，但并不智能。

人工智能（AI）由斯坦福大學名譽教授 John McCarthy 在 1955 年提出，他將人工智能定義為「制造智能機器的科學與工程」。許多研究使人類編程的機器能夠以聰明的方式執行任務，如下棋。但是如今，AI 領域致力于實現至少可以像人類一樣學習的機器。

自主系統能夠獨立地計劃和確定操作步驟，以實現指定的目標，而無需進行微觀管理。醫院中的配送機器人必須在人來人往的走廊中自主導航才能成功完成任務。在人工智能領域中，「自主」并不意味著政治或生物學中常見的「自治」（self-governing）。

機器學習（ML）是人工智能的一部分，旨在研究計算機智能體如何根據經驗或數據改善其感知、知識、思維或行動。為此，機器學習領域的知識涉及計算機科學、統計學、心理學、神經科學、經濟學和控制論。

在監督學習中，計算機學習預測人類給定的標簽，例如基于帶標簽的狗狗照片來學習狗的品種。而無監督學習不需要標簽，有時需要自己做預測任務，例如嘗試預測句子中每個后續單詞。強化學習讓智能體學習可優化其總體獎勵的動作序列，例如在沒有良好技術的明確示例下自主贏得游戲。

深度學習指使用大型多層神經網絡計算連續（實數）表示，與人腦中按層級結構組織的神經元略有相似。目前，深度學習是最成功的機器學習方法，可用于所有類型的機器學習，并且可基于少量數據實現更好的泛化性能，能夠更好地擴展至大規模數據和算力。

算法列出了待執行的精確步驟，就像人把步驟寫進計算機程序一樣。AI 系統包含算法，但算法往往僅作為學習或獎勵計算方法。它們的很多行為是從數據或經驗中學得的，正如斯坦福畢業生 Andrej Karpathy 所提出的「軟件 2.0」帶來的系統設計基礎性改變一樣。

狹義人工智能（Narrow AI）表示能夠處理特定任務的智能系統，如語音識別或人臉識別。人類級 AI（Human-level AI）或通用人工智能（AGI）則致力于尋找智能處理大量任務且能夠感知語境的機器，例如高效的社交聊天機器人或人機交互。

以人為中心的人工智能指尋求能夠增強人類能力、滿足人類社會需求且從人類身上得到啟發的 AI。它為人類研發高效的合作伙伴和工具，如機器人助手和老年陪護機器人。