未來/人工智慧
人工智慧是一個試圖為機器提供人類般思維能力的領域。
在 1950 年代，卡內基梅隆大學和麻省理工學院成立了首批人工智慧實驗室。早期的成功帶來了樂觀情緒和虛假的希望，即某種宏大的統一思維理論即將出現，並使通用人工智慧成為可能。
人工智慧的承諾總結在 1968 年的經典電影《2001 年太空漫遊》中，這部電影以人工智慧計算機 HAL 9000 為特色。
1982 年，根據技術預見性練習的建議，日本通商產業省啟動了第五代計算機系統專案，以開發能夠將計算和人工智慧提升到新水平的大規模平行計算機。
美國對此做出了回應，由國防高階研究計劃局牽頭的專案，其中包括柯達和摩托羅拉等大型公司。
但儘管取得了一些重大成果，但宏大的承諾未能實現，公眾開始認為人工智慧未能發揮其潛力。這最終導致了 1990 年代的“人工智慧寒冬”，當時人工智慧一詞本身不再受歡迎，資金減少，人們對該領域的興趣暫時下降。
研究人員集中在更具體的目標上，例如機器學習、機器人技術和計算機視覺，儘管對純人工智慧的研究仍在較低水平上繼續進行。
歷史上，人工智慧有兩種主要方法
- 經典方法（設計人工智慧），基於 符號推理 - 一種數學方法，其中思想和概念用符號表示，例如詞語、短語或句子，然後根據邏輯規則進行處理。
- 連線主義方法（讓人工智慧發展），基於人工 神經網路，模仿神經元的工作方式，以及 遺傳演算法，模仿遺傳和適應性，在每一代中進化出更好的問題解決方案。
符號推理已成功應用於專家系統和其他領域。神經網路被廣泛應用於從電腦遊戲到 DNA 測序等多個領域。但兩種方法都存在嚴重的侷限性。人腦既不是大型推理系統，也不是巨大的同質神經網路，而是一個專門模組的集合。模擬人類思維方式的最佳方法似乎是專門對計算機進行程式設計，使其能夠執行特定功能（語音識別、3D 環境重建、許多特定領域的功能），然後將它們組合在一起。
其他方法
- 遺傳學、進化
- 貝葉斯機率推理
- 組合 - 例如：“影響形式專家系統的機率分佈的進化（遺傳）神經網路”
透過將人工智慧研究分解成更具體的問題，例如計算機視覺、語音識別和自動規劃，這些問題具有更明確的定義目標，科學家設法創造了大量的旨在解決這些個體問題的工作。
技術已經成熟並能夠實現實際應用的一些領域是
- 語音識別
- 計算機視覺
- 文字分析
- 機器人控制
基於人工智慧的現實世界系統的一些例子是
- 為美國海軍開發的智慧分配代理（IDA），透過電子郵件與水手協商，幫助他們在輪崗結束時分配新的工作。
- 無需人工干預即可交易股票和商品的系統
- 用於批准銀行貸款和檢測信用卡欺詐的銀行軟體（由 Fair Isaac Corp. 開發）
- 搜尋引擎，例如 Brain Boost（甚至谷歌）
- 阿西莫
Cyc 是一個擁有 22 年曆史的專案，基於符號推理，旨在積累一般知識和獲得常識。到 2005 年年中，將開放 Cyc 的線上訪問許可權。它積累的知識量使其能夠自行學習新事物。Cyc 將與網際網路使用者交談並從他們那裡獲得新知識。
Mind.Forth—透過使用 擴散啟用 展示思維。
Open Mind 和 mindpixel 是類似的專案。
這些專案不太可能直接導致人工智慧的建立，但可以幫助教導人工智慧英語語言和人類世界領域。
在未來 10 年，語音識別等狹窄領域的技術將繼續改進，並將達到人類水平。在 10 年內，人工智慧將能夠使用文字或語音與人類進行非結構化英語的交流，在未準備好的環境中導航（但不完美），並將具有一些基本的常識（和特定領域的智力）。
我們將用矽重新創造人腦（動物腦）的某些部分。大鼠海馬體實驗的初步結果證明了這一點的可行性 [1] [2].
將會有越來越多的實際應用基於數字化重建的人類智慧方面，例如認知、感知、排練學習或重複練習學習。
時間表:
- 發明
- 第一個人工智慧實驗室
- 國際象棋冠軍
- 語音識別
- 自主類人機器人
- 透過圖靈測試
- 為什麼通用人工智慧可能即將到來 - 這篇文章描述了正在進行的這方面的工作，以及未來可以做什麼。
- 美國人工智慧協會 - 關於人工智慧最佳和最大的網站之一。
- 會思考的機器怎麼了？，賈斯汀·穆林斯，2005 年 4 月 23 日 - 聰明的電腦無處不在。但是，您能誠實地說，任何機器在有意義的意義上都是智慧的嗎？
- 人工智慧寒冬來了，作者：希瑟·哈文斯坦，2005 年 2 月 14 日 - 醫藥、客戶服務、教育和製造領域湧現出數千種應用。
- AI wiki - 用於一般人工智慧研究