天才一秒记住【久久文学】地址：https://www.jjwxx.com
，它还有一层意思是“虚假”
“赝品”
——谁会乐意研究虚假的智能呢？另外，“智能”
（intelligence）这个词汇来源于“智力”
（i），而事实上，自1956年以来，人工智能界一直在努力完成的诸多挑战，人类去做的时候似乎并不需要太高的智能。
相反，正如我们在上一章所讨论的，过去60多年中，人工智能一直致力于解决的许多最重要也是最困难的问题，似乎一点都体现不出智能——这样的事实一再让那些新入该领域的人感到惊愕和困惑。
不过，“人工智能”
这个由麦卡锡选择的名字，至今仍然沿用。
那些参与暑期学校的学者，以及他们的学术继承人，多年来不断地致力于人工智能领域的研究，直至今日。
那年夏天，是公认的人工智能学科诞生元年，当时，它听上去前途无量。
达特茅斯暑期学校之后那些年是人工智能令人兴奋的成长期，并且，在某段时间里似乎处于飞速发展状态。
几十年里，四名暑期学校的成员主导着人工智能的发展。
麦卡锡本人在斯坦福大学创立了人工智能实验室，位于现在的硅谷中心地带，马文·明斯基在马萨诸塞州剑桥市的麻省理工学院也创立了一个实验室，艾伦·纽维尔（AlanNewell）和他的博士生导师赫伯特·西蒙（HerbertSimon）则去了卡内基-梅隆大学。
这四位天才带领着他们的学生建立的人工智能系统，是我们这一代人工智能研究工作者的图腾。
然而，黄金年代也有着幼稚、盲目乐观的特点，研究人员对这个领域可能的发展速度做出了鲁莽的预测，令人工智能的实际发展受到阻碍。
到了20世纪70年代，美丽的梦幻结束了，一场恶性循环开始——人工智能的繁荣和萧条不断上演，在未来几十年内反复交替。
但是，不管历史如何去批判这一时期，我都满怀喜爱之情去思考这一时期涌现出的人物，以及他们所做出的伟大成就。
分治策略
正如我们所知，通用人工智能是一个庞大而模糊的目标，很难直接达成。
因而，黄金年代采用的策略是分而治之。
也就是说，与其一口气尝试构建完整的通用智能系统，不如识别出通用人工智能系统所需的各项不同能力，分别构建具备这些能力的体系。
这一概念隐含的假设是，如果我们能够成功构建通用人工智能所必需的每一种智能系统，那么，以后将它们组合成一个整体，比起直接构建完整的通用智能系统简单得多。
这一基本假设——通用人工智能的研究方向是将精力集中在解决智能行为的各种组件上——成为人工智能研究的标准方案。
人们争先恐后地建造各种能够表现智能行为能力的组件。
那么，研究人员关注的主要问题有哪些？首要的也是最难解决的问题，又偏偏是我们认为理所当然应该具备的：感知。
一台机器要在特定的环境中智能地工作，就必须能够获取周围环境的信息。
我们人类通过各种机制感知世界，包括五种感觉：视觉、听觉、嗅觉、触觉和味觉。
因此，就得研究制作能够感知外界的传感器。
如今的机器人使用各式各样的人工传感器来接收有关环境的信息——雷达、激光雷达、红外线测距仪、超声波测距仪等。
但是制造这些传感器本身就是一项复杂的工程，但这还只是问题的一部分。
不管数码相机的光学系统有多好，不管相机的图像传感器有几百万还是几千万像素，最终相机所做的事情只是把看到的图像解析成一个个网格，然后为网格中的每一个单元格分配数字，表示它的颜色和亮度。
所以，哪怕配备了质量最好的数码相机的机器人，最终它收到的信息也只是一连串的数字。
因此，感知领域的第二个挑战是如何解析这些原始的数字，理解它所“看到”
的图像。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！