¿Es la inteligencia artificial una tendencia generalizada?

Inteligencia Artificial (Artificial Intelligence), la abreviatura en inglés es AI. Es una nueva ciencia técnica que estudia y desarrolla teorías, métodos, tecnologías y sistemas de aplicación para simular, ampliar y ampliar la inteligencia humana. La inteligencia artificial es una rama de la informática que intenta comprender la esencia de la inteligencia y producir una nueva máquina inteligente que pueda responder de manera similar a la inteligencia humana. La investigación en este campo incluye robótica, reconocimiento de lenguaje, reconocimiento de imágenes, procesamiento del lenguaje natural y. sistemas expertos, etc. La inteligencia artificial es una nueva ciencia técnica que estudia y desarrolla teorías, métodos, tecnologías y sistemas de aplicación para simular, ampliar y expandir la inteligencia humana. Desde el nacimiento de la inteligencia artificial, la teoría y la tecnología se han vuelto cada vez más maduras y los campos de aplicación continúan expandiéndose, pero no existe una definición unificada. La inteligencia artificial es la simulación del proceso de información de la conciencia y el pensamiento humanos. La inteligencia artificial no es inteligencia humana, pero puede pensar como los humanos e incluso superar la inteligencia humana. Pero esa inteligencia artificial avanzada y autónoma requerirá avances en la teoría científica y la ingeniería. La inteligencia artificial es una ciencia extremadamente desafiante y las personas que se dedican a este trabajo deben comprender los conocimientos informáticos, la psicología y la filosofía. La inteligencia artificial es una ciencia muy amplia, que consta de diferentes campos, como el aprendizaje automático, la visión por computadora, etc. En términos generales, un objetivo principal de la investigación en inteligencia artificial es permitir que las máquinas realicen tareas que normalmente requieren un trabajo complejo de la inteligencia humana. Pero diferentes épocas y diferentes personas tienen diferentes interpretaciones de este "trabajo complejo". La definición de inteligencia artificial se puede dividir en dos partes, a saber, "inteligencia artificial" e "inteligencia". "Artificial" es más fácil de entender y menos controvertido. A veces tenemos que considerar qué es lo que los humanos pueden crear, o si los humanos son lo suficientemente inteligentes como para crear inteligencia artificial, etc. Pero, en general, los "sistemas artificiales" son sistemas artificiales en el sentido habitual. Hay muchas preguntas sobre qué es la “inteligencia”. Esto involucra otras cuestiones como la conciencia (CONSCIOUSNESS), el yo (SELF), el pensamiento (MENTE) (incluido el pensamiento inconsciente (UNCONSCIOUS_MIND), etc. La única inteligencia que la gente comprende es la inteligencia de la persona misma, que es generalmente una inteligencia. Sin embargo, nuestra comprensión de nuestra propia inteligencia es muy limitada, y también tenemos una comprensión limitada de los elementos necesarios que constituyen la inteligencia humana, por lo que es difícil definir qué es la inteligencia "artificial". La inteligencia a menudo implica la inteligencia humana. Otras inteligencias relacionadas con los animales u otros sistemas artificiales también se consideran temas de investigación relacionados con la inteligencia artificial. sistemas de control y toma de decisiones económicas y políticas, utilizados en sistemas de simulación. El profesor Nelson del famoso Centro de Investigación de Inteligencia Artificial de la Universidad de Stanford definió la inteligencia artificial de la siguiente manera: "La inteligencia artificial es un tema sobre el conocimiento: cómo representar el conocimiento y cómo representarlo. obtener y utilizar el conocimiento”. Otro profesor del Instituto Tecnológico de Massachusetts, Winston, cree: “La inteligencia artificial es el estudio de cómo hacer que las computadoras realicen un trabajo inteligente que solo los humanos podían hacer en el pasado”. Contenido de ideas y fundamentos de la disciplina de la inteligencia artificial. Es decir, la inteligencia artificial es el estudio de las leyes de las actividades inteligentes humanas, la construcción de sistemas artificiales con cierta inteligencia y el estudio de cómo permitir que las computadoras completen tareas que antes requerían. La inteligencia humana, es decir, el estudio de cómo utilizar software y hardware informático para simular determinadas tareas humanas. Algunas teorías, métodos y tecnologías básicas del comportamiento inteligente es una rama de la informática y ha sido conocida como una de las más importantes del mundo. tres tecnologías de vanguardia (tecnología espacial, tecnología energética, inteligencia artificial) desde la década de 1970. Se considera una de las tres tecnologías de vanguardia del siglo XXI (ingeniería genética, nanociencia e inteligencia artificial). se ha desarrollado rápidamente en los últimos treinta años, se ha utilizado ampliamente en muchas áreas temáticas y ha logrado grandes resultados. Con resultados fructíferos, la inteligencia artificial se ha convertido gradualmente en una rama independiente y se ha convertido en un sistema propio tanto en la teoría como en la práctica. La inteligencia artificial es el estudio del uso de computadoras para simular ciertos procesos de pensamiento humano y comportamientos inteligentes (como aprendizaje, razonamiento, etc.), disciplinas que incluyen principalmente los principios de la realización de inteligencia por computadora y la fabricación de computadoras. similar a la inteligencia del cerebro humano, para que las computadoras puedan lograr aplicaciones de alto nivel, la inteligencia artificial involucrará la informática, la psicología, la filosofía y la lingüística.

Se puede decir que casi todas las disciplinas de las ciencias naturales y las ciencias sociales tienen su alcance mucho más allá del alcance de la informática. La relación entre la inteligencia artificial y la ciencia del pensamiento es la relación entre la práctica y la teoría. ciencia del pensamiento. Es una rama de aplicación de la misma. Desde el punto de vista del pensamiento, la inteligencia artificial no se limita al pensamiento lógico. Sólo considerando el pensamiento de imágenes y el pensamiento inspirado podemos promover el desarrollo revolucionario de la inteligencia artificial. Las matemáticas también se consideran la ciencia básica. Las matemáticas no solo juegan un papel en la lógica estándar, las matemáticas difusas, etc., sino que cuando las matemáticas ingresan a las disciplinas de inteligencia artificial, se promoverán y desarrollarán entre sí. más rápido. Por ejemplo, los cálculos científicos y de ingeniería pesados ​​fueron realizados originalmente por el cerebro humano. Hoy en día, las computadoras no sólo pueden completar dichos cálculos, sino que también pueden hacerlos más rápido y con mayor precisión que el cerebro humano. Es una "tarea compleja que requiere inteligencia humana para completarse". Se puede ver que la definición de trabajo complejo cambia con el desarrollo de los tiempos y el avance de la tecnología, y los objetivos específicos de la ciencia de la inteligencia artificial se desarrollarán naturalmente. con los cambios de los tiempos. Por un lado, continúa logrando nuevos avances y, por otro, apunta hacia objetivos más significativos y difíciles. Por lo general, la base matemática del "aprendizaje automático" son la "estadística", la "teoría de la información" y la "cibernética". También se incluyen otras materias no matemáticas. Este tipo de "aprendizaje automático" depende en gran medida de la "experiencia". Las computadoras necesitan adquirir constantemente conocimientos y aprender estrategias a partir de la experiencia de resolver un tipo de problema. Cuando se encuentran con problemas similares, necesitan utilizar el conocimiento experiencial para resolver problemas y acumular nuevas experiencias, al igual que la gente común. Podemos llamar a este método de aprendizaje "aprendizaje continuo". Pero además de aprender de la experiencia, los humanos también pueden crear, es decir, "aprender por saltos". Esto se llama "inspiración" o "epifanía" en algunas situaciones. Desde siempre, lo más difícil de aprender para las computadoras es la "epifanía". O para decirlo de manera más estricta, es difícil para las computadoras aprender "cambios cualitativos que no dependen de cambios cuantitativos" en términos de aprendizaje y "práctica", y es difícil cambiar directamente de una "calidad" a otra, o directamente de un "concepto" a otro "concepto". Por esta razón, aquí la "práctica" no es lo mismo que la práctica humana. El proceso práctico humano incluye tanto la experiencia como la creación. [1] Esto es con lo que sueñan los investigadores de inteligencia. En 2013, S.C WANG, investigador de datos del Centro de datos Dijin, desarrolló un nuevo método de análisis de datos, que derivó un nuevo método para estudiar las propiedades de las funciones. El autor descubrió que los nuevos métodos de análisis de datos proporcionan una forma para que las computadoras aprendan a "crear". En esencia, este método proporciona una forma bastante eficaz de modelar la "creatividad" humana. Este enfoque viene dado por las matemáticas y es una "habilidad" que la gente común y corriente no puede tener, pero las computadoras sí. A partir de entonces, las computadoras no sólo son buenas para calcular, sino también para crear debido a su buen cálculo. Los informáticos deberían privar resueltamente a los ordenadores "creativos" de sus capacidades operativas excesivamente amplias; de lo contrario, algún día los ordenadores realmente "capturarán" a los humanos. [1] Al mirar retrospectivamente el proceso de deducción y las matemáticas del nuevo método, el autor amplió su comprensión del pensamiento y las matemáticas. Las matemáticas son concisas, claras, confiables y bien modeladas. En la historia del desarrollo de las matemáticas, la creatividad de los maestros matemáticos brilla por todas partes. Esta creatividad se presenta en forma de varios teoremas o conclusiones matemáticas, y la característica más importante de los teoremas matemáticos es que son estructuras lógicas que contienen información rica basada en algunos conceptos y axiomas básicos y expresada en un lenguaje modelado. Cabe decir que las matemáticas son la materia que refleja de forma más simple y directa (al menos un tipo de) modelo de creatividad. [1] Visión artificial: visión artificial, reconocimiento de huellas dactilares, reconocimiento facial, reconocimiento de retina, reconocimiento de iris, reconocimiento de huellas dactilares, sistema experto, planificación automática, búsqueda inteligente, demostración de teoremas, juegos, programación automática, control inteligente, robótica, comprensión del lenguaje y la imagen. , programación genética, etc. La inteligencia artificial es un tema fronterizo y pertenece a la intersección de las ciencias naturales y las ciencias sociales. Filosofía y ciencias cognitivas, matemáticas, neurofisiología, psicología, informática, teoría de la información, cibernética, teoría de la incertidumbre, procesamiento del lenguaje natural, representación del conocimiento, búsqueda inteligente, razonamiento, planificación, aprendizaje automático, adquisición de conocimientos, problemas de programación combinatoria, problemas de percepción, reconocimiento de patrones. , Programación lógica Computación blanda, gestión imprecisa e incierta, vida artificial, redes neuronales, sistemas complejos, algoritmos genéticos La inteligencia artificial, por su propia naturaleza, es una simulación del proceso de información del pensamiento humano.

La simulación del pensamiento humano se puede llevar a cabo de dos maneras: una es la simulación estructural, que imita el mecanismo estructural del cerebro humano para crear una máquina "similar al cerebro humano", la otra es la simulación funcional, que deja de lado temporalmente la estructura interna; del cerebro humano y utiliza sus procesos funcionales se simulan. La aparición de las computadoras electrónicas modernas es una simulación de la función de pensamiento del cerebro humano y el proceso de información del pensamiento del cerebro humano. La inteligencia artificial débil continúa desarrollándose rápidamente, especialmente después de la crisis económica de 2008. Estados Unidos, Japón y Europa esperan utilizar robots para lograr la reindustrialización. Los robots industriales se están desarrollando a un ritmo más rápido que nunca, lo que ha promovido aún más la inteligencia artificial débil. inteligencia e industrias relacionadas Con avances continuos, muchos trabajos que deben ser realizados por humanos ahora pueden ser realizados por robots. La inteligencia artificial fuerte se encuentra actualmente en un cuello de botella y requiere el esfuerzo de científicos y humanos. En el verano de 1956, un grupo de jóvenes científicos con visión de futuro encabezados por McCarthy, Minsky, Rochester y Shannon se reunieron para estudiar y discutir conjuntamente una serie de cuestiones relacionadas con el uso de máquinas para simular inteligencia, y el término "inteligencia artificial" fue propuesto por primera vez, que marcó el nacimiento oficial de la disciplina emergente de la "inteligencia artificial". La computadora "Deep Blue" de IBM derrotó al campeón mundial de ajedrez humano, lo que es una manifestación perfecta de la tecnología de inteligencia artificial. Desde que el tema de la inteligencia artificial fue propuesto formalmente en 1956, ha logrado grandes avances en más de 50 años y se ha convertido en una ciencia extensa, transversal y de vanguardia. En términos generales, el propósito de la inteligencia artificial es hacer que la computadora, una máquina, piense como un ser humano. Si quieres construir una máquina que pueda pensar, debes saber qué es el pensamiento y, además, qué es la sabiduría. ¿Qué tipo de máquina es inteligente? Los científicos han fabricado automóviles, trenes, aviones, radios, etc., que imitan las funciones de los órganos de nuestro cuerpo, pero ¿pueden imitar las funciones del cerebro humano? Hasta ahora, solo sabemos que lo que contiene nuestro Tianling Cap es un órgano compuesto por miles de millones de células nerviosas. Sabemos muy poco sobre esto, e imitarlo puede ser lo más difícil del mundo. Cuando aparecieron las computadoras, los humanos comenzaron a tener realmente una herramienta que podía simular el pensamiento humano. En los años siguientes, innumerables científicos trabajaron duro para lograr este objetivo. Hoy en día, la inteligencia artificial ya no es la patente de unos pocos científicos. Hay personas que estudian este tema en los departamentos de informática de casi todas las universidades del mundo. Los estudiantes universitarios que estudian informática también deben aprender ese curso con el incansable esfuerzo de todos. Las computadoras parecen haberse vuelto muy inteligentes. Por ejemplo, en mayo de 1997, la computadora Deep Blue desarrollada por IBM derrotó al maestro de ajedrez Kasparov. Quizás no se dé cuenta de que en algunos lugares las computadoras ayudan a las personas a realizar otras tareas que originalmente eran solo para humanos. Las computadoras desempeñan su papel para los humanos con su alta velocidad y precisión. La inteligencia artificial siempre ha sido un tema de vanguardia en la informática. Los lenguajes de programación informática y otros programas informáticos existen debido al progreso de la inteligencia artificial. La principal base material para estudiar la inteligencia artificial y las máquinas que pueden realizar la plataforma tecnológica de inteligencia artificial son las computadoras. La historia del desarrollo de la inteligencia artificial está vinculada a la historia del desarrollo de la informática y la tecnología. Además de la informática, la inteligencia artificial también involucra muchas disciplinas como la teoría de la información, la cibernética, la automatización, la biónica, la biología, la psicología, la lógica matemática, la lingüística, la medicina y la filosofía. Los principales contenidos de la investigación sobre temas de inteligencia artificial incluyen: representación del conocimiento, métodos de búsqueda y razonamiento automático, aprendizaje automático y adquisición de conocimientos, sistemas de procesamiento de conocimientos, comprensión del lenguaje natural, visión por computadora, robots inteligentes, programación automática, etc. Investigación en tecnología de inteligencia artificial ARTIFICIAL INTELLIGENCE AND ROBOTICS RESEARCH es una revista china internacional que se centra en los últimos avances en el campo de la investigación en inteligencia artificial y robótica. Es publicada por Hans Publishing House. Esta revista apoya la innovación ideológica y la innovación académica, aboga por la ciencia. prospera lo académico e integra la investigación académica Integra naturaleza e ideología, y tiene como objetivo proporcionar una plataforma de comunicación para que científicos, académicos e investigadores de todo el mundo difundan, compartan y discutan temas y desarrollos en diferentes direcciones en el campo de la inteligencia artificial y la robótica. investigación. Hoy en día no existe un principio o paradigma unificado que guíe la investigación en inteligencia artificial. Los investigadores debaten muchas cuestiones.

Una de las preguntas abiertas desde hace mucho tiempo es: ¿Debería la IA modelarse psicológica o neurológicamente? ¿O es la biología humana tan irrelevante para la investigación de la IA como lo es la biología aviar para la ingeniería aeroespacial? ¿Se puede describir el comportamiento inteligente mediante principios simples como la lógica o la optimización? ¿O tienes que resolver muchos problemas que no tienen ninguna relación? ¿Se puede expresar la inteligencia mediante símbolos de alto nivel, como palabras e ideas? ¿O tengo que ocuparme de los "subsímbolos"? JOHN HAUGELAND propuso el concepto de GOFAI (la buena y antigua inteligencia artificial) y también propuso que la inteligencia artificial debería clasificarse como INTELIGENCIA SINTÉTICA [29] Este concepto fue adoptado más tarde por algunos investigadores que no pertenecen a GOFAI. En las décadas de 1940 y 1950, muchos investigadores exploraron las conexiones entre la neurología, la teoría de la información y la cibernética. También se crearon algunas inteligencias preliminares utilizando la construcción de redes electrónicas, como las TORTUGAS DE W. GREY WALTER y LA BESTIA DE JOHNS HOPKINS. Estos investigadores también celebraron frecuentes reuniones de sociedades técnicas en la Universidad de Princeton y el RATIO CLUB en el Reino Unido. En la década de 1960, la mayoría había abandonado este método, aunque los principios se propusieron nuevamente en la década de 1980. Cuando las computadoras digitales se desarrollaron con éxito en la década de 1950, los investigadores comenzaron a explorar si la inteligencia humana podría reducirse al procesamiento de símbolos. La investigación se concentra principalmente en la Universidad Carnegie Mellon, la Universidad de Stanford y el MIT, y cada una tiene su propio estilo de investigación independiente. JOHN HAUGELAND llama a estos métodos GOFAI (inteligencia artificial a la antigua usanza). [33] En la década de 1960, los métodos simbólicos lograron grandes logros en la simulación del pensamiento de alto nivel en pequeños programas de prueba. Los métodos basados ​​en la cibernética o las redes neuronales pasan a un segundo plano. [34] Los investigadores de las décadas de 1960 y 1970 estaban convencidos de que los métodos simbólicos podrían eventualmente lograr crear máquinas con una fuerte inteligencia artificial, y este era también su objetivo. Los economistas de simulación cognitiva Herbert Simon y Allen Newell estudiaron las habilidades humanas para resolver problemas e intentaron formalizarlas mientras sentaban las bases de los principios fundamentales de la inteligencia artificial, como la ciencia cognitiva, la investigación de operaciones y la ciencia de operaciones comerciales. Su equipo de investigación utiliza resultados de experimentos de psicología para desarrollar programas que simulan métodos humanos de resolución de problemas. Este método ha sido heredado de la Universidad Carnegie Mellon y alcanzó su punto máximo en SOAR en la década de 1980. Basado en la lógica A diferencia de Allen Newell y Herbert Simon, JOHN MCCARTHY creía que las máquinas no necesitan simular el pensamiento humano, sino que deberían intentar encontrar la esencia del razonamiento abstracto y la resolución de problemas, independientemente de si las personas usan los mismos algoritmos o no. Su laboratorio en la Universidad de Stanford trabaja en el uso de la lógica formal para resolver una variedad de problemas, incluida la representación del conocimiento, la planificación inteligente y el aprendizaje automático. También trabaja en métodos lógicos la Universidad de Edimburgo, que condujo al desarrollo de los lenguajes de programación. ​PROLOG y Lógica en otros lugares de Europa. La ciencia de la programación. Investigadores de Stanford como Marvin Minsky y Seymour Papert han descubierto que resolver problemas difíciles en visión por computadora y procesamiento del lenguaje natural requiere soluciones especializadas; sostienen que no existen. Algo así como principios simples y universales (como la lógica) permiten todo comportamiento inteligente. ROGER SCHANK describe su enfoque "antilógico" como "SCRUFFY". Las bases de conocimiento de sentido común (como CYC de DOUG LENAT) son ejemplos de IA "SCRUFFY" porque tienen que codificar manualmente conceptos complejos, uno a la vez. A partir de la aparición de las computadoras con memoria de gran capacidad alrededor de 1970, los investigadores comenzaron a incorporar conocimientos en software de aplicación de tres maneras. Esta "revolución del conocimiento" condujo al desarrollo y planificación de sistemas expertos, la primera forma exitosa de software de inteligencia artificial. La "revolución del conocimiento" también hizo que la gente se diera cuenta de que muchos software de inteligencia artificial simples pueden requerir mucho conocimiento. La inteligencia artificial simbólica se estancó en la década de 1980 y mucha gente creía que los sistemas simbólicos nunca podrían imitar todos los procesos cognitivos humanos, especialmente la percepción, la robótica, el aprendizaje automático y el reconocimiento de patrones. Muchos investigadores han comenzado a prestar atención a métodos subsimbólicos para resolver problemas específicos de inteligencia artificial. De abajo hacia arriba, AGENTE de interfaz, entorno integrado (robot), conductismo, investigadores relacionados con el nuevo campo de los robots de IA, como RODNEY BROOKS, niegan la inteligencia artificial simbólica y se centran en cuestiones básicas de ingeniería como el movimiento y la supervivencia de los robots. Su trabajo revisa las ideas de los primeros investigadores de la cibernética y propone el uso de la teoría del control en la inteligencia artificial.

Esto es consistente con el argumento de la percepción representacional en el campo de la ciencia cognitiva: una inteligencia superior requiere representaciones individuales (como el movimiento, la percepción y las imágenes). Inteligencia computacional En la década de 1980, DAVID RUMELHART y otros propusieron una vez más las redes neuronales y el conexionismo. Este y otros métodos subsimbólicos, como el control difuso y la computación evolutiva, pertenecen al ámbito de investigación de las disciplinas de inteligencia computacional. En la década de 1990, la investigación en inteligencia artificial desarrolló herramientas matemáticas complejas para resolver problemas de ramas específicas. Estas herramientas son verdaderos métodos científicos, es decir, los resultados de estos métodos son medibles y verificables, y son la razón del éxito de la inteligencia artificial. El lenguaje matemático utilizado también permite la colaboración con disciplinas existentes (como matemáticas, economía o investigación operativa). STUART J. RUSSELL y PETER NORVIG señalaron que estos avances eran nada menos que "revolucionarios" y "el éxito de NEATS". Algunos critican estas tecnologías por estar demasiado centradas en problemas específicos sin considerar el objetivo a largo plazo de una inteligencia artificial fuerte. Paradigma del AGENTE inteligente Un AGENTE inteligente es un sistema que detecta el entorno y toma acciones para lograr objetivos. Los agentes inteligentes más simples son aquellos programas que pueden resolver problemas específicos. Los agentes más complejos incluyen humanos y organizaciones humanas (como empresas). Estos paradigmas permiten a los investigadores estudiar problemas individuales e identificar soluciones útiles y verificables sin tener que considerar un único método. Un AGENTE que resuelve un problema específico puede utilizar cualquier método viable: algunos agentes utilizan métodos simbólicos y lógicos, algunos utilizan redes neuronales subsimbólicas u otros métodos nuevos. Los paradigmas también proporcionan a los investigadores un lenguaje común para comunicarse con otros campos, como la teoría de la decisión y la economía (también utilizando el concepto de AGENTES ABSTRACTOS). En la década de 1990, el paradigma del agente inteligente fue ampliamente aceptado. Los investigadores de arquitectura AGENT y arquitectura cognitiva han diseñado algunos sistemas para manejar la interacción entre AGENTES inteligentes en sistemas multi-ANGENT. Un sistema que contiene partes simbólicas y subsimbólicas se denomina sistema inteligente híbrido, y el estudio de dicho sistema es la integración de sistemas de inteligencia artificial. El sistema de control jerárquico proporciona un puente entre la IA subsimbólica de nivel de reacción y la IA simbólica tradicional de más alto nivel, al tiempo que relaja el tiempo para la planificación y el modelado mundial. LA ARQUITECTURA DE SUBSUMPCIÓN DE RODNEY BROOKS es un plan de sistema de clasificación inicial. Simulación de visión artificial, audición, tacto, sentimiento y pensamiento: reconocimiento de huellas dactilares, reconocimiento facial, reconocimiento de retina, reconocimiento de iris, reconocimiento de huellas dactilares, sistema experto, búsqueda inteligente, demostración de teoremas, razonamiento lógico, juegos, detección de información y procesamiento dialéctico. La inteligencia artificial es una materia de vanguardia que es una materia interdisciplinaria de tres vías de ciencias naturales, ciencias sociales y ciencias técnicas. Filosofía y ciencias cognitivas, matemáticas, neurofisiología, psicología, informática, teoría de la información, cibernética, teoría de la incertidumbre, biónica, estructura social y concepto de desarrollo científico. Aprendizaje y procesamiento de lenguajes, representación de conocimientos, búsqueda inteligente, razonamiento, planificación, aprendizaje automático, adquisición de conocimientos, problemas de programación combinatoria, problemas de percepción, reconocimiento de patrones, programación lógica, informática suave, gestión imprecisa e incierta, vida artificial, redes neuronales, sistemas complejos , algoritmos genéticos El problema más crítico del pensamiento humano es la configuración y mejora de la capacidad de pensamiento autónomo y creativo de la máquina. Traducción automática, control inteligente, sistemas expertos, robótica, comprensión de lenguajes e imágenes, fábricas de robots genéticamente programados, programación automática, aplicaciones aeroespaciales, procesamiento, almacenamiento y gestión de enormes cantidades de información, ejecución de compuestos químicos que no pueden ser ejecutados por organismos vivos o que son complejos o tareas a gran escala, etc. Cabe mencionar que la traducción automática es una importante rama y primer campo de aplicación de la inteligencia artificial. Sin embargo, a juzgar por los logros de la traducción automática existentes, la calidad de la traducción del sistema de traducción automática aún está lejos del objetivo final y la calidad de la traducción automática es la clave del éxito o el fracaso del sistema de traducción automática. El profesor Zhou Haizhong, un matemático y lingüista chino, señaló una vez en el artículo "Cincuenta años de traducción automática": Para mejorar la calidad de la traducción automática, lo primero que hay que resolver es el lenguaje en sí, no el único problema de programación; Esto se puede hacer confiando en algunos programas. El sistema de traducción automática definitivamente no puede mejorar la calidad de la traducción automática. Además, cuando los humanos aún no han entendido cómo el cerebro realiza el reconocimiento confuso y el juicio lógico del lenguaje, es imposible para las máquinas. traducción para alcanzar el nivel de "fidelidad, expresividad y elegancia" de. La inteligencia artificial todavía está bajo investigación, pero algunos estudiosos creen que es muy peligroso que las computadoras tengan inteligencia y que pueden rebelarse contra los humanos.

Este peligro oculto también ha ocurrido en muchas películas. La clave principal es permitir la creación y continuación de la conciencia autónoma por parte de las máquinas. Si la máquina tiene conciencia autónoma, significa que la máquina tiene la misma o similar creatividad que los seres humanos. , emociones y comportamiento espontáneo. Hay 2 formas diferentes en las que se implementa la inteligencia artificial en las computadoras. Una es utilizar técnicas de programación tradicionales para hacer que el sistema parezca inteligente, independientemente de si los métodos utilizados son los mismos que los utilizados por organismos humanos o animales. Este método se llama ENFOQUE DE INGENIERÍA y ha producido resultados en algunos campos, como el reconocimiento de texto, el ajedrez por computadora, etc. El otro es el método de simulación (ENFOQUE DE MODELADO), que no solo depende del efecto, sino que también requiere que el método de implementación sea igual o similar al método utilizado por humanos u organismos biológicos. El algoritmo genético (ALGORITMO GENÉRICO, denominado GA) y la red neuronal artificial (RED NEURAL ARTIFICIAL, denominada ANN) pertenecen al último tipo. Los algoritmos genéticos simulan el mecanismo genético-evolutivo de humanos u organismos, mientras que las redes neuronales artificiales simulan la actividad de las células nerviosas en los cerebros de humanos o animales. Para obtener el mismo efecto inteligente, normalmente se pueden utilizar ambos métodos. El uso del primer método requiere una especificación manual detallada de la lógica del programa, lo cual es conveniente si el juego es simple. Si el juego es complejo y aumenta el número de personajes y el espacio de actividades, la lógica correspondiente será muy complicada (aumentando exponencialmente) y la programación manual será muy engorrosa y propensa a errores. Una vez que ocurre un error, el programa original debe modificarse, recompilarse, depurarse y, finalmente, proporcionarse al usuario una nueva versión o un nuevo parche, lo cual es muy problemático. Cuando se utiliza este último método, el programador necesita diseñar un sistema inteligente (un módulo) para que cada personaje lo controle. Este sistema inteligente (módulo) no entiende nada al principio, como un bebé recién nacido, pero puede aprender y hacerlo gradualmente. adaptarse al entorno y afrontar diversas situaciones complejas. Este tipo de sistema a menudo comete errores al principio, pero puede aprender lecciones y corregirlas la próxima vez que se ejecute. Al menos no cometerá errores para siempre y no será necesario lanzar nuevas versiones ni aplicar parches. El uso de este método para implementar inteligencia artificial requiere que los programadores tengan métodos de pensamiento biológico, lo que dificulta el comienzo. Pero una vez que ingresa, puede usarse ampliamente. Dado que este método no requiere regulaciones detalladas sobre las reglas de actividad del personaje al programar, suele ahorrar más trabajo que el método anterior cuando se aplica a problemas complejos.