prospector（中国在人工智能领域的科研实力怎么样）_月球_人工智能_智能

本文目录

• 中国在人工智能领域的科研实力怎么样
• 为什么会有月球空心论的说法呢
• Python里面有什么好用且有趣的模块

中国在人工智能领域的科研实力怎么样

中国人工智能水平，同美国，欧洲都属于第一梯队的玩家。每个国家，各有所长，同美国相比，中国企业及学术界对人工智能的重视程度及研发与美国不相上下。以目前的短板而言，要比美国晚20年。但在新一轮的深度学习以及中国移动互联网浪潮中，中国确实扳回一局。（后面详细说移动互联网浪潮对中国人工智能的推动）

通俗化解读什么叫人工智能，本文不含代码，并且努力将复杂的内容口语化，所以专业大拿不要见怪。另外本文可能会省略不少内容，毕竟人工智能是一门学科不是一篇文章能够简单的讲完的。但力求让咱们老百姓理解，这个东西对于未来的我们很重要！仅此一点。

一、什么叫人工智能？

人工智能，通俗的讲就是机器具有智慧，有智商了。能够按照人的方式去干活，去办事，帮助人类解决工作了。

在深究一些，什么是智能？对于智能的研究有3个方面的定义：

1、思维层面：智能来源于思维活动，智能的核心是思维，人的一切知识都是思维的产物。可望通过对思维规律和思维方法的研究，来揭示智能的本质。

2、知识阈值：智能取决于知识的数量及其可运用程度。一个系统所具有的可运用知识越多，其智能就会越高。

3、进化理论：是美国MIT的Brooks在对人造机器虫研究的基础上提出来的。智能取决于感知和行为，取决于对外界复杂环境的适应。智能不需要知识、不需要表示、不需要推理，智能可由逐步进化来实现。（emergent）

这三个定义，看着很难理解，其实简单的说。第一中思维层面的理解，含义就是智能要有思维，这个定义，基本同社会学的归纳类似，说白了就是哪个有名的人说的一句名言就是定义。

这第二种知识阈值，很有意识，这个就具有一定的数据知识了。简单的可以理解为，我们学到的，看到的知识都放在一个盆里，怎么体现出你智慧很高。你才高八斗，学富五车，就是智慧的体现。简单说，就是装的内容多，但是也有学傻的。（这里我们不讨论学傻的情况）

第三中，进化理论，那真的就走到了现代机器人智能的入门了，人们在寻找方法，让一个机器能够辅助人处理问题的时候，想到的方法是，从生物学上讲：人类是进化的，同时人类的学习过程也是一步步积累的过程。

从这三个定义的发展过程，其实我们大致是能够看出来，人类一直在探索，智慧形成的过程，知道怎么形成的，才能去凭空创造一个智慧。

4、人类对智能进行了不同层次的结构

高层智能：以大脑皮层（抑制中枢）为主，主要完成记忆、思维等活动。

中层智能：以丘脑（感觉中枢）为主，主要完成感知活动。

低层智能：以小脑、脊髓为主，主要完成动作反应活动。

不同观点在层次结构中的对应关系

5、最终学术界大体将智能归类为以下这些东西

（1）感知能力：对应机器人的传感器

通过感知器官感知外界的能力。是人类获得外界信息的基本途径，其处理方式有以下两种：

感知--动作方式：对简单、紧急信息。

感知--思维--动作方式：对复杂信息。

（2）记忆和思维能力：对应人工智能的搜索以及建模能力

记忆：对感知到的外界信息和由思维产生的内部知识的存储过程。

思维：对已存储信息或知识的本质属性、内部知识的认识过程。

（3）思维方式：对应人工智能：问题建模，模糊认识

抽象思维（逻辑思维）：根据逻辑规则对信息和知识进行处理的理性思维方式。例如，逻辑推理等。

形象思维（直感思维）：基于形象概念，根据感性形象认识材料对客观现象进行处理的一种思维方式。例如，图像、景物识别等。

灵感思维（顿悟思维）：是一种显意识和潜意识相互作用的思维方式。例如，因灵感而顿时开窍。

（4）学习和自适应能力：对应人工智能，神经网络学习，深度学习

学习：是一个具有特定目的的知识获取过程，是人的一种本能。不同人的学习方法、能力不同。自适应：是一种通过自我调节适应外界环境的过程，是人的一种本能。不同人的适应能力不同。

（5）行为能力：对应机器人运动控制能力。

含义：是人们对感知到的外界信息作出动作反应的能力信息来源：由感知直接获得的外界信息 经过思维加工后的信息实现过程：通过脊髓来控制 由语言、表情、体姿等来实现

因此，在人类认识人工智能的思路上面，是从简单到复杂而来，并且最终分解智能应该具有哪些细节表现特征，这对于整个技术的发展是至关重要的。这才算是指明了方向。

复杂的问题，一定是通过系统解决的，系统解决了复杂问题的同时，也在制造新的复杂问题，因为需要不断的优化和训练处理问题的系统——这个系统就是人工智能。（我个人理解）

二、人工智能的发展历史？熟悉历史，你才知道，这个基数什么国家发展的早，发展的好。

50多年来，人工智能走过了一条起伏和曲折的发展道路。回顾历史，可以按照不同时期的主要特征，将其产生与发展过程分为5个阶段：

（1）孕育期（1956年以前）

普罗米修斯：人类获取智慧火种的最初努力 （渴望智慧会带来恶果？）自远古以来，人类就有用机器代替人们脑力劳动的的幻想：

公元前900多年我国有歌舞机器人流传的记载；

公元前850年古希腊有制造机器人帮助人们劳动的神话传说。

亚里斯多德（Aristotle，公元前384 - 322）：古希腊伟大的哲学家和思想家，创立了演绎法。他提出的三段论至今仍然是演绎推理的最基本出发点。

莱布尼茨（ G.W.Leibnitz，1646 - 1716 ） ：德国数学家和哲学家把形式逻辑符号化，奠定了数理逻辑的基础 （四则运算计算器）。

图灵（ A.M.Turing，1912 - 1954 ） ：英国数学家，1936年创立了自动机理论，自动机理论亦称图灵机，是一个理论计算机模型。

二战中，协助英国军方破译德国的著名密码系统Enigma，帮助盟军取得了二战胜利 。

莫克利（ J.W.Mauchly，1907 - 1980 ） ：美国数学家、电子数字计算机的先驱，与他的研究生埃克特（J.P.Eckert）合作，1946年研制成功了世界上第一台通用电子计算机ENIAC。

1945年底，世界上第一台电子计算机研制完成，全称是“电子数字积分计算机”，简称为ENIAC。

（2）形成期（1956 - 1970年）

AI诞生于一次历史性的聚会(Dartmouth人工智能夏季研讨会)

时间：1956年夏季

地点：达特莫斯 (Dartmouth)学院

目的：为使计算机变得更“聪明” ，使计算机具有智能

发起人： 麦卡锡(J.McCarthy） ，Dartmouth的年轻数学家、计算机专家，后为MIT教授

明斯基 (M.L.Minsky），哈佛大学数学家、神经学家，后为MIT教授

洛切斯特 (N.Lochester)， IBM公司信息中心负责人

香农 (C.E.Shannon)，贝尔实验室信息部数学研究员参加人：

莫尔 (T.more)、塞缪尔 (A.L.Samuel)，IBM公司

塞尔夫里奇 (O.Selfridge)、索罗蒙夫(R.Solomonff) ，MIT 纽厄尔 (A.Newell)，兰德(RAND)公司 西蒙 (H.A.Simon)，卡内基—梅隆大学

会议结果：麦卡锡提议正式采用了“Artificial Intelligence”这一术语。

心理学小组——一次逻辑训练的尝试

1957年，纽厄尔、肖(J.Shaw)和西蒙等人的心理学小组研制了一个称为逻辑理论机(Logic Theory Machine，简称LT)的数学定理证明程序。

1960年研制了通用问题求解(General Problem Solving)程序。该程序当时可以解决11种不同类型的问题，如不定积分、三角函数、代数方程、猴子摘香蕉、河内梵塔、人- 羊过河等。

IBM工程小组——深蓝机器人的开发（就是那个同人类下象棋胜利的那个计算机）

1956年，塞缪尔在IBM704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。

这个程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺。

通过不断学习，该程序1959年击败了塞缪尔本人，1962年又击败了一个州的冠军。MIT小组 1958年，麦卡西建立了行动规划咨询系统。

1960年，麦卡西又研制了人工智能语言LISP。

1961年，明斯基发表了“走向人工智能的步骤”的论文，推动了人工智能的发展。

基本上相当于一帮大拿，在小酒馆吃完饭，吹牛逼说：“以后就干AI了”。问题是人家有实力把牛逼实现。

（3）知识应用期（1970 - 20世纪80年代末）

以知识为中心的研究： 专家系统是AI发展史上的一次重要转折。

1972年，费根鲍姆（ Feigenbaum ）开始研究MYCIN专家系统，并于1976年研制成功。 从应用角度看，它能协助内科医生诊断细菌感染疾病，并提供最佳处方。

从技术角度看，他解决了知识表示、不精确推理、搜索策略、人机联系、知识获取及专家系统基本结构等一系列重大技术问题。

1972年法国马赛大学Clomerauer发明Prolog逻辑程序设计语言。

1976年，斯坦福大学的杜达(R.D.Duda)等人开始研制地质勘探专家系统PROSPECTOR。 1970年Artificial Intelligence国际期刊创刊。

1977年费根鲍姆提出知识工程概念，专家系统广泛应用。

（4）从学派分离走向综合（20世纪80年代末到本世纪初）

随着人工神经网络的再度兴起和布鲁克（R.A.Brooks）的机器虫的出现，人工智能研究形成了符号主义、连接主义和行为主义三大学派。

（5）智能科学技术学科的兴起（本世纪初以来）

现代人工智能，由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究；

由人工智能学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究； 由多个不同学派的独立研究走向多学派的综合研究；

由对个体、集中智能的研究走向对群体、分布智能的研究。

总结整个人工智能的发展，可以归纳为：原始的积累基本在欧美，得益于硬件设备，计算机的发明，美国在整个人工智能的起步阶段，要比其他国家要早。

同时针对各类社会学模型的研究，美国也要比其他国家要更丰富。

三、当下你能见到的人工智能都是什么样子的？

当下，我们见到的人工智能，主要集中在几个领域：

1、智能语言，也被我们称为：语音智能。手机，电脑，小家电可以识别你说话，甚至能够跟你对话。这个看似很傻瓜的功能，其实就是人工智能。

这些都是语音智能。

2、人脸识别：

3、图像搜索：识别图像，人类识别物体的方式

4、OCR识别：图片转文字

四、人工智能的核心技术

狭义地讲，机器学习是给定一些训练样本 (xi , yi), 1 ≤ i ≤ N （其中xi 是输入，yi 是 需要预测的目标），让计算机自动寻找一个决策函数f(·)来建立x和y 之间的关系。

这里，yˆ是模型输出，θ 为决策函数的参数，ϕ(x)表示样本x对应的特征表示。因为x不 一定都是数值型的输入，因此需要通过ϕ(x) 将x 转换为数值型的输入。如果我们假设x 是已经处理好的标量或向量，公式3.1也可以直接写为 yˆ = f(x, θ)

写到这，基本看不懂，我也是引用的内容。但是问题在于，我还要说明白，人工智能技术的核心是啥？

人工智能的核心的是深度学习。

深度学习，就是用一个模型，教会计算机自己去学习。你只需要做两件事：

（1）让无数的码农去写优化的代码，修改BUG。

（2）喂庞大到无法想象的数据。

1、图像识别: 数千万训练样本，这就是我们说的图像样本库。也许你不知道的情况下，你就成了样本。

2、OCR: 数千万训练样本；

美国一家公司，将图书馆中的文字书籍，扫描图片后，切图，全部以验证码的方式，让各个平台人录入数据。这就是最典型的人机训练。

3、语音识别： 数百亿训练样本。

语音样本库，目前归国家管理，只有具备条件的企业才有资格使用。国内例如百度，科大讯飞，腾讯，阿里都有资格。

4、无人驾驶

很多朋友，一直不明白，为什么百度，滴滴，腾讯都去争夺无人驾驶的研发测试。因为先争门票，有没票，才有使用庞大道路交通数据的权利。最大的道路实况数据，都在公路交通的监控里。但这个显然不是对所有人开放的。这才是当前争抢的关键内容。

五、中国人工智能的地位与趋势

从以上我们介绍的四大主要人工智能的场景来看。中国的产品成熟度，以及技术实力，确实达到了全球第一阵营中。

百度无人驾驶，已经开始上路测试。语音智能领域，科大讯飞，百度语言都是世界领先。图像识别领域：商汤科技，旷视科技，百度智能都具有全球领先水平，基本同google，facebook属于同一梯队。

对于未来的人工智能的发展：

1、中国拥有广阔的使用市场。毕竟有钱才能驱动一切。

2、中国的移动互联，为人工智能的深度学习，提供了极其强大的训练资源。是的在5-10年，人类的所有操作其实都是在训练机器人。

如果从哲学的角度讲：人类发展了这么多年，阳光之下无新事，那么人工智能的深度学习，一定能够创造出一个顶级的智慧体，只是时间的问题。

为什么会有月球空心论的说法呢

有两个原因：1，早期对于月球的研究手段有限，所以诞生了很多“只知其表、不知其里”的结论；2，吃瓜群众对于科学研究中的只言片语产生了误解。

我在网上查了一些资料，月球空心论起源于如下几个地方：

• 苏联科学家于1970年提出了一种月球空心说的假说。

• 1972年-1977年，阿波罗登月计划中，美国科学家在采集了月球地震波后分析的时候，说了一句“The Moon rang like a bell”（月球像一口钟那样在响），意思就是地震产生的振动在月球内部持续了很久。

• 月球的平均密度为3.3 gm/cm3，而地球为5.5，看起来月球只有是空心的才会相对地球密度低这么多。

首先，苏联科学家产生的月球空心论的假说没有什么实在的证据（当时人类还没有登月进行研究），他们是通过望远镜观察月球的时候，发现大部分的月球陨石坑很浅、坑底很平，所以就猜想是不是陨石砸到了什么坚硬的外壳上才会这样的。这个理由明显只是在牵强附会。

其次，关于“月球像钟一样在响”，这句话确实是存在的，但是这只是为了说明月球的外壳中没有水、地震波在这样的结构中回荡的时间比较长——这完全就是一个简单的比喻，并不是说月球就是一口空心的钟【下图就是美国宇航员奥尔德林在安装月球地震波的实验装置】。有些人别有用心，把这些比喻肆意歪曲，产生了很多让人哭笑不得的联想。

然后是月球的平均密度问题，根据现在的一些科学研究表明，月球很有可能原来是地球的一部分，是某一次小行星撞击地球之后形成的。所以月球主要是由地球最表面的一层物质组成的，这些物质密度比较低，所以月球的相对密度比较低。

那么月球到底是不是空心的？

从现在的所有科学研究上看，月球不是空心的。理由有如下几个：

• 地震波的观察：NASA根据地震波的数据，证明月球的结构跟地球相类似。并且绘制出了月球的结构图。

• 对于月球转动惯量的分析：月球的密度只能够分析出月球质量与月球体积之间的相对大小，却没有办法知道月球的质量分布。能够表示出月球质量分布的物理量是转动惯量。根据对月球转动惯量的分析可以知道，月球的极惯性矩为0.393左右，与一个实心体的极惯性矩十分相似（0.4），却与空心月球的极惯性矩值0.6，相去甚远。此外，地球的极惯性矩为0.33，证明地球的内部密度要高于外围。上述研究成果已经刊登在《Science》杂志上。

• 关于月球重力分布的测量：根据月球人造卫星Lunar Prospector的轨道数据，科学家绘制出了月球的重力场，重力场分布符合基于上述月球结构图的结果，证明月球是由类似于地壳、地幔、地核的结构，而不是空心的。

上面这些研究是相当充分的，有着十分充足的科学数据支撑，相比较于“月球空心论”的那些捕风捉影的证据，无疑更加可信。因此，月球空心论可以休矣。而根据现有的研究，科学家绘制出了如下的月球结构图。

所以说，月球不是空心的，“月球空心论”只是对月球不够了解的时候诞生的一些假设，现在已经被推翻了。

Python里面有什么好用且有趣的模块

python第三方模块众多，下面我介绍一些比较实用而又有趣的模块，主要分为爬虫、数据处理、可视化、机器学习、神经网络、股票财经、游戏这7个方面，主要内容如下：

1.爬虫：相信大部分人都用python爬过数据，目前来说，比较流行的框架是scrapy，对爬取数据来说，简单方便了不少，只需要自己添加少量的代码，框架便可启动开始爬取，当然，还有简单地爬虫包，像requests+BeautifulSoup，对于爬取简单网页来说，也足够了：

2.数据处理：numpy,scipy,pandas这些包对于处理数据来说非常方便，线性代数、科学计算等，利用numpy处理起来非常方便，pandas提供的DataFrame类可以方便的处理各种类型的文件，像excel,csv等，是分析数据的利器：

3.可视化：这里的包其实也挺多的，除了我们常用的matplotlib外，还有seaborn,pyecharts等，可以绘制出各种各样类型的图形，除了常见的线图、饼图和柱状图外，还可以绘制出地图、词云图、地理坐标系图等，美观大方，所需的代码量还少，更容易上手：

4.机器学习：说起python机器学习，大部分人都应该scikit-learn这个包，常见的机器学习算法，像回归、分类、聚类、降维、模型选择等，这里都有现成的代码可供利用，对于这机器学习方面感兴趣的人来说，这是一个入门机器学习的好包：

5.神经网络：说起神经网络，大部分人都应该会想起深度学习，对应的就会想到谷歌目前非常流行的深度学习框架—tensorflow，tesndorflow可被用于语音识别和图像识别等众多领域，其发展前景光明，对于这方面感兴趣的科研人员来说，是一个很不错的工具，当然，还有基于tensorflow的theano,keras等，都是学习神经网络的不错选择：

6.股票财经：对于股票和财经比较感兴趣的朋友来说，python也提供了现成的库来获取和分析股票财经数据—tushare，tushare是一个免费、开源的python财经数据接口包，可以快速的获取到国内大部分股票数据，对于金融分析人员来说，可以说是一个利器，降低了许多任务量：

7.游戏：python专门为游戏开发提供了一个平台—pygame，对于想快速开发小型游戏的用户来说，是一个很不错的选择，简单易学、容易上手，脱离了低级语言的束缚，使用起来也挺方便的：

目前就介绍这7个方面和对应的包，比较流行也比较实用、有趣，感兴趣的朋友，可以了解一下，希望以上分享的内容能对你有所帮助吧。