Heim Technologie-Peripheriegeräte KI Der Akademiker Liu Jingnan diskutiert die Beziehung zwischen natürlicher Intelligenz und künstlicher Intelligenz

Der Akademiker Liu Jingnan diskutiert die Beziehung zwischen natürlicher Intelligenz und künstlicher Intelligenz

May 30, 2023 am 10:43 AM
人工智能 自然智能 智能关系

Liu Jingnan glaubt, dasskünstliche Intelligenz aus der Perspektive der natürlichen Intelligenz und der Raum-Zeit-Perspektive verstanden und definiert werden kann („Journal of Surveying and Mapping“, Ausgabe 4, 2020 Liu Jingnan, et al.: „Rethinking Ubiquitous Surveying and Kartierung im Zeitalter der Intelligenz“).

Derzeit entwickeln sich Informationsnetzwerke in Richtung des Internets der Dinge und allgegenwärtiger Netzwerke. Sie werden durch Big Data, leistungsfähigere Rechenleistung und intelligentere Rechenmethoden vorangetrieben und führen zu einer neuen Generation künstlicher Intelligenz, also Computern mit der Fähigkeit dazu Um die intelligente Verwaltung und kollaborative Steuerung der physischen Welt durch Computernetzwerke zu realisieren, entstand gleichzeitig das cyber-physische System CPS (auch bekannt als das allgegenwärtige Netzwerk). wird mit künstlicher Intelligenz integriert, um die gesellschaftliche Produktion und den Konsum von Industrialisierung zu Industrialisierung zu beschleunigen. Mit dem Übergang zu Automatisierung und Intelligenz ist der Mensch in die Ära der Intelligenz eingetreten. Intelligenz ist die Fähigkeit der biologischen Wahrnehmung, Erkenntnis und Anpassung an die Umwelt in der Natur Lebewesen verfügen über Intelligenz, weil sie Veränderungen in der Außenwelt wahrnehmen und durch das Erkennen der Vor- und Nachteile von Veränderungen Maßnahmen ergreifen können, um Vorteile zu erzielen und Nachteile zu vermeiden Den genauen Ort, die genaue Zeit, die genaue Ausrichtung, die genaue Haltung usw. zu finden, um sich anzupassen. Daher besteht der Kern der biologischen Intelligenz in der Natur darin, Entscheidungen und Verhaltensweisen zu treffen, die auf der Grundlage der genauen zeitlichen und räumlichen Lage von Vorteilen und Vermeidung von Nachteilen abzielen Veränderungen in der Außenwelt.

Daher kann natürliche Intelligenz als die Fähigkeit von Lebewesen definiert werden, Veränderungen in der Außenwelt wahrzunehmen, zu lernen und sich daran zu erinnern, Erfahrungen zu sammeln, zur Erkenntnis zu gelangen und Entscheidungen zu treffen, um sich an Veränderungen in der Außenwelt und ihre eigenen Sicherheitsbedürfnisse anzupassen. und sich selbst regulieren oder den Zustand der Außenwelt zu einem genauen Zeitpunkt und Ort ändern, um das Ziel zu erreichen, Vorteile zu erzielen und Nachteile zu vermeiden, während Weisheit zukünftige und unbekannte Probleme lösen kann Zukunft durch Erfahrung und Wissen, die durch Wahrnehmung und Erkenntnis entstehen. Veränderungen in der Außenwelt zu einem bestimmten Zeitpunkt und an einem bestimmten Ort und Selbstregulierung im Voraus, um den Zustand von sich selbst oder einem Teil der Außenwelt zu ändern, um Vorteile zu erzielen und Schaden zu vermeiden Art der Regulierung basiert oft auf genauen Zeit- und Raumpositionen, um mehrere Verhaltensweisen und Aktionen zur Veränderung der Außenwelt genau zu koordinieren. Daher ist die Fähigkeit, sich zu positionieren, zu navigieren und die Zeit zu kennen, die angeborene Überlebensfähigkeit von Lebewesen, um Vorteile zu erzielen Nachteile vermeiden und zur natürlichen Intelligenz gehören, sind Ereignisse, die zu einem bestimmten Zeitpunkt und an einem Ort auftreten, wahrzunehmen, aufzuzeichnen und auszudrücken und dann den Prozess und die Mittel zur Wahrnehmung, Kommunikation und Entscheidungsfindung zu unterstützen Erweiterung der technischen Methoden intelligenten Verhaltens wie menschliche Positionierung, Navigation und Timing.

Zusammenfassend sind Intelligenz und Weisheit Fähigkeiten, die nur in der biologischen Welt vorkommen.

Künstliche Intelligenz besteht darin, die biologische Intelligenz der Natur (einschließlich menschlicher Intelligenz und Weisheit) durch Technologie und Methoden an Maschinen und Umgebungen weiterzugeben Veränderungen in der Außenwelt wahrnehmen, erkennen und entsprechende Steuerung und Regulierung durchführen, um Vorteile zu suchen und Nachteile zu vermeiden.

Die Definition künstlicher Intelligenz auf der Grundlage der Definition natürlicher Intelligenz ist genauer und universeller als die aktuelle Definition künstlicher Intelligenz, die von der Computerindustrie verwendet wird, wie etwa der Turing-Test, um „Maschinen dazu zu bringen, wie Menschen wahrzunehmen und zu denken“. Die Konnotation von 6 Arten von Intelligenz wie Wahrnehmung, Lernen, Kognition, Entscheidungsfindung, Regulierung und sogar Emotion sollte mindestens 5 Arten von Intelligenzkonnotationen außer Emotion umfassen des Tierreichs weit übertreffen Neben dem Menschen ist die Weitergabe der Wahrnehmungsintelligenz und Gruppenintelligenz der Tierwelt an Maschinen und die Umwelt eine wichtige Forschungsrichtung der künstlichen Intelligenz.

Der Akademiker Liu Jingnan diskutiert die Beziehung zwischen natürlicher Intelligenz und künstlicher Intelligenz

Gemäß der Definition des CSDN-Autors:

Natürliche Intelligenz (NI) bezieht sich auf die Fähigkeit von Menschen, durch Gehirnoperationen und Entscheidungsfindung wertvolle Verhaltensweisen hervorzurufen. Zu diesen Verhaltensweisen gehören das Denken und Entscheiden des menschlichen Gehirns, das Hören und Urteilen der Ohren, das Sehen und Urteilen der Augen, der Geruch und das Urteilen der Nase, das Berühren und Urteilen der Haut usw. und spiegeln sich in allen Aspekten des menschlichen Verhaltens wider.

Künstliche Intelligenz (KI) nutzt Maschinen, um Menschen zu ersetzen und intelligente Verhaltensweisen des Menschen zu realisieren. Der Satz kann wie folgt umgeschrieben werden: Er bezieht sich hauptsächlich auf Computer, Daten und zugehörige Software und kann sogar zugehörige intelligente Endgeräte abdecken. Zu den derzeit relativ ausgereiften technischen Richtungen für Anwendungen der künstlichen Intelligenz gehören Maschinenspiele (intelligente Roboter), Spracherkennung, Bilderkennung (Text, Fingerabdrücke, Gesichter usw.) sowie Datenanalyse und -vorhersage durch Sensoren. Die Hauptdisziplinen der Forschung zur künstlichen Intelligenz umfassen Informatik, Informationstheorie, Kybernetik, Automatisierung, Bionik, Biologie, Psychologie, mathematische Logik, Linguistik, Medizin und Philosophie usw.

Maschinelles Lernen (ML) ist die wissenschaftliche Untersuchung von Algorithmen und statistischen Modellen, die von Computersystemen verwendet werden, um bestimmte Aufgaben effektiv auszuführen, ohne explizite Anweisungen zu verwenden, sondern sich auf Muster und Überlegungen zu verlassen. Sie gilt als Teilmenge der künstlichen Intelligenz und ist der Kern der künstlichen Intelligenz. Maschinelles Lernen muss mithilfe von Daten „lernen“. Maschinelles Lernen kann in überwachtes Lernen, halbüberwachtes Lernen, unüberwachtes Lernen und verstärkendes Lernen unterteilt werden.

Deep Learning (DL) (auch bekannt als Deep Structured Learning oder hierarchisches Lernen) ist Teil einer Familie maschineller Lernmethoden, die auf Lerndatendarstellungen und nicht auf aufgabenspezifischen Algorithmen basieren. Deep Learning ist von Informationsverarbeitungs- und Kommunikationsmustern in biologischen Nervensystemen inspiriert, unterscheidet sich jedoch von der Struktur und Funktion biologischer Gehirne. Derzeit werden Deep-Learning-Architekturen wie Deep Neural Networks, Deep Believe Networks und Recurrent Neural Networks in den Bereichen Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache, Audioerkennung, Filterung sozialer Netzwerke, maschinelle Übersetzung, Bioinformatik, Arzneimitteldesign usw. verwendet. und Medizin Bildanalyse und andere Bereiche.

(Die oben genannten Konzepte und ihre Beziehungen sind Originalkreationen des CSDN-Bloggers „Simple Little Bitter Melon“, Originallink: https://blog.csdn.net/weixin_44482877/article/details/122273597)

Die obige Artikelauswahl ist für den Autor eine Möglichkeit, siliziumbasierte Organismen und kohlenstoffbasiertes Leben als Ganzes zu erforschen oder die kognitive Methodik der Gehirn-Computer-Schnittstelle zu erforschen, um Bionik und neuronale Netze des Gehirns zu verstehen .

Das obige ist der detaillierte Inhalt vonDer Akademiker Liu Jingnan diskutiert die Beziehung zwischen natürlicher Intelligenz und künstlicher Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles