XiaoMi-AI文件搜索系统
World File Search System寒冬
计算机人工智能：历史和类型
在接下来的几十年里，人工智能研究进展迅速，取得了许多重要突破，包括专家系统、自然语言处理算法和机器学习技术的开发。然而，人工智能的发展并非一帆风顺，也曾遭遇过几次挫折，包括 20 世纪 70 年代和 80 年代所谓的“人工智能寒冬”，当时由于缺乏切实成果，人工智能研究的资金减少。人工智能大致分为两类：狭义或弱人工智能和通用或强人工智能。这种类型的人工智能旨在执行一项或一组特定任务，例如识别图像中的人脸或翻译语言。这些系统在大型数据集上进行训练，并使用算法来识别模式并做出预测。它们不具备一般智能，无法执行其专业领域之外的任务。
引用本文：Wim Naudé (2020): 人工智能：短期内既不是乌托邦也不是世界末日的影响，创新与新技术经济学，DOI：10.1080/10438599.2020.1839173
摘要 经历了数次人工智能寒冬之后，人工智能又卷土重来。有人担心它会扰乱社会。眼前的担忧是劳动力能否赢得“与机器人的竞赛”，而长期的担忧是人工智能（超级智能）能否被控制。本文描述了这些担忧的性质和背景，回顾了经济学中关于人工智能对就业和不平等影响的实证和理论文献的现状，并讨论了人工智能军备竞赛的挑战。结论是，尽管媒体大肆宣传，但大规模失业和“奇点”都不会迫在眉睫。部分原因是，目前基于深度学习的人工智能成本高昂，大多数企业难以采用，不仅取代了就业机会，而且实际上也创造了就业机会，而且可能不是通往超级智能的途径。因此，人工智能不太可能很快产生乌托邦式或世界末日的影响。考虑到阿玛拉定律，人们应该警惕不要低估人工智能的长期影响。
人工智能的历史、动机和核心主题
两本《并行分布式处理》卷本（Rumelhart and McClelland 1986，McClelland and Rumelhart 1986）的出版标志着神经网络寒冬的结束。这两卷书内容丰富，编辑精良，其中章节均由当时在加州大学圣地亚哥分校的 PDP 研究小组成员撰写。这些卷本推动了人工神经网络（很快被称为联结主义）在认知科学中的应用。联结主义是否能够解释思维，迅速成为哲学家、心理学家和人工智能研究人员争论的热门话题（Fodor and Pylyshyn 1988，Smolensky 1987，Chalmers 1990）。这场争论已经平息，没有宣布胜者，人工神经网络成为当前人工智能领域的既定参与者。
人工智能促进人类生活
自 1993 年第二次人工智能寒冬结束以来，人工智能的普及度一路飙升。在计算能力和存储容量等支撑技术的快速进步的催化下，人工智能已广泛应用于人类生活的各个领域。尽管全球普遍认为人工智能的发展应该考虑伦理原则，但直到撰写本文时，关于如何将人工智能定义为“道德的”，如何制定人工智能伦理准则，谁有权决定人工智能的伦理方面，以及如何向人工智能开发者/操作者强化准则的争论仍在继续。在本文中，我们从伦理角度总结了过去 10 年内进行的与人工智能发展相关的研究。我们讨论了几起人工智能开发不当行为和“不道德”人工智能的案例，例如有偏见的算法和数据收集过程中的隐私泄露。
第 1 课：定义人工智能
人工智能的起源可以追溯到古代关于人工智能诞生的传说。然而，人工智能的正式研究始于 20 世纪中叶，其标志性时刻包括 1943 年沃伦·麦卡洛克和沃尔特·皮茨开发出第一个神经网络模型。20 世纪 50 年代，艾伦·图灵提出了图灵测试，作为衡量机器智能的基准。约翰·麦卡锡于 1956 年创造“人工智能”一词，同年组织达特茅斯研讨会，通常被视为人工智能作为一个独特领域建立的基础事件。随后几十年，人工智能研究经历了波动，快速发展时期与“人工智能寒冬”交织在一起，其特点是资金和兴趣减少。21 世纪迎来了重大突破，特别是在机器学习、深度学习和神经网络领域。
人工智能的夏天和冬天
人工智能（AI）是计算机科学的一个分支，其目标是使计算机智能化。这些“智能”活动包括思考、推理、从环境中接收刺激并做出反应、解决难题、说话和理解语言等。约翰·麦卡锡（John McCarthy）于 1954 年在达特茅斯（Dartmouth）举行的计算机会议上创造了“人工智能”一词，表明其目标是实现与人类水平的智能相当的数字。20 世纪 70 年代，人工智能进入了一个低产时期，被称为“人工智能寒冬”。在此期间，人工智能的科学活动，尤其是商业活动急剧下降。1997 年，IBM 的“深蓝”人工智能程序战胜了当时的世界象棋冠军，这可能被誉为人工智能的最大成就。人工智能的另一项伟大成就是 IBM 的 Watson 在 2011 年战胜了世界 Jeopardy 冠军。本章简要概述了人工智能如何历经起起伏伏，发展到如今的水平，以及我们预计未来几十年人工智能的发展方向。
法律领域人工智能的冬天、夏天和夏日梦想
摘要 本文反映了我作为 IAAIL 主席在 ICAIL 2021 上的讲话。它旨在表达我对人工智能和法律学科现状的看法，以及可能的未来前景。在这方面，我经历了人工智能研究（尤其是人工智能和法律研究）的不同时期：从人工智能的寒冬，即对人工智能不信任的时期（整个八十年代到九十年代初），到人工智能的夏天，即当前人们对该学科非常感兴趣并抱有很高期望的时期。人工智能研究最初几十年的结果之一是“智能需要知识”。自诞生以来，网络就被证明是一种非凡的知识创造和共享工具，因此，如果人工智能的发展遵循网络的发展，也就不足为奇了。我认为，自下而上的方法（就机器/深度学习和 NLP 而言）从原始数据中提取知识，结合自上而下的方法（就法律知识表示和法律推理与论证模型而言），可能代表对语义网以及人工智能系统发展的促进。最后，我对人工智能发展的潜力提出了自己的见解，其中考虑到了技术机遇和理论限制。
金融稳定视角
1 参见政府问责局的《确认积压增加了交易商的运营风险，但在联合监管行动后成功解决》（2007 年 6 月）。2002 年至 2005 年间，场外衍生品交易量的增长大大超过了大型银行和证券交易商的处理能力。这些公司依赖手动确认流程，以及允许单边分配的合同条款，导致未与交易对手正式确认的交易迅速积压，增加了错误未被发现的可能性。业内人士表示，部分原因是担心失去业务，因此他们不敢实施可能减慢交易速度的修复措施。2 2022 年加密货币寒冬中一些最引人注目的破产案，包括 FTX 的破产案，都涉及风险管理和控制方面的令人震惊的失误。参见《华尔街日报》“Sam Bankman-Fried 表示，他‘甚至没有尝试’管理 FTX 的风险”（“Bankman-Fried 先生表示，风险问题并不被视为 FTX 的‘核心业务驱动力’。”）；《纽约杂志》“蒸发一万亿美元的加密货币天才”（指出“悠闲”
人工智能与自我意识
“人工智能”或 AI，是明斯基和麦卡锡在 1956 年创造的一个术语，已经演变成一个名副其实的全球愿景和梦想，不仅引起了研究人员的兴趣，也引起了从业者、艺术家、作家、政策制定者和普通公众的兴趣。与大多数研究领域一样，人工智能经历了几波浪潮，其间穿插着相对不重要的时期，即所谓的“人工智能寒冬”。人工智能的每次复兴浪潮都有特定形式的概念进步，如形式逻辑、人工神经网络、智能代理、包容架构等。目前人们对人工智能兴趣的复苏或许是独一无二的，因为可以说，这波新浪潮的主要催化剂来自硬件的进步，尤其是图形处理单元 (GPU)，它被重新用于人工神经网络的大规模并行处理。因此，这波浪潮更多地是由人工智能应用和部署推动的，而不是概念上的突破。尽管在过去十年中，深度学习架构、自主代理和机器人交互模型取得了一些新进展，但可以说，它们都没有构成对早期模型的典型背离。这也意味着，人工智能早期提出的许多未解决的问题和挑战仍未得到解答。
FG 按时代和主题分类目录 - 精美游戏
最后一份。■ 杂志与游戏。插入内容包括 140 个计数器，用于耶拿 20 游戏 (40)、旃陀罗笈多 (18)、巴巴罗萨从基辅到罗斯托夫 (2)、1914 东方的黄昏 (3)、战列舰 (10)、难以捉摸的胜利 (10)、SPQR (4)、寒冬 (18)、PQ-17 (2)、为人民 II (18)、追求荣耀 (2) 和其他 9 个。；完整的耶拿 20 游戏；旃陀罗笈多变体；PQ-9/10 场景；SPQR 大象胜利场景；为人民海军卡变体效果；FAB 凸起设置援助与资产能力组合；战斗指挥官场景 103 和 110 场景；命令与颜色史诗古代场景卡。文章关于：为人民 10 周年变体规则； Hellenes 开发者笔记和策略；追求荣耀分析；SPQR 大象胜利场景，公元前 277 年；PQ-17 战略与战术；战斗指挥官斯大林格勒场景 35 分析；库图佐夫生存策略；荣耀之路和低地国家；飞行上校的科罗曼德尔战役 1758-9