人工智能与心理健康论文文献参考

由人民邮电出版社出版的《人工智能通识》面向我国人工智能的通识教育与专业技术人才的培养。全书共8章，分为3篇，分别为人工智能的基本理论、人工智能的应用以及人工智能的融合拓展，涵盖了目前主流的人工智能技术。《人工智能通识》在介绍人工智能的基本原理时，尽量回避了相关的复杂模型和算法设计，方便读者在社会层面理解人工智能的应用形式和未来的发展路径。此外，书中每章都设计了一些思考与练习的题目，以便读者在课堂练习和研讨中使用。

史蒂芬·霍金最近发出警告：“一旦人工智能发展到完整的程度，人类的终结也就到了。”伊隆·马斯克则担心人工智能的研发有可能是人类存亡的最大威胁。连比尔·盖茨也敦促大家要小心。人一手创造的怪物，会不会反过来奴役人？这种畏惧很早就有了。但就在微软、谷歌竞相投入巨资研发人工智能之时，名气响当当的宇宙学家、硅谷创业家和微软创始人却分别说出这样的忧虑，这份忧虑就有不同的份量——要注意，他们三位可不是反对或排斥工业化、新技术的人。今天，一个人的口袋里装着的可能就是一部超级计算机，战场上杀出来的可能是机器人，如果把那份忧虑简单地当是异想天开，也是有些自欺欺人。问题在于，如何避免过犹不及？首先，我们要搞清楚，计算机现在已经具备了哪些能力，而在将来又会增加哪些能力。凭借处理能力的增强以及数据资料的增多，人工智能正处于快速发展的阶段。今天，深度学习（deep learning）系统能模仿人脑的神经元层，处理海量的数据，自己教自己如何去执行一些任务，譬如识别和翻译，做得几乎跟人一样好。结果，一些一直需要人脑参与的事情，大到解读图象，小到玩街机经典《青蛙过河》，现在也属于电脑程序能做的范围里了。Facebook在2014年发布了名为DeepFace的算法。这个算法可以识别相片里的人脸，准确率达到97%。但必须注意的是，这些都是应用于某一具体领域狭隘的能力。目前的人工智能是通过“残暴”的数据处理能力，来达到与人脑智力的“形似”，但至于如何模仿人的自主性、喜恶和欲求，成果则很少。电脑还做不到随心所欲地思辨、判断以及选择，而这些都是人类智力的特征。但与此同时，人工智能已经可以给人类生活带来巨大的改变。人工智能现在已经能辅助人类，为人做的事带来助益。国际象棋便是一例。现在电脑可以下赢任何一个人。不过，当今世界上最强的棋手并不是电脑，而是人与算法一起合力的团队。这样的团队组合将延伸至人类其它的活动：医生有了人工智能的支持，从医疗图像中查出癌症的能力将大大增强；有了智能手机上装的语音识别软件，发展中国家读写能力欠佳的人便能更好地使用互联网；做学术研究时，数字助理可以建议你哪条假设更有机会成立；有了图像分类算法，可佩戴设备对着肉眼看到的真实世界“加上”有用的标注。但也不是每个方面的效益都是正面的。譬如，无论是对民主国家还是专制国家而言，人工智能都是监管人民的利器。有了人工智能，政府便可以监听数以亿计的对话，在人山人海中根据声音或样貌特征轻而易举地找出它要找的人。这就对自由造成了严峻的威胁。尽管整个社会可以获得很多益处，但很多人会因为人工智能而处于劣势。在计算机诞生以前，给老板计算数字的苦活常是由妇女来做，后来这些职位就让晶体管占据了。同样，人工智能将来很有可能会让整个白领阶层捡包袱走人。虽说教育和培训有助打工者适应这个变化，且人工智能带来的新财富会进入新的行业从而产生新的工种，但打工者依然难免经历颠簸。但霍金、马斯克、盖茨他们担心的并不是监控和颠簸的问题。他们担心的是近期好莱坞电影里的场景：自动化机器拥有了比人类更灵敏的认知能力，拥有了与肉身的人冲突的利益观。这样的人工智能产品离我们还遥远得很，甚至可能永远也造不出来。无论是心理学家、神经学家、社会学家还是哲学家，在对着人脑东敲敲西敲敲地研究了一个世纪后，依然没搞清楚人的思维是怎么回事，更不要说仿造出一颗人脑。假如机器拥有自己的利益观和自主能力，即使这机器的智能不完整，只能用于某个用途，也绝非代表我们就可以放心使用：无人车跑起来比人开还好，这听起来挺赞的，但要是车有自己想去的地方，听起来可就不太妙。虽然我们离霍金所说的“完整的”人工智能还很远，但现在就开始思考如何应对到时的情况，也是谨慎之举。“超人”又“自治”的东西，人类不早就创造过了吗？官僚体制、市场、军队，这些都是，这些都帮助人类做到没有辅助、组织时做不到的事情；这些都能自主运作，而且如果不加法规管理，都会造成巨大的祸害。这些相似的事物或许可以令人工智能的持疑派放心一些。这些事物也喻示了人类社会如何可以安全地研发人工智能。军队需要文官管理，市场需要监管，官僚需要问责、透明；同理，人工智能系统也必须接受监督。由于系统的设计者无法预见所有的情形，还必须要有危急时刻拉闸中断的设置。加入这些限制并不会妨碍进步。大到核弹，小到交通规则，这些都证明人类曾成功运用技术和法律手段去管理威力强大的创新。

Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。推荐两本有意思的书，一本是《Simple Heuristics that Makes Us Smart》另一本是《Bounded Rationality: The Adaptive Toolbox》 ---------------------------------------------------------------------<从CSDN上转载的> 机器学习与人工智能学习资源导引 我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类： 首先是两个非常棒的 Wikipedia 条目，我也算是 wikipedia 的重度用户了，学习一门东西的时候常常发现是始于 wikipedia 中间经过若干次 google ，然后止于某一本或几本著作。 第一个是“人工智能的历史”（History of Artificial Intelligence），我在讨论组上写道： 而今天看到的这篇文章是我在 wikipedia 浏览至今觉得最好的。文章名为《人工智能的历史》，顺着 AI 发展时间线娓娓道来，中间穿插无数牛人故事，且一波三折大气磅礴，可谓"事实比想象更令人惊讶"。人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认知神经科学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学工具进行探索，其间最令人激动的是 Herbert Simon （决策理论之父，诺奖，跨领域牛人）写的一个自动证明机，证明了罗素的数学原理中的二十几个定理，其中有一个定理比原书中的还要优雅，Simon 的程序用的是启发式搜索，因为公理系统中的证明可以简化为从条件到结论的树状搜索（但由于组合爆炸，所以必须使用启发式剪枝）。后来 Simon 又写了 GPS （General Problem Solver），据说能解决一些能良好形式化的问题，如汉诺塔。但说到底 Simon 的研究毕竟只触及了人类思维的一个很小很小的方面 —— Formal Logic，甚至更狭义一点 Deductive Reasoning （即不包含 Inductive Reasoning , Transductive Reasoning (俗称 analogic thinking）。还有诸多比如 Common Sense、Vision、尤其是最为复杂的 Language 、Consciousness 都还谜团未解。还有一个比较有趣的就是有人认为 AI 问题必须要以一个物理的 Body 为支撑，一个能够感受这个世界的物理规则的身体本身就是一个强大的信息来源，基于这个信息来源，人类能够自身与时俱进地总结所谓的 Common-Sense Knowledge （这个就是所谓的 Emboddied Mind 理论。 ），否则像一些老兄直接手动构建 Common-Sense Knowledge Base ，就很傻很天真了，须知人根据感知系统从自然界获取知识是一个动态的自动更新的系统，而手动构建常识库则无异于古老的 Expert System 的做法。当然，以上只总结了很小一部分我个人觉得比较有趣或新颖的，每个人看到的有趣的地方不一样，比如里面相当详细地介绍了神经网络理论的兴衰。所以我强烈建议你看自己一遍，别忘了里面链接到其他地方的链接。 顺便一说，徐宥同学打算找时间把这个条目翻译出来，这是一个相当长的条目，看不动 E 文的等着看翻译吧:) 第二个则是“人工智能”（Artificial Intelligence）。当然，还有机器学习等等。从这些条目出发能够找到许多非常有用和靠谱的深入参考资料。然后是一些书籍 书籍： 1. 《Programming Collective Intelligence》，近年出的入门好书，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P 2. Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）。 3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。 4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。 5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。 6. 《Managing Gigabytes》，信息检索好书。 7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。 相关数学基础（参考书，不适合拿来通读）： 1. 线性代数：这个参考书就不列了，很多。 2. 矩阵数学：《矩阵分析》，Roger Horn。矩阵分析领域无争议的经典。 3. 概率论与统计：《概率论及其应用》，威廉·费勒。也是极牛的书，可数学味道太重，不适合做机器学习的。于是讨论组里的 Du Lei 同学推荐了《All Of Statistics》并说到 机器学习这个方向，统计学也一样非常重要。推荐All of statistics，这是CMU的一本很简洁的教科书，注重概念，简化计算，简化与Machine Learning无关的概念和统计内容，可以说是很好的快速入门材料。 4. 最优化方法：《Nonlinear Programming, 2nd》非线性规划的参考书。《Convex Optimization》凸优化的参考书。此外还有一些书可以参考 wikipedia 上的最优化方法条目。要深入理解机器学习方法的技术细节很多时候（如SVM）需要最优化方法作为铺垫。 王宁同学推荐了好几本书： 《Machine Learning, Tom Michell》, 1997.老书，牛人。现在看来内容并不算深，很多章节有点到为止的感觉，但是很适合新手（当然，不能"新"到连算法和概率都不知道）入门。比如决策树部分就很精彩，并且这几年没有特别大的进展，所以并不过时。另外，这本书算是对97年前数十年机器学习工作的大综述，参考文献列表极有价值。国内有翻译和影印版，不知道绝版否。 《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999老书，牛人。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。 《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork大约也是01年左右的大块头，有影印版，彩色。没读完，但如果想深入学习ML和IR，前三章（介绍，贝叶斯学习，线性分类器）必修。 还有些经典与我只有一面之缘，没有资格评价。另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。 （呵呵，想起来一本：《Mining the Web - Discovering Knowledge from Hypertext Data》 ） 说一本名气很大的书：《Data Mining: Practical Machine Learning Tools and Techniques》。Weka 的作者写的。可惜内容一般。理论部分太单薄，而实践部分也很脱离实际。DM的入门书已经不少，这一本应该可以不看了。如果要学习了解 Weka ，看文档就好。第二版已经出了，没读过，不清楚。 信息检索方面，Du Lei 同学再次推荐： 信息检索方面的书现在建议看Stanford的那本《Introduction to Information Retrieval》，这书刚刚正式出版，内容当然up to date。另外信息检索第一大牛Croft老爷也正在写教科书，应该很快就要面世了。据说是非常pratical的一本书。 对信息检索有兴趣的同学，强烈推荐翟成祥博士在北大的暑期学校课程，这里有全slides和阅读材料： maximzhao 同学推荐了一本机器学习： 加一本书：Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。最后，关于人工智能方面（特别地，决策与判断），再推荐两本有意思的书， 一本是《Simple Heuristics that Makes Us Smart》 另一本是《Bounded Rationality: The Adaptive Toolbox》 不同于计算机学界所采用的统计机器学习方法，这两本书更多地着眼于人类实际上所采用的认知方式，以下是我在讨论组上写的简介： 这两本都是德国ABC研究小组（一个由计算机科学家、认知科学家、神经科学家、经济学家、数学家、统计学家等组成的跨学科研究团体）集体写的，都是引起领域内广泛关注的书，尤其是前一本，后一本则是对 Herbert Simon （决策科学之父，诺奖获得者）提出的人类理性模型的扩充研究），可以说是把什么是真正的人类智能这个问题提上了台面。核心思想是，我们的大脑根本不能做大量的统计计算，使用fancy的数学手法去解释和预测这个世界，而是通过简单而鲁棒的启发法来面对不确定的世界（比如第一本书中提到的两个后来非常著名的启发法：再认启发法（cognition heuristics）和选择最佳（Take the Best）。当然，这两本书并没有排斥统计方法就是了，数据量大的时候统计优势就出来了，而数据量小的时候统计方法就变得非常糟糕；人类简单的启发法则充分利用生态环境中的规律性（regularities），都做到计算复杂性小且鲁棒。 关于第二本书的简介： 1. 谁是 Herbert Simon 2. 什么是 Bounded Rationality 3. 这本书讲啥的： 我一直觉得人类的决策与判断是一个非常迷人的问题。这本书简单地说可以看作是《决策与判断》的更全面更理论的版本。系统且理论化地介绍人类决策与判断过程中的各种启发式方法（heuristics）及其利弊（为什么他们是最优化方法在信息不足情况下的快捷且鲁棒的逼近，以及为什么在一些情况下会带来糟糕的后果等，比如学过机器学习的都知道朴素贝叶斯方法在许多情况下往往并不比贝叶斯网络效果差，而且还速度快；比如多项式插值的维数越高越容易 overfit，而基于低阶多项式的分段样条插值却被证明是一个非常鲁棒的方案）。 在此提一个书中提到的例子，非常有意思：两个团队被派去设计一个能够在场上接住抛过来的棒球的机器人。第一组做了详细的数学分析，建立了一个相当复杂的抛物线近似模型（因为还要考虑空气阻力之类的原因，所以并非严格抛物线），用于计算球的落点，以便正确地接到球。显然这个方案耗资巨大，而且实际运算也需要时间，大家都知道生物的神经网络中生物电流传输只有百米每秒之内，所以 computational complexity 对于生物来说是个宝贵资源，所以这个方案虽然可行，但不够好。第二组则采访了真正的运动员，听取他们总结自己到底是如何接球的感受，然后他们做了这样一个机器人：这个机器人在球抛出的一开始一半路程啥也不做，等到比较近了才开始跑动，并在跑动中一直保持眼睛于球之间的视角不变，后者就保证了机器人的跑动路线一定会和球的轨迹有交点；整个过程中这个机器人只做非常粗糙的轨迹估算。体会一下你接球的时候是不是眼睛一直都盯着球，然后根据视线角度来调整跑动方向？实际上人类就是这么干的，这就是 heuristics 的力量。 相对于偏向于心理学以及科普的《决策与判断》来说，这本书的理论性更强，引用文献也很多而经典，而且与人工智能和机器学习都有交叉，里面也有不少数学内容，全书由十几个章节构成，每个章节都是由不同的作者写的，类似于 paper 一样的，很严谨，也没啥废话，跟《Psychology of Problem Solving》类似。比较适合 geeks 阅读哈。 另外，对理论的技术细节看不下去的也建议看看《决策与判断》这类书（以及像《别做正常的傻瓜》这样的傻瓜科普读本），对自己在生活中做决策有莫大的好处。人类决策与判断中使用了很多的 heuristics ，很不幸的是，其中许多都是在适应几十万年前的社会环境中建立起来的，并不适合于现代社会，所以了解这些思维中的缺点、盲点，对自己成为一个良好的决策者有很大的好处，而且这本身也是一个非常有趣的领域。 （完）

没有参考书。想了解的话只有学相关知识

人工智能与机器人期刊上的专业文献不知道有没有你这类课题的研究，你可以通过关键词去检索下相关文献参考参考哈

人工智能成为作文的素材，那么关于人工智能与人类的议论文有哪些呢?下面是我为你整理的关于人工智能与人类的议论文，供大家阅览!

人类思维与人工智能

摘要：人工智能就其本质而言，是对人的思维的信息过程的模拟。对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器;二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。人工智能不是人的智能，更不会超过人的智能。 关键词：人工智能 人类思维 发展

20世纪40年代以来，随着现代控制论、信息论和思维科学的发展，出现了运用机械和电子的装量模拟人工脑思维活动的电脑，即电子计算机或人工智能。几十年来，人工智能迅速发展，已经更换了四代，即电子管计算机、半导体计算机、集成电路计算机和超大规模集成电路计算机。目前，正处于第二次计算机革命和第五代计算机的历史转折时期。

人工智能的诞生发展，有着极其重要的哲学意义。这主要表现在两个方面：第一、人工智能及其发展有力地证明了辩证唯物主义的正确性。一方面，它打破了精神活动的神秘性，人脑思维活动之所以可以模拟，就在于它有其一定的物理机制和运动规律，证实了意识来源于物质的唯物主义原理;另一方面，人工智能及其发展进一步丰富了意识能动性原理。第二、人工智能强化了思维形式、思维功能过程在意识活动中的作用，提出了哲学和科学研究的新方向、新问题，如思维形式的相对独立性及其与思维内容的复杂关系、智能机与人类的关系等。

在人工智能的研究中，伴随着思维模拟的巨大成就，出现了所谓的乐观派和悲观派。二者的错误是一致的：看不到人工智能与人类智能，“机器思维”与人类思维的本质区别：

首先，人工智能只是对人的部分意识活动、思维活动的模拟。通常人工智能模拟人脑的思维过程可分为五个相应的部分：用机器的输入器模拟人的眼、耳、鼻、舌、皮肤等感官、接受外界的信息;用机器的存储器模拟人脑对信息的记忆功能，把已接收的信息积累起来，以供随时使用;用机器的运算机模拟人脑对信息加工、分析、处理的过程;用机器的控制器模拟人脑的调节、指挥作用，以调节各方面信息，指挥各项指令正常进行;用机器的输出模拟人的效应器官，用以输出信息。但由于人脑的极端复杂性，人工智能智能模拟人脑的部分功能。其次，人工智能没有社会性。人类意识是社会的产物，具有社会性。人在行动时要考虑

到由此引起的这样或那样的效果，人工智能只执行特定的指令，并不探求任务本身的社会意义，不会考虑到社会后果。再次，人工智能不具有人类思维的心理素质。人类意识是物质世界长期发展的产物，是人类在生理基础上的心理过程，是由人类的情感、直觉、想象、猜测等心理活动所构成的精神世界。机器思维是人们利用电子管、晶体管、集成电路等电气元件和线路所组成的机械的、物理的装置，并用软件方法等模拟人的思维活动，机器思维不是人类的精神活动，而是纯属无意识的机械的物理的过程。 一、人工智能的本质 人工智能是相对于人的智能而言的。正是由于意识是一种特殊的物质运动形式，所以根据控制论理论，运用功能模拟的方法，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化，叫人工智能。人工智能的本质是对人思维的信息过程的模拟，是人的智能的物化。尽管人工智能可以模拟人脑的某些活动，甚至在某些方面超过人脑的功能，但人工智能不会成为人类智能而取代人的意识。

二、人类思维

意识是人脑的机能，但人类意识一经产生，其发展并不或并不完全依赖于人脑的自然进化。事实上，人类在探索和认识自身意识活动的本质和特性的基础上，已经通过人工的手段大大地拓展了意识活动的领域、延伸和放大了自身的意识结构。这突出地表现在人工智能的产生和发展上。

人工智能就其本质而言，是对人的思维的信息过程的模拟，即结构模拟与功能模拟。这种模拟反过来对人的意识结构产生了重要的影响，形成了人——机互补的新的放大的意识结构。可以说，人工智能机就是人脑的扩大。人工智能不仅能帮助人完成一部分意识活动，而且在某些方面还大大地优越于人脑，如快速准确的计算能力、超大海量的记忆能力等。同时，人工智能机还能代替人完成许多操作性工作，特别是在人无法直接到达的宇宙、深海、高温有毒等环境条件下代替人进行某些探测活动。如果说电脑作为对人脑的模拟离不开人脑，那么今天人脑在很大程度上也依赖于电脑。因此，人工智能的发展已形成了人——机互补系统，大大地扩展了人的意识结构。

三、人工智能与人类思维的本质区别

人工智能是思维模拟，并非人的思维本身，决不能把“机器思维”和人脑思维等同起来，认为它可以超过人脑思维是没有根据的。(1)人工智能是无意识的机械的、物理的过程。人的智能主要是生理的和心理的过程。

(2)人工智能没有社会性。人类智慧具有社会性。

(3)人工智能没有人类意识特有的能动性和创造能力。人类思维则主动提出新的问题，进行发明创造。

(4)电脑可以代替甚至超过人类的部分思维能力，但它同人脑相比，局部超出，整体不及。智能机器是人类意识的物化，它的产生和发展，既依赖于人类科学技术的发展水平，又必须以人类意识对于自身的认识为前提。因此，从总体上说;人工智能不能超过人类智慧的界限。关于电脑能够思维，甚至会超过人的思维，电脑、机器人将来统治人类的观点是完全没有根据的。

四、人工智能产生和发展的哲学意义

(1)人工智能的产生和发展，有力地证明了意识是人脑的机能、物质的属性，证明马克思主义关于意识本质的观点的正确性。

(2)人工智能的产生和发展深化了我们对意识相对独立性和能动性的认识。机器思维即人工智能表明，思维形式在思维活动中对于思维内容具有相对独立性，它可从人脑中分化出来，物化为机械的、物理的运动形式，部分地代替人的思维活动。

(3)随着科学技术的发展，人工智能将向更高水平发展，反过来推动科学技术、生产力和人类智慧向更高水平发展，对人类社会进步将起着巨大的推动作用。

结论：人工智能没有人类意识所特有的能动创造性。人脑的思维活动是一种能动的创造性活动，它能不断地提出新问题，发现新事物，并通过实践创造出属于人的新世界。人工智能只能按照人事先为它设计好的程序来运行，机械的模拟人的意识活动，却毫不理解这一活动，更不会提出新的问题来。

总之，人工智能可以代替甚至超过人脑的部分思维能力。但是，人工智能绝不会取代、超越人的意识。人类意识与人工智能有着本质的区别，二者是创造与被创造、支配与被支配、操纵与被操纵的关系。

人工智能与人类智能

“人机对弈”实验

人工智能主要研究如何使用机器来模拟和实现人类的智能行为。

美国科学家艾什比认为，要制造一个综合能力的机器脑，在原则上没有什么问题，所需要的只是时间和技术进步。他强调，这种脑一旦制造出来，决不只是简单的机械执行和模仿，它还能够自己学习，发展自己的智慧。

还有一位科学家维纳认为，机器确实能制造得比其制造者更聪明。

他们都遵循了强人工智能观点：计算机不仅使智力工具，事实上具有恰当程序的计算机就可以等同于人类的智力。人工智能的发展是没有限度的。

有一个著名的人机对弈实验：从20世纪90年代初期开始，美国IBM公司安排了一系列计算机挑战国际象棋世界冠军卡斯帕罗夫的活动，卡斯帕罗夫一直没有输过。1997年5月11日，卡斯帕罗夫同IBM公司的超级计算机“深蓝”之间的又一场对抗赛落下帷幕，卡斯帕罗夫第一次以比负于“深蓝”。在总共6盘的比赛里，卡斯帕罗夫的成绩是1胜、3和、2负。这场“人机大战”的结果轰动了世界，它在世界范围引发人们讨论人工智能能否超过人类智能的问题。这个实验也是强人工智能的重要试验之一。

计算机是没有意识的

但我认为，计算机只不过是一个强有力的智力工具，人工智能的发展是有限度的，它可以不断接近人类智能，而永远不可能超过人类智能。

就拿这个实验来说，其实真正的比赛是在卡斯帕罗夫与深蓝设计小组中的程序员和工程师之间进行的。在某一个领域它很厉害，但是，它不会学习如何下棋，也不会从它下过的棋中吸取经验。计算机能够完成和表现出某种智能行为，仅仅是因为它执行了人们实现编制好的操作规则，就是说，是人类智能决定了机器智能。

不仅如此，机器是连意识都没有的，更别谈其智能超过人类智能的了。

首先，世界是物质的，意识是物质的反映，意识是物质发展到一定程度才产生发展起来的，意识是特殊物质(人脑)运动的产物和活动表现，意识是人类在适应世界和改造世界时所进行的信息处理过程及其产物和表现。只有活着的、具有生物结构的生物才能有意识，因此，一台人造的、非生物的机器是不能有意识的。

其次，人工智能是无意识的机械的物理的过程，不具备由世界观、人生观、情感、意志、兴趣、爱好等心理活动所构成的主观世界，而人类智能则是在人脑生理活动基础上产生的心理活动，能使人形成一个主观世界。

第三，辩证唯物主义在坚持物质决定意识，意识依赖于物质的同时，又承认意识对物质有能动作用。意识的能动作用是人的意识特有的积极反映世界与改造世界的能力和活动。主要表现在：意识是能动的，具有目的性和计划性。人是根据一定的目的、要求去确定反映什么、不反映什么、怎样反映，表现出主体的选择性。而人工智能在解决问题时，决不会意识到这是什么问题，它有什么意义，会带来什么后果，它是没有自觉性的。

第四，电脑必须接受人脑的指令，按预定的程序进行工作，它不能输出未经输入的任何东西，所谓结论只不过是输入程序和输入数据的逻辑结果。而人脑功能不仅采取感觉、直觉、表象等形式，反映事物的外部现象，而且能够运用概念、判断、推理等形式对感性材料进行加工制作，选择建构，从而使感性认识上升到理性认识，把握事物的本质和规律，在反映规律的基础上，提出新概念，做出新判断，既有对当前的反映，又有对过去的追溯和对未来的预测，可以超越特定时空的限制，具有丰富的想象力和创造性。

第五，人工智能是机器进化的结果，没有社会性。人作为社会的存在物，人脑功能是适应着社会生活的需要而产生和发展的。况且，生物必须经历一个生长过程，并花费很长的一段学习时间才能逐渐地获得意识，机器是没有生活历史的，所以它不可能有意识。不能说，“深蓝”因为有正确的程序就被称之为有意识的。

但同时，机器智能虽是有限的，也永远不可能超过人类智能;但是，机器智能向人类智能的接近却是无限度的，机器智能可以无限逼近人类智能。

从可知论的观点来看，人类的认识能力是没有界限的。人们对客观世界的认识是不断深入的，信息科技的发展是无止境的，人类完全可能造出信息处理能力越来越强大的、在某些方面超过人脑信息处理能力的及其，完全可能造出具有自学习和自适应能力、有高度智能的机器，完全可能做到人与计算机直接沟通信息、直接用意识操纵机器。否则，就是承认世界上有不能够被认识、不可知的领域。

从逻辑上讲，只要不是人为地进行限制和控制，随着人工信息处理机器的科技进步，也应当可以制造出能够将自我与他物区别开来和主动适应环境的机器，即具有自我意识、主体意识的机器，在理论上对此是不应当有什么怀疑的。

但是，机器具有自我意识的问题，不仅仅是一个科学和技术的问题，而且是一个认识论和伦理学的问题。因为自我意识的产生和发展，是在与他物的关系中建立和发展起来的。人要解决这个问题，必然要先解决人和机器的主体客体关系问题。也就是说，机器能否具有主体性，是掌握和控制在人的手中的。所以，只要人把计算机系统(机器)当作客体来认识和实践，计算机的智能就始终不会超过人的智能，更谈不到统治人类了。

猜你喜欢：

1. 对于人工智能战胜人类的作文

2. 对于人工智能的看法英语作文

3. 人工智能对人类的影响作文

4. 人工智能怎样影响人类的英语作文

5. 有关人工智能利弊的英语作文

6. 人工智能的影响高中英语作文

7. 人工智能的利弊高中英语作文

8. 以人工智能为材料的议论文