身是一个交叉学科，涉及到哲学、数学、计算机、控制学等一众学科，所以整体的知识量还是非常庞大的，虽然说当前人工智能尚处在发展的初期，但是还有大量的科研难题有待攻关。

　　而且人工智能的学习难度也很大。

　　人工智能学习难度都大了，更不用说你要去开发一款人工智能的应用软件？

　　那可不就是天方夜谭吗？

　　当然，人工智能应用也不是说没有，就比如小爱同学，色瑞同学等等，这些都是属于人工智能范围。

　　但是他们这个就简单的多了。

　　人工智能有简单的，自然也是有困难的。

　　简单的有基于符号逻辑推理也就是符号主义的智能。

　　什么意思呢？

　　就是利用严格的逻辑推理，从已知条件进行推导，从公理和定理出发，按逻辑归纳和演绎推理，得到新的结论。

　　很像中学的公式证明的过程，或平面几何的证明过程。

　　当然，机器定理证明属于这个范畴。

　　不过因哥德尔的不完备性定理，也有其他的智能方法。

　　而难度上升的就是基于人工神经网络也就是连接主义的智能。

　　顾名思义，意思就是受大脑生理结构和功能的研究的启发，模仿出人工神经元。由大量人工神经元组成人工神经网络。

　　其本质是，利用已知的标签化的大数据，去确定由人工神经网络决定的万能函数的待定系数。

　　当然你说它是概率统计也行。

　　该智能方法，既需要大量的人力去标签化大数据，又需要计算机去消耗大量的算力，去求待定系数、并反复尝试不同人工神经网络结构的性能。

　　所以，该智能方式，既费人力，又费算力。

　　而有句话叫做“有多少智能，就需要有多少人力“，说的就是这个智能的产生过程。

　　本质上，根本不是智能，只是统计。

　　但，这个方法很实用，如语音识别、图像识别、垃圾邮件识别、银行信用划分等应用，都很有效。

　　而这种神经元智能实际上现实中都是去开发机器人比较多，毕竟都说神经元了神经元，自然是将机器人模仿人类了。

　　最难的就是基于多智能体的智能。

　　受Holland的遗传算法和MarcoDorigo的蚁群算法等仿生智能的启发，单个智能体只遵循简单的规则，当存在大量智能体时，会自动涌现出更高级的智能。

　　当然，这些说多了大家也都听不懂，就废话少说。

　　“你现在是不是还在梦游呢？”曹庆阳直接说了一句，他不敢相信怎么还有人能够口出狂言去开发人工智能的应用软件。

　　叶新晨也是无奈，毕竟曹庆阳也是内行，自然是知道人工智能的繁琐和困难，再叶新晨自己的眼里，人工智能的方向也是太广了，而且难度系数是倍增。

　　只不过他想着到时候如果进阶成功中级程序员的话，那么人工智能水平应该可以解决一部分吧？

　　但是想要进阶中级程序员，他又要必须完成进阶任务，也就是创建一个有知名度的公司，那么，以人工智能为濠头，那么短时间内有知名度应该没有问题吧？

　　所以这就是叶新晨的打算。

　　请收藏：https://m.zhongkan.cc

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）