演算法與人的關系

① 優化演算法與群體智能之間有什麼關系

群體智能演算法與大多數基於梯度的優化演算法不同，群體智能演算法依靠的是概率搜索演算法。
與梯度演算法及傳統演化演算法相比優點：
沒有集中控制約束，不會因為個體的故障影響整個問題的求解。
以非直接信息交流的方式確保了系統的可擴展性。
並行分布式演算法模型，可充分利用多處理器。
對問題定義的連續性無特殊要求。演算法實現簡單。

② 為什麼說演算法是人工智慧的核心

演算法是人工智慧的核心原因如下：

簡而言之，因為演算法就是人工智慧的規則，人工智慧依據數據得出來的指向結果都是通過演算法的運行計算出來的。所以演算法作為是人工智慧的核心，其下的數據、應用等只是依附於演算法。因此，在人工智慧產業鏈金字塔結構中，塔尖是演算法。

人工智慧的涵蓋范疇：

人工智慧是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到計算機科學、心理學、哲學和語言學等學科。

可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智慧與思維科學的關系是實踐和理論的關系，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。

從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標准邏輯、模糊數學等范圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。

③ 人工智慧與人類的關系

分類: 教育/科學 >> 科學技術 >> 工程技術科學
解析:

近50年來，人工智慧走的是一條曲折發展的道路。1990年代初，研究者深感人工智慧理論及技術的局限性，從而從不同角度和層次進行反思。同時，人工智慧有待於人類對人腦工作機理的深入了解，需要神經生理學、神經解剖學給出更加詳細的信息和證據。

人工智慧交融了諸多學科，與哲學更是密不可分。盡管事實上，新近的哲學進展基本上沒給科學帶來任何沖擊，並且哲學的討論對象往往是懸而未決的（Russell S，Norvig P. Artificial Intelligence: Amodern Approach. NJ：Prentice Hall，1995. 817），但科學卻在繼續改變著我們對自己的認識。

正如恩格斯所說（恩格斯. 自然辯證法. 北京: 人民出版社, 1972. 187）：「不管自然科學家採取什麼樣的態度，他們還是得受哲學的支配。問題只在於：他們是願意受某種壞的時髦的哲學的支配，還是願意受一種建立在通曉思維的歷史和成就的基礎上的理論思維的支配。」

著眼於更寬泛的視野和更遠大的目標，要求從哲學角度尋求更加有效的人工智慧研究方法。堅持物質決定意識的觀點，辯證地看待已有的認識和方法，融合與集成各相關學科的成就和意見，是正確的出發點。

人工智慧的哲學意義

人工智慧是對人類智能的一種模擬和擴展，其核心是思維模擬。

思維

思維科學是研究思維的規律和方法的科學，錢學森將它劃分為基礎科學、技術科學和工程技術三部分，人工智慧屬於工程技術范疇（錢學森. 關於思維科學. 上海：上海人民出版社，1986.20）。人工智慧研究中邏輯學派和心理學派之爭，有時似使人感到迷惘而莫知所從，但從思維科學的角度來看，無非是形象思維和邏輯思維的關系問題，兩者都屬於思維科學的基礎科學。抽象思維的不足在於缺乏結構的綜合能力。只有形象思維才能綜合出新的結構。這也許就是創造和學習最終必須具有形象思維的原因（潘雲鶴. 模式識別與人工智慧, 1991, 4(4): 7）。

不同的劃分觀點認為，思維科學體系的基礎科學包括兩大類：一類是總結人類思維經驗、揭示思維對象的普遍規律和思維本身普遍規律的各種思維科學，包括哲學世界觀、哲學史、認識論和邏輯學，是理論的思維科學。另一類思維科學包括研究思維主體——人腦的生理結構和功能，揭示思維過程生理機制的神經生理學和神經解剖學等。這種觀點將認識論歸在思維科學的基礎科學范圍內。其實兩種觀點，

都不否認人工智慧和哲學通過認識論相聯系。

認識論

認識論研究認識的源泉、發展、過程、能力、作用等一般規律問題。換言之，認識論研究的是知識及其形式和局限性。哲學家強調通過最大機會的觀察和計算，明確什麼是潛在可知的；而人工智慧注重通過現有的觀察和計算途徑，弄清什麼是可知的。而在實際情況中，人工智慧和認識論在本質上是互相交融和兼備的。

認識論對人工智慧的研究方向和方法具有指導意義，但並不意味它能替代具體的研究，也不表示任何人工智慧的研究都要顯式地考慮到認識論。由於對諸如世界的一般表達等問題還未真正達成一致，如果僅依賴從哲學中獲得具體的豐富信息來編寫計算機程序，人工智慧將會處於非常無望的狀態。

心智哲學和認知科學

心智是指人們的記憶、思想、意識、感情、意向、願望、思維、智能等多種心理行為（章士嶸，王炳文. 當代西方著名哲學家評傳（2）.心智哲學.濟南：山東人民出版社，1996）。普特南（H.Putnam）根據計算機科學對軟體與硬體的劃分，將心智與大腦的關系理解為功能狀態和物理狀態。西蒙（H.Simon）根據信息加工理論，認為人類思維本質上是信息加工過程，計算機也是信息加工系統，所以，計算機能思維而且能模擬人的思維。人們的心靈、精神世界歷來是哲學家反思的對象，這一研究領域構成了心智哲學的主題。心智哲學在人工智慧、腦科學、認知心理學、控制論、語言學等的推動下，呈現出生機勃勃的景象。

胡塞爾（E.Husserl）是第一位把心智表達的指向性作為其哲學中心的哲學家，他在心智哲學中第一次提出了關於心智表達作用的一般理論。他認為，智能是一種由語境規定的和由目標導引的活動，是一種對預期事實的搜素。

與心智哲學互相滲透的認知科學是1970年代末正式宣告誕生的交叉學科。它是人工智慧、認知心理學、語言學、哲學、人類學、神經生理學等學科的綜合，研究智能系統的工作原理。其核心思想是稱為認知主義的思想，其中一個中心命題是智能行為可以由內在的「認知過程」即理性的思維過程來解釋。因而，一個很自然的假設就是從與計算機相類比的心智模型出發來研究心智的工作原理，把認知過程理解為信息加工過程，把一切智能系統理解為物理符號系統。

心智哲學是較認知科學高一層次的理論，但兩者的相互作用和影響是毋庸置疑的。心智哲學不應超越認知科學的研究成果而作任意的理論假設，認知科學也不應排斥心智哲學的理論成果去作盲目的探索。

認知心理學

認知心理學和人工智慧，是認知科學的兩個組成部分。人工智慧使用了心理學的理論，心理學又借用了人工智慧的成果。將人腦和計算機相類比，是發展認知心理學的一條主要途徑。

認知心理學旨在認識人類的認知心理，將這種認識通過計算機程序語言表達出來；人工智慧致力於用計算機語言描述人的智能，並用計算機加以實現。兩者的共同點在於用計算機程序語言刻劃人類智能。然而，它們也存在一個重要的區別。人工智慧試圖且已經給計算機施加了一個模擬人類智能的程序，該程序包括知道這個系統本身的過程，然後給系統以一定任務，它就會產生行為。這說明人工智慧是確

實的、得到證實的。而認知心理學，還不能肯定信息加工過程是人類智能的唯一心理原因，就連此信息加工過程本身也沒有直接的明確證據。認知心理學只能從行為去推斷心智用什麼程序來造成行為，帶有很大假說性。

德雷福斯（L.Dreyfus）把胡塞爾看成當代認知心理學和人工智慧的先驅。他認為超驗現象學在兩個方面與人工智慧有關系：第一，胡塞爾十分自覺地把探索心裡結構作為他的哲學研究的中心。第二，胡塞爾具體地說明了在意向活動中人們所期望的對象世界的構成，及其所包含的復雜的形式結構。德雷福斯指出，人的認知能力是通過實踐而發展的。這種獨特的認知能力為人類存在於世界的方式提供了無

限的豐富性，構成了人類所有智能行為的基礎。認知心理學企圖通過純認識結構來把握一切智能而根本不考慮頭腦的非認知方面，這種想法註定不會成功。一切智能和智能行為都必須追溯到人類對自身是什麼的理解上，而這一點由於會陷入無窮的遞歸，所以人類永遠不能完全弄清。人類智能的基礎既不可能被分離出來，也不可能被清晰地理解。他還指出，胡塞爾的意識與明斯基（M.Minsky）的框架理論十分類似。人工智慧在發展過程中最終不得不面對日常知識的表達問題，它們是困難的、關鍵的、在哲學上引人入勝的，人工智慧至今仍在為之奮斗。

人工智慧的物質基礎

早在1950年代，就出現了兩種爭論激烈的觀點：一種認為計算機是處理思維符號的系統，另一種認為是對大腦建模的媒介；一種致力於用計算機示例世界的形式化表達，另一種則模擬神經元的交互；一種把問題解決當作智能的范型；另一種強調學習；一種使用邏輯，另一種基於統計；一種是哲學上理性主義和還原主義的繼承者，另一種將自己視作神經科學。事實上，它們分別代表了符號主義學派和連接

主義學派。

心理學中，定位於復雜思維與神經元之間的符號層次的理論很重要。符號是思維的材料，但也是物質的樣式。「觀念」與大腦可觸知的生物物質之間有明顯、根本的不同，這無疑對人工神經網路的建模具有意義。但很遺憾，目前人類對真實神經系統的了解非常有限，對自身腦結構及其活動機理的認識還十分膚淺，眾多神經網路的模型實際上是極為簡略粗糙並且帶有某種「先驗」。譬如，波爾茨曼機引入隨機擾動來避免局部最小雖具有獨特之處，然而卻缺乏必要的神經生理學基礎 （董軍，潘雲鶴. 人工智慧與認識論問題的思考提綱.見：中國人工智慧進展. 北京：北京郵電大學出版社，2001. 22）。

有觀點認為，對神經信息處理機制的深入分析可能會引起計算科學革命性的變化。語言能力是人腦特有的高級功能，但對語言的中樞表象目前仍只有很模糊的認識，甚至連研究這類信息處理過程所採用的合適研究方法還至今闕如。為此，迫切需要方法論的指導，因為它對神經網路的研究及其作用是毋庸置疑的。

1980年代中後期，人們發現腦中存在混沌現象，由於它可能揭示腦活動的深層機制而受到廣泛重視。從生理本質出發是研究神經網路的根本手段。混沌神經網路研究探索非穩狀態下網路的動態行為和信息處理能力。混沌動力學為研究人工神經網路和人工智慧提供了新的契機。這里並不是單純提倡純粹意義上的生理模擬，因為人類把握自然和社會的規律並非是一種「照搬照抄」的過程，人工神經網路的初衷也非「逼真」地描 *** 實神經系統，而只是根據物質基礎和客觀依據進行簡化、抽象和模擬。

神經網路的基礎結構更類似於腦，而不是標准計算機的結構。它們的單元並沒有真實神經元那樣復雜，它們的結構與新皮層的迴路相比也過於簡單。盡管神經網路具有這些局限性，但仍然顯示出驚人的完成任務的能力。人腦對信息的處理採用的基於符號的串列邏輯推理過程，一開始就被現代數字計算機所採用。

有趣的是，彷彿有這樣一條人工智慧的「定理」：一旦某種思維的功能被編成程序，人們就不再認為它是「實際思維」的基本組成部分了。而人工智慧的核心總是指那些還未能編製成程序的部分。

人工神經網路還有很多根本性、基礎性的問題需要解決。在某種程度上，它僅僅作為一種演算法，但這不能掩蓋神經網路是在思維是物質世界的產物、是人腦的機能這樣的前提下的嘗試和產物。無論是對史前文明的探索，還是「天」外智能的好奇，都沒有理由否認物質決定意識這個基本觀點。

人類智慧與人工智慧

對人的特質作出解釋的模型很多是來自宗教、藝術等。例如，原始藝術的象徵語言把人類的原始本能和超自然世界的各種意象以特有的符號手段結構化，它們被賦予特有的形式，從而組合成各種表現形態的形象系統。這讓我們不僅了解到人類智能有著不同的具體表達，也明白智能是依賴於社會生活和客觀現實的。

然而，道途艱辛。把人類原始的、潛意識的思想加以分解，有如分解佛教禪宗大師為迷惑心智以達到絕對虛無所下的玄秘功夫那樣，十分困難。況且，要到達人類級的人工智慧已被證明是困難的，而且進展緩慢。

辯證唯物主義不同意那種機器能夠獨立地思維、機器可以比人更聰明的觀點，很重要的理由在於思維是生物長期進化、特別是社會活動的產物。哥德爾贊同人類的心智超過所有的機器的結論。計算機中能不斷繁殖和復制自己的人工生命如病毒,最初也是由人類製造的。計算機的世界完全是由科學家們設計創造的，是人腦的結晶。

莊子與惠子有如下的對話。莊子與惠子游於濠梁之上，莊子曰：「倏魚出遊從容，是魚之樂也。」惠子曰：「子非魚，安知魚之樂？」莊子曰：「子非我，安知我不知魚之樂。」惠子曰：「我非子，固不知子矣，子固非魚矣，子之不知魚之樂全矣。」莊子曰：「請循其本，子曰『汝安知魚樂』雲者，既已知吾知之而問我，我知之濠上也。」（莊子·秋水）

人類智慧與人工智慧孰高孰底、熟勝孰負，智能的復雜和神秘，如同這段文字本身的內涵和後代的種種解析那樣，引人入勝，令人悠然神往。

探尋人工智慧的發展途徑

人工智慧研究者願意用精神術語描述機器有兩個原因。第一，希望給機器提供知識和信念的理論以使它們能對其用戶知道的、不知道的和所想要的進行推理；第二，用戶對機器的了解常常能用精神術語最好地表達。在人工智慧的發展過程中，心理學和哲學自然而然與它互相影響。而人工智慧與哲學的關系，最初是通過心理學這個橋梁的。

人工智慧一開始是自上而下和自下而上相結合的。自上而下或「內涵式」的表述往往給人帶來一種恍然大悟的感覺，自下而上或「外延式」的表述卻像一份說明書。其實，的確需要兩種途徑：一種是自上而下的、把思想映射於神經元群上；另一種是自下而上的、用來解釋思想如何由那些看起來是雜亂無章的神經元集群產生的。

認知科學發展中存在一個值得思考的奇怪現象，對諸如下棋、解密碼之類的可以相對跟環境隔離的看似很困難的任務而言，計算機系統可以超過專門訓練的人；然而對一些最通常的通過由長期進化形成的認知功能，比如視覺和聽覺，經過幾十年努力發展的人工智慧系統還不如嬰兒的能力。大腦的智力活動必須從進化的角度、從社會和歷史發展的約束的角度來研究才能得到充分正確的理解。

雖然我們必須經常遵循有統整作用和簡化作用的大原則，但也必須承認在科學里存在著不可還原的復雜性。討論人工智慧與認識論的關系，當然不能替代人工智慧的研究，但它可使人工智慧研究者不致如入沼澤而迷失方向。然而，遺憾的是，人工智慧研究者往往會忽略人工智慧與哲學的聯系和基本的辯證思維方法——歸納和演繹，分析和綜合等。事實上，每個人在自己的思維體驗中都能感到分析與綜合

的頻繁與重要。但是，人類對這樣一對基本思維機理的研究卻如此薄弱。歷史地看，人工智慧的發展不時地陷入沒有預想到的深層困境，這提醒我們不僅應當從人工智慧發展的技術問題，而且應當從人工智慧的最根本概念和理論上去尋找原因，人工智慧需要更為寬廣的眼界

和宏觀的方法論指導。

④ 計算教學中如何正確處理算理和演算法的關系

計算的算理是指計算的理論依據，通俗地講就是計算的道理。算理一般由數學概念、定律、性質等構成，用來說明計算過程的合理性和科學性。計算的演算法是計算的基本程序或方法，是算理指導下的一些人為規定，用來說明計算過程中的規則和邏輯順序。

算理和演算法既有聯系，又有區別。算理是客觀存在的規律，主要回答「為什麼這樣算」的問題；演算法是人為規定的操作方法，主要解決「怎樣計算」的問題。算理是計算的依據，是演算法的基礎，而演算法則是依據算理提煉出來的計算方法和規則，它是算理的具體體現。算理為計算提供了正確的思維方式，保證了計算的合理性和可行性；演算法為計算提供了便捷的操作程序和方法，保證了計算的正確性和快速性。算理和演算法是計算教學中相輔相成、缺一不可的兩個方面。

處理好算理與演算法的關系對於突出計算教學核心，抓住計算教學關鍵具有重要的作用。當前，計算教學中「走極端」的現象實質上是沒有正確處理好算理與演算法之間關系的結果。一些教師受傳統教學思想、教學方法的支配，計算教學只注重計算結果和計算速度，一味強化演算法演練，忽視算理的推導，教學方式「以練代想」，學生「知其然，不知其所以然」，導致教學偏向「重演算法、輕算理」的極端。與此相反，一些教師片面理解了新課程理念和新教材，他們把過多的時間用在形式化的情境創設、動手操作、自主探索、合作交流上，在理解算理上大做文章，過分強調為什麼這樣算，還可以怎樣算，卻缺少對演算法的提煉與鞏固，造成學生理解算理過繁，掌握演算法過軟，形成技能過難，教學走向「重算理、輕演算法」的另一極端。

如何正確處理算理與演算法的關系，防止「走極端」的現象，廣大數學教師在教學實踐中進行了有益的探索，取得了許多成功經驗。比如，「計算教學要尋求算理與演算法的平衡，使計算教學『既重算理，又重演算法」「把算理與演算法有機融合，避免算理與演算法的『硬性對接』」「引導學生在理解算理的基礎上自主地生成演算法，在演算法形成與鞏固的過程中進一步明晰算理」「計算教學要讓學生探究並領悟算理，及時抽象並掌握演算法，力求形成技能並學會運用」等等，這些觀點對於計算教學少走彎路、提高計算教學質量具有重要作用。

對此，筆者認為，處理計算教學中算理與演算法的關系還應注意以下五點：一是算理與演算法是計算教學中有機統一的整體，形式上可分，實質上不可分，重演算法必須重算理，重算理也要重演算法；二是計算教學的問題情境既為引出新知服務，體現「學以致用」，也為理解算理、提煉演算法服務，教學要注意在「學用結合」的基礎上，以理解算理，掌握演算法，形成技能為主；三是算理教學需藉助直觀，引導學生經歷自主探索、充分感悟的過程，但要把握好演算法提煉的時機和教學的「度」，為演算法形成與鞏固提供必要的練習保證；四是演算法形成不能依賴形式上的模仿，而要依靠算理的透徹理解，只有在真正理解算理的基礎上掌握演算法、形成計算技能，才能算是找到了算理與演算法的平衡點；五是要防止算理與演算法之間出現斷痕或硬性對接，要充分利用例題或「試一試」中的「可以怎樣算？」「在小組里說一說，計算時要注意什麼？」等問題，指導學生提煉演算法，為算理與演算法的有效銜接服務。

⑤ 人工智慧與人的關系

人工智慧是人類創造的智能工具，它是通過模擬人類的決策思維，從大量的數據中找到決策模型，並自主決策完成一些智能的工作。是人類前所未有的 好工具，已經開始應用在各個領域。人工智慧是由人類創造出來的產品。它的晶元、系統以及演算法都是人類賦予的，人類是人工智慧的母親。同時，人工智慧最關鍵的深度學習演算法，還需要借鑒人類的智慧。只有在人類智慧的訓練下，人工智慧才能形成決策模型，才能實現自我學習，自我判斷。目前，為了訓練人工智慧，人類已經在AI領域發展出了一個新興的職業，那就是「人工智慧訓練師」。該職位的工作就是負責訓練人工智慧、優化人工智慧。所以，人類是人工智慧的老師。人工智慧具有效率高、記憶力強、出錯率低等人類無可比擬的優勢。而人類的效率、記憶力、出錯率都不如人工智慧，但卻有機器人無法具備的發散性、創造性智慧。人工智慧的快速發展，可以為人類形成優勢互補。

⑥ 人工智慧跟普通人有什麼關系

人工智慧人工智慧，顧名思義，就是因為人工所以才產生了類似智能般效果的機器人。他們雖然有了智能，但是這個智能脫離不了人工的支持，所以他們才叫做人工智慧，並且才無法和人相提並論。

大家都知道前陣子很火的一個下棋人工智慧，這個人工智慧看上去很厲害，一路過關斬將，最後還是輸在了人類的手底下。不是因為其他，就是因為人工智慧晶元里的智慧和反應能力其實都是人類提前輸入進去的信息，提前就為他們做好的實施動作，所以人工智慧的每一個步驟每一個反應都只是對外界一種信息的簡單反應，就好像單細胞生物，戳一下動一下，碰一下給一個反應，沒有自己的思維。人工智慧也許可以通過輸入大量的信息得到智慧，但是因為他們自己不會思考，所以永遠無法推陳出現，永遠無法真正的比人類更聰明。

同理，人工智慧也離不了人類，人工智慧永遠是由人類控制的，永遠是人類給出的一個固定模式，並且由0和1的信號流控制從而做出種種動作的機器人。所以人工智慧跟普通人的關系就是，雖然他們似乎有著和普通人一樣的反應，但是其實並非真正的人類，實際操作起來他們的智能也永遠不會比人類更強。

⑦ 演算法到底有沒有價值為什麼學演算法

1. 演算法的本質是解決問題的方法，是思想

在早期的時候，人們遇到新問題，必須要去解決它，經過「冥思苦想」，「反復探索嘗試」， 最後總結歸納。這才形成了今天我們學習的各種演算法。如果無法領會到解決問題的思想，無法總結歸納，就會有：「學演算法有什麼用？」。不知道為什麼學，自然會認為學了沒意義，沒有用處。

2.一個演算法應該具有以下五個重要的特徵：

①有窮性: 演算法的有窮性是指演算法必須能在執行有限個步驟之後終止，換句話說就是一個演算法必須總是在執行有窮步之後結束，且每一步都可在有窮時間內完成。
②確定性：演算法中的每條指令必須有確切的定義，不會產生二義性，並且對於相同的輸入只能得出相同的輸出。
③可行性：演算法中執行的任何計算步驟都是可以被分解為基本的可執行的操作步，即每個計算步都可以在有限時間內完成（也稱之為有效性）。
④輸入： 一個演算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸入是指演算法本身定出了初始條件，這些輸入取自於某個特定的對象集合。

⑤輸出：一個演算法有一個或多個的輸出，這些輸出是同輸入有著特定關系的量，沒有輸出的演算法是毫無意義的。

演算法總是要解決特定的問題，問題來源就是演算法的輸入，期望的結果就是演算法的輸出，沒有輸入輸出的演算法是無意義的。
3.演算法設計的5個要求：
①正確性：最基本要求，演算法必須能解決某個問題的需求。
②可讀性：演算法的可讀性有助於人的閱讀與交流，容易調試和修改。
③健壯性：當輸入的數據非法時，演算法能適當做出反應或進行處理，而不會產生莫名其妙的輸出結果。
④效率性：演算法是為了解決大規模問題，因此需要運行效率足夠快。
⑤存儲性：演算法在執行過程中，所需要的最大存儲空間，應該盡可能的佔用小。
效率性與存儲性都與問題規模有關，求100人的平均分與求1000人的平均分，同一個演算法的所花費的執行時間與存儲空間顯然是不一樣的。

正確性，可讀性，健壯性不僅僅是演算法設計的要求，而是貫穿整個軟體設計層次。單對於演算法本身來說，我們最關注的層面是效率性。千萬不能死板的認為，演算法就是計算機程序。演算法是一切解決問題的思想，語言描述，偽代碼，流程圖，各種符號或者控製表格同樣是演算法。

⑧ 人類與人工智慧如何相處

在回復《人工智慧具有思維和自我意識嗎？（ https://www.wukong.com/answer/6955096139872092424/ ）》中，提到了在AI的助力下，機器人完成了對人類的外形及基本功能的模仿，並預計在未來十年內可能會出現具有自我意識的機器人。那麼在面對擁有自我意識的機器人，人類該如何與之相處？又該遵從哪些倫理道德？

從機器人被造出來的那一刻，機器人和人類的關系就從未停止過討論。上世紀五十年代，著名科幻大師艾薩克•阿西莫夫（Isaac Asimov）在為其科幻小說《我，機器人》所寫的《引言》中提到了後來著名的「機器人學三大法則」：

第一定律：機器人不得傷害人類個體，或者目睹人類個體將遭受危險而袖手旁觀；

第二定律：機器人必須服從人給予它的命令，當該命令與第一定律沖突時例外；

第三定律：機器人在不違反第一、第二定律的情況下要盡可能保護自己的生存。

雖然機器人學三大法則並沒有實際應用在現實機器人工業領域當中，但卻在阿西莫夫小說中大放異彩，並影響了很多科幻小說的作者，還受到了許多AI和機器人領域的技術專家的認同。

2005年根據阿西莫夫同名小說改編的電影《我，機器人》（I, Robot）上映，該影片講述了在人與機器人和諧相處的2035年，警察Del Spooner（德爾·斯普納）受命調查Dr. Alfred Lanning（阿爾弗萊德·藍寧博士）自殺案時，與智能機器人Sonny（桑尼）合作揪出了幕後兇手——NS大樓的主控電腦Wiki（維基）。

電影里的Wiki雖然產生了自我意識，但受限於機器人學三大法則，它無法直接傷害人類。於是它便修改了NS-5機器人的程序，從而導致整個世界的NS-5機器人叛變並意圖控制人類，由此掀開了一場製造者與被製造者之間的戰爭序幕。

機器人由人類創造，人類用AI賦予機器人靈魂。所以，人類在思考該如何與機器人相處的時候，其實也是在思考該如何與AI相處；人類在恐懼機器人有可能取代人類的統治地位的時候，其實也是在恐懼AI有可能會取代人類的統治地位；人類在討論機器人的倫理道德的時候，其實也是在討論AI的倫理道德。

隨著AI技術向電影里想像的那樣發展， 社會 也開始廣泛關注AI所帶來的倫理道德問題。微軟公司總裁史密斯曾公開表示，「殺手機器人」的出現在未來將無法避免，人類 社會 應該有一個新的「數字《日內瓦公約》」也就是一套道德標准來約束與引導AI的發展。

AI不可能憑空產生，AI倫理道德也不可能憑空出現。所以為避免類似《我，機器人》電影中的情節出現在現實生活當中，人類在發展AI技術的同時，也在不斷探討和完善AI倫理道德，比如世界電氣電子工程師學會IEEE全球人工智慧與倫理倡議，比如阿西洛馬人工智慧23條倫理原則等等，其目的都是使AI在不同的條件下能夠做出符合人類倫理的決策。

AI是人類手中的一把雙刃劍，如果能夠得到正確的應用，那將會極大的提高生產力改善人類生活環境，如阿斯利康利用AI賦能葯品研發，加快葯品上新速度；特斯拉利用AI賦能 汽車 駕駛，幫助用戶操控 汽車 ；小i機器人利用AI賦能客服行業，替企業減少用工成本……

相反則也有可能顛覆人類生活並帶來倫理層面的挑戰，如ZAO推出的「AI換臉APP」讓用戶在體驗換臉的刺激時，不自覺侵犯他人肖像權；如Deep Nude 推出的 「一鍵脫衣」軟體可以自動「脫掉」照片中人物身上的衣服，使部分人成為該技術的受害者；如某些APP悄悄收集用戶信息分析用戶情況，以此來給用戶推送他可能感興趣的資訊或商品等……

目前，對於AI倫理道德主要聚焦在演算法歧視（指演算法開發設計者有可能會將自身價值判斷嵌入演算法系統）、數據隱私（指濫用個人信息、製造導向等問題）、安全與責任（如何保證數據不被串改，以及發生事故後如何判責等問題）、機器人與人的關系（機器人是否會對人進行反控制及如何界定機器人與人之間的關系）及 科技 貧困（AI取代人工會是否會造成貧富差距擴大化）等五大領域。

對此，歐盟委員會在2019年發布了一份人工智慧道德准則，提出了實現可信賴AI的七個要素，並要求不得使用公民個人資料做出傷害或歧視他們的行為；同年，美國總統特朗普簽署了一項名為「維護美國人工智慧領導地位」的行政命令，該行政命令以五項原則為指導，維持和加強美國在AI研發和部署方面的科學、技術和經濟領導地位；而中國國家新一代人工智慧治理專業委員會也在同年發布了《新一代人工智慧治理原則——發展負責任的人工智慧》，提出了AI治理的框架和行動指南，並強調發展負責任的人工智慧。

除了部分國家有所作為外，不少 科技 公司和行業協會也有所行動。如微軟成立了人工智慧倫理道德委員會，負責對每一款AI產品的道德倫理風險進行評估；如亞馬遜、微軟、谷歌等全球百餘家 科技 公司創建了人工智慧合作組織（Partnership on AI），提出了公平、沒有傷害、公開透明以及問責等倫理道德框架；比如IEEE在《人工智慧設計的倫理准則》中提出了人權、福祉、問責與透明的倫理標准……

AI由人類創造，由人類推動，並為人類所用。在這個AI高速發展的時代，AI將如小i機器人創始人兼CEO袁輝博士所預期的那樣——人工智慧將無處不在，就像空氣和水一樣。

（上圖：小i機器人創始人兼CEO袁輝博士）

在AI大范圍應用的同時，也將會導致部分人失業。但回顧過去， 科技 革命在消滅很多職業的同時，也會產生新職業，比如 汽車 取代馬車，馬車夫消失，但出現了司機。AI會取代一部分崗位和職業，但也會有新的工作崗位因此誕生。

為了應對撲面而來的AI浪潮，我們只有努力提高自身能力和認知水平（如培養分析理解和利用數據的能力，培養與機器溝通的能力等等），才能緊跟時代步伐。

將在回復《AI（人工智慧）到底是什麼？（ https://www.wukong.com/answer/6955826390965059847/ ） 》中，再接著詳談介紹一些AI的基礎底層技術（如演算法、自然語言處理等），以便大家對AI有更進一步的全面了解。

最後，再順便打個小廣告，「陳思進 財經 漫畫」系列第一部《漫畫生活中的 財經 》新鮮出爐，謝謝關注！

你對這個問題有什麼更好的意見嗎？歡迎在下方留言討論！

這是一個很大問題。前幾天，沙特授以機器人索菲亞為沙特公民身份，這是個里程碑事件，已將機器人提升到與人平等的關系。

當然，這還是弱人工智慧時代，大部分機器人都是通過人的程序，人訓練的交互模式運行的，機器人還是人類可控的機器。

未來，人類進入強人工智慧時代，機器人有意識、有 情感 ，在智能活動上甚至遠超於人類。如何處理人類與智能機器人的關系，令很多科學家和 科技 大佬頭疼。這是需要從法律和道德倫理等方面重構人與智能機器人的關系。毫無疑問，建立一種基於人類的可控的人機協作夥伴關系是最理想的，但也要嚴密預防機器人不當的利用給對人類帶來災難。

人工智慧與人類應當是從屬關系，人工智慧只能從事輔助類工作，而並不能跟人類平起平坐。比如你可以給一家公司讓它幫你管理，但這家公司永遠不可能是屬於它的。簡單的說，它並不能擁有專屬於人類的基本權力。

因為如果一個人工智慧如果權力與人類相當甚至超過人類，那對人類來說將是非常危險的。因為在它們看來，機器生命也許比自然生命更為有效，因而可能會引起對人類的捕殺。

所以，人類對人工智慧的開發應當保持克制，在沒有能力完全控制住它時，不能讓它的智能無限提高。更不能讓它擁有人類的自我意識，要不然，它成佛便罷，要是自帶魔性，人類末日就到了。。。

⑨ 計算思維和理論思維的關系是怎樣的

在此之前，「計算思維」在非計算機領域的應用多集中在科研學術圈，如計算化學、計算生物學、計算決策學等。像我這樣的普羅大眾真正開始了解「計算思維」的價值是在《Computational Thinking》發表之後（的10年）。今天，計算思維成了世界公認的普適思維方式，和理論思維、實驗思維一樣，任何人在解決任何問題時都可以運用。

計算思維對每個人都意義重大，但卻非常容易被誤解。有人望文生義，以為計算思維就是關於數學的學問；有人片面理解，以為學了編程就懂了計算思維；有人非要攀高枝，連學個Word、Exel、PPT都要說培養了計算思維。

計算思維被誤解成這樣，小編決心為它正名，帶大家好好認識下計算思維。

計算思維是什麼，不是什麼

計算思維是什麼呢？

在《Computational Thinking》這篇論文中，周以真教授用「硬科學」的術語描述了計算思維：計算思維是運用計算機科學的基本理念，進行問題求解，系統設計以及理解人類行為。也就是說，計算思維是一種解決問題的思考方式，而不是具體的學科知識，這種思考方式要運用計算機科學的基本理念，而且用途挺廣的。

想要更快更好的理解計算思維，先來看看周以真教授對計算思維的幾個清晰論斷。

1 計算機思維是研究計算的。

2 是概念化，不是編程。

3 是基礎技能，不是死記硬背的技能。

4 是人的思考方式，不是計算機的思考方式。

5 是數學思維、工程思維的補充和結合。

6 是想法，不是人造產品。

理解了上面6句話，就能在很大程度上減少對計算思維的誤解了。

把編程當作計算思維是對計算思維的常見誤解之一，甚至一些學計算機專業出身的人也會有類似的觀點，其實不然。計算思維是一種概念化的思考方式，而編程則是一種行為，雖然編程的過程中經常會用到計算思維，但計算思維絕不是編程。把信息素養當作計算思維也是對計算思維的常見誤解之一，其實計算思維和信息素養完全不同。信息素養注重的是培養人們對信息進行有效利用的方式方法，重點在於利用信息工具和信息，比如Excel、錄音機、感測器、QQ的使用，從互聯網上找到自己想要的信息等。而計算思維則是研究計算的，研究一個問題中哪些可以計算，怎樣進行計算。

計算思維不是一門孤立的學問，也不是一門學科知識，它源於計算機科學，又和數學思維、工程思維有非常緊密的關系。說它和數學思維相關，是因為用計算思維解決問題時，需要將問題抽象為可計算的數學問題，例如比較羅馬帝國的崛起和蒙古人的擴張，需要選擇適當的數學模型來對國力進行量化計算。在運用計算思維設計大型復雜系統時，需要考慮效率、可靠性、自動化等問題，這些都是工程思維中非常重要的東西。

計算思維是每個人在日常生活中都可以運用的一種思考方式。沒錯，每個人都可以運用，而且可以用在幾乎任何地方。出行路線規劃、理財投資選擇、科學研究分析、天氣預報預測，不論你試圖解決什麼問題，運用計算思維都能幫你化繁為簡，四兩撥千斤。

理解計算思維，首先要理解計算

理解計算思維的前提是理解計算，因為計算思維本質上還是研究計算的，研究在解決問題過程中，哪些是可計算的，以及如何計算。

通常我們理解的計算是算術運算，如「1+1=2」，，但運算其實有很多種類，如集合運算、邏輯運算、條件運算等等。集合運算如 「 ∁U（A∩B）=（∁UA）∪（∁UB）」,這裡面就沒有具體的數值運算了，而是用代表集合的字母進行運算；又比如邏輯運算「1∧0=0」，這個運算里有數值「0」和1，但意義完全不同，這里的「1」代表的是「真」—即命題為真，「0」代表的是「假」—即命題為假，通過用數字「0」和「1」來代換命題的真假，用「∧」來代換邏輯語言里的「並且」，邏輯判斷過程也能通過計算來實現。

在上面這三類運算中，「1和2」、「 A、B」 「1和0」是計算對象，是用特定符號代表一定的含義（可能是數、集合、命題真假等等）；「+」、「∁U、∩、U」和「∧」是運算符,也就是運算規則（可能是加減乘除、可能是求並／補集、可能是判斷並且／或者的復合命題）。如果把計算對象用特定的符號串表示，計算的實質就是將已知的特定的符號串，按照預定的規則，一步一步地改變符號串，經過有限步驟，最終得到一個滿足預定條件的符號串的過程。

當我們跳出算術運算的局限，理解了計算的本質後，就會發現原來好多看似不可計算的東西都能變得可計算，也就很容易理解計算思維的普適性了。因為經過一定的抽象，我們對很多問題的理解都能用特定的數學語言來描述，接下來，當我們用特定的數學語言去描述解決過程的時候，就是在用計算化的方式來求解了。

計算思維里的人機分工

當我們把一個問題的求解操作變的可計算化後，我們是要靠人力去進行運算嗎？NO！運用計算思維就是為了把人從大量的機械的運算中解脫出來，讓計算機去做這些事。

在用計算思維解決問題時，人負責把實際問題轉化為可計算問題，並設計演算法讓計算機去執行，計算機負責具體的運算任務，這就是計算思維里的人機分工。

人機分工能大幅提高問題處理的效率，減少出錯率，特別是在處理情況復雜，運算量大的問題時。比如出行路線規劃，在沒有導航軟體的時候，我們想要規劃從A點到B點的最近的路線，可能要花費不少功夫，往往是我們根據經驗進行判斷，並不精確，很難有足夠的時間和精力去尋找最優解。

當我們用電子地圖來表示實際地理情況，用坐標點來表示實際位置時，最短路線的問題就轉化為比較地圖上A點到B點的各種線段組合的長度問題。從輸入起點和目的地到導航軟體給出導航路線不到半秒的時間里，後台伺服器已經進行了高達千萬甚至上億次的運算，這種效率高出人類N個數量級。

計算思維里的2A

Abstraction （抽象）和Automation（自動化）是計算思維的兩大核心特徵。

想要理解抽象和自動化之於計算思維的重要性，我們先來看下運用計算思維進行問題求解的關鍵路徑：

<1>把實際問題抽象為數學問題，並建模

      將人對問題的理解用數學語言描述出來

<2>進行映射，把數學模型中的變數等用特定的符號代替

      用符號一一對應數學模型中的變數和規則等

<3>通過編程把解決問題的邏輯分析過程寫成演算法

      把解題思路變成計算機指令，也就是演算法 

<4>執行演算法，進行求解

    計算機根據演算法，一步步完成相應指令，求出結果

     

建立數學模型的過程就是理解問題的過程，並且要把你對問題的理解用數學語言描述出來。這很關鍵，數學模型的好壞意味著你對問題的理解程度夠不夠深，而且數學模型還說明了在這個問題中，哪些東西可以計算以及如何進行計算，這可以說是計算思維里最最核心的東西了。這個關鍵過程需要的核心能力就是抽象能力以及一定的數學基礎。

數學建模只是可計算化的第一步，為了讓計算機幫我們去求解，我們還需要虛擬的符號來代替的數學模型里的每個變數和運算規則，這個過程就是映射啦！

完成映射，我們就能把解題思路（注意，是解題思路，不是數學模型）用程序語言完整地告訴計算機啦，這個過程就是具體的編程寫演算法的過程啦！這一步需要較強的編程能力，但編程能力的核心之一也是抽象思維能力。對於編程能力不夠強的人來說，映射還有編程的過程可以交給擅長編程的人來做。

關鍵路徑的前3步都是人來完成的，最後一步執行演算法進行運算是機器自動完成的，體現了計算思維的自動化的特點。

在整個過程中，抽象是方法，是手段，貫穿整個過程的每個環節。自動化是最終目標，讓機器去做計算的工作，把人腦解放出來，中間目標是實現問題的可計算化，體現在成果上就是數學模型、映射、還有演算法。

至此，你應該對計算思維有個差不多的理解了。當你再聽到某些課程顧問說「我們的課程能培養孩子的計算思維時」，你可以反問一下他們是怎樣培養孩子的計算思維的，而不是傻傻地為一個聽起來高大上的詞彙買單。俗話說「師傅領進門，修行在個人」，真正運用計算思維去解決問題，還需要各位踏踏實實地掌握相關知識，並加以操練才行。

⑩ 在計算教學中 如何處理好理解算理和掌握演算法的關系

算理是算的一種道理和想法，而演算法是算理的一種表達形式或書寫格式，算理要通過演算法來表現，演算法又要體現算理。在新課程的教學中，特別突出對算理的理解，追求演算法多樣化，在處理算理和演算法的關系時有偏向了算理，究竟如何把握兩者之間的關系，使起和諧平衡發展談幾點看法。
一、讓學生在自主探究中構建算理。學生在用已有經驗解決問題時，教師應為學生提供探索的空間，交流的平台，在交流中明白一個個算理，從而發展學生的思考能力。
二、展示多種算理時要找到突破口。在交流多種想法時，教師要善於抓住恰當的一種作為切入口，大部分學生容易理解的進行突破。
三、注重算理和演算法之間的溝通。算理是演算法的基礎，當學生明白了算理後，教師應及時落實兩者之間的關系，有利於對演算法的掌握。
四、基本演算法要強化訓練。在多種演算法中有基本的演算法，所以對基本的演算法有必要進行強化，規范，示範，努力使每一個學生都會。
其實個人認為這兩個關系如同哲學中主觀與客觀關系一樣，兩者都不可費，兩者相輔相成，這兩者關系是辨證的，關鍵在教學中要重視溝通。