算法与人的关系

① 优化算法与群体智能之间有什么关系

群体智能算法与大多数基于梯度的优化算法不同，群体智能算法依靠的是概率搜索算法。
与梯度算法及传统演化算法相比优点：
没有集中控制约束，不会因为个体的故障影响整个问题的求解。
以非直接信息交流的方式确保了系统的可扩展性。
并行分布式算法模型，可充分利用多处理器。
对问题定义的连续性无特殊要求。算法实现简单。

② 为什么说算法是人工智能的核心

算法是人工智能的核心原因如下：

简而言之，因为算法就是人工智能的规则，人工智能依据数据得出来的指向结果都是通过算法的运行计算出来的。所以算法作为是人工智能的核心，其下的数据、应用等只是依附于算法。因此，在人工智能产业链金字塔结构中，塔尖是算法。

人工智能的涵盖范畴：

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。

可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。

从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

③ 人工智能与人类的关系

分类: 教育/科学 >> 科学技术 >> 工程技术科学
解析:

近50年来，人工智能走的是一条曲折发展的道路。1990年代初，研究者深感人工智能理论及技术的局限性，从而从不同角度和层次进行反思。同时，人工智能有待于人类对人脑工作机理的深入了解，需要神经生理学、神经解剖学给出更加详细的信息和证据。

人工智能交融了诸多学科，与哲学更是密不可分。尽管事实上，新近的哲学进展基本上没给科学带来任何冲击，并且哲学的讨论对象往往是悬而未决的（Russell S，Norvig P. Artificial Intelligence: Amodern Approach. NJ：Prentice Hall，1995. 817），但科学却在继续改变着我们对自己的认识。

正如恩格斯所说（恩格斯. 自然辩证法. 北京: 人民出版社, 1972. 187）：“不管自然科学家采取什么样的态度，他们还是得受哲学的支配。问题只在于：他们是愿意受某种坏的时髦的哲学的支配，还是愿意受一种建立在通晓思维的历史和成就的基础上的理论思维的支配。”

着眼于更宽泛的视野和更远大的目标，要求从哲学角度寻求更加有效的人工智能研究方法。坚持物质决定意识的观点，辩证地看待已有的认识和方法，融合与集成各相关学科的成就和意见，是正确的出发点。

人工智能的哲学意义

人工智能是对人类智能的一种模拟和扩展，其核心是思维模拟。

思维

思维科学是研究思维的规律和方法的科学，钱学森将它划分为基础科学、技术科学和工程技术三部分，人工智能属于工程技术范畴（钱学森. 关于思维科学. 上海：上海人民出版社，1986.20）。人工智能研究中逻辑学派和心理学派之争，有时似使人感到迷惘而莫知所从，但从思维科学的角度来看，无非是形象思维和逻辑思维的关系问题，两者都属于思维科学的基础科学。抽象思维的不足在于缺乏结构的综合能力。只有形象思维才能综合出新的结构。这也许就是创造和学习最终必须具有形象思维的原因（潘云鹤. 模式识别与人工智能, 1991, 4(4): 7）。

不同的划分观点认为，思维科学体系的基础科学包括两大类：一类是总结人类思维经验、揭示思维对象的普遍规律和思维本身普遍规律的各种思维科学，包括哲学世界观、哲学史、认识论和逻辑学，是理论的思维科学。另一类思维科学包括研究思维主体——人脑的生理结构和功能，揭示思维过程生理机制的神经生理学和神经解剖学等。这种观点将认识论归在思维科学的基础科学范围内。其实两种观点，

都不否认人工智能和哲学通过认识论相联系。

认识论

认识论研究认识的源泉、发展、过程、能力、作用等一般规律问题。换言之，认识论研究的是知识及其形式和局限性。哲学家强调通过最大机会的观察和计算，明确什么是潜在可知的；而人工智能注重通过现有的观察和计算途径，弄清什么是可知的。而在实际情况中，人工智能和认识论在本质上是互相交融和兼备的。

认识论对人工智能的研究方向和方法具有指导意义，但并不意味它能替代具体的研究，也不表示任何人工智能的研究都要显式地考虑到认识论。由于对诸如世界的一般表达等问题还未真正达成一致，如果仅依赖从哲学中获得具体的丰富信息来编写计算机程序，人工智能将会处于非常无望的状态。

心智哲学和认知科学

心智是指人们的记忆、思想、意识、感情、意向、愿望、思维、智能等多种心理行为（章士嵘，王炳文. 当代西方着名哲学家评传（2）.心智哲学.济南：山东人民出版社，1996）。普特南（H.Putnam）根据计算机科学对软件与硬件的划分，将心智与大脑的关系理解为功能状态和物理状态。西蒙（H.Simon）根据信息加工理论，认为人类思维本质上是信息加工过程，计算机也是信息加工系统，所以，计算机能思维而且能模拟人的思维。人们的心灵、精神世界历来是哲学家反思的对象，这一研究领域构成了心智哲学的主题。心智哲学在人工智能、脑科学、认知心理学、控制论、语言学等的推动下，呈现出生机勃勃的景象。

胡塞尔（E.Husserl）是第一位把心智表达的指向性作为其哲学中心的哲学家，他在心智哲学中第一次提出了关于心智表达作用的一般理论。他认为，智能是一种由语境规定的和由目标导引的活动，是一种对预期事实的搜素。

与心智哲学互相渗透的认知科学是1970年代末正式宣告诞生的交叉学科。它是人工智能、认知心理学、语言学、哲学、人类学、神经生理学等学科的综合，研究智能系统的工作原理。其核心思想是称为认知主义的思想，其中一个中心命题是智能行为可以由内在的“认知过程”即理性的思维过程来解释。因而，一个很自然的假设就是从与计算机相类比的心智模型出发来研究心智的工作原理，把认知过程理解为信息加工过程，把一切智能系统理解为物理符号系统。

心智哲学是较认知科学高一层次的理论，但两者的相互作用和影响是毋庸置疑的。心智哲学不应超越认知科学的研究成果而作任意的理论假设，认知科学也不应排斥心智哲学的理论成果去作盲目的探索。

认知心理学

认知心理学和人工智能，是认知科学的两个组成部分。人工智能使用了心理学的理论，心理学又借用了人工智能的成果。将人脑和计算机相类比，是发展认知心理学的一条主要途径。

认知心理学旨在认识人类的认知心理，将这种认识通过计算机程序语言表达出来；人工智能致力于用计算机语言描述人的智能，并用计算机加以实现。两者的共同点在于用计算机程序语言刻划人类智能。然而，它们也存在一个重要的区别。人工智能试图且已经给计算机施加了一个模拟人类智能的程序，该程序包括知道这个系统本身的过程，然后给系统以一定任务，它就会产生行为。这说明人工智能是确

实的、得到证实的。而认知心理学，还不能肯定信息加工过程是人类智能的唯一心理原因，就连此信息加工过程本身也没有直接的明确证据。认知心理学只能从行为去推断心智用什么程序来造成行为，带有很大假说性。

德雷福斯（L.Dreyfus）把胡塞尔看成当代认知心理学和人工智能的先驱。他认为超验现象学在两个方面与人工智能有关系：第一，胡塞尔十分自觉地把探索心里结构作为他的哲学研究的中心。第二，胡塞尔具体地说明了在意向活动中人们所期望的对象世界的构成，及其所包含的复杂的形式结构。德雷福斯指出，人的认知能力是通过实践而发展的。这种独特的认知能力为人类存在于世界的方式提供了无

限的丰富性，构成了人类所有智能行为的基础。认知心理学企图通过纯认识结构来把握一切智能而根本不考虑头脑的非认知方面，这种想法注定不会成功。一切智能和智能行为都必须追溯到人类对自身是什么的理解上，而这一点由于会陷入无穷的递归，所以人类永远不能完全弄清。人类智能的基础既不可能被分离出来，也不可能被清晰地理解。他还指出，胡塞尔的意识与明斯基（M.Minsky）的框架理论十分类似。人工智能在发展过程中最终不得不面对日常知识的表达问题，它们是困难的、关键的、在哲学上引人入胜的，人工智能至今仍在为之奋斗。

人工智能的物质基础

早在1950年代，就出现了两种争论激烈的观点：一种认为计算机是处理思维符号的系统，另一种认为是对大脑建模的媒介；一种致力于用计算机示例世界的形式化表达，另一种则仿真神经元的交互；一种把问题解决当作智能的范型；另一种强调学习；一种使用逻辑，另一种基于统计；一种是哲学上理性主义和还原主义的继承者，另一种将自己视作神经科学。事实上，它们分别代表了符号主义学派和连接

主义学派。

心理学中，定位于复杂思维与神经元之间的符号层次的理论很重要。符号是思维的材料，但也是物质的样式。“观念”与大脑可触知的生物物质之间有明显、根本的不同，这无疑对人工神经网络的建模具有意义。但很遗憾，目前人类对真实神经系统的了解非常有限，对自身脑结构及其活动机理的认识还十分肤浅，众多神经网络的模型实际上是极为简略粗糙并且带有某种“先验”。譬如，波尔茨曼机引入随机扰动来避免局部最小虽具有独特之处，然而却缺乏必要的神经生理学基础 （董军，潘云鹤. 人工智能与认识论问题的思考提纲.见：中国人工智能进展. 北京：北京邮电大学出版社，2001. 22）。

有观点认为，对神经信息处理机制的深入分析可能会引起计算科学革命性的变化。语言能力是人脑特有的高级功能，但对语言的中枢表象目前仍只有很模糊的认识，甚至连研究这类信息处理过程所采用的合适研究方法还至今阙如。为此，迫切需要方法论的指导，因为它对神经网络的研究及其作用是毋庸置疑的。

1980年代中后期，人们发现脑中存在混沌现象，由于它可能揭示脑活动的深层机制而受到广泛重视。从生理本质出发是研究神经网络的根本手段。混沌神经网络研究探索非稳状态下网络的动态行为和信息处理能力。混沌动力学为研究人工神经网络和人工智能提供了新的契机。这里并不是单纯提倡纯粹意义上的生理模拟，因为人类把握自然和社会的规律并非是一种“照搬照抄”的过程，人工神经网络的初衷也非“逼真”地描 *** 实神经系统，而只是根据物质基础和客观依据进行简化、抽象和模拟。

神经网络的基础结构更类似于脑，而不是标准计算机的结构。它们的单元并没有真实神经元那样复杂，它们的结构与新皮层的回路相比也过于简单。尽管神经网络具有这些局限性，但仍然显示出惊人的完成任务的能力。人脑对信息的处理采用的基于符号的串行逻辑推理过程，一开始就被现代数字计算机所采用。

有趣的是，仿佛有这样一条人工智能的“定理”：一旦某种思维的功能被编成程序，人们就不再认为它是“实际思维”的基本组成部分了。而人工智能的核心总是指那些还未能编制成程序的部分。

人工神经网络还有很多根本性、基础性的问题需要解决。在某种程度上，它仅仅作为一种算法，但这不能掩盖神经网络是在思维是物质世界的产物、是人脑的机能这样的前提下的尝试和产物。无论是对史前文明的探索，还是“天”外智能的好奇，都没有理由否认物质决定意识这个基本观点。

人类智慧与人工智能

对人的特质作出解释的模型很多是来自宗教、艺术等。例如，原始艺术的象征语言把人类的原始本能和超自然世界的各种意象以特有的符号手段结构化，它们被赋予特有的形式，从而组合成各种表现形态的形象系统。这让我们不仅了解到人类智能有着不同的具体表达，也明白智能是依赖于社会生活和客观现实的。

然而，道途艰辛。把人类原始的、潜意识的思想加以分解，有如分解佛教禅宗大师为迷惑心智以达到绝对虚无所下的玄秘功夫那样，十分困难。况且，要到达人类级的人工智能已被证明是困难的，而且进展缓慢。

辩证唯物主义不同意那种机器能够独立地思维、机器可以比人更聪明的观点，很重要的理由在于思维是生物长期进化、特别是社会活动的产物。哥德尔赞同人类的心智超过所有的机器的结论。计算机中能不断繁殖和复制自己的人工生命如病毒,最初也是由人类制造的。计算机的世界完全是由科学家们设计创造的，是人脑的结晶。

庄子与惠子有如下的对话。庄子与惠子游于濠梁之上，庄子曰：“倏鱼出游从容，是鱼之乐也。”惠子曰：“子非鱼，安知鱼之乐？”庄子曰：“子非我，安知我不知鱼之乐。”惠子曰：“我非子，固不知子矣，子固非鱼矣，子之不知鱼之乐全矣。”庄子曰：“请循其本，子曰‘汝安知鱼乐’云者，既已知吾知之而问我，我知之濠上也。”（庄子·秋水）

人类智慧与人工智能孰高孰底、熟胜孰负，智能的复杂和神秘，如同这段文字本身的内涵和后代的种种解析那样，引人入胜，令人悠然神往。

探寻人工智能的发展途径

人工智能研究者愿意用精神术语描述机器有两个原因。第一，希望给机器提供知识和信念的理论以使它们能对其用户知道的、不知道的和所想要的进行推理；第二，用户对机器的了解常常能用精神术语最好地表达。在人工智能的发展过程中，心理学和哲学自然而然与它互相影响。而人工智能与哲学的关系，最初是通过心理学这个桥梁的。

人工智能一开始是自上而下和自下而上相结合的。自上而下或“内涵式”的表述往往给人带来一种恍然大悟的感觉，自下而上或“外延式”的表述却像一份说明书。其实，的确需要两种途径：一种是自上而下的、把思想映射于神经元群上；另一种是自下而上的、用来解释思想如何由那些看起来是杂乱无章的神经元集群产生的。

认知科学发展中存在一个值得思考的奇怪现象，对诸如下棋、解密码之类的可以相对跟环境隔离的看似很困难的任务而言，计算机系统可以超过专门训练的人；然而对一些最通常的通过由长期进化形成的认知功能，比如视觉和听觉，经过几十年努力发展的人工智能系统还不如婴儿的能力。大脑的智力活动必须从进化的角度、从社会和历史发展的约束的角度来研究才能得到充分正确的理解。

虽然我们必须经常遵循有统整作用和简化作用的大原则，但也必须承认在科学里存在着不可还原的复杂性。讨论人工智能与认识论的关系，当然不能替代人工智能的研究，但它可使人工智能研究者不致如入沼泽而迷失方向。然而，遗憾的是，人工智能研究者往往会忽略人工智能与哲学的联系和基本的辩证思维方法——归纳和演绎，分析和综合等。事实上，每个人在自己的思维体验中都能感到分析与综合

的频繁与重要。但是，人类对这样一对基本思维机理的研究却如此薄弱。历史地看，人工智能的发展不时地陷入没有预想到的深层困境，这提醒我们不仅应当从人工智能发展的技术问题，而且应当从人工智能的最根本概念和理论上去寻找原因，人工智能需要更为宽广的眼界

和宏观的方法论指导。

④ 计算教学中如何正确处理算理和算法的关系

计算的算理是指计算的理论依据，通俗地讲就是计算的道理。算理一般由数学概念、定律、性质等构成，用来说明计算过程的合理性和科学性。计算的算法是计算的基本程序或方法，是算理指导下的一些人为规定，用来说明计算过程中的规则和逻辑顺序。

算理和算法既有联系，又有区别。算理是客观存在的规律，主要回答“为什么这样算”的问题；算法是人为规定的操作方法，主要解决“怎样计算”的问题。算理是计算的依据，是算法的基础，而算法则是依据算理提炼出来的计算方法和规则，它是算理的具体体现。算理为计算提供了正确的思维方式，保证了计算的合理性和可行性；算法为计算提供了便捷的操作程序和方法，保证了计算的正确性和快速性。算理和算法是计算教学中相辅相成、缺一不可的两个方面。

处理好算理与算法的关系对于突出计算教学核心，抓住计算教学关键具有重要的作用。当前，计算教学中“走极端”的现象实质上是没有正确处理好算理与算法之间关系的结果。一些教师受传统教学思想、教学方法的支配，计算教学只注重计算结果和计算速度，一味强化算法演练，忽视算理的推导，教学方式“以练代想”，学生“知其然，不知其所以然”，导致教学偏向“重算法、轻算理”的极端。与此相反，一些教师片面理解了新课程理念和新教材，他们把过多的时间用在形式化的情境创设、动手操作、自主探索、合作交流上，在理解算理上大做文章，过分强调为什么这样算，还可以怎样算，却缺少对算法的提炼与巩固，造成学生理解算理过繁，掌握算法过软，形成技能过难，教学走向“重算理、轻算法”的另一极端。

如何正确处理算理与算法的关系，防止“走极端”的现象，广大数学教师在教学实践中进行了有益的探索，取得了许多成功经验。比如，“计算教学要寻求算理与算法的平衡，使计算教学‘既重算理，又重算法”“把算理与算法有机融合，避免算理与算法的‘硬性对接’”“引导学生在理解算理的基础上自主地生成算法，在算法形成与巩固的过程中进一步明晰算理”“计算教学要让学生探究并领悟算理，及时抽象并掌握算法，力求形成技能并学会运用”等等，这些观点对于计算教学少走弯路、提高计算教学质量具有重要作用。

对此，笔者认为，处理计算教学中算理与算法的关系还应注意以下五点：一是算理与算法是计算教学中有机统一的整体，形式上可分，实质上不可分，重算法必须重算理，重算理也要重算法；二是计算教学的问题情境既为引出新知服务，体现“学以致用”，也为理解算理、提炼算法服务，教学要注意在“学用结合”的基础上，以理解算理，掌握算法，形成技能为主；三是算理教学需借助直观，引导学生经历自主探索、充分感悟的过程，但要把握好算法提炼的时机和教学的“度”，为算法形成与巩固提供必要的练习保证；四是算法形成不能依赖形式上的模仿，而要依靠算理的透彻理解，只有在真正理解算理的基础上掌握算法、形成计算技能，才能算是找到了算理与算法的平衡点；五是要防止算理与算法之间出现断痕或硬性对接，要充分利用例题或“试一试”中的“可以怎样算？”“在小组里说一说，计算时要注意什么？”等问题，指导学生提炼算法，为算理与算法的有效衔接服务。

⑤ 人工智能与人的关系

人工智能是人类创造的智能工具，它是通过模拟人类的决策思维，从大量的数据中找到决策模型，并自主决策完成一些智能的工作。是人类前所未有的 好工具，已经开始应用在各个领域。人工智能是由人类创造出来的产品。它的芯片、系统以及算法都是人类赋予的，人类是人工智能的母亲。同时，人工智能最关键的深度学习算法，还需要借鉴人类的智慧。只有在人类智慧的训练下，人工智能才能形成决策模型，才能实现自我学习，自我判断。目前，为了训练人工智能，人类已经在AI领域发展出了一个新兴的职业，那就是“人工智能训练师”。该职位的工作就是负责训练人工智能、优化人工智能。所以，人类是人工智能的老师。人工智能具有效率高、记忆力强、出错率低等人类无可比拟的优势。而人类的效率、记忆力、出错率都不如人工智能，但却有机器人无法具备的发散性、创造性智慧。人工智能的快速发展，可以为人类形成优势互补。

⑥ 人工智能跟普通人有什么关系

人工智能人工智能，顾名思义，就是因为人工所以才产生了类似智能般效果的机器人。他们虽然有了智能，但是这个智能脱离不了人工的支持，所以他们才叫做人工智能，并且才无法和人相提并论。

大家都知道前阵子很火的一个下棋人工智能，这个人工智能看上去很厉害，一路过关斩将，最后还是输在了人类的手底下。不是因为其他，就是因为人工智能芯片里的智慧和反应能力其实都是人类提前输入进去的信息，提前就为他们做好的实施动作，所以人工智能的每一个步骤每一个反应都只是对外界一种信息的简单反应，就好像单细胞生物，戳一下动一下，碰一下给一个反应，没有自己的思维。人工智能也许可以通过输入大量的信息得到智慧，但是因为他们自己不会思考，所以永远无法推陈出现，永远无法真正的比人类更聪明。

同理，人工智能也离不了人类，人工智能永远是由人类控制的，永远是人类给出的一个固定模式，并且由0和1的信号流控制从而做出种种动作的机器人。所以人工智能跟普通人的关系就是，虽然他们似乎有着和普通人一样的反应，但是其实并非真正的人类，实际操作起来他们的智能也永远不会比人类更强。

⑦ 算法到底有没有价值为什么学算法

1. 算法的本质是解决问题的方法，是思想

在早期的时候，人们遇到新问题，必须要去解决它，经过“冥思苦想”，“反复探索尝试”， 最后总结归纳。这才形成了今天我们学习的各种算法。如果无法领会到解决问题的思想，无法总结归纳，就会有：“学算法有什么用？”。不知道为什么学，自然会认为学了没意义，没有用处。

2.一个算法应该具有以下五个重要的特征：

①有穷性: 算法的有穷性是指算法必须能在执行有限个步骤之后终止，换句话说就是一个算法必须总是在执行有穷步之后结束，且每一步都可在有穷时间内完成。
②确定性：算法中的每条指令必须有确切的定义，不会产生二义性，并且对于相同的输入只能得出相同的输出。
③可行性：算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步，即每个计算步都可以在有限时间内完成（也称之为有效性）。
④输入： 一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定出了初始条件，这些输入取自于某个特定的对象集合。

⑤输出：一个算法有一个或多个的输出，这些输出是同输入有着特定关系的量，没有输出的算法是毫无意义的。

算法总是要解决特定的问题，问题来源就是算法的输入，期望的结果就是算法的输出，没有输入输出的算法是无意义的。
3.算法设计的5个要求：
①正确性：最基本要求，算法必须能解决某个问题的需求。
②可读性：算法的可读性有助于人的阅读与交流，容易调试和修改。
③健壮性：当输入的数据非法时，算法能适当做出反应或进行处理，而不会产生莫名其妙的输出结果。
④效率性：算法是为了解决大规模问题，因此需要运行效率足够快。
⑤存储性：算法在执行过程中，所需要的最大存储空间，应该尽可能的占用小。
效率性与存储性都与问题规模有关，求100人的平均分与求1000人的平均分，同一个算法的所花费的执行时间与存储空间显然是不一样的。

正确性，可读性，健壮性不仅仅是算法设计的要求，而是贯穿整个软件设计层次。单对于算法本身来说，我们最关注的层面是效率性。千万不能死板的认为，算法就是计算机程序。算法是一切解决问题的思想，语言描述，伪代码，流程图，各种符号或者控制表格同样是算法。

⑧ 人类与人工智能如何相处

在回复《人工智能具有思维和自我意识吗？（ https://www.wukong.com/answer/6955096139872092424/ ）》中，提到了在AI的助力下，机器人完成了对人类的外形及基本功能的模仿，并预计在未来十年内可能会出现具有自我意识的机器人。那么在面对拥有自我意识的机器人，人类该如何与之相处？又该遵从哪些伦理道德？

从机器人被造出来的那一刻，机器人和人类的关系就从未停止过讨论。上世纪五十年代，着名科幻大师艾萨克•阿西莫夫（Isaac Asimov）在为其科幻小说《我，机器人》所写的《引言》中提到了后来着名的“机器人学三大法则”：

第一定律：机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手旁观；

第二定律：机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外；

第三定律：机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。

虽然机器人学三大法则并没有实际应用在现实机器人工业领域当中，但却在阿西莫夫小说中大放异彩，并影响了很多科幻小说的作者，还受到了许多AI和机器人领域的技术专家的认同。

2005年根据阿西莫夫同名小说改编的电影《我，机器人》（I, Robot）上映，该影片讲述了在人与机器人和谐相处的2035年，警察Del Spooner（德尔·斯普纳）受命调查Dr. Alfred Lanning（阿尔弗莱德·蓝宁博士）自杀案时，与智能机器人Sonny（桑尼）合作揪出了幕后兇手——NS大楼的主控电脑Wiki（维基）。

电影里的Wiki虽然产生了自我意识，但受限于机器人学三大法则，它无法直接伤害人类。于是它便修改了NS-5机器人的程序，从而导致整个世界的NS-5机器人叛变并意图控制人类，由此掀开了一场制造者与被制造者之间的战争序幕。

机器人由人类创造，人类用AI赋予机器人灵魂。所以，人类在思考该如何与机器人相处的时候，其实也是在思考该如何与AI相处；人类在恐惧机器人有可能取代人类的统治地位的时候，其实也是在恐惧AI有可能会取代人类的统治地位；人类在讨论机器人的伦理道德的时候，其实也是在讨论AI的伦理道德。

随着AI技术向电影里想象的那样发展， 社会 也开始广泛关注AI所带来的伦理道德问题。微软公司总裁史密斯曾公开表示，“杀手机器人”的出现在未来将无法避免，人类 社会 应该有一个新的“数字《日内瓦公约》”也就是一套道德标准来约束与引导AI的发展。

AI不可能凭空产生，AI伦理道德也不可能凭空出现。所以为避免类似《我，机器人》电影中的情节出现在现实生活当中，人类在发展AI技术的同时，也在不断探讨和完善AI伦理道德，比如世界电气电子工程师学会IEEE全球人工智能与伦理倡议，比如阿西洛马人工智能23条伦理原则等等，其目的都是使AI在不同的条件下能够做出符合人类伦理的决策。

AI是人类手中的一把双刃剑，如果能够得到正确的应用，那将会极大的提高生产力改善人类生活环境，如阿斯利康利用AI赋能药品研发，加快药品上新速度；特斯拉利用AI赋能 汽车 驾驶，帮助用户操控 汽车 ；小i机器人利用AI赋能客服行业，替企业减少用工成本……

相反则也有可能颠覆人类生活并带来伦理层面的挑战，如ZAO推出的“AI换脸APP”让用户在体验换脸的刺激时，不自觉侵犯他人肖像权；如Deep Nude 推出的 “一键脱衣”软件可以自动“脱掉”照片中人物身上的衣服，使部分人成为该技术的受害者；如某些APP悄悄收集用户信息分析用户情况，以此来给用户推送他可能感兴趣的资讯或商品等……

目前，对于AI伦理道德主要聚焦在算法歧视（指算法开发设计者有可能会将自身价值判断嵌入算法系统）、数据隐私（指滥用个人信息、制造导向等问题）、安全与责任（如何保证数据不被串改，以及发生事故后如何判责等问题）、机器人与人的关系（机器人是否会对人进行反控制及如何界定机器人与人之间的关系）及 科技 贫困（AI取代人工会是否会造成贫富差距扩大化）等五大领域。

对此，欧盟委员会在2019年发布了一份人工智能道德准则，提出了实现可信赖AI的七个要素，并要求不得使用公民个人资料做出伤害或歧视他们的行为；同年，美国总统特朗普签署了一项名为“维护美国人工智能领导地位”的行政命令，该行政命令以五项原则为指导，维持和加强美国在AI研发和部署方面的科学、技术和经济领导地位；而中国国家新一代人工智能治理专业委员会也在同年发布了《新一代人工智能治理原则——发展负责任的人工智能》，提出了AI治理的框架和行动指南，并强调发展负责任的人工智能。

除了部分国家有所作为外，不少 科技 公司和行业协会也有所行动。如微软成立了人工智能伦理道德委员会，负责对每一款AI产品的道德伦理风险进行评估；如亚马逊、微软、谷歌等全球百余家 科技 公司创建了人工智能合作组织（Partnership on AI），提出了公平、没有伤害、公开透明以及问责等伦理道德框架；比如IEEE在《人工智能设计的伦理准则》中提出了人权、福祉、问责与透明的伦理标准……

AI由人类创造，由人类推动，并为人类所用。在这个AI高速发展的时代，AI将如小i机器人创始人兼CEO袁辉博士所预期的那样——人工智能将无处不在，就像空气和水一样。

（上图：小i机器人创始人兼CEO袁辉博士）

在AI大范围应用的同时，也将会导致部分人失业。但回顾过去， 科技 革命在消灭很多职业的同时，也会产生新职业，比如 汽车 取代马车，马车夫消失，但出现了司机。AI会取代一部分岗位和职业，但也会有新的工作岗位因此诞生。

为了应对扑面而来的AI浪潮，我们只有努力提高自身能力和认知水平（如培养分析理解和利用数据的能力，培养与机器沟通的能力等等），才能紧跟时代步伐。

将在回复《AI（人工智能）到底是什么？（ https://www.wukong.com/answer/6955826390965059847/ ） 》中，再接着详谈介绍一些AI的基础底层技术（如算法、自然语言处理等），以便大家对AI有更进一步的全面了解。

最后，再顺便打个小广告，“陈思进 财经 漫画”系列第一部《漫画生活中的 财经 》新鲜出炉，谢谢关注！

你对这个问题有什么更好的意见吗？欢迎在下方留言讨论！

这是一个很大问题。前几天，沙特授以机器人索菲亚为沙特公民身份，这是个里程碑事件，已将机器人提升到与人平等的关系。

当然，这还是弱人工智能时代，大部分机器人都是通过人的程序，人训练的交互模式运行的，机器人还是人类可控的机器。

未来，人类进入强人工智能时代，机器人有意识、有 情感 ，在智能活动上甚至远超于人类。如何处理人类与智能机器人的关系，令很多科学家和 科技 大佬头疼。这是需要从法律和道德伦理等方面重构人与智能机器人的关系。毫无疑问，建立一种基于人类的可控的人机协作伙伴关系是最理想的，但也要严密预防机器人不当的利用给对人类带来灾难。

人工智能与人类应当是从属关系，人工智能只能从事辅助类工作，而并不能跟人类平起平坐。比如你可以给一家公司让它帮你管理，但这家公司永远不可能是属于它的。简单的说，它并不能拥有专属于人类的基本权力。

因为如果一个人工智能如果权力与人类相当甚至超过人类，那对人类来说将是非常危险的。因为在它们看来，机器生命也许比自然生命更为有效，因而可能会引起对人类的捕杀。

所以，人类对人工智能的开发应当保持克制，在没有能力完全控制住它时，不能让它的智能无限提高。更不能让它拥有人类的自我意识，要不然，它成佛便罢，要是自带魔性，人类末日就到了。。。

⑨ 计算思维和理论思维的关系是怎样的

在此之前，“计算思维”在非计算机领域的应用多集中在科研学术圈，如计算化学、计算生物学、计算决策学等。像我这样的普罗大众真正开始了解“计算思维”的价值是在《Computational Thinking》发表之后（的10年）。今天，计算思维成了世界公认的普适思维方式，和理论思维、实验思维一样，任何人在解决任何问题时都可以运用。

计算思维对每个人都意义重大，但却非常容易被误解。有人望文生义，以为计算思维就是关于数学的学问；有人片面理解，以为学了编程就懂了计算思维；有人非要攀高枝，连学个Word、Exel、PPT都要说培养了计算思维。

计算思维被误解成这样，小编决心为它正名，带大家好好认识下计算思维。

计算思维是什么，不是什么

计算思维是什么呢？

在《Computational Thinking》这篇论文中，周以真教授用“硬科学”的术语描述了计算思维：计算思维是运用计算机科学的基本理念，进行问题求解，系统设计以及理解人类行为。也就是说，计算思维是一种解决问题的思考方式，而不是具体的学科知识，这种思考方式要运用计算机科学的基本理念，而且用途挺广的。

想要更快更好的理解计算思维，先来看看周以真教授对计算思维的几个清晰论断。

1 计算机思维是研究计算的。

2 是概念化，不是编程。

3 是基础技能，不是死记硬背的技能。

4 是人的思考方式，不是计算机的思考方式。

5 是数学思维、工程思维的补充和结合。

6 是想法，不是人造产品。

理解了上面6句话，就能在很大程度上减少对计算思维的误解了。

把编程当作计算思维是对计算思维的常见误解之一，甚至一些学计算机专业出身的人也会有类似的观点，其实不然。计算思维是一种概念化的思考方式，而编程则是一种行为，虽然编程的过程中经常会用到计算思维，但计算思维绝不是编程。把信息素养当作计算思维也是对计算思维的常见误解之一，其实计算思维和信息素养完全不同。信息素养注重的是培养人们对信息进行有效利用的方式方法，重点在于利用信息工具和信息，比如Excel、录音机、传感器、QQ的使用，从互联网上找到自己想要的信息等。而计算思维则是研究计算的，研究一个问题中哪些可以计算，怎样进行计算。

计算思维不是一门孤立的学问，也不是一门学科知识，它源于计算机科学，又和数学思维、工程思维有非常紧密的关系。说它和数学思维相关，是因为用计算思维解决问题时，需要将问题抽象为可计算的数学问题，例如比较罗马帝国的崛起和蒙古人的扩张，需要选择适当的数学模型来对国力进行量化计算。在运用计算思维设计大型复杂系统时，需要考虑效率、可靠性、自动化等问题，这些都是工程思维中非常重要的东西。

计算思维是每个人在日常生活中都可以运用的一种思考方式。没错，每个人都可以运用，而且可以用在几乎任何地方。出行路线规划、理财投资选择、科学研究分析、天气预报预测，不论你试图解决什么问题，运用计算思维都能帮你化繁为简，四两拨千斤。

理解计算思维，首先要理解计算

理解计算思维的前提是理解计算，因为计算思维本质上还是研究计算的，研究在解决问题过程中，哪些是可计算的，以及如何计算。

通常我们理解的计算是算术运算，如“1+1=2”，，但运算其实有很多种类，如集合运算、逻辑运算、条件运算等等。集合运算如 “ ∁U（A∩B）=（∁UA）∪（∁UB）”,这里面就没有具体的数值运算了，而是用代表集合的字母进行运算；又比如逻辑运算“1∧0=0”，这个运算里有数值“0”和1，但意义完全不同，这里的“1”代表的是“真”—即命题为真，“0”代表的是“假”—即命题为假，通过用数字“0”和“1”来代换命题的真假，用“∧”来代换逻辑语言里的“并且”，逻辑判断过程也能通过计算来实现。

在上面这三类运算中，“1和2”、“ A、B” “1和0”是计算对象，是用特定符号代表一定的含义（可能是数、集合、命题真假等等）；“+”、“∁U、∩、U”和“∧”是运算符,也就是运算规则（可能是加减乘除、可能是求并／补集、可能是判断并且／或者的复合命题）。如果把计算对象用特定的符号串表示，计算的实质就是将已知的特定的符号串，按照预定的规则，一步一步地改变符号串，经过有限步骤，最终得到一个满足预定条件的符号串的过程。

当我们跳出算术运算的局限，理解了计算的本质后，就会发现原来好多看似不可计算的东西都能变得可计算，也就很容易理解计算思维的普适性了。因为经过一定的抽象，我们对很多问题的理解都能用特定的数学语言来描述，接下来，当我们用特定的数学语言去描述解决过程的时候，就是在用计算化的方式来求解了。

计算思维里的人机分工

当我们把一个问题的求解操作变的可计算化后，我们是要靠人力去进行运算吗？NO！运用计算思维就是为了把人从大量的机械的运算中解脱出来，让计算机去做这些事。

在用计算思维解决问题时，人负责把实际问题转化为可计算问题，并设计算法让计算机去执行，计算机负责具体的运算任务，这就是计算思维里的人机分工。

人机分工能大幅提高问题处理的效率，减少出错率，特别是在处理情况复杂，运算量大的问题时。比如出行路线规划，在没有导航软件的时候，我们想要规划从A点到B点的最近的路线，可能要花费不少功夫，往往是我们根据经验进行判断，并不精确，很难有足够的时间和精力去寻找最优解。

当我们用电子地图来表示实际地理情况，用坐标点来表示实际位置时，最短路线的问题就转化为比较地图上A点到B点的各种线段组合的长度问题。从输入起点和目的地到导航软件给出导航路线不到半秒的时间里，后台服务器已经进行了高达千万甚至上亿次的运算，这种效率高出人类N个数量级。

计算思维里的2A

Abstraction （抽象）和Automation（自动化）是计算思维的两大核心特征。

想要理解抽象和自动化之于计算思维的重要性，我们先来看下运用计算思维进行问题求解的关键路径：

<1>把实际问题抽象为数学问题，并建模

      将人对问题的理解用数学语言描述出来

<2>进行映射，把数学模型中的变量等用特定的符号代替

      用符号一一对应数学模型中的变量和规则等

<3>通过编程把解决问题的逻辑分析过程写成算法

      把解题思路变成计算机指令，也就是算法 

<4>执行算法，进行求解

    计算机根据算法，一步步完成相应指令，求出结果

     

建立数学模型的过程就是理解问题的过程，并且要把你对问题的理解用数学语言描述出来。这很关键，数学模型的好坏意味着你对问题的理解程度够不够深，而且数学模型还说明了在这个问题中，哪些东西可以计算以及如何进行计算，这可以说是计算思维里最最核心的东西了。这个关键过程需要的核心能力就是抽象能力以及一定的数学基础。

数学建模只是可计算化的第一步，为了让计算机帮我们去求解，我们还需要虚拟的符号来代替的数学模型里的每个变量和运算规则，这个过程就是映射啦！

完成映射，我们就能把解题思路（注意，是解题思路，不是数学模型）用程序语言完整地告诉计算机啦，这个过程就是具体的编程写算法的过程啦！这一步需要较强的编程能力，但编程能力的核心之一也是抽象思维能力。对于编程能力不够强的人来说，映射还有编程的过程可以交给擅长编程的人来做。

关键路径的前3步都是人来完成的，最后一步执行算法进行运算是机器自动完成的，体现了计算思维的自动化的特点。

在整个过程中，抽象是方法，是手段，贯穿整个过程的每个环节。自动化是最终目标，让机器去做计算的工作，把人脑解放出来，中间目标是实现问题的可计算化，体现在成果上就是数学模型、映射、还有算法。

至此，你应该对计算思维有个差不多的理解了。当你再听到某些课程顾问说“我们的课程能培养孩子的计算思维时”，你可以反问一下他们是怎样培养孩子的计算思维的，而不是傻傻地为一个听起来高大上的词汇买单。俗话说“师傅领进门，修行在个人”，真正运用计算思维去解决问题，还需要各位踏踏实实地掌握相关知识，并加以操练才行。

⑩ 在计算教学中 如何处理好理解算理和掌握算法的关系

算理是算的一种道理和想法，而算法是算理的一种表达形式或书写格式，算理要通过算法来表现，算法又要体现算理。在新课程的教学中，特别突出对算理的理解，追求算法多样化，在处理算理和算法的关系时有偏向了算理，究竟如何把握两者之间的关系，使起和谐平衡发展谈几点看法。
一、让学生在自主探究中构建算理。学生在用已有经验解决问题时，教师应为学生提供探索的空间，交流的平台，在交流中明白一个个算理，从而发展学生的思考能力。
二、展示多种算理时要找到突破口。在交流多种想法时，教师要善于抓住恰当的一种作为切入口，大部分学生容易理解的进行突破。
三、注重算理和算法之间的沟通。算理是算法的基础，当学生明白了算理后，教师应及时落实两者之间的关系，有利于对算法的掌握。
四、基本算法要强化训练。在多种算法中有基本的算法，所以对基本的算法有必要进行强化，规范，示范，努力使每一个学生都会。
其实个人认为这两个关系如同哲学中主观与客观关系一样，两者都不可费，两者相辅相成，这两者关系是辨证的，关键在教学中要重视沟通。