人工智能的一个主要目标是开发与人类智能相关的计算机功能，例如推理、学习和解决问题。这也是一门基于计算机科学、生物学、心理学、语言学、数学等学科的综合科学技术。 在本课程中，我们将探讨人工智能研究中相关的各种学科。
自从计算机和机器被发明以来，它们处理各种任务的能力呈现指数增长。人类开发出计算机功能，已经包括各种工作领域。它们的速度越来越快，尺寸也越来越小。人工智能作为计算机科学的一个分支，追求创造像人类一样聪明的计算机或机器。根据 AI 之父约翰麦卡锡的说法，它是 “制造智能机器的科学与工程，特别是智能计算机程序”。它也被认为是一种使计算机或计算机控制的机器人能够实现类似人类思考方式的智能并且进行思考的技术。 通过研究人类大脑如何思考，以及人类如何在尝试解决问题时学习、决定和工作的原理，在此基础上进行研究开发智能软件和硬件系统来实现这个目标。
人工智能的哲学
在充分利用计算机系统强大能力的同时，人类的好奇心使他想知道“机器能像人类一样思考和行为吗？”也可以说人工智能的发展始于 我们期望在人类发明的机器中创造类似人类的智能。
成为人工智能研究人员门槛很高，不像其他学科的研究，人工智能研究人员需要学习非常多的跨学科知识，并请将其整合，才能成为合格的研究员。 同时人工智能在一些领域需要深入的知识，比如良好的编程技能。 常见的人工智能编程语言 Python 以及大数据技术，都是需要熟练运用的。
人工智能的目标是研发出模拟人类学习、思考、决策、行动的机器 ，这是一个极其复杂的过程，需要掌握计算机科学、生物学、心理学、语言学等各种学科的知识。学习任何一个的这些学科都是非常复杂的任务，更不要说全部学科都去学习，这些知识容量总和及杂程度已经远远超过了一个人一生学习的总量。所以 AI 项目团队需要从许多个领域寻找复合型的人才来组成，另一方面这也要求未来 人工智能领域的人才必须具有多学科交叉的复合背景和跨领域知识的快速学习和理解能力，否则将很难与团队进行高效的沟通和协作。
人工智能学科
以下是人工智能相关的主要学科：
-
哲学
-
伦理学
-
数学
-
统计学
-
逻辑学
-
生物学
-
神经科学
-
心理学
-
语言学
-
计算机科学
-
控制论
-
机器人学
-
大数据
现在让我们来分别看看每个学科在人工智能领域的重要作用。
1. 哲学
因为 AI 科学自身研究对象的特殊性，所以哲学是非常重要的，因为它试图回答重要的问题，如“一台机器能聪明地行动吗？”，“它能像人类一样解决问题吗？”，“计算机智能是否像人类一样？” 等等 …AI 的研究目的，即是在人造机器上通过模拟人类的智能行为，最终实现机器智能。要做到这一点，就必须对 “ 什么是智能 ” 这个问题做出回答。正是 AI 研究者在哲学层面上对于“智能”的不同理解，也才会在技术实践层面上产生不同流派并且存在巨大的分歧。
2. 伦理学
人类如何看待人工智能，是机器设备还是生物？人工智能机器不能看作会思考的新物种？如果承认人工智能是新物种，那么人类如何与之共存？也许现在我们考虑这个问题看起来为时尚早，但不要忘了，机器学习的进化速度是惊人的，甚至编写围棋 AI 程序的作者都不能理解机器学习进化的速度是如此之快，所以我们用以往的经验来判断人工智能的发展速度，又何尝不是一叶障目呢。
3. 数学
数学用于编写机器学习的逻辑和算法。 哲学思考并定义了特定的智能和理论层面的运作的方式。 但是，数学家的智慧提出了用于机器学习的具体步骤和算法。所以良好的数学知识是开发人工智能模型的必备技能。而且数学是我们人类描述客观世界的通用语言，这种语言现在也可以很好地传达给人工智能，并且被理解。正是通过以数学为基础构建的模型，人工智能正在快速认识这个客观世界，把这些碎片的拼图拼接在一起。
4. 统计学
信息理论需要对数据和概率有很强的理解，大多数神经网络技术和许多机器学习算法要求很好的统计学和概率学背景，这样可以更好的理解算法。但是要注意，机器学习并不是统计学的延伸，而是完全不同的算法和理念，深度学习网络的发展和传统的统计技术已经是走在不同道路上了。
5. 逻辑学
逻辑学是研究人类思维规律的学问，而人工智能要模拟人的智能，所以二者也是密切相关。AI 难点不在于人脑所进行的数字运算和简单推理，而是最能体现人的智能特征创造性思维，这种思维活动中包括学习、判断、总结、修正等因素。举例子：选择搜集相关的经验数据，信息不充分的基础上做出尝试性的判断或抉择，不断根据环境反馈试错、修正行为，由此达到预期行动的成功。这就是我们在真实世界每天都在做的、习以为常的事情。
6. 生物学
生物学对于人工智能的发展具有非常重大的作用，无论是研究大脑的运作原理，还是生物进化过程，都对我们研究人工智能发展，甚至未来是否会产生基于芯片的硅基生命体有重大意义。包括人工智能中的遗传算法也是仿真生物遗传学和自然选择机理，通过人工方式所构造的一类搜索算法，而遗传算法是对生物进化构成进行的数学方式仿真。
7. 神经科学
研究神经科学，提供有关人类大脑如何工作以及神经元如何响应特定事件的信息。 这使 AI 科学家能够开发编程模型，使其像人脑一样工作。这方面深度学习和强化学习就是两个很好的例子。正是深度学习原理的公布，才有了现在人工智能研究和应用百花齐放的局面。对人类意识的产生和记忆、存储、检索原理的研究都是神经科学对 AI 的深入影响。
8. 心理学
人工智能是一种对人类智能行为的模拟，通过现有的硬件和软件技术来模拟人类的智能行为，这包括：机器学习、形象思维、语言理解、记忆、推理、常识推理等一系列智能行为，而心理学则用于研究和发现人类和动物的思维过程。 该学科使数据科学能够理解大脑，行为和人，这对于制造像人类大脑这样的“会思考的机器”至关重要。
9. 语言学
现代语言学被称为计算语言学或自然语言处理。自 然语言处理允许智能系统通过诸如英语之类的语言进行通信。 自然语言处理经验也是开发机器人工智能系统的必要条件。另外，人工智能学也需要一套适应于人工智能和知识工程领域的、具有符号处理和逻辑推理能力的计算机程序设计语言。能够用它来编写程序求解非数值计算、知识处理、推理、规划、决策等具有智能的各种复杂问题。
10. 计算机科学
AI 是融合学科，是众多学科也包括计算机科学及其它科学的共同产物。但目前为止，以计算机科学为实践主要指导，计算机科学有众多理论、实践手段与方法去实践 AI。AI工程师编写用于制作人工智能神经网络的代码。神经网络会根据提供给系统的数据更新神经网络的值和属性。 通过这样的方式实现了人工智能，所以计算机科学也是相对联系更密切的学科。AI程序员应具备非常高的编程技能，以及与 AI 通用数学和其他学科的知识。
11. 控制论
该理论描述了事物如何在自己的控制下运作。 它是人类、动物和机器的工作控制和相互沟通的科学研究。 比如智能控制技术是在向人脑学习的过程中不断发展起来的,人脑是一个超级智能控制系统 , 具有实时推理、决策、学习和记忆等功能, 能适应各种复杂的控制环境。了解这项技术也对人工智能的发展非常重要。
12. 机器人学
智能机器人与人工智能有十分密切的关系。人工智能的近期目标是以模仿和执行人类的某些智力功能，如判断、推理、理解、识别、规划、学习和其他问题求解。而机器人学的发展也需要人工智能技术的支持，同时，机器人学的发展又为人工智能的发展带来了新的动力，提供了一个很好的试验与应用场景。人工智能在机器人学上找到实际应用，并使问题求解、搜索规划、知识表示和智能系统等基本理论得到进一步实践和发展。
13. 大数据
大数据正在推动人工智能的快速发展，因为它提供了一个用于保存和查询大量数据集的平台。 AI 需要处理大量数据作为输入来训练模型，不能将数据保存在一台计算机中，而大数据技术就起了重要作用。同时大数据也提供分布式计算环境，可用于在分布式系统上进行模型训练，这就保障了 AI 模型训练的数据量和效率。
所以说，人工智能学科是一个建立在广泛学科研究基础上的综合学科，从这些学科的交集中产生，同时又将研究结果应用到这些学科中去，大大推动相关学科领域的进步和发展，以巨大的应用潜力来推动科技的快速进步，形成技术爆发的“奇点”。可以预见 人工智能在十年之内给人类带来的影响，将远远超过计算机和互联网在过去几十年对世界造成的改变。并且这种改变必然会重构人类的生活、学习和思维方式。
从就业前景看人工智能学科覆盖面广，应用需求空间巨大，已成为国际上公认的最具发展前景的科学技术之一，AI 方向人才的就业方向几乎覆盖了所有的领域。这体现了智能科学教育需求的普遍性。据估计我国智能学科人才需求缺口每年接近 100 万。如何加快人工智能学科人才培养，也成为了当前的一个重大难题。
本篇是老张创作的课程《人工智能进化论课程》基础篇内容，转载需授权。
读完了觉得内容不错的话请转发和评论~
想要了解全部课程内容，加入圈子和老张讨论的请点 wx 搜索“知识星球”小程序，在里面订阅“人工智能进化论”课程。
原文链接：https://www.bilibili.com/read/cv867854
