人工智能的定义与探讨,了解人工智能应用

人工智能(英语:Artificial Intelligence,缩写为 AI)

        继续上篇人工智能随想深入了解AI的应用范围、应用效果、相关技术,以及应用缺陷和待突破技术。

资料来源于维基百科、百度百科与网络

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。

澳门凯旋门在线注册 1

通过搜索维基百科得到下面信息:

 

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

亦称机器智能,指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序的手段实现的人类智能技术。

        *人工智能(英语:Artificial Intelligence, AI)亦称机器智能,是指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通电脑程式的手段实现的类人智能技术。该词同时也指研究这样的智能系统是否能够实现,以及如何实现的科学领域。一般教材中的定义领域是“智能主体(intelligent agent)的研究与设计”,智能主体是指一个可以观察周遭环境并作出行动以达致目标的系统。约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程。”人工智能的研究是高度技术性和专业的,各分支领域都是深入且各不相通的,因而涉及范围极广。人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题,其中之一是,如何使用各种不同的工具完成特定的应用程序。AI的核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。强人工智能目前仍然是该领域的长远目标。目前强人工智慧已经有初步成果,甚至在一些影像辨识、语言分析、棋类游戏等等单方面的能力达到了超越人类的水平,而且人工智慧的通用性代表著,能解决上述的问题的是一样的AI程式,无须重新开发算法就可以直接使用现有的AI完成任务,与人类的处理能力相同,但达到具备思考能力的统合强人工智慧还需要时间研究,比较流行的方法包括统计方法,计算智能和传统意义的AI。目前有大量的工具应用了人工智能,其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学,以及基于概率论和经济学的演算法等等也在逐步探索当中。*

AI-定义

“智能主体(intelligent agent)的研究与设计”,智能主体是指一个可以观察周遭环境并作出行动以达致目标的系统。约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程。” ----维基百科

AI的核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。强人工智能目前仍然是该领域的长远目标。 ----维基百科

目前强人工智能已经有初步成果,甚至在一些视频辨识、语言分析、棋类游戏等等单方面的能力达到了超越人类的水平,而且人工智能的通用性代表着,能解决上述的问题的是一样的AI程序,无须重新开发算法就可以直接使用现有的AI完成任务,与人类的处理能力相同,但达到具备思考能力的统合强人工智能还需要时间研究,比较流行的方法包括统计方法,计算智能和传统意义的AI。 ----维基百科

目前有大量的工具应用了人工智能,其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学,以及基于概率论和经济学的算法等等也在逐步探索当中 ----维基百科

计算机科学的一个分支。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 ----百度百科

人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。 ----尼尔逊教授

  • 人工智能的定义可以分为两部分,即“人工”和“智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。
  • 关于什么是“智能”,就问题多多了。这涉及到其它诸如意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)(包括无意识的思维(UNCONSCIOUS_MIND))等等问题。人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

人工:人类制造出来的,无意识的物质等及不具备智能的机器。

从这个定义中可看出人工智能可应用范围极广,所列应用领域涉及7个方面,分别如下:

研究领域

  • 演绎、推理和解决问题
  • 知识表示法
    • 知识表示 / 常识知识库
  • 规划
  • 学习
    • 机器学习
    • 澳门凯旋门在线注册 2

机器学习的主要目的是为了让机器从用户和输入数据等处获得知识,从而让机器自动地去判断和输出相应的结果。

这一方法可以帮助解决更多问题、减少错误,提高解决问题的效率。

对于人工智能来说,机器学习从一开始就很重要。1956年,在最初的达特茅斯夏季会议上,雷蒙德索洛莫诺夫写了一篇关于不监视的概率性机器学习:一个归纳推理的机器。

机器学习的方法各种各样,主要分为监督学习和非监督学习两大类。

监督学习指事先给定机器一些训练样本并且告诉样本的类别,然后根据这些样本的类别进行训练,提取出这些样本的共同属性或者训练一个分类器,等新来一个样本,则通过训练得到的共同属性或者分类器进行判断该样本的类别。

监督学习根据输出结果的离散性和连续性,分为分类和回归两类。

非监督学习是不给定训练样本,直接给定一些样本和一些规则,让机器自动根据一些规则进行分类。无论哪种学习方法都会进行误差分析,从而知道所提的方法在理论上是否误差有上限。

  • 运动和控制
    • 机器人
  • 知觉
    • 机器感知
    • 语言识别
    • 图像识别
  • 自然语言处理

自然语言处理探讨如何处理及运用自然语言,自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

  • 社交
    • 情感计算
  • 创造力
    • 计算机创造力
      • 相关领域研究的包括了人工直觉和人工想像。
  • 伦理管理

史蒂芬·霍金、比尔盖茨、马斯克、 Jaan Tallinn 以及 Nick Bostrom 等人都对于人工智能技术的未来公开表示忧心。人工智能若在许多方面超越人类智能水平的智能、不断更新、自我提升,进而获取控制管理权,人类是否有足够的能力及时停止人工智能领域的“军备竞赛”,能否保有最高掌控权。

现有事实是:机器常失控导致人员伤亡,这样的情况是否会更加扩大规模出现,历史显然无法给出可靠的乐观答案。特斯拉电动车马斯克(Elon Musk)在麻省理工学院(MIT)航空航天部门百年纪念研讨会上称人工智能是“召唤恶魔”行为,英国发明家Clive Sinclair认为一旦开始制造抵抗人类和超越人类的智能机器,人类可能很难生存,盖茨同意马斯克和其它人所言,且不知道为何有些人不担忧这个问题。

  • 经济冲击

定义详解

智能:包括意识,自我,心灵,无意识的精神等基于人类的思维的判断,情感等的能力。

1)智能控制。2)机器人学。3)自动化技术。4)语言和图像理解。5)自然语言处理。6)基因编程。7)法学资讯系统。8)下棋。

实际应用

  • 机器视觉
  • 指纹识别
  • 人脸识别
  • 视网膜识别
  • 虹膜识别
  • 掌纹识别
  • 专家系统
  • 自动规划
    • 智能搜索
  • 定理证明/推理
  • 博弈
  • 自动程序设计
  • 智能控制
  • 机器人学
  • 语言和图像理解
  • 遗传编程
  • ...

人工智能的定义可以分为两部分,即“人工”和“智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。

强人工智能

从以上给出的应用范围和定义相对比,发现范围还不够广,因为定义是指可实现类人的智能技术,也就是人能完成的领域都是可实现的,也就是人类至今的所有成就都能实现?带着此疑问通过参考王煜全老师得到的人工智能章节获得一个概念:人工智能从风口变标配,也就是未来没有掌握人工智能的行业内公司就会被竞争对手超越,从这个概念可以看到任何行业理论上都可以借助人工智能来实施改造革新。真的是这样吗?让我们来看看另外提及的一个概念,强人工智能和弱人工智能,借用文中概念:眼下的人工智能,只是在特定领域,反馈目标明确下学习获得的智能,也就是弱人工智能。比如学习算术这个任务。这里输入样本相对确定,都是数字图片,对学习结果对错的反馈直接,学习的目标单一而明确。有了这些限制条件,机器可以胜任这类学习任务。学围棋比学算术在工程实现上复杂,但学习的任务模式类似。与弱人工智能相对,能够模仿人类学习的人工智能叫做强人工智能或通用人工智能。强智能是人工智能的目标,有关强智能的研究还处于起步阶段。

研究方法

如今没有统一的原理或范式指导人工智能研究。

  • 控制论/大脑模拟
    • 控制论 / 计算神经科学
      • 20世纪40年代到50年代,许多研究者探索神经病学,信息理论及控制论之间的联系。这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议.直到1960, 大部分人已经放弃这个方法,尽管在80年代再次提出这些原理。
  • 符号处理
    • GOFAI
      • 当20世纪50年代,数字计算机研制成功,研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学, 斯坦福大学和麻省理工学院,而各自有独立的研究风格。基于知识大约在1970年出现大容量内存计算机,研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划,这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
      • GOFAI 泛指用最原始的人工智能的逻辑方法解决小领域的问题, 例如棋类游戏的算法。
      • 人工智能是否可以使用高级符号表达,如词和想法?还是需要“子符号”的处理?JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念,也提议人工智能应归类为SYNTHETIC INTELLIGENCE,[29]这个概念后来被某些非GOFAI研究者采纳。
  • 子符号法
    • 计算智能学科
      • 80年代符号人工智能停滞不前,很多人认为符号系统永远不可能模仿人类所有的认知过程,特别是感知,机器人,机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。
      • 自下而上, 接口AGENT,嵌入环境(机器人),行为主义,新式AI机器人领域相关的研究者,如RODNEY BROOKS,否定符号人工智能而专注于机器人移动和求生等基本的工程问题。
  • 统计学法
    • 90年代,人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法,即这些方法的结果是可测量的和可验证的,同时也是人工智能成功的原因。
    • 共用的数学语言也允许已有学科的合作(如数学,经济或运筹学)。
    • 有人批评这些技术太专注于特定的问题,而没有考虑长远的强人工智能目标。
  • 集成方法
    • 90年代智能AGENT范式被广泛接受。
    • 智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。
    • 最简单的智能AGENT是那些可以解决特定问题的程序。
    • 更复杂的AGENT包括人类和人类组织(如公司)。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案,而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法,一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学(也使用ABSTRACT AGENTS的概念)。

关于什么是“智能”,就问题多多了。这涉及到其它诸如意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)(包括无意识的思维(UNCONSCIOUS_MIND))等等问题。人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

强人工智能观点认为“有可能”制造出“真正”能推理(Reasoning)和解决问题的智能机器,并且,这样的机器将被认为是具有知觉、有自我意识的。

经过强弱人工智能概念就能从应用效果上看出当前人工智能所取得的一系列突破是在弱人工智能领域,如AlphaGo在围棋战胜人类,以及特定场景下的图像识别、机器翻译、语音控制、自动驾驶等。

发展历史

澳门凯旋门在线注册 3

澳门凯旋门在线注册,人工智能在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用。

弱人工智能

从文中也获取到人工智能相关技术主要归结为三个方面:计算能力、算法、数据相关的一系列计算机信息处理的理论方法、工具等技术。

涉及学科

  • 哲学和认知科学
  • 数学
  • 神经生理学
  • 心理学
  • 计算机科学
  • 信息论
  • 控制论
  • 不定性论

人工智能的一个比较流行的定义,也是该领域较早的定义,是由约翰·麦卡锡(JOHN MCCARTHY)在1956年的达特矛斯会议(DARTMOUTH CONFERENCE)上提出的:人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。尼尔逊教授对人工智能下了这样一个定义:“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

弱人工智能观点认为“不可能”制造出能“真正”地推理和解决问题的智能机器,这些机器只不过“看起来”像是智能的,但是并不真正拥有智能,也不会有自主意识。

应用缺陷和待突破技术也就是强人工智能的目标,在重复下强人工智能概念:指通用人工智能(artificial general intelligence,AGI),或具备执行一般智慧行为的能力,强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。

总体来讲,对人工智能的定义大多可划分为四类,即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动,或制定行动的决策,而不是肢体动作。

预测:人工智能会替代人类

弱人工智能(TOP-DOWN AI)

澳门凯旋门在线注册 4

弱人工智能观点认为不可能制造出能真正地推理(REASONING)和解决问题(PROBLEM_SOLVING)的智能机器,这些机器只不过看起来像是智能的,但是并不真正拥有智能,也不会有自主意识。

有些人预测认为人类的无数职业也会逐渐被其取代。

主流科研集中在弱人工智能上,并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。

人工智能在一般教材中的定义领域是“智能主体(intelligent agent)的研究与设计”,智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。

强人工智能(BOTTOM-UP AI)

核心问题

强人工智能观点认为有可能制造出真正能推理(REASONING)和解决问题(PROBLEM_SOLVING)的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。强人工智能可以有两类:

AI的核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。

类人的人工智能,即机器的思考和推理就像人的思维一样。

AI的真正实现,目标还很长远

非类人的人工智能,即机器产生了和人完全不一样的知觉和意识,使用和人完全不一样的推理方式。

澳门凯旋门在线注册 5

超人工智能(Super artificial intelligence)

当前强人工智能已经有初步成果,甚至在一些影像识别、语言分析、棋类游戏等等单方面的能力达到了超越人类的水平,而且人工智能的通用性代表着,能解决上述的问题的是一样的AI程序,无须重新开发算法就可以直接使用现有的AI完成任务,与人类的处理能力相同,但达到具备思考能力的统合强人工智能还需要时间研究,比较流行的方法包括统计方法,计算智能和传统意义的AI。

牛津哲学家、人工智能思想家NickBostrom把超级人工智能定义为:在几乎所有领域都比最聪明的人类大脑聪明很多,包括科学创新、通识和社交技能。超人工智能可以在所有方面都比人类强一点,也可能在所有方面都比人类强亿万倍。

当前有大量的工具应用了人工智能,其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学,以及基于概率论和经济学的算法等等也在逐步探索当中。 思维来源于大脑,而思维控制行为,行为需要意志去实现,而思维又是对所有数据采集的整理,相当于数据库,所以人工智能最后会演变为机器替换人类。

对强人工智能的哲学争论

个人结论

“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的,其定义为:“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具;相反,只要运行适当的程序,计算机本身就是有思维的。”这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的。

也许你可能看过一些关于,人工智能发展到不久的未来,反过来攻击人类,甚至控制人类,统领地球的电影,这其实,脑补一下画面,这是很可怕的事情。首先,人类的寿命有限,而人工智能的产物可以使无限寿命可维修的。然后,人类的身体是很脆弱,而人工智能的身体却可以使坚不可摧的。所以,一旦机器具备了人类的能力,很难想象其会否信任和服务于人类,你觉得可不可怕?但是,关于能不能实现还未曾可知,众说云云,所以也目前人类还是安全的,哈哈!不过,小编觉得,无论是否会实现,也绝对阻止不了人类的好奇心去研究“人工智能”。

关于强人工智能的争论不同于更广义的一元论和二元论(DUALISM)的争论。其争论要点是:如果一台机器的唯一工作原理就是对编码数据进行转换,那么这台机器是不是有思维的?希尔勒认为这是不可能的。他举了个中文房间的例子来说明,如果机器仅仅是对数据进行转换,而数据本身是对某些事情的一种编码表现,那么在不理解这一编码和这实际事情之间的对应关系的前提下,机器不可能对其处理的数据有任何理解。基于这一论点,希尔勒认为即使有机器通过了图灵测试,也不一定说明机器就真的像人一样有思维和意识。

也有哲学家持不同的观点。DANIEL C. DENNETT在其著作CONSCIOUSNESS EXPLAINED里认为,人也不过是一台有灵魂的机器而已,为什么我们认为人可以有智能而普通机器就不能呢?他认为像上述的数据转换机器是有可能有思维和意识的。

有的哲学家认为如果弱人工智能是可实现的,那么强人工智能也是可实现的。比如SIMON BLACKBURN在其哲学入门教材THINK里说道,一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的,还是说她/他仅仅是看起来是智能的。基于这个论点,既然弱人工智能认为可以令机器看起来像是智能的,那就不能完全否定这机器是真的有智能的。BLACKBURN认为这是一个主观认定的问题。

需要指出的是,弱人工智能并非和强人工智能完全对立,也就是说,即使强人工智能是可能的,弱人工智能仍然是有意义的。至少,今日的计算机能做的事,像算术运算等,在百多年前是被认为很需要智能的。

人工智能是计算机学科的一个分支,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。这是因为近三十年来它获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕的成果,人工智能已逐步成为一个独立的分支,无论在理论和实践上都已自成一个系统。

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。

研究价值

例如繁重的科学和工程计算本来是要人脑来承担的,如今计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展,另一方面又转向更有意义、更加困难的目标。

通常,“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识,学习策略,在遇到类似的问题时,运用经验知识解决问题并积累新的经验,就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外,还会创造,即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来,计算机最难学会的就是“顿悟”。或者再严格一些来说,计算机在学习和“实践”方面难以学会“不依赖于量变的质变”,很难从一种“质”直接到另一种“质”,或者从一个“概念”直接到另一个“概念”。正因为如此,这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。

这是智能化研究者梦寐以求的东西。

2013年,帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法,该方法导出了研究函数性质的新方法。作者发现,新数据分析方法给计算机学会“创造”提供了一种方法。本质上,这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的,是普通人无法拥有但计算机可以拥有的“能力”。从此,计算机不仅精于算,还会因精于算而精于创造。

计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力,否则计算机真的有一天会“反捕”人类。

《网络经营原理》正是这样一本继网络经营系列文章(对微商、电商、自媒体和传统企业互联网化转型管理、案例事件、培训咨询等网络经营活动观察思考分析以及实践研究形成的整体观点、运营实效和营销推广经验的系统概述,突破思维,探索规律,前沿技术实战观念)之后企图以连载的方式揭示和展现网络经营基本原理和解决方案的书稿。

本文选自简书专题《网络经营系列》知乎专栏《崔振国》薇信公众号《崔振国网络经营探索》《微博:崔振国微博》《薇信:18345015400》

本文由澳门凯旋门在线注册发布于凯旋门科技,转载请注明出处:人工智能的定义与探讨,了解人工智能应用

TAG标签:
Ctrl+D 将本页面保存为书签,全面了解最新资讯,方便快捷。