人类具有强大的智能，人工智能的研究者很早就希望通过模拟人类智能来实现机器智能。 那么，人类为什么能拥有如此强大的智能呢？这归因于我们有一个非常强大的大脑。研究表明，成年人大脑一般约为4千克，占身体重量的2%，是所有动物中比例最高的。可别小看这2%，我们的身体为此付出了超过20%的能量和氧气[1，3]
人的耳朵是一个非常精巧的声音处理系统。总体来说，声音引起鼓膜振动，经过听小骨传递到耳蜗后，形成神经脉冲传到大脑中形成声音感知。在这一过程中，耳蜗是物理振动转换成神经电信号的核心部件，很多人耳感知的特性就是在这里形成的。例如，当一个声音已经存在且音量较高时，我们将很难感知另一个音高差不多的声音。类似的
BP算法（反向传播算法）由Rumelhart, Hinton和Williams于1986年提出[1]，是神经网络的通用训练算法。BP算法的基础是基于梯度下降的误差函数优化，因为利用了神经网络的层次结构，显著提高了计算效率。BP算法的提出为构造复杂神经网络提供了可能，如果没有BP算法，深度学习很难发展
IBM的深蓝战胜国际象棋大师卡斯帕罗夫很大程度上要归功于α-β剪枝算法[2]，那么什么是α-β剪枝算法呢？我们从极小-极大过程开始讲起。 1. 极小-极大过程 我们先看看人是如何下棋的。人在下棋时首先根据当前局面考虑若干总可能的走法，再对每种可能的走法考虑对方会如何走，再考虑自己会如何应对……高手会
1997年IBM公司研制的深蓝首次在正式比赛中战胜国际象棋大师卡斯帕罗夫，轰动了世界。这次胜利背后的一大功臣是大名鼎鼎的α-β剪枝算法，该算法的基本思路是选择一条即使对方做出了最佳应对，己方依然可以得到最大获胜概率的走棋路径，从而在对战中保持走棋优势。 然而，在国际象棋中奏效的α-β剪枝算法在计算机
bvfcv1.专家系统定义 专家系统是模拟人类专家解决某一类具体问题的人工智能系统，如疾病诊疗、机械设计等。那么，如何让计算机模拟人类专家呢？思路很简单：想办法将专家掌握的知识抽取出来，利用这些知识，计算机就可以像专家一样工作了。 图1：专家系统利用人类专家的知识完成工作 2.如何实现专家系统 实现
每个人的声音各有不同，就算是双胞胎，也具有各自不同的特性。我们都有这样的经验，接电话时，如果是自己熟悉的人，只要对方“喂”一声，就能判断出对方是谁。图1给出两个人发同一个字“绿”得到的声音频谱。可以看到，同样的声音由不同人发出来细节有很大差异。这些发音细节和说话人直接相关，因此通常被形象地称为“声纹
自1956年达特茅斯会议以来，人工智能经历了60多年的风风雨雨。在《中国科学》70周年纪念专刊上，清华大学张钹院士等撰文《迈向第三代人工智能》，提出了第三代人工智能的概念[1]。 按张钹老师的观点，人工智能技术的发展总体可以分为两个阶段：基于知识驱动的方法和基于数据的方法，分别称为第一代人工智能和第
人工智能自1956年的达特茅斯会议以来经历了若干次高潮和低谷，发展道理可谓充满了艰辛和曲折。 图1:人工智能发展曲线[2] 第一次高潮是在1956年以后的十年。在这十年里，逻辑推理方法取得长足进展，包括定理证明、基于模板的对话机器人获得极大成功，AI领域充满了乐观情绪，包括ARPA在内的资助机构也慷
让我们沿着历史回溯到1956年，当时通用计算机刚刚诞生不久，其强大的计算能力引起了很多研究者的兴趣。受图灵关于机器智能思想的影响，一些研究者开始尝试用计算机来模拟人的智能，并做出了一些有意义的成果，其中比较有名的包括约翰•麦卡锡的α-β搜索算法，赫伯特•西蒙和艾伦•纽厄尔的“逻辑理论家”定理证明系统
艾伦-图灵是英国著名的计算机学家、数学家和逻辑学家，是人工智能的真正创始人。 图灵很小就展现出过人的数学和科学天赋，在16岁时就可以读懂爱因斯坦的著作。1936年，年仅25岁的图灵发表了一篇划时代的论文《论可计算数及其在判定问题上的应用》[1]，文章提出了被后人称为“图灵机”的通用计算模型，为现代计
我们知道蛋白质是由不同类型的氨基酸串在一起形成的，氨基酸的组合方式不同，形成的蛋白质在功能上也有所不同。可以计算一下，100个氨基酸能组成的蛋白质结构有10130个，这些结构中只有极少数具有功能性（比例大约为1077分之一）[1]。这给蛋白质的人工合成带来了巨大压力，因为废品率太高了。 近日Natu
