智能判斷機器需要程序員嗎

A. 計算機老師說未來不需要程序員，都是機器自動生成代碼，可能嗎

個人認為，計算機老師說未來不需要程序員，都是機器自動生成代碼的情況是不可能的。

我認為程序員永遠不會被取代。首先，人工智慧也是由程序員創造的。人工智慧本質上是一個程序，它不會自我進化。人工智慧的進化也是大牛不斷科研的結晶。如果人工智慧能夠實現自我進化和升級，有一天會失去控制，那麼只有程序員才能拯救人類。任何一頭大公牛都不是天生的大母牛。普通程序員總是日夜敲打代碼，學習如何成長為一頭大母牛。因此，程序員是不可替代的。在不久的將來，對初級程序員的惡意會越來越嚴重，就業環境也會越來越困難。如果他們不成為技術牛，就會被社會淘汰。

演算法基本上是由頂尖的科學家和程序員完成的。普通程序員就是應用程序。你的回答表明你絕對不是一個程序員。事實上，即使你做了一個流程圖，你仍然不能不寫代碼。事實上，現在的程序員通過將流塊或功能塊與某些邏輯相結合來編寫大量代碼。許多演算法只是被使用。要寫出更深層次的演算法，需要太多的知識，數學、計算機原理、相關專業等都需要精通。

所見即所得只適用於一些場景，其中大部分是GUI預先設計好的組件，拖放加上基本的業務關聯，主要目的是代碼重用，有點不願意代替手工。理論上，只有可窮盡的場景才能被機器處理，而且范圍顯然是有限的。

未來就是未來，現在就是現在。任何過度，都是因為未來智力的發展而在年輕時放棄學習，那就是放棄未來。人應該活在當下。就像石油總有一天會用完一樣。這種趨勢並不取決於人類。知道買哪輛車或買哪輛車的可能性是很好的。機器編程總是根據設定的場景來完成的！但商業需求總是在變化！有輔助編程的程序員會越來越少，但不會沒有這個專業！就像有個機器人！那就沒人工作了！這真是個毫無根據的話題！有東西可以提高生產力！它必須取代低端生產力！但總的來說！社會還在前進！

當過程足夠復雜時，您就在構建它時編寫代碼。你在程序員代碼中調用的每一個API，你都可以理解它是由計算機自動完成的，但仍然需要很多程序員來組裝它們。在20年裡，也許在很長一段時間里，人類還沒有完全理解人類思維的本質，機器無法代替勞動。

B. 未來50%的工作都將被人工智慧給取代，程序員會被機器人取代嗎

首先程序員這個行業和其他行業一樣也是分等級的。
雖然非常不想用「底層從業者」這五個詞來定義最低層次的程序員，但事實就是如此。
當行業的某個技術領域發展成熟到一定程度時，這個領域的大部分從業人員真的會被機器人所取代，准確的說，不只是被機器人所取代，也會被自動化系統所取代。舉一個最近的例子吧，網路發布的產品PaddlePaddle。
【PaddlePaddle是集深度學習核心框架、工具組件和服務平台為一體的技術先進、功能完備的開源深度學習平台，已被中國企業廣泛使用，深度契合企業實際應用需求，並擁有活躍的開發者社區生態。提供豐富的官方支持模型集合，並推出全類型的高性能部署和集成方案供開發者使用。】
從上面的描述介紹中就可以一窺究竟的。
【核心框架】、【工具組件】和【服務平台】這三個詞的重量真的令人深思。因為這意味著：
不用再自己搭深度學習的框架了，不用到處找工具了，集常用的組件和工具於一體，你只需要專注的干著自己的事情就可以了。
只會搭框架、搬運代碼的程序員真的會被淘汰掉的。
但是目前為止，因為公司財力、技術人員儲備不足等客觀原因，還是需要會搭框架、會搬運代碼的程序員的。
其次，提出這個問題，或許你的思維是靜止的。
應該在「程序員」三個字之前加四個字的定語，【不學習的】程序員肯定會被機器人所取代，這點毫無疑問。
【程序員】是一個升級打怪的職業，【優秀程序員】是一路不斷學習上來的，【終身學習者】這個名詞最適合「程序員」。因為程序語言的變化真的很快，技術發展很迅速。不學習，跟不上時代發展需要。科技社會的最大特徵就是一個字「快」。
【唯快不破】、【快速迭代】成了他們的標簽。
最後，機器人不具備的思維恰恰是人類的優勢，也必然是程序員的優勢。
有系統思維、能進行底層架構的程序員根本不會被機器人所取代。
這里有一個很明顯的例子就是：AI法律助手包小黑@免費法律咨詢評估
【機器人】包小黑取代了傳統服務行業的大部分律師進行咨詢回答的功能，但包小黑是誰做出來的？是程序開發者、演算法工程師和法律專業人士一起合力完成的。
必須說一句的是，【未來社會是一個高度分工化和高度融合化的過程。】
原因就是科學技術的發展。
只會寫代碼的程序員未來估計不存在了
因為會寫簡單代碼的能力將會是未來所有受教育者的一項基本能力，和英語一樣。

C. 人工智慧都是干什麼的程序員

人工智慧人才要求高
人工智慧行業興起時間不長，有工作經驗的專業人才更是稀少。作為高端人才，人工智慧一般都要求研究生學歷，有些企業甚至要求本科必須是985、211的名校。如果學歷不好，有大廠的工作經驗可以彌補。因為大家普遍認為大廠在技術上投入更多，技術人員也得到了更多的鍛煉。如果沒有背景和學歷，你的簡歷可能到hr那就被pass了，無法進入技術面試。

D. 現在有沒有代替程序員編程的自主軟體或者機器人

作為一名IT行業的從業者，同時早期主要的研究方向是動態軟體體系結構，所以我來回答一下這個問題。

首先，目前在軟體開發的過程以及應用的過程中，一部分代碼確實是可以自動生成的，而且這個應用的 歷史 還是比較久的，但是目前自動生成代碼的過程對於場景的依賴度還是比較高的，從應用的角度來看，主要是輔助程序員以提升開發效率。

軟體開發過程是一個邏輯思維的過程，即使是初級程序員的開發工作，從某種程度上來說，也是有一定創新要求的，而目前人工智慧依然處在初期階段，所以要想通過智能體來代替程序員的工作還是具有較大難度的。

當前在軟體開發的過程中，可以通過動態軟體體系結構的方式來完成體系結構的自適應拓展，主要的應用領域涉及到平台研發和工具研發領域。比如早期的OSGI結構就能夠在一定程度上完成軟體體系結構的動態擴展，Eclipse就是基於OSGI完成功能模塊擴展的。在動態體系結構的支撐下，可以完成部分功能代碼的自動生成。

代碼的自動生成可以分成三個部分，其一是代碼生成容器，容器要基於動態軟體體系結構來完成構建；其二是目標代碼需求描述，通常要設計一系列模版；其三是完成代碼的微調和部署。早期自動生成的代碼主要集中在展現層，原因是展現層的邏輯相對比較清晰，而且樣式也比較統一，這樣會比較容易完成目標代碼的生成。

隨著雲計算的普及，目前通過PaaS可以完成大量的資源整合，這個過程也涉及到部分代碼的自動生成。按照目前的應用趨勢來看，未來PaaS和智能體的結合將是一個比較明顯的發展趨勢，相信會在更多的場景下實現代碼的自動生成。

其實對於人工智慧的奇點觀點，從很早開始就爭論不休。一方面埃隆馬斯克、史蒂芬霍金都對超級人工智慧持恐懼態度，而另一方面大多數的學者、教授對於超級人工智慧持樂觀態度。

我想大多數人都是認為程序員是不可能被機器人所替代的，然而我並不這么認為，因為我並不覺得現在大多數的程序員做的編程工作有太大的不可替代性。

我時常看到大部分業界同僚的觀點是，編程是需要程序員的智慧才能完成系統的開發，人類的邏輯思維是機器不可取代的。我想有這種觀念的人，應該想想程序員究竟是怎麼編程的。

沒錯，未來仍然會有一些程序員存在，而那些消失了的程序員，我想是目前面向搜索引擎編程的程序員，你能夠通過搜索引擎搜索到代碼，然後復制粘貼完成編碼任務，那麼為什麼你就認為智能機器不能辦到這點呢？

如果大腦在未來，最終被研究證實只是一堆會計算的肉呢？如果到那時，量子計算機被研發出來了，編程的核心邏輯從01判斷轉向為量子計算呢？未來沒有什麼是不可能的，只是或近或遠而已。

現在難道就沒有代替程序員編程的自主軟體或者機器人么？真的沒有么？DevOps的核心思想就是研發運維一體化，只要具備自動化的可能，我想這部分工作就會有機器人來做，而不再需要程序員來做。

其實你應該了解，軟體研發的系統，除了按照強業務邏輯，一板一眼設計並且編碼的業務系統外，還有智能系統，也就是面向系統開發的系統，這種系統的特徵就是具有智能，靈活，不拘泥於固定業務實體，面向大數據，面向智能分析與推理。

程序員被徹底替代的路還很漫長，人工智慧目前來說還是非常不智能的。但從大趨勢來說，只要機器能夠代勞的，人就會偷懶不自己去做。那麼從本質上來說，取代程序員的終究是程序員自己，因為要自動化，軟體復用，並且高度抽象自動編程，等到人工智慧的奇點到來時，一切將不再受人類控制。

希望這天不會到來，或者，即使這天到來，人類也做好的應對准備。

程序員編程的過程不僅僅是簡單的用代碼實現需求，首先你要知道代碼的質量很大程度上依賴於需求的質量，很多用戶需求都一直是在變化的，同時用戶很多時候並不知道自己真正要什麼，是程序員先給一個方案給用戶去參考，再修改。有時候用戶的需求甚至是錯的。程序的開發需要程序員和需求方共同合作最後才會有最終程序完成。另外光從技術角度上來說，同樣的功能也可以有完全不同的技術實現，有時候也沒有絕對的那個技術方案一定更好。

如果真有一天機器人能完全替代程序員，那麼機器人完全可以給自己的程序優化升級實現自我進化，到這一天也沒別的人什麼事了，大家要麼都失業了，要麼像wall e里的人類一樣被圈養起來成為廢人

暫且不談有還是沒有。打個比方一個產品的研發，需要不斷的市場調研，前期的需求分析再到人員分配到技術機構等等，就應客戶的需求基本都是實時更新，三天一小換，五天一大換，甚至還有無厘頭的需求，試問機器人他可以解決嗎？ 我是這樣認為的人腦遠遠大於電腦在邏輯思維及現實生活結合起來的一種創新思想，而這樣的思想機器人無法替代，畢竟機器也是人造出來的，所以沒有什麼必然的實踐。畢竟機器人沒有感情是虛擬世界的成員，沒有多維思考的能力，所以程序員不會被機器人替代，至少它們是沒有物種的存在。

現在的程序員本身都己是機器了，還需要再造寫代碼機器嗎？996，有的是24小時連上7天的都見過。不能有bug，出了bug的扣績效或開除，現在的程序員早就己經被當成機器用了

哈哈，你問這個問題前應該考慮一下甲方和產品經理，先問有沒有能代替產品經理的機器人。如果有，我覺得代替程序員不是難事。

我想過這問題，但我沒能力做

如果機器人能自己編程，那他還會滿足做個機器人嗎，還天天給你編程

不可能的，業務邏輯是最難的，編程很簡單。

框架就是自主編程軟體，業務邏輯必須是要人工處理的，將來也不可能出現能處理業務邏輯的自主編程軟體。

E. 無代碼時代來臨，未來還需要程序員嗎

科技的發展是一個永恆的話題，現在的大數據，軟體，電子產品等等都涉及到科技，而其中的關鍵點就在於程序的編寫，而程序員就顯得很是重要了，而現在很多人討論無代碼時代來臨，未來還需要程序員嗎？答案肯定是需要的，不然無法創造出更強更優秀的代碼，我們來看看分析。

而高級程序員本身的意義是遠超過無代碼的，他們需要攻克技術的難關，就比如華為5g網路演算法突破就是一個俄羅斯小伙給破解出來的，還有淘寶如此大的平台人流量如此恐怖，也是靠程序員優質的大腦計算分析改善的代碼，才能夠保證在雙11平台伺服器也不會崩潰，一樣保證我們的正常運行，這些都是程序員才能去做到的事。

F. 人工智慧需要什麼基礎

廣義的說，人工智慧包含諸多不同的方法，其主旨是讓程序像一個智能體一樣解決問題。機器學習是實現人工智慧的一種方法，它不完全依靠預先設計，而是從數據中進行總結，達到模擬記憶、推理的作用。包括諸如支持向量機(SVM)、各類基於決策樹的演算法(包括Boosting、Bagging、Random
Forest等)，各類基於人工神經網路的演算法(例如簡單網路及深度網路等)，以及多方法的集成等。

基於人工智慧的發展優勢，很多小夥伴都想要在這個領域大展宏圖，但擺在面前的三道門檻是需要你逐一攻克的。本文千鋒給大家分享一下人工智慧入門的三道屏障。
門檻一、數學基礎
我們應該了解過，無論對於大數據還是對於人工智慧而言，其實核心就是數據，通過整理數據、分析數據來實現的，所以數學成為了人工智慧入門的必修課程!
數學技術知識可以分為三大學科來學習：
1、線性代數，非常重要，模型計算全靠它~一定要復習扎實，如果平常不用可能忘的比較多;
2、高數+概率，這倆只要掌握基礎就行了，比如積分和求導、各種分布、參數估計等等。
提到概率與數理統計的重要性，因為cs229中幾乎所有演算法的推演都是從參數估計及其在概率模型中的意義起手的，參數的更新規則具有概率上的可解釋性。對於演算法的設計和改進工作，概統是核心課程，沒有之一。當拿到現成的演算法時，僅需要概率基礎知識就能看懂，然後需要比較多的線代知識才能讓模型高效的跑起來。
3、統計學相關基礎
回歸分析(線性回歸、L1/L2正則、PCA/LDA降維)
聚類分析(K-Means)
分布(正態分布、t分布、密度函數)
指標(協方差、ROC曲線、AUC、變異系數、F1-Score)
顯著性檢驗(t檢驗、z檢驗、卡方檢驗)
A/B測試
門檻二、英語水平
我這里說的英語，不是說的是英語四六級，我們都知道計算機起源於國外，很多有價值的文獻都是來自國外，所以想要在人工智慧方向有所成就，還是要讀一些外文文獻的，所以要達到能夠讀懂外文文獻的英語水平。
門檻三、編程技術
首先作為一個普通程序員，C++ / Java / Python 這樣的語言技能棧應該是必不可少的，其中 Python 需要重點關注爬蟲、數值計算、數據可視化方面的應用。

G. 機器人智能判別技術如何實現

本人覺得前景非常的光明.首先，智能的家電首先已經出現在國內國外各大商場了,所以這是作為一個碩士生來說還是比較不錯的話題的.
另外,如果你是寫論文的話還是寫寫比較超前的話題，例如,將來的智能機器人(製造業中應用於電子業,如電子板,電容，各種晶元等等)如果是想將來有這樣的發展的話，還是學一學關於電子類的智能體,單片機就不錯.
智能機器人資料
機器人現在已被廣泛地用於生產和生活的許多領域,按其擁有智能的水平可以分為三個層次.

一是工業機器人,它只能死板地按照人給它規定的程序工作,不管外界條件有何變化,自己都不能對程序也就是對所做的工作作相應的調整.如果要改變機器人所做的工作,必須由人對程序作相應的改變,因此它是毫無智能的.

二是初級智能機器人.它和工業機器人不一樣,具有象人那樣的感受,識別,推理和判斷能力.可以根據外界條件的變化,在一定范圍內自行修改程序,也就是它能適應外界條件變化對自己怎樣作相應調整.不過,修改程序的原則由人預先給以規定.這種初級智能機器人已擁有一定的智能,雖然還沒有自動規劃能力,但這種初級智能機器人也開始走向成熟,達到實用水平.

三是高級智能機器人.它和初級智能機器人一樣,具有感覺,識別,推理和判斷能力,同樣可以根據外界條件的變化,在一定范圍內自行修改程序.所不同的是,修改程序的原則不是由人規定的,面是機器人自己通過學習,總結經驗來獲得修改程序的原則.所以它的智能高出初能智能機器人.這種機器人已擁有一定的自動規劃能力,能夠自己安排自己的工作.這種機器人可以不要人的照料,完全獨立的工作,故稱為高級自律機器人.這種機器人也開始走向實用.

智能機器人

我們從廣泛意義上理解所謂的智能機器人，它給人的最深刻的印象是一個獨特的進行自我控制的「活物」。其實，這個自控「活物」的主要器官並沒有像真正的人那樣微妙而復雜。

智能機器人具備形形色色的內部信息感測器和外部信息感測器，如視覺、聽覺、觸覺、嗅覺。除具有感受器外，它還有效應器，作為作用於周圍環境的手段。這就是筋肉，或稱自整步電動機，它們使手、腳、長鼻子、觸角等動起來。

智能機器人之所以叫智能機器人，這是因為它有相當發達的「大腦」。在腦中起作用的是中央計算機，這種計算機跟操作它的人有直接的聯系。最主要的是，這樣的計算機可以進行按目的安排的動作。正因為這樣，我們才說這種機器人才是真正的機器人，盡管它們的外表可能有所不同。

我們稱這種機器人為自控機器人，以便使它同前面談到的機器人區分開來。它是控制論產生的結果，控制論主張這樣的事實：生命和非生命有目的的行為在很多方面是一致的。正像一個智能機器人製造者所說的，機器人是一種系統的功能描述，這種系統過去只能從生命細胞生長的結果中得到，現在它們已經成了我們自己能夠製造的東西了。

智能機器人能夠理解人類語言，用人類語言同操作者對話，在它自身的「意識」中單獨形成了一種使它得以「生存」的外界環境——實際情況的詳盡模式。它能分析出現的情況，能調整自己的動作以達到操作者所提出的全部要求，能擬定所希望的動作，並在信息不充分的情況下和環境迅速變化的條件下完成這些動作。當然，要它和我們人類思維一模一樣，這是不可能辦到的。不過，仍然有人試圖建立計算機能夠理解的某種「微觀世界」。比如維諾格勒在麻省理工學院人工智慧實驗室里製作的機器人。這個機器試圖完全學會玩積木：積木的排列、移動和幾何圖案結構，達到一個小孩子的程度。這個機器人能獨自行走和拿起一定的物品，能「看到」東西並分析看到的東西，能服從指令並用人類語言回答問題。更重要的是它具有「理解」能力。為此，有人曾經在一次人工智慧學術會議上說過，不到十年，我們把電子計算機的智力提高了10倍；如維諾格勒所指出的，計算機具有明顯的人工智慧成分。

不過，盡管機器人人工智慧取得了顯著的成績，控制論專家們認為它可以具備的智能水平的極限並未達到。問題不光在於計算機的運算速度不夠和感覺感測器種類少，而且在於其他方面，如缺乏編制機器人理智行為程序的設計思想。你想，現在甚至連人在解決最普通的問題時的思維過程都沒有破譯，人類的智能會如何呢——這種認識過程進展十分緩慢，又怎能掌握規律讓計算機「思維」速度快點呢？因此，沒有認識人類自己這個問題成了機器人發展道路上的絆腳石。製造「生活」在具有不固定性環境中的智能機器人這一課題，近年來使人們對發生在生物系統、動物和人類大腦中的認識和自我認識過程進行了深刻研究。結果就出現了等級自適應系統說，這種學說正在有效地發展著。作為組織智能機器人進行符合目的的行為的理論基礎，我們的大腦是怎樣控制我們的身體呢？純粹從機械學觀點來粗略估算，我們的身體也具有兩百多個自由度。當我們在進行寫字、走路、跑步、游泳、彈鋼琴這些復雜動作的時候，大腦究竟是怎樣對每一塊肌肉發號施令的呢？大腦怎麼能在最短的時間內處理完這么多的信息呢？我們的大腦根本沒有參與這些活動。大腦——我們的中心信息處理機「不屑於」去管這個。它根本不去監督我們身體的各個運動部位，動作的詳細設計是在比大腦皮層低得多的水平上進行的。這很像用高級語言進行程序設計一樣，只要指出「間隔為一的從1～20的一組數字」，機器人自己會將這組指令輸入詳細規定的操作系統。最明顯的就是，「一接觸到熱的物體就把手縮回來」這類最明顯的指令甚至在大腦還沒有意識到的時候就已經發出了。

把一個大任務在幾個皮層之間進行分配，這比控制器官給構成系統的每個要素規定必要動作的嚴格集中的分配合算、經濟、有效。在解決重大問題的時候，這樣集中化的大腦就會顯得過於復雜，不僅腦顱，甚至連人的整個身體都容納不下。在完成這樣或那樣的一些復雜動作時，我們通常將其分解成一系列的普遍的小動作 （如起來、坐下、邁右腳、邁左腳）。教給小孩各種各樣的動作可歸結為在小孩的「存儲器」中形成並鞏固相應的小動作。同樣的道理，知覺過程也是如此組織起來的。感性形象——這是聽覺、視覺或觸覺脈沖的固定序列或組合 （馬、人），或者是序列和組合二者兼而有之。

學習能力是復雜生物系統中組織控制的另一個普遍原則，是對先前並不知道、在相當廣泛范圍內發生變化的生活環境的適應能力。這種適應能力不僅是整個機體所固有的，而且是機體的單個器官、甚至功能所固有的，這種能力在同一個問題應該解決多次的情況下是不可替代的。可見，適應能力這種現象，在整個生物界的合乎目的的行為中起著極其重要的作用。本世紀初，動物學家桑戴克進行了下面的動物試驗。先設計一個帶有三個小平台的T形迷宮，試驗動物位於字母T底點上的小平台上，誘餌位於字母T橫梁兩頭的小平台上。這個動物只可能做出以下兩種選擇，即跑到岔口後，它可以轉向左邊或右邊的小平台。但是，在通向誘餌的路上埋伏著使它不愉快的東西：走廊兩側裝著電極，電壓以某種固定頻率輸進這些電極之中，於是跑著經過這些電極的動物便受到疼痛的刺激——外界發出懲罰信號。而另一邊平台上等著動物的誘餌則是外界獎勵的信號。實驗中，如果一邊走廊的刺激概率大大超過另一走廊中的刺激概率，那麼，動物自然會適應外界情況：反復跑幾次以後，動物朝刺激概率低、痛苦少的那邊走廊跑去。桑戴克作試驗最多的是老鼠。如老鼠就更快地選擇比較安全的路線，並且在懲罰相差不大的情況下自信地選擇一條比較安全的路線，其它作試驗的動物是帶著不同程度的自適應性來體現這一點的，不過，這種能力是參加試驗的各種動物都具有的。

控制機器人的問題在於模擬動物運動和人的適應能力。建立機器人控制的等級——首先是在機器人的各個等級水平上和子系統之間實行知覺功能、信息處理功能和控制功能的分配。第三代機器人具有大規模處理能力，在這種情況下信息的處理和控制的完全統一演算法，實際上是低效的，甚至是不中用的。所以，等級自適應結構的出現首先是為了提高機器人控制的質量，也就是降低不定性水平，增加動作的快速性。為了發揮各個等級和子系統的作用，必須使信息量大大減少。因此演算法的各司其職使人們可以在不定性大大減少的情況下來完成任務。

總之，智能的發達是第三代機器人的一個重要特徵。人們根據機器人的智力水平決定其所屬的機器人代別。有的人甚至依此將機器人分為以下幾類：受控機器人——「零代」機器人，不具備任何智力性能，是由人來掌握操縱的機械手；可以訓練的機器人——第一代機器人，擁有存儲器，由人操作，動作的計劃和程序由人指定，它只是記住 （接受訓練的能力）和再現出來；感覺機器人——機器人記住人安排的計劃後，再依據外界這樣或那樣的數據 （反饋）算出動作的具體程序；智能機器人——人指定目標後，機器人獨自編制操作計劃，依據實際情況確定動作程序，然後把動作變為操作機構的運動。因此，它有廣泛的感覺系統、智能、模擬裝置（周圍情況及自身——機器人的意識和自我意識）。

怎樣變聰明的

人工智慧專家指出：計算機不僅應該去做人類指定它做的事，還應該獨自以最佳方式去解決許多事情。比如說，核算電費或從事銀行業務的普通計算機的全部程序就是准確無誤地完成指令表，而某些科研中心的計算機卻會「思考」問題。前者運轉迅速，但絕無智能；後者儲存了比較復雜的程序，計算機里塞滿了信息，能模仿人類的許多能力 （在某些情況下甚至超過我們人的能力）。

為了研究這個問題，許多科學家都曾耗盡了自己一生的心血。如第二次世界大戰期間，英國數學家圖靈發明了一種機器，這種機器成了現代機器人的鼻祖。這是一種破譯敵方通訊的系統。後來，圖靈用整個一生去幻想製造出一種會學習、有智能的機器。而在1945年10月的普林斯頓，另一位著名的數字家馮·奈曼卻設計了一個被稱為「人工大腦」的東西。他和自己的學生都是心理學和神經學的狂熱迷戀者，為了製造人類行為的數學模擬機，他們遭受了多次失敗，最後失去了製造「人工智慧」可能性的信心。早期的計算裝置過於笨重，部件尺寸太大，使得馮·奈曼無法解決如何用這些部件來代替極小極小的神經細胞這樣一個難題，因為當時人類的大腦被看作是某種相互聯系的神經元編織成的東西，所以就可以把它想像成某種計算裝置，其中循環的不是能量，而是信息。科學家們想到，如果接受這樣的對比的話，為什麼不能發明出一種使信息通過以後產生智能的系統呢？

於是他們提出了人工思維的各種理論。比如，物理學家馬克便提出了企圖使機器人用二進位或二進位邏輯元件進行思維的方法。這個方法被大家認為是非常簡便的方法。1956年科學家們召開了第一屆大型研討會，許多專家學者主張採用「人工智慧」這個術語作為研究對象的名稱。兩位不出名的研究者——內維爾和西蒙提出了不同凡響的設想。他們研究了兩個人藉助於信號裝置和按鈕系統進行交際的方式。這個系統要把這兩個人的行為分解為一系列簡單動作和邏輯動作。因為在這兩個研究者的工作地點裝有兩台大型計算機，所以他們倆常把自己的試驗從腳到頭倒著進行消遣取樂：把簡單的邏輯規則輸入計算機，使它養成進行復雜推理的能力。這真是一個天才的想法；計算機程序不僅進行工作，而且靠它幫助，發現了一個新定理，這個定理證明完全出乎意料之外，而且比以前所有的證明還要優美得多。內維爾和西蒙發現了一個奠定性的原則，即賦予機器人智能用不著非得弄懂人類大腦不可。需要研究的不是我們的大腦是怎樣工作，而是它做些什麼；需要分析人的行為，研究人的行為獲得知識的過程，而不需要探究神經元網路的理論。簡單地講，應著重的是心理學，而不是生理學。

從此，研究者便開始沿著上述方向前進了。不過，他們還一直在爭論這樣的問題：用什麼方式使計算機「思維」。
有一派研究者以邏輯學為研究點，試圖把推理過程分為一系列的邏輯判斷。計算機從一個判斷進到另一個判斷，得出合乎邏輯的結論。象眾所周知的三段論一樣：「所有的動物都會死掉；小刺唱是動物，因此，小刺猖也會死掉。」計算機能否獲得幼童一樣的智力水平呢？關於這個問題，科學家們有兩種相反的見解。伯克利的哲學教師德賴弗斯帶頭激烈反對「人工智慧派」。他說人工智慧派的理論是煉金術。他認為，任何時候也無法將人的思維進行程序設計，因為有一個最簡單不過的道理：人是連同自己的肉體一起來認識世界的，人不僅僅由智能構成。

他進一步舉例：計算機也許懂得飯店是什麼意思，但它絕不會懂得得客人是否用腳吃飯，不懂得服務小姐是飛到桌邊，還是爬到腳邊；總之，計算機永遠也不會有足夠的知識來認識世界。但麻省理工學院的研究員明斯基卻不同意德賴弗斯的觀點，他認為機器人的智能是無限的。他對「人工智慧」的解釋是：這是一門科學，它使機器去做這樣一種事情，如果這種事情由人來做的話，就會被認為是有智力的行為。明斯基同時是一位物理學家、數學家，還對心理學、社會學、神經學都有所研究。他指出，人工智慧是心理學的一個新門類，這個門類用實驗的方法，以計算機為手段模擬人類思維的本性。他認為自己所研究的計算機，是一門全新的科學；當然機器並不是人，它永遠沒有人的那種快樂或是痛苦的情感體驗，只是熱衷於掌握純粹的知識。舉個例子來說吧，人可以給計算機輸入「水」的概念：水是一種液體，表面是平的；如果從一個容器倒入另一個容器里，其數量不變；水可以從有洞的容器里漏出來，能弄濕衣服，等等。但是，它獲得有關水的最一般的信息之後，就盡力回答一個很重要的問題：「如果將盛滿水的玻璃杯傾斜，那會怎樣呢？」計算機在它的熒光屏上顯示出了一隻傾斜到水平位置的玻璃杯，盡管計算機知道引力定律，但它還是固執地在熒光屏上顯示：玻璃杯歪倒了，可液體就是不外流。計算機永遠不會從痛苦的、但卻是有益的經驗中體驗到那種衣服被弄濕的人所感受到的不快心情。

所以有一個名叫申克的心理學家正領導一批學者從事這個令人感興趣的課題的研究：讓計算機學會閱讀和概括讀物內容，回答有關問題；讓計算機學會幾種人類語言，並互相翻譯；讓計算機學會對話、學習論證藝術、背單詞……

與人對話

美國耶魯大學曾經設計了一台這樣的計算機：它的存儲器里沒有保存預先准備好的固定說法，它自行編制答話，會論證，會「思考」，某種程度上有點像人。靠著心理學和資訊理論，科學家為自己提出了一個令世人驚異不已的課題：把人的思維方式和行為研究清楚，然後去人工模擬它。

談到「人工智慧」這個詞的時候，我們馬上會把它跟一些非真實的東西聯在一起。這個詞的出現，令許多人提心吊膽：機器人和人一樣了，那人類將何去何從！有的人在拚命捍衛著人類自身的最後一個堡壘，使其免遭機器人的傷害、侵犯。問題之所以復雜還在於這個詞至今還沒有形成統一的定義。明斯基說：「這是一門科學，它使機器人去做這樣一種事情，這種事情如果由人去做的話，就會被認為是有智能的行為。」這類俏皮的定義用處不大，有時簡直會把研究者引到實用形式主義的沼澤中去。另一個叫圖靈的研究者提出了人工智慧的測試方法：如果人類猜不出計算機跟他談話時將表述何種內容——不知道它要說什麼，那麼，這台計算機已經達到了人的智能水平。他的這一番高論曾經引起了轟動，給學術界添了不少忙亂。為了排除計算機言語問題，這樣的對話最好是利用電傳機進行。對於許多控制專家來說，為達到圖靈所說的水平，進行了大量的工作。數不清的各種各樣的電子交談者紛紛問世。

60年代末，美國控制論專家、麻省理工學院教師魏森鮑姆編成了幾個程序，其主要目的是滿足圖靈的測試條件——把吹毛求疵的技術專家搞糊塗。這種做法的基礎是似是而非的對話。在進行這種對話時，交談者只是看起來像是在交談。「交談者」實際上不去考慮交談對方所說的意思，而是把聽到的東西作些並不復雜的形式上的改變，組成自己的答話。請看：

研究者說：「朋友建議我到您這兒來，他說這多少可使我快樂些。」

計算機吃驚地問道：「您的朋友建議您到這兒來？」

研究者說：「他說我總是鬱郁不樂。」

計算機說：「您鬱郁不樂，我很遺憾。」

詳盡研究了無聊空洞的沙龍對話之後，魏森鮑姆發明了他那富有魅力的

「機器人女士」。他發現他的某些同胞能在毫無興趣的情況下應付對方談話，而且他們的對話仍能很好地進行下去。這個機器人女士繼承了這一能力，能在問話中找到關鍵詞語，然後組成一些公式化的令人感到恰當的答案。看得出，這位「女士」是有些智能。但實際上，她的智能有限，只是善於偽裝罷了。「女士」的頭腦十分簡單，在人說出來的話語中，一些固定的關鍵詞語迫使它產生反應，提出一些固定的語句來。比如，當人說「你不知道某某」時，「女士」便會答道：「為什麼您認為我不知道呢？」她能說會道，但只不過是一個沙龍里閑聊的能手罷了。

科爾比在斯坦福大學編制了另一種計算機程序，它與上述「女士」不同。它的任務是幫助剛剛開始工作的精神病醫生獲得某些同重病患者交談的經驗。這個程序模擬的是患迫害狂的病人。程序中存儲了一定的履歷情況：佩里，28歲，未婚，在郵局工作；他極其脆弱，對涉及他的外貌、教育和信仰等所有問題都敏感；他的愛好是看電影和賽馬；有一次，他竟朝賽馬場賭注登記員猛撲過去，因為那個人沒付給他贏得的彩金；從此，他便開始懼怕黑社會的報復。交談中，佩里的情緒經常變化。如果談話主持人經常地觸及到佩里的「痛處」，佩里便開始激動，出現妄想狂症狀。下面是他們的對話：

醫生：「您怕黑社會嗎？」

佩里：「黑手黨是最可怕的暴徒。」

醫生：「您跟黑手黨有什麼聯系嗎？」

佩里：「您沒看到嗎，他們知道我。」

醫生：「他們怎麼會知道你？」

佩里：「他們在監視我。」

醫生：「為什麼？」

佩里：「他們想羅織罪名把我打入監獄。」

醫生：「他們為什麼要害您？」

佩里：「他們想置我於死地。」

醫生：「為什麼呢？」

佩里：「我掌握著黑手黨的罪證。」

一群精神病醫生被安排通過電傳機跟一個真病人和佩里同時進行交談，雖然他們知道其中一個交談者是計算機，但猜不出究竟哪個是計算機。這樣，圖靈測試法便開始發生作用了。後來發生了更加有趣的事，先前魏森鮑姆製作了一個模擬精神病醫生醫治某些神經功能失調症的機器人；後來產生了用這個機器人來治佩里的想法，這是它們之間的對話：

醫生：「您好，請說說您哪兒不舒服？」

佩里：「我有時生別人的氣。」

醫生：「我不太理解您說的意思。」

佩里：「您應該注意聽些。」

醫生：「請繼續說吧。」

佩里：「我曾經去過貝—梅多烏斯賽馬場。」

醫生：「您去干什麼？」

佩里：「我去賽馬了。」

醫生：「您還想討論什麼？」

佩里：「我對賽馬感興趣。」

醫生：「您為什麼要說這些呢？」

佩里：「那裡賽馬賭博時搗鬼。」

醫生：「我不太明白您的意思。」

佩里：「您真是個令人討厭的人！」

醫生：「您喜歡把我看作是個真正令人討厭的人嗎？」

佩里：「我聽膩了。」

醫生：「為什麼？」

佩里：「再見！」

醫生：「認識您十分高興。您應交付399美元25美分。」

這就是它們的對話，交談得不錯，盡管醫生有些「瞎蒙」。程序員准備逐步完善「佩里」的程序，以便年輕的醫生們能在對話過程中「治癒」這個人造病人。到那時，大學生們便可以通過跟計算機交談來學習，免去面對真正的精神病人時因醫術不熟練造成的痛苦。

教會機器人去抓住這樣或那樣的實質更為重要。跟計算機談話有兩種類型：有限的交談和有限的理解。在有限的交談中，機器人「理解」它所交談的全部內容，不過只是涉及到確定話題的情形下，比方說，下棋或擺積木。在有限的理解時，可以同它隨意交談，但是它卻遠遠不能全部理解你的話。魏森鮑姆編制的機器人「女士」這個程序正屬於此類。「女士」只能表面上理解事件和現象。不過，隨著控制對話理論和實踐的發展，機器人的言語變得越來越能表達意思了。圖靈測試法開始經常性地生效了。

美國的一家電子計算機公司的副董事長，陰差陽錯，接受了一次圖靈標准測試。從此，這個標準的地位開始下降了。因為控制專家們由此發現，它也不是檢驗計算機智能極限的最佳標准。

最佳標準是什麼呢？怎樣的智能水平才夠稱得上是真正的「智能」機器人呢？這又成了擺在智能科學家面前的一個新問題。

機器人教給你

計算機事業的發展是建立在許多科學研究者「異想天開」的主觀設想和辛勤勞動的客觀實踐的基礎之上的。前面已經說過，一些學者在研製控制對話原理，做出了不少貢獻。此時，另一些實踐家和實用主義者則努力將機器人的這種新能力套在科技進步的大車上，他們決心讓機器人具備具體的領域中的某些知識。

我們知道，計算機所獲得的全部信息因素被一個相互依賴的復雜系統聯系在一起。計算機比起邏輯推理來，更經常地採用類比和判斷的方法，它將這些要素進行歸類、合並和綜合，漸漸地發展了自己的「思維」能力。現在我們來回顧一下機器人在這個發展過程中的一些歷史性事件。

最初一批這樣的計算機誕生於50年代末。它們證明了約40個定理，並且能解答象「建造兒童金字塔」一類的簡單小問題。到60年代，人們已經能夠同計算機談論天氣之類的話題了，因為這些計算機了解氣象學，並具備正確造句所必需的句法知識。比如，如果對它說：「我不喜歡夏天下雨。」它會彬彬有禮地回答：「是的，不過夏天並不經常下雨。」此外，還有一個叫「棒球」的程序能解答與本年度比賽有關的所有問題：比賽地點、比分、參賽隊的人員情況。而「談談」程序，它已經開始對交談者的家庭關系感興趣了，盡管它確實對此一無所知。只是到了1965年，機器人「先生」才開始更多地注意詞義，而不僅是單詞在句中的排列順序。計算機「學生」也是這種類型的，像一個學習成績優秀的學生，能解答一次方程，能用流利的英語敘述解方程的順序。

輸入計算機中的知識專業化程度越高，計算機掌握它們的可能性就越大。現在，有些計算機已成了真正的「技術顧問」。比如，它們已經在協助專家們去確定哪個地層礦產豐富；協助專家們作出有關傳染病的診斷。要製造出這樣的「專家」來，必須把人——專家的知識，傳授給它們。然而，不管令人多麼難以置信，主要困難仍在於怎樣把這些知識從人的大腦中「全掏」出來。比如，醫生作出診斷時，根據經驗，遵守一些規則。這些規則，他幾乎是在下意識地和機械地加以運用的。研究者們花費了好多時間去采訪醫生和其他專家，以便弄清楚他們思維過程所固有的基本規律。只要能將他們思維的全部過程還原，那麼，再把它復制於計算機程序中，這相對來說就不復雜了。從1965年開始，計算機中的第一個「專家」便由法伊根鮑姆在斯坦福製成了。它一出生，就自告奮勇地幫助化學家確定物質的分子結構；另一個技術顧問「探礦者」，工作起來更是嚴謹。它詳細地研究地質圖和土壤樣圖，以便確定存在的礦床。它居然在華盛頓州發現了一座蘊藏豐富的鉬礦。

H. 我想學人工智慧，現在是個初級程序員，到什麼程度可以學習人工智慧機器學習這種

說實話，人工智慧涉及到領域和課程太多，，學習門檻還是很高的。我現在在科大訊飛工作，我們這邊最近上線了一個AI大學，裡面的課程淺顯易懂很符合零基礎的人學習。AI 大學是訊飛開放平台發起搭建的國內首個AI在線學習平台，為所有AI群體提供學習分享和經驗交流的機會，秉承「開放、學習、互動、共享」的平台理念，旨在為AI領域開發者、興趣愛好者、專業學習群體等提供AI專業技術課程、平台運營資源、學習互動支持等服務。

建議你可以去看下，登錄AI大學官網即可，對了，裡面還有個專屬的通行證可以看下，除了全年的免費課程，還可以直接參加科大訊飛的線下發布會，點擊鏈接可以直接購買網頁鏈接

最後，希望能對題主有用，有問題也可以與我交流。

I. 人工智慧程序員是不是碼農

人工智慧程序員不是碼農。

碼農是指軟體開發的人，隨著時代的變化，很多IT工程師也自嘲為「碼農」。從現有軟體中提取出代碼片段並不難，很多人類程序員也會這樣做，只需要明確每條代碼的意義，並將其用於完全不同用途的另一程序。

人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

然而不同於人類程序員的是，AI能夠在很大范圍內全面搜索現有程序，並用獨特方式整合在一起，這些是人類程序員不太容易想到的方式。此外可以肯定的是，整個編碼過程也會大大加快，DeepCoder在幾分之一秒內就能編寫一個程序。

可以想見的是，程序員的工作效率會有一個質的飛躍，從前靠人力的編程手段，「進化」到自動化的編碼行為。未來的工作模式，將會是一場新的工業革命，未來的行業中，智力產出品最終也可以像工業品一樣流水生產，這樣一來人類就可以免除重復性的腦力勞動，投入到更有價值的事情中去。

人工智慧是對人的意識、思維的信息過程的模擬：

它不是人的智能，只能模仿人得思考能力。它是理性的，將來它可以替代機器學習，在任何狹窄的領域，看到大量的數據，是人腦完全不能夠和它競爭的。但這也只能是它對人類數學能力得延伸和延展。而在廣泛，宏觀得領悟里，它是無法像人一樣有感情的互動，文化的創新，對不同人心理的揣摩，對音樂，藝術，詩歌的鑒賞，這些能力是它們無法替代的人的功能。

它只能是人類計算功能的替代，而永遠沒法超越人類的思辯能力。所以，它沒法替代開發它的人。人和智能機器還是存在客觀差別的，只能無限的接近，但是完全取代是不可能的；有人說的對，機器人的bug還是需要我們修復滴！作為好的遠景，當然希望能夠取代一些重復較勞累的「勞動」，減輕成本，提高效率，是可以實現的；但是創新，優化升級，多重構造還是要源於人類大腦思維。

J. 做機器人需要學編程嗎

你沒看電視，那個農民自己造了很多機器人，還能拉車呢，我個人認為，當然我也沒做過機器人，機器人應該有兩類
1是機械類2是晶元類，那個農民造的就是機械類的，靠著馬達、齒輪之類的帶動，但是畢竟功能有限，但是如果你想做更高級點的機器人，肯定要學編程的，像單機片之類的，祝你成功