智能判断机器需要程序员吗

A. 计算机老师说未来不需要程序员，都是机器自动生成代码，可能吗

个人认为，计算机老师说未来不需要程序员，都是机器自动生成代码的情况是不可能的。

我认为程序员永远不会被取代。首先，人工智能也是由程序员创造的。人工智能本质上是一个程序，它不会自我进化。人工智能的进化也是大牛不断科研的结晶。如果人工智能能够实现自我进化和升级，有一天会失去控制，那么只有程序员才能拯救人类。任何一头大公牛都不是天生的大母牛。普通程序员总是日夜敲打代码，学习如何成长为一头大母牛。因此，程序员是不可替代的。在不久的将来，对初级程序员的恶意会越来越严重，就业环境也会越来越困难。如果他们不成为技术牛，就会被社会淘汰。

算法基本上是由顶尖的科学家和程序员完成的。普通程序员就是应用程序。你的回答表明你绝对不是一个程序员。事实上，即使你做了一个流程图，你仍然不能不写代码。事实上，现在的程序员通过将流块或功能块与某些逻辑相结合来编写大量代码。许多算法只是被使用。要写出更深层次的算法，需要太多的知识，数学、计算机原理、相关专业等都需要精通。

所见即所得只适用于一些场景，其中大部分是GUI预先设计好的组件，拖放加上基本的业务关联，主要目的是代码重用，有点不愿意代替手工。理论上，只有可穷尽的场景才能被机器处理，而且范围显然是有限的。

未来就是未来，现在就是现在。任何过度，都是因为未来智力的发展而在年轻时放弃学习，那就是放弃未来。人应该活在当下。就像石油总有一天会用完一样。这种趋势并不取决于人类。知道买哪辆车或买哪辆车的可能性是很好的。机器编程总是根据设定的场景来完成的！但商业需求总是在变化！有辅助编程的程序员会越来越少，但不会没有这个专业！就像有个机器人！那就没人工作了！这真是个毫无根据的话题！有东西可以提高生产力！它必须取代低端生产力！但总的来说！社会还在前进！

当过程足够复杂时，您就在构建它时编写代码。你在程序员代码中调用的每一个API，你都可以理解它是由计算机自动完成的，但仍然需要很多程序员来组装它们。在20年里，也许在很长一段时间里，人类还没有完全理解人类思维的本质，机器无法代替劳动。

B. 未来50%的工作都将被人工智能给取代，程序员会被机器人取代吗

首先程序员这个行业和其他行业一样也是分等级的。
虽然非常不想用“底层从业者”这五个词来定义最低层次的程序员，但事实就是如此。
当行业的某个技术领域发展成熟到一定程度时，这个领域的大部分从业人员真的会被机器人所取代，准确的说，不只是被机器人所取代，也会被自动化系统所取代。举一个最近的例子吧，网络发布的产品PaddlePaddle。
【PaddlePaddle是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用，深度契合企业实际应用需求，并拥有活跃的开发者社区生态。提供丰富的官方支持模型集合，并推出全类型的高性能部署和集成方案供开发者使用。】
从上面的描述介绍中就可以一窥究竟的。
【核心框架】、【工具组件】和【服务平台】这三个词的重量真的令人深思。因为这意味着：
不用再自己搭深度学习的框架了，不用到处找工具了，集常用的组件和工具于一体，你只需要专注的干着自己的事情就可以了。
只会搭框架、搬运代码的程序员真的会被淘汰掉的。
但是目前为止，因为公司财力、技术人员储备不足等客观原因，还是需要会搭框架、会搬运代码的程序员的。
其次，提出这个问题，或许你的思维是静止的。
应该在“程序员”三个字之前加四个字的定语，【不学习的】程序员肯定会被机器人所取代，这点毫无疑问。
【程序员】是一个升级打怪的职业，【优秀程序员】是一路不断学习上来的，【终身学习者】这个名词最适合“程序员”。因为程序语言的变化真的很快，技术发展很迅速。不学习，跟不上时代发展需要。科技社会的最大特征就是一个字“快”。
【唯快不破】、【快速迭代】成了他们的标签。
最后，机器人不具备的思维恰恰是人类的优势，也必然是程序员的优势。
有系统思维、能进行底层架构的程序员根本不会被机器人所取代。
这里有一个很明显的例子就是：AI法律助手包小黑@免费法律咨询评估
【机器人】包小黑取代了传统服务行业的大部分律师进行咨询回答的功能，但包小黑是谁做出来的？是程序开发者、算法工程师和法律专业人士一起合力完成的。
必须说一句的是，【未来社会是一个高度分工化和高度融合化的过程。】
原因就是科学技术的发展。
只会写代码的程序员未来估计不存在了
因为会写简单代码的能力将会是未来所有受教育者的一项基本能力，和英语一样。

C. 人工智能都是干什么的程序员

人工智能人才要求高
人工智能行业兴起时间不长，有工作经验的专业人才更是稀少。作为高端人才，人工智能一般都要求研究生学历，有些企业甚至要求本科必须是985、211的名校。如果学历不好，有大厂的工作经验可以弥补。因为大家普遍认为大厂在技术上投入更多，技术人员也得到了更多的锻炼。如果没有背景和学历，你的简历可能到hr那就被pass了，无法进入技术面试。

D. 现在有没有代替程序员编程的自主软件或者机器人

作为一名IT行业的从业者，同时早期主要的研究方向是动态软件体系结构，所以我来回答一下这个问题。

首先，目前在软件开发的过程以及应用的过程中，一部分代码确实是可以自动生成的，而且这个应用的 历史 还是比较久的，但是目前自动生成代码的过程对于场景的依赖度还是比较高的，从应用的角度来看，主要是辅助程序员以提升开发效率。

软件开发过程是一个逻辑思维的过程，即使是初级程序员的开发工作，从某种程度上来说，也是有一定创新要求的，而目前人工智能依然处在初期阶段，所以要想通过智能体来代替程序员的工作还是具有较大难度的。

当前在软件开发的过程中，可以通过动态软件体系结构的方式来完成体系结构的自适应拓展，主要的应用领域涉及到平台研发和工具研发领域。比如早期的OSGI结构就能够在一定程度上完成软件体系结构的动态扩展，Eclipse就是基于OSGI完成功能模块扩展的。在动态体系结构的支撑下，可以完成部分功能代码的自动生成。

代码的自动生成可以分成三个部分，其一是代码生成容器，容器要基于动态软件体系结构来完成构建；其二是目标代码需求描述，通常要设计一系列模版；其三是完成代码的微调和部署。早期自动生成的代码主要集中在展现层，原因是展现层的逻辑相对比较清晰，而且样式也比较统一，这样会比较容易完成目标代码的生成。

随着云计算的普及，目前通过PaaS可以完成大量的资源整合，这个过程也涉及到部分代码的自动生成。按照目前的应用趋势来看，未来PaaS和智能体的结合将是一个比较明显的发展趋势，相信会在更多的场景下实现代码的自动生成。

其实对于人工智能的奇点观点，从很早开始就争论不休。一方面埃隆马斯克、史蒂芬霍金都对超级人工智能持恐惧态度，而另一方面大多数的学者、教授对于超级人工智能持乐观态度。

我想大多数人都是认为程序员是不可能被机器人所替代的，然而我并不这么认为，因为我并不觉得现在大多数的程序员做的编程工作有太大的不可替代性。

我时常看到大部分业界同僚的观点是，编程是需要程序员的智慧才能完成系统的开发，人类的逻辑思维是机器不可取代的。我想有这种观念的人，应该想想程序员究竟是怎么编程的。

没错，未来仍然会有一些程序员存在，而那些消失了的程序员，我想是目前面向搜索引擎编程的程序员，你能够通过搜索引擎搜索到代码，然后复制粘贴完成编码任务，那么为什么你就认为智能机器不能办到这点呢？

如果大脑在未来，最终被研究证实只是一堆会计算的肉呢？如果到那时，量子计算机被研发出来了，编程的核心逻辑从01判断转向为量子计算呢？未来没有什么是不可能的，只是或近或远而已。

现在难道就没有代替程序员编程的自主软件或者机器人么？真的没有么？DevOps的核心思想就是研发运维一体化，只要具备自动化的可能，我想这部分工作就会有机器人来做，而不再需要程序员来做。

其实你应该了解，软件研发的系统，除了按照强业务逻辑，一板一眼设计并且编码的业务系统外，还有智能系统，也就是面向系统开发的系统，这种系统的特征就是具有智能，灵活，不拘泥于固定业务实体，面向大数据，面向智能分析与推理。

程序员被彻底替代的路还很漫长，人工智能目前来说还是非常不智能的。但从大趋势来说，只要机器能够代劳的，人就会偷懒不自己去做。那么从本质上来说，取代程序员的终究是程序员自己，因为要自动化，软件复用，并且高度抽象自动编程，等到人工智能的奇点到来时，一切将不再受人类控制。

希望这天不会到来，或者，即使这天到来，人类也做好的应对准备。

程序员编程的过程不仅仅是简单的用代码实现需求，首先你要知道代码的质量很大程度上依赖于需求的质量，很多用户需求都一直是在变化的，同时用户很多时候并不知道自己真正要什么，是程序员先给一个方案给用户去参考，再修改。有时候用户的需求甚至是错的。程序的开发需要程序员和需求方共同合作最后才会有最终程序完成。另外光从技术角度上来说，同样的功能也可以有完全不同的技术实现，有时候也没有绝对的那个技术方案一定更好。

如果真有一天机器人能完全替代程序员，那么机器人完全可以给自己的程序优化升级实现自我进化，到这一天也没别的人什么事了，大家要么都失业了，要么像wall e里的人类一样被圈养起来成为废人

暂且不谈有还是没有。打个比方一个产品的研发，需要不断的市场调研，前期的需求分析再到人员分配到技术机构等等，就应客户的需求基本都是实时更新，三天一小换，五天一大换，甚至还有无厘头的需求，试问机器人他可以解决吗？ 我是这样认为的人脑远远大于电脑在逻辑思维及现实生活结合起来的一种创新思想，而这样的思想机器人无法替代，毕竟机器也是人造出来的，所以没有什么必然的实践。毕竟机器人没有感情是虚拟世界的成员，没有多维思考的能力，所以程序员不会被机器人替代，至少它们是没有物种的存在。

现在的程序员本身都己是机器了，还需要再造写代码机器吗？996，有的是24小时连上7天的都见过。不能有bug，出了bug的扣绩效或开除，现在的程序员早就己经被当成机器用了

哈哈，你问这个问题前应该考虑一下甲方和产品经理，先问有没有能代替产品经理的机器人。如果有，我觉得代替程序员不是难事。

我想过这问题，但我没能力做

如果机器人能自己编程，那他还会满足做个机器人吗，还天天给你编程

不可能的，业务逻辑是最难的，编程很简单。

框架就是自主编程软件，业务逻辑必须是要人工处理的，将来也不可能出现能处理业务逻辑的自主编程软件。

E. 无代码时代来临，未来还需要程序员吗

科技的发展是一个永恒的话题，现在的大数据，软件，电子产品等等都涉及到科技，而其中的关键点就在于程序的编写，而程序员就显得很是重要了，而现在很多人讨论无代码时代来临，未来还需要程序员吗？答案肯定是需要的，不然无法创造出更强更优秀的代码，我们来看看分析。

而高级程序员本身的意义是远超过无代码的，他们需要攻克技术的难关，就比如华为5g网络算法突破就是一个俄罗斯小伙给破解出来的，还有淘宝如此大的平台人流量如此恐怖，也是靠程序员优质的大脑计算分析改善的代码，才能够保证在双11平台服务器也不会崩溃，一样保证我们的正常运行，这些都是程序员才能去做到的事。

F. 人工智能需要什么基础

广义的说，人工智能包含诸多不同的方法，其主旨是让程序像一个智能体一样解决问题。机器学习是实现人工智能的一种方法，它不完全依靠预先设计，而是从数据中进行总结，达到模拟记忆、推理的作用。包括诸如支持向量机(SVM)、各类基于决策树的算法(包括Boosting、Bagging、Random
Forest等)，各类基于人工神经网络的算法(例如简单网络及深度网络等)，以及多方法的集成等。

基于人工智能的发展优势，很多小伙伴都想要在这个领域大展宏图，但摆在面前的三道门槛是需要你逐一攻克的。本文千锋给大家分享一下人工智能入门的三道屏障。
门槛一、数学基础
我们应该了解过，无论对于大数据还是对于人工智能而言，其实核心就是数据，通过整理数据、分析数据来实现的，所以数学成为了人工智能入门的必修课程!
数学技术知识可以分为三大学科来学习：
1、线性代数，非常重要，模型计算全靠它~一定要复习扎实，如果平常不用可能忘的比较多;
2、高数+概率，这俩只要掌握基础就行了，比如积分和求导、各种分布、参数估计等等。
提到概率与数理统计的重要性，因为cs229中几乎所有算法的推演都是从参数估计及其在概率模型中的意义起手的，参数的更新规则具有概率上的可解释性。对于算法的设计和改进工作，概统是核心课程，没有之一。当拿到现成的算法时，仅需要概率基础知识就能看懂，然后需要比较多的线代知识才能让模型高效的跑起来。
3、统计学相关基础
回归分析(线性回归、L1/L2正则、PCA/LDA降维)
聚类分析(K-Means)
分布(正态分布、t分布、密度函数)
指标(协方差、ROC曲线、AUC、变异系数、F1-Score)
显着性检验(t检验、z检验、卡方检验)
A/B测试
门槛二、英语水平
我这里说的英语，不是说的是英语四六级，我们都知道计算机起源于国外，很多有价值的文献都是来自国外，所以想要在人工智能方向有所成就，还是要读一些外文文献的，所以要达到能够读懂外文文献的英语水平。
门槛三、编程技术
首先作为一个普通程序员，C++ / Java / Python 这样的语言技能栈应该是必不可少的，其中 Python 需要重点关注爬虫、数值计算、数据可视化方面的应用。

G. 机器人智能判别技术如何实现

本人觉得前景非常的光明.首先，智能的家电首先已经出现在国内国外各大商场了,所以这是作为一个硕士生来说还是比较不错的话题的.
另外,如果你是写论文的话还是写写比较超前的话题，例如,将来的智能机器人(制造业中应用于电子业,如电子板,电容，各种芯片等等)如果是想将来有这样的发展的话，还是学一学关于电子类的智能体,单片机就不错.
智能机器人资料
机器人现在已被广泛地用于生产和生活的许多领域,按其拥有智能的水平可以分为三个层次.

一是工业机器人,它只能死板地按照人给它规定的程序工作,不管外界条件有何变化,自己都不能对程序也就是对所做的工作作相应的调整.如果要改变机器人所做的工作,必须由人对程序作相应的改变,因此它是毫无智能的.

二是初级智能机器人.它和工业机器人不一样,具有象人那样的感受,识别,推理和判断能力.可以根据外界条件的变化,在一定范围内自行修改程序,也就是它能适应外界条件变化对自己怎样作相应调整.不过,修改程序的原则由人预先给以规定.这种初级智能机器人已拥有一定的智能,虽然还没有自动规划能力,但这种初级智能机器人也开始走向成熟,达到实用水平.

三是高级智能机器人.它和初级智能机器人一样,具有感觉,识别,推理和判断能力,同样可以根据外界条件的变化,在一定范围内自行修改程序.所不同的是,修改程序的原则不是由人规定的,面是机器人自己通过学习,总结经验来获得修改程序的原则.所以它的智能高出初能智能机器人.这种机器人已拥有一定的自动规划能力,能够自己安排自己的工作.这种机器人可以不要人的照料,完全独立的工作,故称为高级自律机器人.这种机器人也开始走向实用.

智能机器人

我们从广泛意义上理解所谓的智能机器人，它给人的最深刻的印象是一个独特的进行自我控制的“活物”。其实，这个自控“活物”的主要器官并没有像真正的人那样微妙而复杂。

智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。

智能机器人之所以叫智能机器人，这是因为它有相当发达的“大脑”。在脑中起作用的是中央计算机，这种计算机跟操作它的人有直接的联系。最主要的是，这样的计算机可以进行按目的安排的动作。正因为这样，我们才说这种机器人才是真正的机器人，尽管它们的外表可能有所不同。

我们称这种机器人为自控机器人，以便使它同前面谈到的机器人区分开来。它是控制论产生的结果，控制论主张这样的事实：生命和非生命有目的的行为在很多方面是一致的。正像一个智能机器人制造者所说的，机器人是一种系统的功能描述，这种系统过去只能从生命细胞生长的结果中得到，现在它们已经成了我们自己能够制造的东西了。

智能机器人能够理解人类语言，用人类语言同操作者对话，在它自身的“意识”中单独形成了一种使它得以“生存”的外界环境——实际情况的详尽模式。它能分析出现的情况，能调整自己的动作以达到操作者所提出的全部要求，能拟定所希望的动作，并在信息不充分的情况下和环境迅速变化的条件下完成这些动作。当然，要它和我们人类思维一模一样，这是不可能办到的。不过，仍然有人试图建立计算机能够理解的某种“微观世界”。比如维诺格勒在麻省理工学院人工智能实验室里制作的机器人。这个机器试图完全学会玩积木：积木的排列、移动和几何图案结构，达到一个小孩子的程度。这个机器人能独自行走和拿起一定的物品，能“看到”东西并分析看到的东西，能服从指令并用人类语言回答问题。更重要的是它具有“理解”能力。为此，有人曾经在一次人工智能学术会议上说过，不到十年，我们把电子计算机的智力提高了10倍；如维诺格勒所指出的，计算机具有明显的人工智能成分。

不过，尽管机器人人工智能取得了显着的成绩，控制论专家们认为它可以具备的智能水平的极限并未达到。问题不光在于计算机的运算速度不够和感觉传感器种类少，而且在于其他方面，如缺乏编制机器人理智行为程序的设计思想。你想，现在甚至连人在解决最普通的问题时的思维过程都没有破译，人类的智能会如何呢——这种认识过程进展十分缓慢，又怎能掌握规律让计算机“思维”速度快点呢？因此，没有认识人类自己这个问题成了机器人发展道路上的绊脚石。制造“生活”在具有不固定性环境中的智能机器人这一课题，近年来使人们对发生在生物系统、动物和人类大脑中的认识和自我认识过程进行了深刻研究。结果就出现了等级自适应系统说，这种学说正在有效地发展着。作为组织智能机器人进行符合目的的行为的理论基础，我们的大脑是怎样控制我们的身体呢？纯粹从机械学观点来粗略估算，我们的身体也具有两百多个自由度。当我们在进行写字、走路、跑步、游泳、弹钢琴这些复杂动作的时候，大脑究竟是怎样对每一块肌肉发号施令的呢？大脑怎么能在最短的时间内处理完这么多的信息呢？我们的大脑根本没有参与这些活动。大脑——我们的中心信息处理机“不屑于”去管这个。它根本不去监督我们身体的各个运动部位，动作的详细设计是在比大脑皮层低得多的水平上进行的。这很像用高级语言进行程序设计一样，只要指出“间隔为一的从1～20的一组数字”，机器人自己会将这组指令输入详细规定的操作系统。最明显的就是，“一接触到热的物体就把手缩回来”这类最明显的指令甚至在大脑还没有意识到的时候就已经发出了。

把一个大任务在几个皮层之间进行分配，这比控制器官给构成系统的每个要素规定必要动作的严格集中的分配合算、经济、有效。在解决重大问题的时候，这样集中化的大脑就会显得过于复杂，不仅脑颅，甚至连人的整个身体都容纳不下。在完成这样或那样的一些复杂动作时，我们通常将其分解成一系列的普遍的小动作 （如起来、坐下、迈右脚、迈左脚）。教给小孩各种各样的动作可归结为在小孩的“存储器”中形成并巩固相应的小动作。同样的道理，知觉过程也是如此组织起来的。感性形象——这是听觉、视觉或触觉脉冲的固定序列或组合 （马、人），或者是序列和组合二者兼而有之。

学习能力是复杂生物系统中组织控制的另一个普遍原则，是对先前并不知道、在相当广泛范围内发生变化的生活环境的适应能力。这种适应能力不仅是整个机体所固有的，而且是机体的单个器官、甚至功能所固有的，这种能力在同一个问题应该解决多次的情况下是不可替代的。可见，适应能力这种现象，在整个生物界的合乎目的的行为中起着极其重要的作用。本世纪初，动物学家桑戴克进行了下面的动物试验。先设计一个带有三个小平台的T形迷宫，试验动物位于字母T底点上的小平台上，诱饵位于字母T横梁两头的小平台上。这个动物只可能做出以下两种选择，即跑到岔口后，它可以转向左边或右边的小平台。但是，在通向诱饵的路上埋伏着使它不愉快的东西：走廊两侧装着电极，电压以某种固定频率输进这些电极之中，于是跑着经过这些电极的动物便受到疼痛的刺激——外界发出惩罚信号。而另一边平台上等着动物的诱饵则是外界奖励的信号。实验中，如果一边走廊的刺激概率大大超过另一走廊中的刺激概率，那么，动物自然会适应外界情况：反复跑几次以后，动物朝刺激概率低、痛苦少的那边走廊跑去。桑戴克作试验最多的是老鼠。如老鼠就更快地选择比较安全的路线，并且在惩罚相差不大的情况下自信地选择一条比较安全的路线，其它作试验的动物是带着不同程度的自适应性来体现这一点的，不过，这种能力是参加试验的各种动物都具有的。

控制机器人的问题在于模拟动物运动和人的适应能力。建立机器人控制的等级——首先是在机器人的各个等级水平上和子系统之间实行知觉功能、信息处理功能和控制功能的分配。第三代机器人具有大规模处理能力，在这种情况下信息的处理和控制的完全统一算法，实际上是低效的，甚至是不中用的。所以，等级自适应结构的出现首先是为了提高机器人控制的质量，也就是降低不定性水平，增加动作的快速性。为了发挥各个等级和子系统的作用，必须使信息量大大减少。因此算法的各司其职使人们可以在不定性大大减少的情况下来完成任务。

总之，智能的发达是第三代机器人的一个重要特征。人们根据机器人的智力水平决定其所属的机器人代别。有的人甚至依此将机器人分为以下几类：受控机器人——“零代”机器人，不具备任何智力性能，是由人来掌握操纵的机械手；可以训练的机器人——第一代机器人，拥有存储器，由人操作，动作的计划和程序由人指定，它只是记住 （接受训练的能力）和再现出来；感觉机器人——机器人记住人安排的计划后，再依据外界这样或那样的数据 （反馈）算出动作的具体程序；智能机器人——人指定目标后，机器人独自编制操作计划，依据实际情况确定动作程序，然后把动作变为操作机构的运动。因此，它有广泛的感觉系统、智能、模拟装置（周围情况及自身——机器人的意识和自我意识）。

怎样变聪明的

人工智能专家指出：计算机不仅应该去做人类指定它做的事，还应该独自以最佳方式去解决许多事情。比如说，核算电费或从事银行业务的普通计算机的全部程序就是准确无误地完成指令表，而某些科研中心的计算机却会“思考”问题。前者运转迅速，但绝无智能；后者储存了比较复杂的程序，计算机里塞满了信息，能模仿人类的许多能力 （在某些情况下甚至超过我们人的能力）。

为了研究这个问题，许多科学家都曾耗尽了自己一生的心血。如第二次世界大战期间，英国数学家图灵发明了一种机器，这种机器成了现代机器人的鼻祖。这是一种破译敌方通讯的系统。后来，图灵用整个一生去幻想制造出一种会学习、有智能的机器。而在1945年10月的普林斯顿，另一位着名的数字家冯·奈曼却设计了一个被称为“人工大脑”的东西。他和自己的学生都是心理学和神经学的狂热迷恋者，为了制造人类行为的数学模拟机，他们遭受了多次失败，最后失去了制造“人工智能”可能性的信心。早期的计算装置过于笨重，部件尺寸太大，使得冯·奈曼无法解决如何用这些部件来代替极小极小的神经细胞这样一个难题，因为当时人类的大脑被看作是某种相互联系的神经元编织成的东西，所以就可以把它想象成某种计算装置，其中循环的不是能量，而是信息。科学家们想到，如果接受这样的对比的话，为什么不能发明出一种使信息通过以后产生智能的系统呢？

于是他们提出了人工思维的各种理论。比如，物理学家马克便提出了企图使机器人用二进位或二进位逻辑元件进行思维的方法。这个方法被大家认为是非常简便的方法。1956年科学家们召开了第一届大型研讨会，许多专家学者主张采用“人工智能”这个术语作为研究对象的名称。两位不出名的研究者——内维尔和西蒙提出了不同凡响的设想。他们研究了两个人借助于信号装置和按钮系统进行交际的方式。这个系统要把这两个人的行为分解为一系列简单动作和逻辑动作。因为在这两个研究者的工作地点装有两台大型计算机，所以他们俩常把自己的试验从脚到头倒着进行消遣取乐：把简单的逻辑规则输入计算机，使它养成进行复杂推理的能力。这真是一个天才的想法；计算机程序不仅进行工作，而且靠它帮助，发现了一个新定理，这个定理证明完全出乎意料之外，而且比以前所有的证明还要优美得多。内维尔和西蒙发现了一个奠定性的原则，即赋予机器人智能用不着非得弄懂人类大脑不可。需要研究的不是我们的大脑是怎样工作，而是它做些什么；需要分析人的行为，研究人的行为获得知识的过程，而不需要探究神经元网络的理论。简单地讲，应着重的是心理学，而不是生理学。

从此，研究者便开始沿着上述方向前进了。不过，他们还一直在争论这样的问题：用什么方式使计算机“思维”。
有一派研究者以逻辑学为研究点，试图把推理过程分为一系列的逻辑判断。计算机从一个判断进到另一个判断，得出合乎逻辑的结论。象众所周知的三段论一样：“所有的动物都会死掉；小刺唱是动物，因此，小刺猖也会死掉。”计算机能否获得幼童一样的智力水平呢？关于这个问题，科学家们有两种相反的见解。伯克利的哲学教师德赖弗斯带头激烈反对“人工智能派”。他说人工智能派的理论是炼金术。他认为，任何时候也无法将人的思维进行程序设计，因为有一个最简单不过的道理：人是连同自己的肉体一起来认识世界的，人不仅仅由智能构成。

他进一步举例：计算机也许懂得饭店是什么意思，但它绝不会懂得得客人是否用脚吃饭，不懂得服务小姐是飞到桌边，还是爬到脚边；总之，计算机永远也不会有足够的知识来认识世界。但麻省理工学院的研究员明斯基却不同意德赖弗斯的观点，他认为机器人的智能是无限的。他对“人工智能”的解释是：这是一门科学，它使机器去做这样一种事情，如果这种事情由人来做的话，就会被认为是有智力的行为。明斯基同时是一位物理学家、数学家，还对心理学、社会学、神经学都有所研究。他指出，人工智能是心理学的一个新门类，这个门类用实验的方法，以计算机为手段模拟人类思维的本性。他认为自己所研究的计算机，是一门全新的科学；当然机器并不是人，它永远没有人的那种快乐或是痛苦的情感体验，只是热衷于掌握纯粹的知识。举个例子来说吧，人可以给计算机输入“水”的概念：水是一种液体，表面是平的；如果从一个容器倒入另一个容器里，其数量不变；水可以从有洞的容器里漏出来，能弄湿衣服，等等。但是，它获得有关水的最一般的信息之后，就尽力回答一个很重要的问题：“如果将盛满水的玻璃杯倾斜，那会怎样呢？”计算机在它的荧光屏上显示出了一只倾斜到水平位置的玻璃杯，尽管计算机知道引力定律，但它还是固执地在荧光屏上显示：玻璃杯歪倒了，可液体就是不外流。计算机永远不会从痛苦的、但却是有益的经验中体验到那种衣服被弄湿的人所感受到的不快心情。

所以有一个名叫申克的心理学家正领导一批学者从事这个令人感兴趣的课题的研究：让计算机学会阅读和概括读物内容，回答有关问题；让计算机学会几种人类语言，并互相翻译；让计算机学会对话、学习论证艺术、背单词……

与人对话

美国耶鲁大学曾经设计了一台这样的计算机：它的存储器里没有保存预先准备好的固定说法，它自行编制答话，会论证，会“思考”，某种程度上有点像人。靠着心理学和信息论，科学家为自己提出了一个令世人惊异不已的课题：把人的思维方式和行为研究清楚，然后去人工模拟它。

谈到“人工智能”这个词的时候，我们马上会把它跟一些非真实的东西联在一起。这个词的出现，令许多人提心吊胆：机器人和人一样了，那人类将何去何从！有的人在拼命捍卫着人类自身的最后一个堡垒，使其免遭机器人的伤害、侵犯。问题之所以复杂还在于这个词至今还没有形成统一的定义。明斯基说：“这是一门科学，它使机器人去做这样一种事情，这种事情如果由人去做的话，就会被认为是有智能的行为。”这类俏皮的定义用处不大，有时简直会把研究者引到实用形式主义的沼泽中去。另一个叫图灵的研究者提出了人工智能的测试方法：如果人类猜不出计算机跟他谈话时将表述何种内容——不知道它要说什么，那么，这台计算机已经达到了人的智能水平。他的这一番高论曾经引起了轰动，给学术界添了不少忙乱。为了排除计算机言语问题，这样的对话最好是利用电传机进行。对于许多控制专家来说，为达到图灵所说的水平，进行了大量的工作。数不清的各种各样的电子交谈者纷纷问世。

60年代末，美国控制论专家、麻省理工学院教师魏森鲍姆编成了几个程序，其主要目的是满足图灵的测试条件——把吹毛求疵的技术专家搞糊涂。这种做法的基础是似是而非的对话。在进行这种对话时，交谈者只是看起来像是在交谈。“交谈者”实际上不去考虑交谈对方所说的意思，而是把听到的东西作些并不复杂的形式上的改变，组成自己的答话。请看：

研究者说：“朋友建议我到您这儿来，他说这多少可使我快乐些。”

计算机吃惊地问道：“您的朋友建议您到这儿来？”

研究者说：“他说我总是郁郁不乐。”

计算机说：“您郁郁不乐，我很遗憾。”

详尽研究了无聊空洞的沙龙对话之后，魏森鲍姆发明了他那富有魅力的

“机器人女士”。他发现他的某些同胞能在毫无兴趣的情况下应付对方谈话，而且他们的对话仍能很好地进行下去。这个机器人女士继承了这一能力，能在问话中找到关键词语，然后组成一些公式化的令人感到恰当的答案。看得出，这位“女士”是有些智能。但实际上，她的智能有限，只是善于伪装罢了。“女士”的头脑十分简单，在人说出来的话语中，一些固定的关键词语迫使它产生反应，提出一些固定的语句来。比如，当人说“你不知道某某”时，“女士”便会答道：“为什么您认为我不知道呢？”她能说会道，但只不过是一个沙龙里闲聊的能手罢了。

科尔比在斯坦福大学编制了另一种计算机程序，它与上述“女士”不同。它的任务是帮助刚刚开始工作的精神病医生获得某些同重病患者交谈的经验。这个程序模拟的是患迫害狂的病人。程序中存储了一定的履历情况：佩里，28岁，未婚，在邮局工作；他极其脆弱，对涉及他的外貌、教育和信仰等所有问题都敏感；他的爱好是看电影和赛马；有一次，他竟朝赛马场赌注登记员猛扑过去，因为那个人没付给他赢得的彩金；从此，他便开始惧怕黑社会的报复。交谈中，佩里的情绪经常变化。如果谈话主持人经常地触及到佩里的“痛处”，佩里便开始激动，出现妄想狂症状。下面是他们的对话：

医生：“您怕黑社会吗？”

佩里：“黑手党是最可怕的暴徒。”

医生：“您跟黑手党有什么联系吗？”

佩里：“您没看到吗，他们知道我。”

医生：“他们怎么会知道你？”

佩里：“他们在监视我。”

医生：“为什么？”

佩里：“他们想罗织罪名把我打入监狱。”

医生：“他们为什么要害您？”

佩里：“他们想置我于死地。”

医生：“为什么呢？”

佩里：“我掌握着黑手党的罪证。”

一群精神病医生被安排通过电传机跟一个真病人和佩里同时进行交谈，虽然他们知道其中一个交谈者是计算机，但猜不出究竟哪个是计算机。这样，图灵测试法便开始发生作用了。后来发生了更加有趣的事，先前魏森鲍姆制作了一个模拟精神病医生医治某些神经功能失调症的机器人；后来产生了用这个机器人来治佩里的想法，这是它们之间的对话：

医生：“您好，请说说您哪儿不舒服？”

佩里：“我有时生别人的气。”

医生：“我不太理解您说的意思。”

佩里：“您应该注意听些。”

医生：“请继续说吧。”

佩里：“我曾经去过贝—梅多乌斯赛马场。”

医生：“您去干什么？”

佩里：“我去赛马了。”

医生：“您还想讨论什么？”

佩里：“我对赛马感兴趣。”

医生：“您为什么要说这些呢？”

佩里：“那里赛马赌博时捣鬼。”

医生：“我不太明白您的意思。”

佩里：“您真是个令人讨厌的人！”

医生：“您喜欢把我看作是个真正令人讨厌的人吗？”

佩里：“我听腻了。”

医生：“为什么？”

佩里：“再见！”

医生：“认识您十分高兴。您应交付399美元25美分。”

这就是它们的对话，交谈得不错，尽管医生有些“瞎蒙”。程序员准备逐步完善“佩里”的程序，以便年轻的医生们能在对话过程中“治愈”这个人造病人。到那时，大学生们便可以通过跟计算机交谈来学习，免去面对真正的精神病人时因医术不熟练造成的痛苦。

教会机器人去抓住这样或那样的实质更为重要。跟计算机谈话有两种类型：有限的交谈和有限的理解。在有限的交谈中，机器人“理解”它所交谈的全部内容，不过只是涉及到确定话题的情形下，比方说，下棋或摆积木。在有限的理解时，可以同它随意交谈，但是它却远远不能全部理解你的话。魏森鲍姆编制的机器人“女士”这个程序正属于此类。“女士”只能表面上理解事件和现象。不过，随着控制对话理论和实践的发展，机器人的言语变得越来越能表达意思了。图灵测试法开始经常性地生效了。

美国的一家电子计算机公司的副董事长，阴差阳错，接受了一次图灵标准测试。从此，这个标准的地位开始下降了。因为控制专家们由此发现，它也不是检验计算机智能极限的最佳标准。

最佳标准是什么呢？怎样的智能水平才够称得上是真正的“智能”机器人呢？这又成了摆在智能科学家面前的一个新问题。

机器人教给你

计算机事业的发展是建立在许多科学研究者“异想天开”的主观设想和辛勤劳动的客观实践的基础之上的。前面已经说过，一些学者在研制控制对话原理，做出了不少贡献。此时，另一些实践家和实用主义者则努力将机器人的这种新能力套在科技进步的大车上，他们决心让机器人具备具体的领域中的某些知识。

我们知道，计算机所获得的全部信息因素被一个相互依赖的复杂系统联系在一起。计算机比起逻辑推理来，更经常地采用类比和判断的方法，它将这些要素进行归类、合并和综合，渐渐地发展了自己的“思维”能力。现在我们来回顾一下机器人在这个发展过程中的一些历史性事件。

最初一批这样的计算机诞生于50年代末。它们证明了约40个定理，并且能解答象“建造儿童金字塔”一类的简单小问题。到60年代，人们已经能够同计算机谈论天气之类的话题了，因为这些计算机了解气象学，并具备正确造句所必需的句法知识。比如，如果对它说：“我不喜欢夏天下雨。”它会彬彬有礼地回答：“是的，不过夏天并不经常下雨。”此外，还有一个叫“棒球”的程序能解答与本年度比赛有关的所有问题：比赛地点、比分、参赛队的人员情况。而“谈谈”程序，它已经开始对交谈者的家庭关系感兴趣了，尽管它确实对此一无所知。只是到了1965年，机器人“先生”才开始更多地注意词义，而不仅是单词在句中的排列顺序。计算机“学生”也是这种类型的，像一个学习成绩优秀的学生，能解答一次方程，能用流利的英语叙述解方程的顺序。

输入计算机中的知识专业化程度越高，计算机掌握它们的可能性就越大。现在，有些计算机已成了真正的“技术顾问”。比如，它们已经在协助专家们去确定哪个地层矿产丰富；协助专家们作出有关传染病的诊断。要制造出这样的“专家”来，必须把人——专家的知识，传授给它们。然而，不管令人多么难以置信，主要困难仍在于怎样把这些知识从人的大脑中“全掏”出来。比如，医生作出诊断时，根据经验，遵守一些规则。这些规则，他几乎是在下意识地和机械地加以运用的。研究者们花费了好多时间去采访医生和其他专家，以便弄清楚他们思维过程所固有的基本规律。只要能将他们思维的全部过程还原，那么，再把它复制于计算机程序中，这相对来说就不复杂了。从1965年开始，计算机中的第一个“专家”便由法伊根鲍姆在斯坦福制成了。它一出生，就自告奋勇地帮助化学家确定物质的分子结构；另一个技术顾问“探矿者”，工作起来更是严谨。它详细地研究地质图和土壤样图，以便确定存在的矿床。它居然在华盛顿州发现了一座蕴藏丰富的钼矿。

H. 我想学人工智能，现在是个初级程序员，到什么程度可以学习人工智能机器学习这种

说实话，人工智能涉及到领域和课程太多，，学习门槛还是很高的。我现在在科大讯飞工作，我们这边最近上线了一个AI大学，里面的课程浅显易懂很符合零基础的人学习。AI 大学是讯飞开放平台发起搭建的国内首个AI在线学习平台，为所有AI群体提供学习分享和经验交流的机会，秉承“开放、学习、互动、共享”的平台理念，旨在为AI领域开发者、兴趣爱好者、专业学习群体等提供AI专业技术课程、平台运营资源、学习互动支持等服务。

建议你可以去看下，登录AI大学官网即可，对了，里面还有个专属的通行证可以看下，除了全年的免费课程，还可以直接参加科大讯飞的线下发布会，点击链接可以直接购买网页链接

最后，希望能对题主有用，有问题也可以与我交流。

I. 人工智能程序员是不是码农

人工智能程序员不是码农。

码农是指软件开发的人，随着时代的变化，很多IT工程师也自嘲为“码农”。从现有软件中提取出代码片段并不难，很多人类程序员也会这样做，只需要明确每条代码的意义，并将其用于完全不同用途的另一程序。

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。

然而不同于人类程序员的是，AI能够在很大范围内全面搜索现有程序，并用独特方式整合在一起，这些是人类程序员不太容易想到的方式。此外可以肯定的是，整个编码过程也会大大加快，DeepCoder在几分之一秒内就能编写一个程序。

可以想见的是，程序员的工作效率会有一个质的飞跃，从前靠人力的编程手段，“进化”到自动化的编码行为。未来的工作模式，将会是一场新的工业革命，未来的行业中，智力产出品最终也可以像工业品一样流水生产，这样一来人类就可以免除重复性的脑力劳动，投入到更有价值的事情中去。

人工智能是对人的意识、思维的信息过程的模拟：

它不是人的智能，只能模仿人得思考能力。它是理性的，将来它可以替代机器学习，在任何狭窄的领域，看到大量的数据，是人脑完全不能够和它竞争的。但这也只能是它对人类数学能力得延伸和延展。而在广泛，宏观得领悟里，它是无法像人一样有感情的互动，文化的创新，对不同人心理的揣摩，对音乐，艺术，诗歌的鉴赏，这些能力是它们无法替代的人的功能。

它只能是人类计算功能的替代，而永远没法超越人类的思辩能力。所以，它没法替代开发它的人。人和智能机器还是存在客观差别的，只能无限的接近，但是完全取代是不可能的；有人说的对，机器人的bug还是需要我们修复滴！作为好的远景，当然希望能够取代一些重复较劳累的“劳动”，减轻成本，提高效率，是可以实现的；但是创新，优化升级，多重构造还是要源于人类大脑思维。

J. 做机器人需要学编程吗

你没看电视，那个农民自己造了很多机器人，还能拉车呢，我个人认为，当然我也没做过机器人，机器人应该有两类
1是机械类2是芯片类，那个农民造的就是机械类的，靠着马达、齿轮之类的带动，但是毕竟功能有限，但是如果你想做更高级点的机器人，肯定要学编程的，像单机片之类的，祝你成功