1樓：蔣123aa
其實現在的神經網路以及所謂「深度學習」都沒有很強的數學邏輯。人們只知道這樣訓練可以訓練出識別率很高的分類器，卻不知道怎麼來的。未來的人工智慧可能連人類自己都無法理解了吧
2樓：鮑捷
曾經發表過十多篇形式邏輯的文章在AAAI、ISWC、RR等會議上，對這個事情可能有一點發言權。
這個問題很難回答，因為強人工智慧是什麼，也沒有一致的看法。現在主流的人工智慧研究者，也很少有追求達到強人工智慧的。
數理邏輯作為人工智慧的支柱之一，則無疑問是作為工程的人工智慧不可繞過的。但是邏輯的建模和推理的高複雜性，限制了這種方法在非專家系統領域的廣泛使用。即使是在人工智慧專業領域內，能掌握數理邏輯方法的人也是很少的。
命題邏輯、一階邏輯、高階邏輯、模態邏輯、時態邏輯、空間邏輯、認知邏輯、描述邏輯、概率邏輯、邏輯程式、答題程式、過程規則、模糊邏輯……數理邏輯本身是乙個極大的學科群體，任何乙個人工智慧問題，往深了鑽研，最後都會遇到知識的表達問題、知識的重用問題、從已知知識推導推論的問題。所以最近即使是深度學習的研究，也開始和邏輯表達結合了。
邏輯方法由於其工程複雜性，現在通常在應用中只運用其簡化的形式。最典型的就是資料庫中的查詢語言，如SQL、SPARQL和Gremlin，本質上都是邏輯語言。邏輯的基礎是結構化表示，最近的應用表現多以語義網和知識圖譜出現。
從工程上講，我們要解決複雜人工智慧問題，通常需要懂一點邏輯。至於強人工智慧是不是需要邏輯，我不知道。
一般的研究人員不太關心強人工智慧問題。這個問題本身甚至可能是乙個偽問題。
3樓：Gaoning
瀉藥 。
數學不過關的人在 AI 這個圈子裡是無法參與交流的， 或者說得直白一點，是被人瞧不起的，根本無法被接納成為AI 圈子裡的人。 其次，數學不過關而只能調引數的人，實踐當中並不好用。 我接觸過幾個 AI 創業企業，他們都瘋狂的缺人，但是對於不懂數學只會使用工具的「人才」，他們卻大門緊閉。
什麼原因？溝通效率低，出活慢，遇到問題無法解決，一句話，「不好用」。 第三，即便是調參這件事情本身，懂不懂數學也是有很大差別的。
因為調參是乙個跟自己較勁的過程，不斷地劃分訓練資料集和驗證資料集，調整引數，追求更高的準確率，又要防範過擬合，一遍又一遍，本身就是非常繁瑣和枯燥的工作。如果你數學不過關，對引數的意義和相關關係理解不深，方向感不強，只能半隨機的去刷引數，那麼工作的單調性和煩瑣性還會大大上公升，很難堅持到做出好的模型來。
就這三點，決定了不懂數學的「AI框架調參工」不會是乙個令人嚮往的工作。我絕不相信乙個年輕人滿懷 AI 夢想走進這個行業，會滿足於做乙個「以其昏昏使人昭昭」的調參工。
所以，結論已經很清楚，想搞 AI，數學必須過關。一切與這個結論有衝突的說法，都是耍流氓。
人工智慧在邁向強人工智慧的道路上，目前正面臨哪些難點呢？
陳孝良 讓機器學好人類語言這門對機器來說的外語，AI連線了人和物，其強大的基礎是資訊互動的準確和快速，我們人類其實也是這樣，不管是修路還是建網，都需要先解決資訊的不對稱問題。 NN陳 就乙個難點，能聽懂人話。推理最基本的就是要會用語言。讓人明白你是怎麼想的。愛因斯坦研究的理論如果其他人都無法明白其原...
強人工智慧是遲早的事情嗎？
王衛 早晚的事。而且快了。 NBman 目前的科學告訴我們，我們的大腦和豬腦的執行原理是一樣的。只不過我們的要複雜一些罷了。我們的大腦是自然演化出現的，不是 特殊 的存在。只要認可這一點，人工智慧成功的是一定能存在的 反例 永動機是不能存在的。 結衣 人工少女 是遲早的事情，而且不會遠到幾百年，理由...
要實現強人工智慧的系統是否必須掌握專業知識？
郭夢飛 首先，我對強人工智慧的定義僅僅限於 通用人工智慧 而智慧型，則一般是以人的 智慧型 作為模板的。你提的問題是，能不能不用專業領域知識，我的回答是，不能。假設你有一種辦法能造出強人工智慧，那麼這種辦法就將被稱為 專業知識 而能不能不用現有的人工智慧技術體系呢？不好意思我沒法給出確定的答覆，現有...