人工智能专业课程有哪些?人工智能能否超过人类智能?

人工智能专业课程有如下：

首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。

其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累。

然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少。

人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

人工智能专业的主要领域是：机器学习 人工智能导论（搜索法等） 图像识别 生物演化论 自然语言处理 语义网 博弈论等。 需要的前置课程主要有，信号处理，线性代数，微积分，还有编程（最好有数据结构基础）。

人工智能专业就业前景：

第一：智能化是未来的重要趋势之一。随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这个大背景下，智能化必然是发展趋势之一。

人工智能相关技术将首先在互联网行业开始应用，然后陆续普及到其他行业。所以，从大的发展前景来看，人工智能相关领域的发展前景还是非常广阔的。

第二：产业互联网的发展必然会带动人工智能的发展。互联网当前正在从消费互联网向产业互联网发展，产业互联网将综合应用网、大数据和人工智能等相关技术来赋能广大传统行业，人工智能作为重要的技术之一，必然会在产业互联网发展的过程中释放出大量的就业岗位。

第三：人工智能技术将成为职场人的必备技能之一。随着智能体逐渐走进生产环境，未来职场人在工作过程中将会频繁的与大量的智能体进行交流和合作，这对于职场人提出了新的要求，就是需要掌握人工智能的相关技术。

从这个角度来看，未来掌握人工智能技术将成为一个必然的趋势，相关技能的教育市场也会迎来巨大的发展机会。

人工智能专业课程有：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析等。

人工智能（英文名：Artificial Intelligence，英文缩写：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。

人工智能亦称智械、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来呈现人类智能的技术。通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代。

著名的美国斯坦福大学人工智能研究中心尼尔逊教授对 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。

定义详解：

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。

人工智能专业学的内容如下：

1、人工智能学习内容

学习内容包括数学基础、算法积累以及编程语言。数学要学好高数、线性代数、概率论、离散数学等等内容，算法积累需要学会人工神经网络、遗传算法等等，还需要学习一门编程语言，通过编程语言实现算法，还可以学习一下电算类的硬件基础内容。

2、人工智能专业应用领域

应用领域是很广泛的，主要有图像识别、博弈论、工智能导论、机器学习等，当然想要在这些领域有所发展，还需要学习一些信号处理、微积分、数据基础结构等等知识内容，保证使用过程中，有一定的理论来支撑。

3、人工智能就业前景

随着智能化的发展，人工智能技术会在互联网行业逐步应用和普及，把技术应用于物联网、大数据等行业，所以就业需求会不断扩大，我们也将会频繁与智能体互动和交流，这也是未来社会生产环境的发展趋势，需要我们去迎合时代发展的需要。

随着人工智能的不断发展，对我们提出了新的要求，所以相关的人工智能基础内容，一定要学习起来，掌握人工智能技术将成为一个必然的趋势，学习人工智能专业的学生也会越来越多，相关技能的教育，也会迎来更多发展机会。

人工智能不可能一直固定在人类智力水平上，它随着时间的推移最终还是会超过人类智力，就像在一些特定的领域上，比如国际象棋、围棋等，目前已经研发出了与人脑匹敌或超越人脑的计算机。
旗鱼科技是润建股份控股子公司，在人工智能领域深耕多年，产品有巧见云3D内容生产平台、3D LED大屏、VR/AR眼镜、无线会议室等，与军方和学院都有密切合作，感兴趣的话可以搜索看看。

人工智能需要学的课程如下：

人工智能专业主要需要学：《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、，《机器人规划与学习》、《仿生机器人》、《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》。

就业前景

前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程（基础的应用最广泛的语言：C/C++)必须得很好，微电子（数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力）得学得很好。

还要有一定的机械设计能力（空间思维能力很重要）。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。

网友二：人工智能以计算机技术为基础，依赖算法和模仿人脑神经元结构，在大数据的统计下，利用高级计算机语言Python等x86或Linux架构系统下编写具有深度学习的，依赖图形海量AI的GPU组和CPU等架构上高精度传感器的智能的类似人脑思维的电子人工智慧。

人工智能专业主要以《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、《机器人规划与学习》、《仿生机器人》；

《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》、《问题表达与求解》、《人工智能的现代方法II》、《机器学习、自然语言处理、计算机视觉》等课程为主。

人工智能专业的培养方向

（一）人工智能基础理论研究相关方向，如：人工智能模型与理论、人工智能数学基础、优化理论学习方法、机器学习理论、脑科学及类脑智能等。 

（二）人工智能共性技术相关研究方向，如：智能感知技术、计算机视觉、自然语言理解、智能控制与决策等。 

（三）人工智能支撑技术研究方向，如：人工智能架构与系统、人工智能开发工具、人工智能框架和智能芯片等。

（四）人工智能应用技术相关研究方向，包括但不限于：智能制造、机器人、无人驾驶、智能网联汽车、智慧交通、智慧医疗、机器翻译和科学计算等，充分发挥人工智能对各个学科或领域的赋能作用，形成特色培养方向。

（五）人工智能与智能社会治理相关研究方向，如基于人工智能技术属性与社会属性紧密结合特征的人工智能伦理与治理，以及可信安全、公平性和隐私保护等方面相关技术方向。

以上内容参考  百度百科-人工智能

人工智能专业主要需要学：《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、,《机器人规划与学习》、《仿生机器人》。

《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》、《问题表达与求解》、《人工智能的现代方法II》、《机器学习、自然语言处理、计算机视觉等》。

人工智能专业介绍

人工智能(Artificial Intelligence)是中国普通高等学校本科专业。人工智能，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，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。

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。

人工智能专业学习课程：认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程、人工智能平台与工具、人工智能核心等。

人工智能专业主要课程

1.认知与神经科学课程群

具体课程：认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程

2.人工智能伦理课程群

具体课程：《人工智能、社会与人文》、《人工智能哲学基础与伦理》

3.科学和工程课程群

新一代人工智能的发展需要脑科学、神经科学、认知心理学、信息科学等相关学科的实验科学家和理论科学家的共同努力，寻找人工智能的突破点，同时必须要以严谨的态度进行科学研究，让人工智能学科走在正确、健康的发展道路上。

4.先进机器人学课程群

具体课程：《先进机器人控制》、《认知机器人》、,《机器人规划与学习》、《仿生机器人》

5.人工智能平台与工具课程群

具体课程：《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》

6.人工智能核心课程群

具体课程：《人工智能的现代方法I》《问题表达与求解》、《人工智能的现代方法II》《机器学习、自然语言处理、计算机视觉等》

人工智能专业

人工智能专业是中国高校人计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。2018年4月，教育部在研究制定《高等学校引领人工智能创新行动计划》，并研究设立人工智能专业，进一步完善中国高校人工智能学科体系。2019年3月，教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，根据通知，全国共有35所高校获首批「人工智能」新专业建设资格。

人工智能专业的主要课程范畴是：机器学习、人工智能导论（搜索法等）、图像辨认、生物演化论、自然言语处置、语义网和博弈论等。需求的前置课程主要有：信号处置、线性代数、微积分，还有编程（最好有数据结构基础）。

人工智能专业主要学什么

人工智能目前有六大研究方向，涉及到计算机视觉、自然语言处理、机器人学、自动推理、机器学习和知识表示，这些研究方向之间也存在比较紧密的联系，目前计算机视觉、自然语言处理和机器学习这三个方向的热度相对比较高。

由于不同的高校往往有不同的资源整合能力，在人工智能领域也有一定的侧重点，所以在选择具体学习方向的时候，应该结合所在高校的实际情况，尽量选择学科实力比较强的方向，这样会有一个更好的学习体验。

人工智能专业就业方向

1、机器人设计、制作相关方向。

学习人形机器人相关技术和知识，可以成为当今和以后国家急需的机器人人才，系统了解机器人结构、应用和设计开发，培养科学的工科思维方式，激发兴趣、自由发挥创作、培养沟通、协调、专注能力。

2、基于AI相关知识和技能的各个工种方向。

利用AI和机械臂的结合，可以培养动手、制造，维护和解决问题的能力。桌面机械臂的课程，是引向人工智能技工的就业方向；AI技工需要掌握轻工业设备的使用和维护。

3、编程相关的方向。

通过学习机器人编程课程，你能领悟或培养出工程结构思维和编程思维，这也是AI时代里任何工作都需要具备的应用技能，部分优秀的学生还能晋级为国家都需要的人工智能高级编程人才。

4、新制造和新设计相关方向。

3D打印是未来新制造的基石技术， 3D打印相关技术，将为你打开一扇通往新制造、新设计的就业大门。不管以后你是上班还是自主创业，3D打印技能和思维都能助你一臂之力。

人工智能专业学什么

人工智能专业学什么，这一两年是人工智能专业开始朝专门化发展的前两年，这是一个属于人工智能的时代。世界许多国家都在加紧人工智能方面的研究，人工智能已经列入国家中长期发展规划。

人工智能专业学什么1

人工智能是一个包含很多学科的交叉学科，你需要了解计算机的知识、信息论、控制论、图论、心理学、生物学、热力学，要有一定的哲学基础，有科学方法论作保障。人工智能学习路线最新版本在此奉上：

首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析；

其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；

当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；

1、从基础学科来分析

人工智能主要得学习数学，计算机，算法，心理学，统计学，概率学。当然这些主要是基础的。要想深造还得涉猎更多的垂直行业，比如社会学领域的人工智能就离不开社科，经济学领域的人工智能离不开财经等等。

2、人工智能的`方向

§机器学习

§深度学习

§模式识别

§计算机视觉

等等。不展开了，自己百度。

3、人工智能前景广阔

人工智能已经列入国家中长期发展规划。未来，不对，现在人工智能已经或正在渗入生产生活的方方面面。

目前人工智能专业的学习内容有： 机器学习、人工智能导论（搜索法等）、图像识别、生物演化论、自然语言处理、语义网、博弈论等。

需要的前置课程主要有，信号处理，线性代数，微积分，还有编程（有数据结构基础）从上面的专业课程内容来看，需要掌握的人工智能相关的知识内容还是很多的。

从专业的角度来说，机器学习、图像识别、自然语言处理，这其中任何一个都是一个大的方向，只要精通其中一个方向，就已经很厉害了。所以不要看内容很多，有些你只是需要掌握，你需要选择的是一个方向深入研究。其实严格来说，人工智能不算难学，但是也不是轻轻松松就能学会的，需要有一定的数学相关的基础，同时还有一段时间的积淀。

人工智能专业学什么2

首先，从当前的技术发展趋势来看，人工智能专业的发展前景还是非常广阔的，当前不论是云计算、大数据技术，还是物联网相关技术，最终的发展诉求之一都是智能化，而智能化也是诸多技术体系实现价值增量的重要环节，所以人工智能当前也是科技研发的一个重点领域。

虽然人工智能技术的发展对于整个科技领域都有非常重要的意义，而且人工智能技术的发展对于产业领域的创新也有非常多的影响，但是由于人工智能技术本身涉及到的内容非常多，而且难度也比较高，所以人工智能技术的发展必然会经历一个长期的过程。

虽然人工智能技术的发展需要一个过程，但是当前随着各大科技公司纷纷开放自身的人工智能平台，当前人工智能的行业生态也有了一定的规模，相信在5G通信的推动下，未来人工智能领域也会迎来一个更好的发展环境。

从人才需求趋势来看，由于人工智能领域依然处在发展的初期，所以当前人工智能领域的人才需求依然比较重视高端研发型人才，所以当前选择人工智能专业，最好考虑读一下研究生，这会明显提升自身的就业竞争力。

从大的发展趋势来看，在人工智能技术逐渐开始落地应用之后，产业领域会释放出大量高端应用型人才的需求，所以如果没有读博的计划，当前可以重点考虑一下专硕，专硕的人才培养规模会逐渐扩大，所以选择专硕也会更容易考研成功。

最后，对于本科生来说，在学习人工智能技术的过程中，一定要重视开发能力的提升，同时要选择一个自己的主攻领域，虽然当前计算机视觉和自然语言处理领域已经汇集了大量的学生，但是这两个领域往往也有更好的学习体验。

人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。

一、机器学习
机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。
根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。
根据学习方法可以将机器学习分为传统机器学习和深度学习。

二、知识图谱
知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。
知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。随着知识图谱应用的不断深入，还有一系列关键技术需要突破。

三、自然语言处理
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。
机器翻译
机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。
语义理解
语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。语义理解更注重于对上下文的理解以及对答案精准程度的把控。随着MCTest数据集的发布，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。
问答系统
问答系统分为开放领域的对话系统和特定领域的问答系统。问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。人们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。
自然语言处理面临四大挑战：
一是在词法、句法、语义、语用和语音等不同层面存在不确定性;
二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性;
三是数据资源的不充分使其难以覆盖复杂的语言现象;
四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算

四、人机交互
人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。

五、计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。
目前，计算机视觉技术发展迅速，已具备初步的产业规模。未来计算机视觉技术的发展主要面临以下挑战：
一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度;
二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时;
三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。

六、生物特征识别
生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。
识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。
生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。

七、VR/AR
虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。
虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。
目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势

按现在的科技这样发展下去，人工智能是有可能超越人类的。

1956年夏季，在美国达特茅斯学院举行的一次重要会议上，以麦卡赛、明斯基、罗切斯特和申农等为首的科学家共同研究和探讨了用机器模拟智能的一系列问题。

首次提出了“人工智能”这一术语，它标志着人工智能这门新兴学科的正式诞生。此后，人工智能在发展历史上经历了多次高潮和低潮阶段。

在1956年人工智能被提出后，研究者们就大胆地提出乐观的预言，达特茅斯会议的参与者之一赫伯特·西蒙（Herbert Simon）还做出了更具体的预测：10年内计算机将成为国际象棋冠军，并且机器将证明一个重要的数学定理。

西蒙等人过于自信，其预言没有在预测的时间里实现，而且远远没有达到。这些失败给人工智能的声誉造成重大伤害。

1971年，英国剑桥大学数学家詹姆士（James）按照英国政府的旨意，发表了一份关于人工智能的综合报告，声称“人工智能研究就算不是骗局，也是庸人自扰”。

在这个报告的影响下，英国政府削减了人工智能的研究经费，解散了人工智能研究机构。人工智能的研究热情第一次被泼了冷水。

20世纪90年代，以日本第五代机器人研发失败和神经网络一直没有突破为代表，人工智能进入了第二个冬天。

直到21世纪初，深度学习与互联网大数据结合才使人工智能又一次迎来新的春天。在阿尔法围棋等大量突破性成果涌现之后，人类对机器（AI）能否超越人类的问题又重新燃起了热情。狂热的情绪背后甚至产生了人工智能威胁论。

谷歌技术总监、《奇点临近》的作者雷·库兹韦尔（Ray Kurzweil）预言人工智能将超过人类智能。他在书中写道，“由于技术发展呈现指数级增长，机器能模拟大脑的新皮质。

到2029年，机器将达到人类的智能水平；到2045年，人与机器将深度融合，那将标志着奇点时刻的到来。”除此以外，支持人工智能威胁论的代表人物还包括著名物理学家霍金、微软创始人比尔·盖茨、特斯拉CEO马斯克等。

2014年12月2日，霍金在接受BBC采访时表示，运用人工智能技术制造能够独立思考的机器将威胁人类的生存。霍金说：“它自己就动起来了，还能以前所未有的超快速度重新设计自己。人类呢，要受到缓慢的生物进化的限制，根本没有竞争力，会被超越的。”

特斯拉CEO马斯克对待人工智能的态度比较极端，2014年8月，他在推特上推荐尼克·波斯特洛姆的著作《超级智能：路线图、危险性与应对策略》时写道：“我们需要重点关注人工智能，它的潜在危险超过核武器。”

2017年10月，日本著名风险投资人孙正义在世界移动大会2017上表示，他认为机器人将变得比人类更聪明，在大约30年的时间里，AI的智商将有望超过1万点。相比之下，人类的平均智商是100点，天才可能达到200点。

孙正义说：“奇点是人类大脑将被超越的时刻，这是个临界点和交叉点。人工智能和计算机智能将超越人类大脑，这在21世纪肯定会发生。我想说的是，无须更多的辩论，也无须更多怀疑。”

在人工智能威胁论热度日益高涨的情况下，人工智能领域的科学家对人工智能威胁论提出了反对意见。2014年4月，脸书人工智能实验室主任，纽约大学计算机科学教授杨立昆在接受《波普杂志》采访时发表了对人工智能威胁论的看法。

他认为人工智能的研究者在之前很长的一段时间都低估了制造智能机器的难度。人工智能的每一个新浪潮，都会经历这么一段从盲目乐观到不理智最后到沮丧的阶段。

杨立昆提出：很多人觉得人工智能的进展是个指数曲线，其实它是个S形曲线，S形曲线刚开始的时候跟指数曲线很像，但由于发展阻尼和摩擦因子的存在，S形曲线到一定程度会无限逼近而不是超越人类的智商曲线。

未来学家们却假设这些因子是不存在的。他们生来就愿意做出盲目的预测，尤其当他们特别渴望这个预测成真的时候，这可能是为了实现个人抱负。

人工智能是中国普通高等学校本科专业。人工智能，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科、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。

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。

发展背景

AI，全称是Artificial Intelligence，即人工智能，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”。

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。

以上内容参考 百度百科-人工智能

：随着人工智能的飞速发展，很多人都在担忧人工智能是否会超越人类、甚至毁灭人类，比如像特斯拉的CEO埃隆.马斯克认为也许只有人看到人工智能在街上杀人的时候，才会意识到这个问题的严重性。很多人对这个问题都有自己的答案，但是他们的答案也许只是因为他们的直觉，而真正的原因恐怕连他们自己也不清楚，比如有的人可能会说因为自己觉得未来人工智能会有自主学习的能力，所以人工智能会超越人类，而另一类人也许会说因为人工智能也是由人制造的，所以不会超越人类。一般人这么思考问题也许不能算错，但是作为一名IT人，必须学会用工程的思维来思考问题，而不是靠自己的直觉，本篇文章就带大家了解一下吴军老师是如何用工程的思维论证这个问题的：

图灵机是什么？
图灵博士被认为是神一样的人。在20世纪，全世界智力水平可以和爱因斯坦平起平坐的人恐怕只有图灵和冯.诺依曼两个人了（而后者被认为的智力甚至超越了爱因斯坦）。在上个实际30年代中期，图灵在思考三个问题：

1.世界上是否所有的数学问题都有明确的答案？

2.如果有明确答案，是否可以通过有限步骤的计算得到答案？

3.对于那些有可能在有限步骤计算出来的数学问题，能否有一种假想的机械，让它不断运动，最后当机械停下来的时候，那个数学问题就解决了？

图灵思考问题的这个方法后人称之为图灵机，是一个数学模型。今天所有的计算机，包括全世界正在设计的计算机，从解决问题的能力来讲，都没有超出图灵机的范畴。

人工智能的边界在哪里？
解释完图灵机，我们可以回到最初的问题了，人工智能的边界在哪里？
其实给出图灵思考问题的答案就可以得到结论了：

世界上有很多问题，其中只有一小部分是数学问题

在数学问题中，只有一小部分是有解的

在有解的问题中，只有一小部分是理想状态的图灵机可以解决的

在后一类问题中，又只有一部分是今天实际的计算机可以解决的

而人工智能可以解决的问题，又只是计算机可以解决问题的一部分

吴军老师把这个问题画成了一张图：
这里写图片描述

至此，我们应该可以得到问题的答案了：
人工智能所能解决的问题只是世界上的很小一部分。对于人工智能来讲，个人觉得现在世界没有解决的问题太多，无论是人还是机器（其实是背后编写程序的人），都应该想办法解决各种问题，而不是杞人忧天，担心人工智能这个

人工智能会不会取代人类

未来人工智能的智慧，的确会逐步的超越人类；因此，我们必须谨慎的发展这个很有可能摧毁我们的科技！人类历史上最伟大的发现是什么？小编认为，就是数千年前，柏拉图在思考中，构建的“科学”理论！经过了柏拉图，亚里士多德等多位哲学家，科学家的探索；

科学随着时间的推移蓬勃发展，一个又一个的科学家在历史长河中不断涌现，最终，才有了我们引以为傲，改变了地球的“现代科学”！时至今日，人类的智慧，似乎已经不能支撑日新月异的新需求了！

所以，世界各国都在紧锣密鼓的探索人工智能的奥秘！所谓的“人工智能”，就是具备深度学习能力的AI，目前来说，美国GOOGLE公司在该领域拥有着压倒性的优势！不过，据悉，中科院对人工智能科技的研究，最近也迎来了新突破；

我们和谷歌的差距，正在不断的缩小，甚至某些地方已经完成了超越！只不过，中国对科技的保密程度比较高，至今大众还被蒙在鼓里而已！

人工智能的智慧逐渐超越人类，这似乎已经成了一个板上钉钉的事情！二零一八年，我们最自信的“阵地”围棋，也被阿尔法狗无情夺走，自此宣布了人类的全线溃败！未来，或许科幻小说中的种种情形就会上演；

人工智能将会应用到生活的方方面面。但这真的是一个好消息吗？一些学者，给了否定的答案！比如说，美国加利福尼亚大学天文系教授韦恩，就认为人工智能的发展，已经走上了悬崖的边缘！

著名物理学家霍金，生前也曾经三令五申，呼吁我们停止开发人工智能。也许，这是一个能够毁灭我们文明的“潘多拉魔盒”，一定要谨慎的打开！

人工智能的真正风险不是恶意，而是能力。

一个超级聪明的AI会非常擅长实现目标，如果这些目标和我们的不一致，我们就遇到了麻烦。

我们需要进行机器学习，关于AI不能只限于应该如何的理论讨论，还应确保我们计划如何做到这一点。

查看更多《十问》

人工智能他肯定是可以超过人类的，因为现在已经有很多东西超过人类的，比如说象棋技术之类的东西它都可以超过了，那还有一些大脑的运算计算，他们可以一秒算出瞬间删除很长的算数儿中人他要特别的酒，再说正常人来说都要很久，而且你是天才，他也要算也要上七八表的事情，但是用电脑他们便宜两三百就算出来，所以说人工智能可以超越人类，但是不能让人工智能在特殊的一个地方上超越人类。

人工智“无法”碾压人类

人工智能会取代许多岗位，但也会创造许多新的岗位。人工智能给人类社会带来的影响将是全方位的，会让我们的生活越来越美好。人工智能可以承担简单重复性的劳动，可以显著提高人类的工作效率，可以拓展人类的感知，可以帮助人类探索新的未知领域。

人工智能的发展前景确实不可限量，但所有科学技术包括人工智能，其发展都是非线性的，不会沿着一条直线永远快速向前。到目前为止，还没有通用的人工智能技术，所有人工智能应用都是被限定在特定场景中，而不可能“通吃”。

比如：尽管下围棋是高智商智力活动，但它的规则简单、固定、封闭。人类的行为和社会生活复杂多变，不可能用简单的规则来概括、描述。目前人工智能的发展阶段，相当于当年蒸汽火车每小时跑5公里的阶段，离赶超人脑还有非常漫长的距离。”

“

人工智能在现实生活中的应用：

（一）利用人工智能来帮助医生识别医学影像，是很多人工智能公司近年来开发的新技术。 科大讯飞发布的“医学影像辅助诊断系统”，刷新了世界纪录，读片准确率达到94.1%。

（二）利用人工智能来拣快递。国内不少电商和快递公司在物流领域布局人工智能，配备了智能机器人进行快递分拣，有的机器人只需充电几分钟就能工作几小时。

参考资料

科技 .人民网[引用时间2018-4-4]

首先，我更愿意用机器智能来替换人工智能这个术语。其实，人工智能是相对于人类智能（非人工的智能、自然的智能）来说的。通常的智能往往省略其执行体：人类。机器智能这个术语强调了其执行体是机器而非人类。而人工智能这个术语侧重于描述智能行为是如何来的（人工的而非“自然”的），所以，人工智能和（人类）智能这两个术语并不是在同一个层面上描述的一对概念，容易引起误解和混淆。所以，就会产生人工智能是否可以超越人类智能的这样似是而非的问题。如果问：机器智能是否可以超过人类智能，也许更加容易理解一些。

机器智能显然不能完全超过人类智能，即使是在AlphaGO完胜李世石的事实面前。但是，机器智能在某些方面已经超过人类智能，这是不争的事实。例如，机器可以飞快地计算出logx、sinx等等。所以，合理的问题应该是问：在哪些方面，机器智能可以超越人类智能；而在哪些方面，机器智能永远不能超过人类智能?

机器智能是通过人类来实现的。我们可以把机器体现的智能理解为对于机器给定输入，人类为其构造了一个反应器从而对机器的输入给出了一个输出的一种行为。这里面，就默认了一个大大的前提：机器智能的设计者和实现者认为，机器的输出行为完全由于其输入而定。相对地，人类本身具有无数的传感器，可以接受无数的感知信号。人类的（智能）行为，就是对感知信号的一种输出反应。所以，除非给机器实现了人类一样多的传感器，接受人类一样多的感知信号，否则机器就不可能产生完整的人类智能。因为，对于有些人类智能行为，我们自身都不确信它到底是由于哪些感知信号所决定的。这些人类智能行为，机器绝对不可能模仿，更不要说超越。

例如，机器的人脸图像识别，似乎可以模仿甚至超越了人类的图像识别能力。那是因为，我们确信，人类图像识别的行为，完全由眼睛所接受的像素信号所决定。所以，只要把这些像素信号也输入给机器，那么，机器就有可能模仿出人类的智能行为，甚至有可能做得更好。但是，如果这个前提不存在呢？如果我们根本不知道人类识别图像的能力除了需要像素信号外，还需要“鼻子闻到图像的味道、耳朵听到图像的声音”，那么，只把像素信号给机器，机器智能怎么可能超越人类智能呢？连模仿也是大问题啊！

人类智能的某些行为，到底是由哪些感知信号所决定的，这个问题不能回答，那么，机器模仿这些只能行为，则是永远超不过人类。人类智能的这类行为，多吗？当然多。至少哪些需要意识、情感推理得到的行为，到底是由哪些感知信号所决定的？这些感知信号能否与数字化的输入给机器的信号等价？这些问题远远得不到回答。

所以，在目前阶段，担心机器智能超越人类智能，似乎是杞人忧天罢了。哪怕提出这种担心的人是大牛还是大咖。

人工智能专业主要学的是核心课程包括：数学、统计、计算机、自动化等，这些学科都属于人工智能专业的核心课程。