先生Winston Churchill先生，通常談到第二次世界大戰為“巫師戰爭”。盟友以及軸的力量都是在戰場上互相獲得電子優勢的競爭。在此期間出生的許多技術 – 其中一個是解碼編碼消息的能力。能夠實現這一成就的小工具是當代計算機的前兆。 1946年，美國武裝部隊建立了ENIAC，或電子數字集成商以及計算機。利用超過17,000個真空管，ENIAC比以前的所有機電電腦更快的數量級。然而，欣喜若狂的科學家的部分是它是可編程的。這是一個可編程計算機的概念，可以增加人造情報（AI）的概念。
隨著時間的推移前進，計算機最終較小，更快。晶體管半導體的創建提供了增加的微處理器，其加速了計算機編程的推進。 AI開始拿起Steam，以及Pundits開始製作宏偉的宣布，準確宣布電腦智能如何超越自己的智慧。像伊麗莎一樣的節目以及街區世界著迷於公眾，並肯定提供了理解，當計算機最終更快時，他們將來能夠相信人類。
但它很快就會被刪除，這不是這種情況。雖然這些以及許多其他AI節目在他們所做的事情上很好，但它們都不是它們的算法或其算法適應。他們在他們的具體任務中“聰明”，甚至可能會思考智能判斷他們的行為，然而他們沒有理解這項任務，也沒有將蠟燭持有甚至正常的智力能力實驗室大鼠，更不用說一個人。
神經網絡
由於AI在20世紀80年代後期逐漸消失，它使神經網絡研究人員能夠獲得一些急需的資金。然而，考慮到1960年代的神經網絡已經積極地被AI研究突破。飢餓的資源，沒有太多人聽到神經網絡，直到它最終明顯看出，AI沒有像炒作一樣生活。與計算機不同 – 原始AI基於 – 神經網絡沒有處理器或存儲內存的中心位置。
深藍色電腦
神經網絡沒有像電腦那樣編程。它們以一種方法鏈接，該方法為它們提供了發現其輸入的能力。以這種方式，它們與哺乳動物腦相似。畢竟，在巨大的照片中，大腦只是在極具某種模式中融合在一起的很多神經元。神經網絡對大腦的相似性使得它們與基於計算機的計算機幻滅的利益。
在20世紀80年代中期，由NetTalk名稱的企業開發了一個能夠在表面上的神經網絡，發現讀取。它能夠通過發現將字母模式映射到口語語言來實現這一點。經過一點時間，它發現說私人話。 NetTalk被稱為人類聰明才智的勝利，捕捉世界各地的新聞標題。然而，從工程角度來看，它根本不艱難。它沒有理解任何東西。它只是與聲音的模式相匹配。然而，它確實學習了，這是基於計算機的AI有太大問題。
最終，神經網絡將遇到類似的命運，作為基於計算機的AI – 大量的炒作以及興趣，只是在他們無法創建預期的人之後褪色。
一個新的世紀
在AI的進步進入21世紀的鋸點。 1997年，IBMS Deep Blue Bue Made Short Leadlines當它在他自己的遊戲中擊敗了一系列棋牌比賽。然而，由於它是聰明的，但深藍色沒有獲勝。它贏得了，因為它的速度更快。深藍色沒有理解國際象棋完全相同的方法計算器不理解數學。
谷歌成立主義的例子。在視覺識別期間從層次結構中間取出。
現代時期已經看到了對AI完全相同的技術。谷歌正在利用與層次結構集成的神經網絡以及令人著迷的發現。其中一個是一個名為成立主義的過程。神經網絡很有希望，但他們仍然沒有刪除真正的人造智慧的刪除道路。
IBM的Watson能夠最好地成為一些危險的頂級球員。相信Watson是“聰明”的簡單，無論什麼都不能從真相中脫穎而出。 Watson通過非常快速地瀏覽信息的瀏覽Terabytes來檢索其答案。它沒有能力真正理解它所說的話。
人們可以建議嘗試生產ai的過程多年來，即使是我們如何定義它，甚至到了這一天。雖然我們所有人都同意術語“人為”意味著什麼，定義“智能”真正的“智力”為難題提供了一層。究竟在過去究竟檢查了智能的智能，將為我們提供一些未能完成它的洞察力。
艾倫圖靈和中國房間
艾倫，爸爸到當代計算，建立了一個基本的測試，以弄清楚電腦是否智能。它被理解為圖靈測試，以及這樣的東西可以說智慧可以說。伊麗莎計劃指出，上面愚弄了這項測試的少數人。圖靈的智慧的意義是基於習慣的，以及很多年度被接受。這將在1980年修改，當時John Searle提出了他的中國太空論點。
考慮一個鎖在房間裡的英語人。在空間是一張桌子，以及那台書桌是一本大書。這本書用英語編寫，以及有方向，準確如何操縱漢字。他不明白任何類型的意味著什麼，但他能夠遵守這些指示。然後有人在門下滑動一張紙。論文是一個故事以及對故事的擔憂，都是用中文寫作的。這個傢伙並沒有理解它的一句話，但能夠利用他的書來操縱漢字。他填補了利用他的書的擔憂，以及將紙張通過門面。
另一邊的中國人講述了答案，以及他們都是正確的。她涉及最終的想法，即該空間的傢伙理解中國人。然而，對於我們來說，這位傢伙並沒有理解中國人。所以相信的實驗的重點是什麼？
這個傢伙是一個處理器。這本書是一個節目。門下方的紙張是輸入。處理器將程序應用於輸入，並創建輸出。這一基本的實驗表明，計算機永遠無法思考智能，因為它永遠不會理解它的所做。它只是遵守指示。智慧在於書籍或程序員的作者。不是那個人或處理器。
智力的新意義
在所有人類的AI追求AI中，他並在積極尋求尋找習慣作為智力的含義。然而，John Searle向我們展示了計算機如何創造智能習慣以及仍然不智能化。如果不理解它在做什麼，那麼這個傢伙或處理器就是聰明的呢？
上述所有內容都已說明習慣之間的刪除線以及了解。智能無法通過行為定義。習慣是智力的表現，也沒有任何東西。 Envision躺在黑暗的房間裡。你可以思考，也可以是聰明的。但是，您不會創建任何類型的行為。
智能必須通過理解的能力來定義。 [傑夫·霍金斯]，智能作者建立了一種用預測來做這件事的方法。他打電話給它了內存預測框架。設想定期試圖預測下一步會發生什麼的系統。當滿足預測時，滿足該函數。當不符合預測時，焦點在異常上指向，直到可以預測。例如，當你坐在你的桌子時，你會聽到寵物衣領的叮噹聲。你轉到門口，預測你會看到你的寵物走進來。只要滿足這種預測，就是正常的。很可能是不是這樣做的。但是，如果違反預測，它會將情況帶入焦點，以及您將檢查出來發現為什麼您沒有看到您的寵物步行。
定期試圖預測您的大氣的過程使您能夠理解它。預測是智力的本質，而不是行為。如果我們可以編程計算機或神經網絡來遵守預測範例，它可以真正理解其環境。以及這種理解，這將使製造商智能化。
所以現在輪到你了。您究竟如何定義AI中的“Intelligence”？