导读：很多朋友问到关于辛顿人工智能什么主义的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！
人工智能会扩招心理学吗？
在不久的将来一定会，人工智能是未来发展的趋势，随着人工智能的快速发展，人工智能与心理学其实密不可分。
对于心理学来说，人工智能和心理学又会擦出怎样的火花呢？虽然心理学不算传统行业，或者说算是新兴行业吧（经典梗，虽然有漫长的过去但只有短暂的 历史 ，XD），但当人工智能这一浪打过来，可能会对心理学带来什么样的变化？想起了当年计算机兴起的时候，可是直接影响到了认知心理学的发展的，那，下一步的人工智能呢？人工智能及相关技术的发展，为心理学研究提供了突破性的研究方法和工具；心理学对大脑机制的研究成果运用于人工智能领域，也推动着人工智能研究的进步。这两个学科在相互结合中推动彼此的发展，提升着各自的 社会 应用价值。
心理学对人工智能的影响。
1、人工智能的方法学可以认为三种代表性的学派：符号主义、行为主义和联接主义。
实际上符号主义和行为主义都代表了最基本的心理学理论：逻辑推理心智研究与行为主义心理学。行为主义侧重从试验来验证理论猜想，而符号主义则侧重于建立完整的公理系统。联接主义的代表是以神经网络模型为代表的神经计算，这可以认为于心理学关系最小。因此心理学，及其衍生的心智哲学等可以认为是人工智能的基础支撑理论之一，比如：目前人工智能领域的很多强化学习理论都直接来源于心理学。
2、人工智能对心理学发展的影响。
实际上，人工智能目前还是计算机科学下面的一个分支，尽管国内外很多专家都呼吁把人工智能从计算机科学中独立出来，但是还必须意识到，人工智能实际上强调的是一种对人类行为智能的模拟，通过现有的硬件和软件技术来模拟人类的智能行为，这包括：机器学习、形象思维、语言理解、记忆、推理、常识推理、非单调推理等一系列智能行为，目前人工智能概念本身也有范化的趋势，即：大自然所体现出来的智能性，如：蚂蚁算法、SWARM算法等都是受到大自然智能现象的启发，有些学者也把这一类归纳为AI领域。
因此人工智能发展的是一种技术和工具，从中产生的一些成果其实是可以应用的心理学。比如;一些仿真算法和理论的建立，可以为心理学提供一个试验环境和分析工具。
3、如何从心理学角度入手研究人工智能
需要研究一些有关心智推理、试验心理学、行为主义、认知科学等理论和知识，这将为人工智能的研究打下良好的理论基础。
1、建立心理特征预测模型
结合大数据技术，对大规模的心理数据进行分析和建模，基于此，就能对大范围群体的心理特征进行及时感知，利用人工智能技术中的机器学习技术建立模型，通过分类和回归分析进行模型评估并投入应用。
2、人工智能体
借助认知神经心理学对人脑神经系统的结构、信息加工、记忆和学习机制的研究成果，利用深度神经网络技术从人脑工作原理上进行仿真。
3、 情感 机器人
加强人工智能研究对“情绪”和“ 情感 ”的了解，加强 情感 培养的机器算法和 情感 机器人的研究。未来两个学科的研究在这一领域结合，将会碰撞出更有 社会 应用价值的火花。
我们需要的人工智能，不是说要去完全替代现有的一些心理学的工作，也不是说让人在应当掌握好的知识和能力面前偷懒，而是说应该让人工智能帮助我们心理学学生和心理学工作者更好的完成各自的任务，辅助我们做更多有意义的事情。
人工智能固然有很多优点，但其实缺点也不少，在“人工智能+心理学”这条道路上，我们更多应该思考的是如何在避开（或者说改进）这些缺点的同时，尽可能的发挥人工智能的优势。
同时，回归到心理学的本质上来说，我们还是要把“人”放在首位，关注人作为一个有血有肉的个体的 情感 与体验，也让人与人之间能够有更好的互动、交流与合作，获得更多的幸福感，而不是用机器将人与人分隔开来。
人工智能会用到心理学的相关研究结论，毕竟目前的人工智能只是弱人工智能，靠人类编制的程序实现各种功能，不具备自主判断能力，暂时还是 数学 和 计算机编程 更重要。
目前的人工智能最重要的是算法和程序，算法为程序提供了运行的基础，而程序则是算法的具体执行。计算机算法是以一步接一步的方式来详细描述计算机如何将输入转化为所要求的输出的过程，程序则是以代码实现算法的实施。所以现在计算机工程招数学和计算机编程的人才更多，数学本身就是逻辑极强的研究工具，而我们可以将事物的属性抽象化为数据，不管是人类的心理还是其它，然后利用统计学等学科的手段采集大量的数据，用计算机程序循环遍历数据，使人工智能基于大数据或者其它的手段实现初步理解人类的意图。这个过程中计算机的功能就是根据人编制的程序实现这些功能，它们本身只是冷冰冰的机械设备，不具备任何自主思考的能力，所以现代的人工智能属于弱人工智能，都是按图索骥，比如我们成活中经常用到的对话：吃了没？答案只有几个，吃了或者没吃或者正准备吃等等，然后程序根据你的用语调出相应词汇给你回答。
弱人工智能需要采集大量的数据，然后以数据为基础设计程序分析人们的需求，将结果输出就可以实现日常生活中的应用。当然弱人工智能只是人工智能发展的一个阶段，未来可能会进入强人工智能的阶段，所谓的强人工智能被认为是有知觉的，有自我意识的。可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系，可以自行根据外部事物的变化来确定自己与人的交流等等。这就会带动人工智能领域更飞速地发展，人工智能将不再局限于人类编制的程序，但是它们自主的意识油脱离于人类的心理学范畴，不能指望基于电子芯片的人工智能可以产生和人类一样的思维方式，因此可能会有更多的新问题，那就是这样的设备能不能听人类的话为人类所用，要实现这种设施无疑也更加困难，可能需要人类实现对大脑逆向工程设备的制造。
目前的人工智能可以根据人使用的词汇等判断人的心情，当然不是它们自己判断，而是依靠算法和程序，但是也要用到心理学的相关数据，可以说心理学、数学都是人工智能的基础，但可能还是数学和编程更重要一些。
首先人工智能的范围比较广，心理学（主要指脑科学的研究）也可列入其中。
目前所谓的“人工智能”，大多也就是深度学习，机器学习。
应用主要集中在模式识别，自然语言处理等方面。
心理学可以利用人工智能的技术做研究，而反过来，心理学的一部分也作为人工智能的一个领域（交集，非子集），推动人工智能的发展。因此，人工智能会扩招心理学。
我觉得不会，其实很多行业都有心理学的味道，但大多都不会要，这是 社会 发展的现象，没有哪一个专业是全覆盖的，只有针对性的行业才会需要。这就是为什么术业有专攻的道理了。
人工智能是未来的趋势，心理学肯定在未来也会进军心理学的，心理学是个复杂的学科，现在基本上所有的东西都可以用数据呈现出来，只有 情感 不行，人工智能与 情感 一直是一个有争议的事，而心理学与 情感 又密不可分，所以未来人工智能肯定会扩找心理学！
不能
人工智能会扩招心理学
现在，随手翻阅任何心理学和人工智能的教材，都很难从学科内容上窥探出二者存在何种关联。但事实上，若论对人工智能研究的影响，大概没有哪门学科能够与心理学相媲美。从人工智能创立之初的纽厄尔（Allen Newell）、西蒙（Herbert A. Simon）及尼尔森（Nils J. Nilsson），到中期的安德森（John Anderson）、霍金斯（Jeff Hawkins）、巴赫（Joscha Bach），再到近期的辛顿（Geoffrey Hinton）、马库斯（Gary Marcus），这些人工智能的翘楚不是心理学家就是具有心理学背景。在推动人工智能进步的过程中，心理学都在直接或间接地发挥着重要的作用。然而，在当前的语境下，二者的背离却无疑比其联系更为突出。
人工智能与心理学融合的“貌合神离”
辛顿被誉为看见四维第一人，他发现了什么？
人们对于第四维的想象，催生出了一大批畅销科幻小说：牧师埃德温·阿博特的《平地居民》、基督徒巫师A.T.斯科菲尔德的《另一个世界》、神学家亚瑟·威林克《看不见的世界》但这些畅销书没有一本是数学家或科学家所著，因为他们似乎都无法给出一个严谨逻辑推导的四维描述，直到英国数学家查尔斯·霍华德·辛顿的出现。看见第四维的第一人：辛顿。辛顿就像一位“神秘四维”的传教士，独自一人把欧洲的四维思想带到了美国，并点燃了大众的激情。
说起辛顿，他的家庭背景也颇具特色，完全符合“神秘四维”的标签。辛顿的老爹杰姆斯·辛顿原本是一位著名的外科医生，后来却变成了一个提倡“自由恋爱”“一夫多妻制”的邪教首领。他宣称，耶稣是男人的救世主，而自己是女人的救世主。而辛顿自己则是一位严谨的数学家，而且他的岳父乔治·布尔，正是大名鼎鼎的布尔代数的开创者。在辛顿身上，似乎兼具着神秘主义与严谨理性的两种气质。“神秘”和“严谨”这两个标签，极其符合“四维空间”的特质。
我们跟一维空间的生物说有平面的概念，他们是接受不了的，因为一维空间的生物只会前进和后退，我们跟二维的空间说有体积这种事情，他们是完全无法理解的，因为二维的生命体只能体会面积，无法体会体积，那我们是三维的生命体，我们觉得体积是理所当然的，但是要我们体会四维的概念那就无法做到了。
所以我们是三维的生命体，什么是四维的概念呢？就是空间会随着时间不断的变化，一个一个被记录下来，我们是无法体会的，所以低维度的生命体是无法体会高维度生命体的思考方式。我们常常说我们要活在当下，这是什么意思呢？就是说我们三维的生命体，我们无法了解时间轴这个概念，所以我们只能知道现在我们做了什么事，过去做了什么，我们改变不了，未来会发生什么事情，我们也无法预测。
《人工智能教育应用》模块一
模块一：人工智能与教育（MOOC课程学习笔记）
一、了解AI的发展
1.什么是人工智能？
人工智能（Artificial Intelligence）:包括人工和智能两个方面，人工是合成的、人造的意思，智能分为思维流派，知识阈值流派，进化流派。人工智能是一门自然科学，社会科学的 交叉学科 ，综合了信息、逻辑、思维、生物、心理、计算机、电子、语言机器人等学科。基础学科是数学，指导学科是哲学。可以从狭义和广义两个角度来定义。 从狭义角度来说 ，人工智能是计算机学科的一个分支，是用计算机模拟或实现的智能，研究如何使机器具有智能（特别是人类智能如何在计算机上实现或再现）的科学与技术。 从广义角度来说 ，人工智能是研究、开发用于模拟、延伸和拓展人和其他动物的智能，以及开发各种机器智能和智能机器的理论、方法、技术及应用系统的综合性学科。
应用：智能快递服务，智能规划出行方案，题目拍照解析
2.人工智能的类型和流派？
根据人工智能是否能真正实现推理、思考和解决问题，把人工智能分为 弱人工智能 和 强人工智能 。
弱人工智能 ：指不能制造出真正地推理和解决问题的智能机器，不真正拥有智能和自主意识，只专注于完成某个特定的任务。如搜索引擎、智能手机。
强人工智能 ::指真正能思维的智能机器，有知觉和自我意识。可分为类人，非类人。
人工智能可分为三个学派：符号主义学派（IBM深蓝的国际象棋比赛）、联结主义学派（谷歌kelipus相机）、行为主义学派（谷歌机器狗）
3.人工智能发展阶段
人工智能的发展阶段大致可分为形成期、发展期、繁荣期。
形成期 （1956-1980）：这一时期符号主义盛行。
1956年人工智能这个词首次出现在达特茅斯会议上。约翰麦卡锡提出Artificial Intelligence一词，这标志着其作为一个研究领域的正式诞生。
1958年，有两层神经网络的感知机被提出，他是当时收个可以进行机器学习的人工神经网络。
1965年，约翰麦卡锡帮助MIT退出来世界上第一个带有视觉传感器，能识别并定位积木的机器人系统。
1968年，美国斯坦福研究所研制的移动式机器人Shakey具备一定的人工智能：感知、环境建模、行为规划、执行任务。是世界上第一代机器人，拉开了第三代机器人研发的序幕。
1974-1980：受数学模型、生物原型、技术条件，人工智能停滞期。
发展期 （1980-2000）:1980年，出现XCON的专家系统，能按照用户的需求，为计算机系统自动选择组件，帮助美国数字公司节约大量费用。
1982-1986：约翰霍普菲尔德发明了Hopfield网络，是一种结合了存储系统和二元系统的神经网络，可以让计算机以一种全新的方式处理信息。
1986年：BP反向传播算法催生了联结主义的发展。
1987-2000：再一次进入低谷期。
繁荣期 （2000-）：1997年：IBM深蓝
2006年：辛顿提出深度学习神经网络打破BP发展瓶颈。
2011年：沃森作为选手参加《危险边缘》取胜。
2012年：卷积神经网络，谷歌自动驾驶汽车
2013年：深度学习算法识别率高达99%
2016年：AlphaGo
2017年：AlphaGo Zero、索菲亚
二、AI的关键技术
4.什么是机器学习？
机器学习是一门涉及统计学、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。核心是重新组织已有的知识结构使之不断改善自身的性能。
5.机器学习的分类?
（1）根据 学习方法 可分为 传统机器学习 和 深度学习
传统机器学习 ：从一些观测样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测。主要特点是平衡了学习结果的有效性和学习模型的可解释性，为解决有限样本的学习问题提供了一种框架。主要用于有限样本学习下的，模式分类、回归分析、概率密度估计。应用：自然语言处理、语音识别、图像识别、信息检索、生物信息。
深度学习 ：是建立深层结构模型的学习方法。特点是多层神经网络。形成了卷积神经网络（用于空间性分布数据）和循环神经网络两类模型（用于时间性分布数据）。
区别：案例分析：狗和猫等动物的识别。
传统机器学习需要先定义相应的面目特征，如有没有胡须、耳朵、鼻子、嘴巴的模样等，以此来进行对象的分类识别。深度学习则会自动找出这个分类问题所需要的重要特征，并进行对象识别。
（2）根据 学习模式 可分为 监督学习 、 无监督学习 、 强化学习
监督学习 ：利用已标记的有限训练数据集，通过某种学习策略建立一个模型，实现对新数据的分类。特点是要求训练样本的分类标签已知。特点是不需要训练样本和人工标注数据。
无监督学习 ：利用无标记的有限数据描述隐藏在未标记数据中的结构或规律。
强化学习 ：也称增强学习，他是智能系统从环境到行为映射的学习，以使强化信号函数值最大。特点是没有监督者，只有一个反馈信息，反馈是延迟的，不是立即生成的。
（3）根据 算法特点 可分为 迁移学习 、 主动学习 、 演化学习
迁移学习 ：当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域数据获得的关系进行的学习。
主动学习： 通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精度。
演化学习： 对优化问题性质要求极少，只需能够评估解的好坏即可，适用于求解复杂的优化问题，也可直接用于多目标优化。演化算法包括粒子群优化算法、多目标优化算法。
6.什么是大数据？
大数据 是指包含搜集、保存、管理、分析在内的动态的 数据集合 。特征是规模性、高速性、多样性、价值性、真实性
在教育中的应用：教育数据挖掘和学习分析
教育数据挖掘 是对学习行为和过程进行量化、分析和建模，利用统计学、机器学习和数据挖掘等方法来分析 教与学过程中所产生的所有数据。
学习分析技术 是对学习者及其学习环境的数据测量、收集和分析，从而理解和 优化学习过程以及学习环境 。
7.什么是知识图谱？
知识图谱是一个将现实世界映射到数据世界，由节点和边组成的语义网络。其中节点代表物理世界的实体或概念，边代表实体的属性和他们之间的关系。现实世界存在各种各样的关系，知识图谱就是合理摆放他们之间的关系。本质上是一种语义网络，旨在描述客观世界中的概念、实体、事件及其之间的关系。
从领域上来看可分为：通用知识图谱和特定领域知识图谱。
应用：语义搜索、智能问答、可视化决策支持
教育领域的应用：在智能教学系统中，利用知识图谱技术挖掘与答案相关的知识点，为学习者提供更合适的导学建议。
7.什么是自然语言处理（Natural Language Process，nlp）？
自然语言处理是计算机科学、人工智能、语言学关注计算机和人类自然语言之间的相互作用的领域，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。
8.自然语言的处理过程？
包括自然语言理解和自然语言生成两个部分。
9.自然语言处理的研究领域？
研究领域十分广泛，如：机器翻译、语义理解、问答系统。文本分析（自动作文评价系统）、推荐系统
10.自然语言处理面临的四大挑战？
词法、句法、语义、语用和语音等不同层面存在不确定性；
新的词汇、术语、语义和语法导致未知语音现象的不可预测性；
数据资源的不充分使其难以覆盖复杂的语音现象；
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。
11.机器人技术
第一代机器人是程序控制机器人，它们能够按照拟定程序进行重复工作；
第二代机器人是自适应机器人，自身配备相应的感觉传感器，能随环境的变化而改变自己的行为，但还没有达到完全自治的程度；
第三代机器人是智能机器人，它们带有多种传感器，能对感知到的信息进行处理，控制自己的行为，具有很强的自适应能力、学习能力和自治功能。
智能控制方法：专家控制、模糊控制、神经网络控制、专家递阶控制
12.什么是跨媒体智能？
跨媒体：文本、图像、语音、视频及其交互属性将会紧密混合在一起。
跨媒体智能是实现机器认知外部世界的基础智能。（潘云鹤）
13.跨媒体智能的关键技术？
跨媒体智能检索、跨媒体分析推理、跨媒体知识图谱构建、跨媒体智能存储
14.跨媒体智能的应用？
智能城市、医学、教育领域（可穿戴技术、脑机接口。多模态的角度）
15.智能时代的教育挑战？
挑战一：如何培养具有AI素养的时代人才？
挑战二：教育管理者如何重构工作流程？
挑战三：教师如何应对人工智能带来的冲击？
挑战四：教师如何应用人工智能转变教学方式？
挑战五：学生如何运用人工智能技术转变学习行为和方式？
挑战六：智能时代课程内容如何改造升级？
挑战七：如何应对人工智能教育中的伦理、社会及安全问题？
17.AI教育应用的内涵与特征？
智能教育：狭义的人工智能教育：以人工智能为内容的教育，目的是培养掌握机器智能技术的专业化人才，以满足技术发展的需要。广义的智能教育：智能技术支持的教育、学习智能技术的教育、促进智能发展的教育。
智慧教育：是在信息技术的支持下，为发展学生智慧能力而开展的教育，他强调构建技术融合的学习环境，使教师能够高效率的教学、使学生能够个性化学习。
智能教育是技术使能的教育。智能技术不但让学习环境更丰富、灵巧，也让机器在某些方面具有类人甚至超人的智能。
智慧教育则是智慧教育理念引领的，先进的智慧教育理念决定了智慧教学法的模态，不同的模态需要教师具备相应的教学技能，这些技能需要智能环境的支持才能得以实施。
18.人工智能在教育中的应用的特征？
智能化
人工智能技术是促变教育信息化的核心技术，具备转变教与学方式的潜能。未来在教育领域将会有越来越多支持教与学的智能工具。智能教育将会给学习者带来新的学习体验，为教师实施高质量的教学提供基础。在教育信息技术支持下打造出教育信息生态系统，将在线学习环境与现实情境无缝融合，使人机交互更加便捷智能，泛在学习、个性化学习将成为一种新常态。
人机协同
人机协同教育可以发挥教师与人工智能的不同优势，促进学生的个性化发展。机器主要负责重复性、单调性、递归性的工作，教师负责创造性、情感性、启发性的工作。
教学自动化
人工智能可直接应用学科知识、教学法知识、学习者知识，实现知识传播的自动化，因此可用于支持教育活动
个性化
为了扩大教学规模、提高教学效率，传统的教学组织采用班级授课制，类似于工厂批量化生产，忽视了学生之间的个性化差异。人工智能时代的到来时教学组织方式趋向个性化教育成为可能。人工智能可分析每位学生的过程性学习数据，精准鉴别其知识水平、学习需求、个人爱好，并构建学习者模型，据此实现个性化资源、学习路径、学习服务的推送。这意味着批量化生产教育时代的终结，个性化教育的开始。
跨学科融合
人工智能涉及多个学科领域，单一的学科教学已无法满足社会发展的需求，跨学科融合教学受到推崇。为了适应学生个性化发展，未来的教育更应该培养学生多元的综合性发展。以人工智能为核心，提供真实问题情境的项目实践，侧重激发、培养和提高学生的计算思维、创新思维和元认知。
人工智能 三大马车和四大金刚 是谁
三大马车: 杰弗里·辛顿(Geoffrey Hinton)、延恩·勒昆(Yann LeCun)和约书亚·本吉奥(Joshua Bengio)
人工智能或深度学习领域“四大金刚”：Yann LeCun、GeoffreyHinton、Yoshua Bengio和Andrew Ng（吴恩达）
结语：以上就是首席CTO笔记为大家整理的关于辛顿人工智能什么主义的相关内容解答汇总了，希望对您有所帮助！如果解决了您的问题欢迎分享给更多关注此问题的朋友喔～