人工智能领域有哪些令人印象深刻的algorithm或软件？
我一直喜欢AI和演化algorithm的想法。 不幸的是，大家都知道，这个领域在最初几乎没有像预期那样快速发展。
我正在寻找的是一些有“哇”因素的例子：
-
以意想不到的方式改编的自主学习系统。
-
特别活跃的游戏代理商制定了意想不到的策略
-
符号表示系统，实际上产生了一些有意义和有见地的输出
-
有趣的多代理系统中的紧急行为。
我们不要深入定义AI的语义。 如果它看起来或听起来像AI，让我们听听 。
我会先从1997年的故事开始 。
Adrian Thompson博士尝试使用遗传algorithm在FPGA中创build语音识别电路。 几千年后，他成功地让设备区分“停止”和“去”语音命令。 他检查设备的结构，发现一些有效的逻辑门与电路的其余部分断开连接。 当他禁用这些所谓无用的门，电路停止工作…
编辑
我们是否可以尝试并将讨论延伸到产生令人印象深刻的技术/algorithm？ 我可以谷歌，如果我想了解数以千计的AI技术， 在早期阶段，但显示承诺 。
我在针对大型苗圃的产品中build立了零售库存补货的演化algorithm（还有一些非常聪明的大公司–2亿美元）。
这可能是我所做过的最酷的事情。 使用三年的历史数据，在我休假的时候，它嘎吱嘎吱，进化了一个星期。
最终的结果既是积极的，也是离奇的。 其实，我很确定它一开始就坏了。
该algorithm忽略了前几周的销售额，给所有指标权重为0（这与目前的工作方式不一致 – 现在他们认为是前一年的同一周，也是近期趋势的因素）。
最终我意识到发生了什么事情。 随着有机体不得不合作的指标，随着时间的推移，看上一个月的相同部分，忽略最近的趋势更为有效。
所以不是看最近几天，而是看上个月的同一周，因为有一些微妙而稳定的趋势，每30天重复一次。 而且它们比日益波动的日常趋势更可靠。
结果是显着的和可再现的效率提高。
不幸的是，我对此非常兴奋，所以我告诉了客户，他们取消了这个项目。 第一次运行是非常有前途的，但是很难作为证据出售，即使你几乎可以剔除过去三年的任何数据，并看到该algorithm神奇地提高了效率。 电子艺界并不难，但人们一开始就觉得它们很复杂，而做这么神秘的事情的想法有点过分了。
对我来说，最重要的是，如果我创造了一些看起来有点太神奇的东西，我应该暂缓谈论，直到我能够做出一个好的演讲。 🙂
前些时候，我发现了这个系列的文章： deviseEmergent AI 。
这些文章的作者创造了以AI为特色的游戏“AI War：舰队命令”。 也许你会发现这个有趣的。
在传统的AI领域略有不同的是Numenta开发的HTM（Hierachical Temporal Memory）。 这项技术还处于早期阶段，但在有针对性的“WOW因素”领域显示出承诺。
到目前为止，人工智能最令人印象深刻的方面是承诺交货的比例。 在我看来，唯一真正可行的基于计算机的智能方法是模拟neural network，因为现实世界中我们认为是“智能的”（人类，黑猩猩，狗，蟑螂等）的所有东西都具有变体相同的基本控制系统：大量的神经元连接到input和输出设备。
令人惊讶的是，尽pipe有这个明显的事实，但称自己为“neural network”的计算机科学领域几乎放弃了模拟实际生物神经元和神经元结构的尝试。 我不能开始告诉你为什么会出现这种情况，尽pipe我怀疑这是因为程序员一般不喜欢走出他们的舒适区，并学习计算机科学以外的主题。
唯一有利的是终结者仍然只是一部电影。
对于我来说，人工智能中最有趣的事情之一是罗德尼·布鲁克斯（Rodney Brooks）关于他所谓的包容性体系结构的行为架构 。
他完全放弃了各种象征表征，总是说：以世界为榜样。 这样可以避免机器人产生错误的世界观和纠正模型中的所有复杂问题。
他出版了许多有趣的书籍，是目前在研究中大量使用的体现认知方法的第一人之一。
有趣的阅读材料可以在http://people.csail.mit.edu/brooks/index.htmlfind。; 后来他的一些出版物变得非常有哲理性，但是早期的机器人描述以及他们的行为是如何从一套简单的规则和行为出现的，值得一读。
看看http://www.wolframalpha.com/ （可能更多的是在计算机知识下）
我发现最近对机器人进化与合作的研究非常有趣。 这篇博客文章给出了实验及其结果的总结。 我最感兴趣的是观察到的烈士AI和“邪恶”AI的行为。
我不认为你的问题有一个明确的，客观的答案，所以这里是我个人的最爱。
learnfun＆playfun
“learnfun＆playfun：自动化NES游戏的一般技术” （附源代码和其他信息）
如果以前的另一个会死， 这是一个youtube链接 。 这也是Vsauce的特色。
“而不是放松，并接受'游戏结束'，它只是暂停游戏，永远[…]唯一的胜利是不玩。
你可能会问一个不完整的问题。 你说的是“什么是伟大的答案”，但是就像旅行者引导星系一样 ，当最好的计算机给出“42”作为答案时，你想知道什么是问题。
有一些“最好的问题”可以带来一些很好的答案。 一些真正有用的答案是在看起来平凡的事情。 “ 旅行推销员问题 ”意味着联邦快递很多成本或金钱。 Dijkstraalgorithm驱动互联网上的数据包实际上遵循的path。
De'Morgans法律也相当酷 – 它们允许最小化计算机芯片的闸门来完成同样的工作。 他们是自动化的，在计算机芯片的数十亿门上工作。 它可能会触及每年高达三万亿美元的以计算机硬件为基础的价值创造。 我不是在说人们用他们做什么，我只是在说“他们”。
这些看起来很平凡，但对我来说很整洁。
我也喜欢进化天线 。 我敢肯定，当马斯克说人工智能提出了一个存在的威胁，他指的是进化algorithm的力量。 在火星车上有一个更现代的版本 – 人类不能发明它（单独），但他们可以设置电脑。
有一个雄心勃勃的开源Java库叫CIlib ，提供了大量的计算智能方法。 目前正在由一个研究小组在大学层面上使用它来推进自己的研究。
