支持系统 IS 研究用户与人工智能支持系统交互的系统回顾

jann68519

人工智能（AI）领域技术能力的不断提高，包括计算机视觉和自然语言处理，使得改进现有技术和开发新型信息系统成为可能。 用户与这些系统的交互是信息系统（IS）研究的一个重要课题，因为它们应该为个人、组织和社会带来实质性的变化。 人工智能支持的系统人工智能是一门研究学科，包括哲学、数学、经济学、神经科学、心理学、计算机工程、控制论和语言学等方面（Russell 和 Norvig 2010）。 艾伦·图灵（Alan Turing，1950）是人工智能研究的先驱之一。
图灵提出了机器能否思考的问题，并提出了一个场景来测试这个问题  阿联酋电话号码列表  即众所周知的图灵测试。 早期的人工智能研究主要是为了建立通用的类人智能，也称为强人工智能（Kurzweil 2005）。 构建强人工智能的主要方法是符号推理。 符号推理的基本思想是人类专家可以使用符号对知识进行编码，并且系统可以通过在该知识的基础上进行基于规则的推理来解决问题。 虽然迈向强人工智能的第一步，例如 Newell 和 Simon (1963) 提出的通用问题解决器，显示出希望，但进展很快就陷入停滞，并且强人工智能是否以及何时能够实现仍不确定。

由于在模仿人类智能方面缺乏进展，人工智能研究人员正在转向更针对特定问题的解决方案。 这导致了专家（或基于​​知识的）系统的发展，该系统使用符号推理在特定的专业领域提供决策支持（Davern 等人，2012）。



人工智能研究人员解决狭义问题的另一种方法是机器学习，Mitchell（1997，p.2）将其定义如下：“计算机程序据说可以从关于某类任务 T 和性能指标的经验 E 中学习P，如果它在 T 处任务的表现（由 P 衡量）通过体验 E 而提高。” 机器学习由一大类算法和统计方法组成。

这些技术可以根据用于表示所获得知识的功能（例如决策树、贝叶斯网络或人工神经网络）进行分类，这些功能随系统应执行的任务而变化（Carbonell 等人，1983 年；Russell 和 Norvig） 2010）。 机器学习技术在其基本学习策略（即程序获得经验的方式）方面进一步有所不同。 机器学习的最新进展使得人工智能研究的各个领域取得了显着的进步，例如语音识别或计算机视觉（LeCun et al. 2015）