有很多网站是专门“卖”这些文献的，我记得有万方数据什么，那个可以搜索文献，但是都是要付费的，不知道你是不是大学生，一般学校会为学生老师提供搜索，并且是免费的，就是学校买的
11111
%C8%CB%B9%A4%D6%C7%C4%DC
-/download/articles/ComputerScienceOverviewCHpdf
回答 交通： 智能系统实现安全畅通和智能交通系统是一种先进的运输管理模 式。 中国科学院自动化研究所副所长、复杂系统与智能科学重点实验室主任王飞跃介绍说， 人工系统主要利用计算机仿真技术，通过监测人们出行的行为计算交通流。 农业： 农业专家系统可以代替农业专家群体走向地头，进入普通农家，并指导农民科学种田。 农业专家系统包含了农业各个领域的专家经验、知识，如作物栽培、植物保护、配方施 肥、农业经济效益分析等等。 医学： 医疗专家系统可以把有关的医药知识和许多著名医生的临床经验都存储在计算机中， 根据病人的症状计算机可快速调用这些医学知识，自动进行辨症推理，确定病因，开具处方。 这些方面哦～亲 更多2条
11111
没有
人工智能应用范围比较广
【经典的人工智能成果】 人机对弈1996年2月10～17日， Garry Kasparov以4：2战胜“深蓝” （Deep Blue）。 1997年5月3～11日， Garry Kasparov以5：5输于改进后的“深蓝” 。 2003年2月Garry Kasparov 3:3战平 “小深”(Deep Junior)。 2003年11月Garry Kasparov 2:2战平 “X3D德国人” (X3D-Fritz )。 模式识别 指纹识别 人脸识别 语音识别 文字识别 图像识别 车牌识别 知识工程以知识本身为处理对象，研究如何运用人工智能和软件技术，设计、构造和维护知识系统 专家系统 智能搜索引擎 计算机视觉和图像处理 机器翻译和自然语言理解 数据挖掘和知识发现
好像现在研究的方向是感觉和反射吧。职能的本质我想归根结底要靠近哲学和伦理学范畴，也就是又要讨论一个老问题，我们为什么成为人，我们从哪里来到哪里去。技术角度来讲，将来的模糊学概念出现在电脑软件设计中应该会有自主意识的机器人产生，但那时还是不是可控？我们允许不允许自主意识的机器人存在？《全民公敌》上威尔，史密斯的态度也是我的态度。不能理解也不愿意接受有那样的机器人存在。
还处于研发阶段，没有什么太新的进展！
回答 您现在可以使用这种新的图像到图像转换技术，从粗糙甚至不完整的草图生成高质量的人脸图像，无需绘图技巧!如果你的画技和我一样差，你甚至可以调整眼睛、嘴巴和鼻子对最终图像的影响。让我们看看它是否真的有效，以及他们是如何做到的。 Learning to Simulate Dynamic Environments with GameGAN [3] 这项研究由英伟达多伦多AI实验室和日本游戏大厂万代南梦宫 *BANDAI NAMCO) 一同开发，技术来自前者，数据来自后者。 简单来说，仅对简单的游戏录像和玩家输入进行学习，GameGAN 就能够模拟出接近真实游戏的环境，还不需要游戏引擎和底层代码。它的底层是在 AI 领域很有名的生成对抗网络 (GAN)。 PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [4] 它可以把超低分辨率的16x16图像转换成1080p高清晰度的人脸!你不相信我?然后你就可以像我一样，在不到一分钟的时间里自己试穿一下! Unsupervised Translation of Programming Languages [5] 这种新模型在没有任何监督的情况下将代码从一种编程语言转换成另一种编程语言!它可以接受一个Python函数并将其转换成c++函数，反之亦然，不需要任何先前的例子!它理解每种语言的语法，因此可以推广到任何编程语言!我们来看看他们是怎么做到的。 PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization [6] 这个人工智能从2D图像生成3D高分辨率的人的重建!它只需要一个单一的图像你生成一个3D头像，看起来就像你，甚至从背后! High-Resolution Neural Face Swapping for Visual Effects [7] 迪士尼的研究人员在论文中开发了一种新的高分辨率视觉效果人脸交换算法。它能够以百万像素的分辨率渲染照片真实的结果。。它们的目标是在保持actor的性能的同时，从源actor交换目标actor的外观。这是非常具有 提问 大一人工智能课程学习总结，八百字。 回答 我学习人工智能已经快一年的时间，有许多心得可以和大家分享一下。人工智能，英文是Artificial Intelligence，简称AI。人工智能，最早是由著名计算机科学家图灵在20世纪50年代提出的，就是著名的“图灵测试”。最近几年，随着深度学习发展，人工智能被运用在各行各业，因此有人把人工智能称为第四次科技革命，他将给人们的生活带来翻天覆地的变化。 人工智能怎么学习呢？ AI的基础是数据，是对数据进行挖掘、训练和应用。所以基础中的基础是数学，你得要先掌握高等数学、线性代数、概率论和数理统计等相关知识。 学习Python语言。Python最近几年非常火，学习的人非常多，甚至有些地区小学也开设这门课。为什么Python会迅速传红呢？首先，Python编程的代码量只有Java的1/5不到，简单易学。其次，Python的功能强大，写爬虫、游戏开发、自动化运维、机器学习和人工智能领域。最后，Python拥有丰富强大的库，如前端开发的Flask和Django、图形界面的tkInter、矩阵计算numpy、绘图的matplotlib等等。 学习各类机器学习和算法模型。这其中主要包含监督学习和非监督学习，监督学习中有：线性回归、逻辑回归、随机森林、SVM、决策树、等。非监督学习有：聚类、KMeans、DBScan等。 深度学习可以说是AI的精髓。深度学习主要流行的框架有：Tensorflow、Caffe、MXNet、Keras、Pytorch等。 我觉得自学，还是非常费劲的，效果不一定好，最好有老师指导，否则进展很慢，可以先跟教学视频学习，看书实操，做一些具体的项目等。 更多18条
人工智能哪一个方向比较好写的话，我觉得应该是说它的应用方面比较好写吧，因为对于专业知识可能不太了解，但是它的使用的话应该比较简单。