什么是 AI（人工智能）？
什么是 AI（人工智能）？
对于有很多复杂定义的 AI 新生来说，这可能是最令人印象深刻的问题！但是，让我们让每一个即使是一个迟钝的学生也变得简单易懂。
人工智能
“任何使机器行为更智能的东西”（IBM 定义）。
那是！不是那么简单吗？让我们再来一个比这更简单的
“使机器变得智能的科学”。
现在让我们深入研究一下。两个人工智能由两个词组成，指的是非自然的事物，自然发生的现象或事物的复制版本。而智力是指脑力，即理解、推理和决策的能力。因此，总体而言，人工智能是“机器展示的智能”或“它是一种赋予计算机理解、推理和决策能力的现象”。
人工智能如何学习和共鸣？
让我们分解一下
有许多不同形式的学习应用于人工智能，但简单的学习是
循序渐进学习
例如，一个简单的计算机程序，用于解决可能会随机尝试移动直到找到伴侣的一对一国际象棋问题。然后程序将解决方案与该位置一起存储，以便计算机下次遇到相同的位置时会调用该解决方案。这种对单个项目和程序的简单记忆称为学习。
推理是对解决方案进行适当的推论（演绎或归纳）。
例如一个学生，阿里必须要么在学校，要么在家里。他不在家；因此他在学校。
人工智能如何学习？
那么，现在主要问题出现了，人工智能是如何学习的？
让我们探索一下。人工智能通过算法使机器（计算机）变得智能，并从数据中学习。这意味着我们将数据提供给算法，它们会尝试根据特定的算法规则从这些数据中学习。
更全面更简单的定义
“人工智能通过数据和算法让机器变得智能”。有一个循环输入算法的数据，处理预定义的规则，从数据中学习，进行预测，将其与基本事实（实际答案）进行比较，如果预测不正确，则通过算法循环最小化错误关于reamaing数据等等。
所以，人工智能的定义现在就有意义了。让我们从高位图像探索
AI有哪4种类型
密歇根州立大学综合生物学和计算机科学与工程助理教授 Arend Hintze 在 2016年文章 人工智能可以分为四种类型，从当今广泛使用的特定任务智能系统开始，发展到尚不存在的感知系统。类别如下：
- 类型 1：反应式机器。 这些人工智能系统没有记忆并且是特定于任务的。一个例子是深蓝， IBM 在 1990 年代击败加里·卡斯帕罗夫的国际象棋程序。深蓝可以识别棋盘上的棋子并做出预测，但由于它没有记忆，它无法利用过去的经验来告知未来的经验。
- 类型 2：内存有限。 这些人工智能系统具有记忆力，因此它们可以利用过去的经验来为未来的决策提供信息。中的一些决策功能 自动驾驶汽车 是这样设计的。
- 类型 3：心智理论。 心理理论是一个心理学术语。当应用于人工智能时，这意味着该系统将具有理解情绪的社会智能。这种类型的人工智能将能够推断人类意图和预测行为，这是人工智能系统成为人类团队不可或缺的成员的必要技能。
- 类型 4： 自我意识。 在这一类中，人工智能系统具有自我意识，这赋予了它们意识。具有自我意识的机器了解自己的当前状态。这种类型的AI还不存在。
人工智能技术的例子有哪些，它现在是如何使用的？
- 自动化。 当与 AI 技术结合使用时，自动化工具可以扩展所执行任务的数量和类型。一个例子是机器人过程自动化（ RPA )，一种自动执行重复的、基于规则的数据处理任务的软件，这些任务传统上由人类完成。当与机器学习和新兴的人工智能工具相结合时，RPA 可以自动化大部分企业工作，使 RPA 的战术机器人能够传递来自人工智能的情报并响应流程变化。
- 机器学习。 这是让计算机在没有编程的情况下运行的科学。深度学习是机器学习的一个子集，简单来说，可以被认为是预测分析的自动化
- 机器视觉。 这项技术使机器能够看到。 机器视觉 使用相机、模数转换和数字信号处理来捕获和分析视觉信息。它经常被比作人类的视力，但机器视觉不受生物学的限制，例如可以通过编程来透视墙壁。它用于从签名识别到医学图像分析的一系列应用。 计算机视觉 专注于基于机器的图像处理，通常与机器视觉混为一谈。
- 自然语言处理 (NLP)。 这是计算机程序对人类语言的处理。 NLP 最古老和最著名的例子之一是垃圾邮件检测，它查看电子邮件的主题行和文本并确定它是否是垃圾邮件。当前的 NLP 方法基于机器学习。 NLP 任务包括文本翻译、情感分析和语音识别。
- 机器人学。 该工程领域专注于机器人的设计和制造。机器人通常用于执行人类难以执行或始终执行的任务。例如，机器人用于汽车生产的装配线或美国宇航局用于在太空中移动大型物体。研究人员还在使用机器学习来构建可以在社交环境中互动的机器人。
- 自动驾驶汽车。 自动驾驶汽车结合了计算机视觉， 图像识别 ，以及深度学习，以建立自动驾驶车辆的技能，同时保持在给定的车道上并避开意外的障碍物，例如行人。
人工智能的优点和缺点是什么？
人工智能技术正在迅速发展，主要是因为人工智能处理大量数据的速度比人类更快，并且预测更准确。
虽然每天创建的大量数据会埋葬人类研究人员，但使用 机器学习 可以获取这些数据并迅速将其转化为可操作的信息。在撰写本文时，使用 AI 的主要缺点是处理 AI 编程所需的大量数据的成本很高。
优点
- 擅长注重细节的工作；
- 减少数据繁重任务的时间；
- 提供一致的结果；和
- AI 驱动的虚拟代理始终可用。
缺点
- 昂贵的;
- 需要深厚的技术专长；
- 构建人工智能工具的合格工人供应有限；
- 只知道它显示了什么；和
- 缺乏从一项任务概括到另一项任务的能力。
强人工智能与弱人工智能
- 弱人工智能，也称为窄人工智能，是一种为完成特定任务而设计和训练的人工智能系统。工业机器人和虚拟个人助理，例如苹果的 Siri，使用的是弱人工智能。
- 强人工智能，也称为通用人工智能 (AGI)，描述了可以复制人脑认知能力的编程。当遇到不熟悉的任务时，强大的 AI 系统可以使用 模糊逻辑 将知识从一个领域应用到另一个领域并自主地找到解决方案。理论上，一个强大的 AI 程序应该能够同时通过 图灵测试 和中文房间测试。电影示例 1) 2001：太空漫游 2) 自由人 3) 另一种生活 4) 100 人等
人工智能的应用
人工智能应用程序在过去几年中发生了显着发展，几乎在每个业务部门都有应用。让我们探索一下。
卫生保健
人工智能正被广泛应用于医疗保健领域，用于癌症、心脏和肺部疾病等各种疾病的早期诊断。人工智能也用于药物发现。
电子商务
亚马逊、e-bay 和阿里巴巴的推荐系统帮助公司识别客户购买时的模式，并根据用户的选择推荐类似的商品。
机器人技术
人工智能驱动的机器人可用于库存管理、清洁办公室和大型设备、在医院搬运货物等等。
农业
人工智能用于识别土壤中的缺陷和营养缺乏。人工智能可以分析杂草在哪里生长，并可以帮助以比人类更快的速度收获作物。
语言翻译
Google 翻译器、Bing 翻译器和 Translatedict 是顶级的 AI 语言翻译器，它们不仅可以翻译单词和句子，还可以翻译含义，有时还翻译情感。
这些是除此之外的主要趋势，还有许多领域正在使用人工智能，例如教育中的人工智能、金融中的人工智能、法律中的人工智能、制造业中的人工智能、银行中的人工智能、交通中的人工智能、安全中的人工智能等等.
人工智能领域
让我们探索人工智能的分支/领域
- 机器学习，
- 深度学习，
- 进化计算，
- 计算机视觉，
- 机器人，专家系统
- 语音处理
- 自然语言处理
- 规划
通过 AI 之旅，我将尝试关注机器学习、深度学习、计算机视觉、语音处理和自然语言处理等领域最流行的趋势。我将定期发布有关它们的博客，其中包含洞察力知识及其实施。
感谢您的阅读！
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
