人工智能技术

有许多涉及人工智能的技术和学科，它们都有自己的数学（xué）和工程研究分支。让我们来（lái）看看最（zuì）相（xiàng）关（guān）的技术（shù），从识别系统到机器学习系统（tǒng）。

自动语音识别

自动（dòng）语音识别是（shì）属于（yú）声学的一（yī）门学科，用于识别语音信号中的音（yīn）素。语音（yīn）识别系统处理麦克风收集的信号以识别用户（hù）发音的单词。

自然语言处理（lǐ） NLP

语音识别（bié）专注于纯（chún）粹的语音到文（wén）本（běn）的转换，而自然语言处理NLP是一门与语言学（xué）领（lǐng）域联（lián）系更紧密的（de）学科，其目标是（shì）理解用户在发出某（mǒu）个命令、问题或陈述时的意思（无论是书面的还是口（kǒu）头的）以（yǐ）及他期望实现的目标。此外，它还分析情（qíng）绪以找到主观模式。简而言之，它是（shì）帮（bāng）助（zhù）机器与人（rén）之（zhī）间进行交流（主要是声音和（hé）文字）的领域。

人工智能（néng）中的视觉和（hé）语音识（shí）别

视觉识（shí）别

视觉识别（bié）是基（jī）于（yú）处理图（tú）像或视频信号的（de）学科，其（qí）目的是（shì）识（shí）别图案（àn）、形状，并在最佳情况下准确识别图像中（zhōng）的不同（tóng）元素。

文（wén）字识别

文本识别可以被认为是视（shì）觉识别的（de）一部（bù）分，因为它的主（zhǔ）要目标是识别和识别图像格式的（de）文本。此项工作通常使用OCR（光（guāng）学字符识别）工具。

大（dà）数据

在不涉及（jí）技术细节的情况下（xià），大数据可以被视为大量数据。大数据本（běn）身并不是一项技术，但拥有大量可用数据（最好是结构化数据）对于实现商业智能（néng）分析和某（mǒu）些（xiē）机器学习算法的应用目（mù）标至（zhì）关重要。

专（zhuān）家系统

专家系统是那些包（bāo）含有关特定主题的所有可能的（de）人类（lèi）知（zhī）识的系（xì）统。一个典型（xíng）的例子是下国际象棋的系统，它使用一整套动作和策略（luè），这些动作和策略已经输入到他（tā）们（men）的（de）记（jì）忆（yì）中，以确定最佳动作（通常基于决策（cè）树（shù））。

机（jī）器人

机器（qì）人技（jì）术（shù）（机械或机器人（rén）软件，例如 RPA）涵盖范围广泛的设备。每当系统（tǒng）或机器人显示出智能的迹象时，例如，能（néng）够做出决策，无论（lùn）它们可能多么基本，我们都（dōu）可以谈论（lùn）人工智（zhì）能。请记（jì）住，人工智（zhì）能不必特别复杂，它存在于（yú）各个层面，甚至（zhì）是最（zuì）基本（běn）的层（céng）面，并（bìng）且必须（xū）与从机器学习的能力（lì）区（qū）分开来；也就是机器学习。

机器学习

机器学（xué）习是人工（gōng）智能（néng）中的一门学科（kē），它试图让系统以人的方式学习（xí）和关联（lián）信息（xī）。为此（cǐ），它使用（yòng）能够检测先前数据中的模式（shì）、能够创建未来（lái）预测以及深度学习及其神经网络（luò）算法等（děng）新（xīn）趋势的算法。

机器学习算（suàn）法

深度（dù）学习

深度学习是机器学（xué）习的一（yī）个分支学科。它是一个学习系统，其灵感来自人脑神经网（wǎng）络处（chù）理信（xìn）息的功能，具有非常复（fù）杂（zá）的（de）数学基础。尽（jìn）管它（tā）确实依赖于经验（yàn）（无论是以前的数据、环境（jìng）生成的还是自己（jǐ）生成的），但它并不（bú）是从确定什么是（shì）正确的、什么是不正确的严格指示开始，因此系统可以（yǐ）自行确定结论。

认知（zhī）智能

认知（zhī）智能（néng）是（shì）前面提到的（de）技（jì）术的组合（hé），旨在创（chuàng）建能够让人类理解（jiě）的人（rén）工智能（néng）服务。它是视（shì）觉识别（bié）、声音、阅读（dú）理解（jiě）、NLP 和机器学习的结合，以（yǐ）创建能够理解与（yǔ）人类（lèi）交互相关的（de）信息并做出（chū）相（xiàng）应响应的系统。

人工智（zhì）能类（lèi）别（bié）

对（duì）人工智能进行分类并不容易，事实是，最佳（jiā）做法是根据特定系统使用的算法对其（qí）进（jìn）行分类。然而，一些（xiē）专家试图（tú）根（gēn）据他（tā）们的方法创建（jiàn）人工智能小组。

根（gēn）据（jù）计算机科（kē）学家（jiā）Stuart Russell和Peter Norvig 的说法，人工智能可以分（fèn）为以（yǐ）下（xià）几类（lèi）：

像人类一样思考的系统

这些（xiē）系统尝试使（shǐ）用（yòng）人工（gōng）神经网络（luò）模型从字面（miàn）上模拟人类思想。

像人（rén）类一样行动的系统

这些系统专注于（yú）充（chōng）当（dāng）人类；它（tā）们更（gèng）多地（dì）与（yǔ）经典机器人技术联系在一起，并且灵活性较差（chà）。

理性思考的系统

这些系统试图在感知、推理和（hé）行动方（fāng）面应用人类逻辑。他们并不专注于模（mó）拟大脑的神经元行为，而是被训练在特定环境中以人类的方式行事。这方面（miàn）的一个例子是专家代（dài）理。

理性行动的（de）系统（理想（xiǎng）情况（kuàng）下）

他们（men）试图以理性的方式（shì）模仿人类行（háng）为，根据给定的（de）环境（jìng）条件得出（chū）自（zì）己（jǐ）的结论。这些系统的不同之处在于试图将理（lǐ）性应用于他们的决定。

一种更常见的分（fèn）类是将（jiāng） 2 个大组分（fèn）开：

弱（或狭隘）人工智（zhì）能（néng）

以其首（shǒu）字母缩略（luè）词（cí）ANI（狭义人工智能）而闻（wén）名，尽管该名称（chēng）可能看起来有些贬（biǎn）义，但它涵盖了当今存在的所有人工智能。它是人工（gōng）智能，致力于以最佳方式解决特定或一组问题，但不可能在（zài）没有相关编程的（de）情况下扩（kuò）展到（dào）一般问（wèn）题。即（jí）使是（shì）最先进的虚（xū）拟（nǐ）助手也属于（yú）这一类。

强（qiáng）（或通用）人工智能

简称AGI（Artificial General Intelligence），它（tā）是能（néng）够在（zài）推理和演绎能力上匹敌或超越人类智能的（de）人工智能。今（jīn）天它是一个只存（cún）在（zài）于科幻小（xiǎo）说中的乌托邦，因为虽然机器在很（hěn）多能力（包括某些（xiē）领域的视觉和听觉（jiào）识别）方面已经超越了人类，但它（tā）们没有真实的感受、天生（shēng）的认（rèn）知能力、自（zì）我意识（shí）或能力。适应任何（hé）场景。