電子發燒友App
什么是人工智能？
人工智能是對人類行為的模擬，涉及到解決問題的智力過程。這些過程包括學習、分析、計劃、感知、推理、糾正、語音識別、語言學和其他人類認知科學的發展。
為什么人工智能很重要
AI通過讓機器從過去的經驗中學習、將努力和行動映射到結果、識別錯誤、糾正錯誤、適應新的和隨機的輸入值以及通過深入分析場景輕松地執行類似人類的任務來簡化任務。為此，AI使用自然語言處理來理解自然人類交流，并將其內部翻譯為機器理解的代碼。人工智能也依賴于深度學習來完成這一任務。通過這些技術的應用，人工智能通過處理大量的數據和識別熟悉的或新的數據模式，訓練計算機在最少的人工干預下執行特定的任務。
人工智能的目標
建立專家系統：它涉及到自動系統的創建，該系統展示了智能行為，并建議人們選擇正確的行動路線。
在計算機中實現人類智能：它將有助于在計算機中創造相同的認知模式，幫助他們像人類一樣行為，并采取適當的行動來解決復雜的問題。這將通過算法的應用使自動化過程和減少人工工作量成為可能。
多域應用程序：人工智能將在計算機科學、認知科學、統計學、心理學、醫學、工程、倫理學、自然科學、醫療保健、空間技術、邏輯、語言學、電子商務等多個實施領域提供幫助。
計算機科學應用：人工智能有助于解決計算機科學領域的許多難題，如搜索和優化、邏輯、控制理論、語言分析、神經網絡、分類器和統計學習方法，以及不確定推理的概率方法。
人工智能的演化
1956年由一位名叫約翰麥卡錫（JohnMcCarthy）的科學家發明的“人工智能”（ArtificialIntelligence）一詞，由于數據量大、算法和編程先進，以及計算機存儲和電源方面的進步，如今變得越來越重要。
人工智能系統的實現和建設取決于以下技術：
自然語言處理：它是研究計算機如何與一種自然的人類語言互動，并獲得一種理解，以采取適當的行動。語音識別和合成是兩種NLP應用。語音助理，如Siri，谷歌助理，亞馬遜的Alexa等等，都是NLP實現的例子。使用的其他機制包括解析、文本識別、詞性標注、文本挖掘、機器翻譯和信息檢索。
向量機：這些機器有助于根據參數值進行信息分類。區分的使用在向量機的實現中起著重要的作用。圖像識別、人臉識別和文本識別系統是向量機的實現。
啟發式：在學習理解錯誤和避免錯誤的過程中，基本的人類行為被啟發式所采納，這種行為是在嘗試和錯誤上起作用的。這涉及到與人類大腦相似的錯誤和糾正的映射。
人工神經網絡：人工神經網絡（ANN）技術通過識別數據輸入中的模式，對人腦的布線和行為進行建模。ANN處理大量的數據來識別模式，并映射它們來做出類似于人腦所做的決定。為此，它采用監督學習、無監督學習、模式識別、強化學習、機器學習和深度學習等方法來模仿人類的學習行為。
AI的類型
各種類型的人工智能分為兩類：第一類（基本）和第二類（預支）。1型人工智能系統是基于輸入和基于可變參數的程序輸出的智能機器。第二類人工智能系統考慮決策時存在的實時事件、場景和實體，并采取相應的行動。觀察和動態情況影響第二類人工智能系統，也被稱為感覺系統，因為它們識別、分析和反應就像人類有情感一樣。
弱人工智能或狹義人工智能：該方法通過一系列相關任務的通用自動化，將重點放在一個狹窄的任務上，而不是一個任務數組上。這是一種機制，使能力有限的不那么智能的機器在不影響其智能處理能力的情況下遵循這種機制。一個例子是紙牌游戲，其中所有的機器指令、規則和有效的動作都被輸入到機器中，當機器與人類對抗時。
強大的人工智能：在該系統中，計算機通過人工智能對弱人工智能進行分析和推理，并在解決更復雜的問題上表現出類似的行為。機器似乎更有感覺，因為它們使用復雜的內部算法來響應查詢。像Siri&Google助手這樣的語音助理以更真實的方式回答隨機問題就是強人工智能的例子。
反應性機器：這些機器目前并不根據過去的信息采取行動。它們是最基本的類型，可以根據各種參數的當前值來預測某個結果，而不依賴于存儲的過去的數據或內存。棋類游戲軟件是一個反應機器的例子，它是基于動作的響應，而不是用事先的知識來操作它。
有限內存：這些人工智能系統可以利用基于過去經驗的信息來影響未來的決策。駕駛助手是根據隨機和動態參數值進行現場決策的例子。他們利用以前去過的地方的記憶來顯示最好的穿越路線。
思想理論：這些人工智能機器對基于情緒、信念、想法、情景等的反應做出反應。它們對社會互動和人類行為觀察都很有用。
自我意識：這些系統使用自己的容性思維，稱為“超級智能”，基于對內在特征、狀態、機會和條件的自我意識。這只是一種可能性，有未來實現的空間。
人工智能的主要好處
人工智能的五大好處可以與其在現代商業和個人應用中的實現聯系起來。
客戶互動的自動化：大多數客戶互動需要人工干預。人工智能可以用來自動化電子郵件、電話、在線聊天、查詢響應、購買建議、社交媒體對話等。以前的客戶互動模式都是內部存儲的，以便分析和提供更好的客戶體驗。
實時援助：這對于那些需要實時滿足大量客戶需求、嚴格的時間限制的企業來說是非常有用的。例如，機票管理系統，那里的實時天氣和航班狀態信息需要與客戶以個性化的方式共享。
數據挖掘能力：使用基于云的人工智能將在處理大數據后快速發現相關信息。這可以提供更好的洞察如何提高業務績效和獲得競爭優勢。
預測能力：人工智能系統建立在對過去的數據分析的基礎上，并根據它們所擁有的動態信息進行預測。許多庫存管理系統和在線市場都利用人工智能的這一優勢來利用它們的銷售，并決定哪些產品需要儲存以進行銷售。
操作自動化：人工智能系統為操作自動化提供跨功能的智能。他們很容易與其他技術合作，從而在各個領域做到這一點。例如，家庭通風系統的溫度控制和智能加熱/冷卻，以及消費食品行業的冷藏庫。通過與RFID和云技術的協作，庫存跟蹤變得容易了。
ML與AI的差異
機器學習
機器學習是人工智能的一個分支，它定義了目標，并將實現這一目標的步驟與要考慮的規則和替代行動一起輸入到系統中。這些信息是由根據經驗改進自己的系統自動學習的。。 生成算法的程序集成了輸入和輸出，提高了效率。
主要目的是產生準確的結果，而不是產生想要的結果。
它不涉及基于改變參數的隨機化，而是基于固定的值。
ML的目標是從一組預定的數據中學習，并為機器性能提供更好的機械解決方案，而不涉及決策。
它完全基于算法，為輸入和輸出提供結構化的數據格式。
它涉及到知識的積累，而不考慮什么是對的或什么是錯的。
ML的重要功能包括在大型數據集中進行模式識別并對它們進行操作。
人工智能
人工智能是基于機器獲取知識并根據各種真實場景和實時數據熟練地應用知識的能力。在人工智能中，目標是以類似人類的方式來代替人來執行特定的、獨立的或相互依賴的任務。AI可以結合多種編程集成、驗證和模式識別方法，以以預期的方式運行。
人工智能的主要目的是通過智能數據分析、挖掘和更深入的理解來產生結果。
它涉及到在參數是動態的情況下，基于智能實時處理和自動化產生結果。
人工智能的目標是通過更好的決策來模擬人類的智能，為復雜的問題提供現實的解決方案。
它基于機器對環境和復雜問題的響應，沒有固定的算法。它涉及多個層次和形式的分析，以尋求最優解。
它導致了用智慧學習的智慧和自己強加的是非判斷力。
人工智能包括計算機通過了解過去的迭代和應用需要不同能力的替代信息處理和認知分析來進行智能學習。
人工智能的Pros和Cons
Pros
通過分析、過濾、排序、預測、范圍界定和確定大數據量來簡化工作，以遵循產生最佳解決方案的最佳實現過程。
當人工智能系統有效地執行日常任務時，執行普通任務的速度更快、效率更高，錯誤減少。
在技術驅動的復雜任務和困難/不確定的探索中實現高度響應的人工智能系統可以獲得精確的結果。
它們在所有環境中都能發揮作用，而不受物理、環境或情感上的束縛。
人工智能系統進行實時仿真，就好像它們是真實生活的場景，以獲得更好、更真實的結果。
數據和關鍵信息的安全和保護由人工智能系統維護，漏洞自動修復或通知
高質量分析和結果是由與各種技術系統緊密結合的人工智能系統提供的。
Cons
相關費用很高，因為人工智能系統具有復雜的編程能力
維修和保養不僅昂貴，而且復雜，需要高水平的專門知識。
在各種關鍵情況下，人工智能系統缺乏人的判斷力，比如戰斗機例行程序中的目標選擇或股票價值變化期間的投資呼叫。
人工智能系統將導致人類在未來失去工作，因為他們將接管，特別是在銀行和零售領域。
這些系統可能因內部故障或外部系統漏洞而被濫用或更改。
人工智能系統無法改進功能或基礎設施，除非這些系統是由人類開發的，這可能會使它們在某些情況下過時。
人工智能應用實例
外科設備與醫療保健技術中的人工智能機器人
醫學診斷中的圖像處理
交通管理系統
氣候變化探測
自然災害預警系統
自動駕駛車輛包括汽車、公共汽車、兩輪驅動、潛艇、自動駕駛儀飛行和無人駕駛飛機。
教育領域的分級制度
服務器上的欺詐和垃圾郵件檢測
像谷歌翻譯這樣的語言翻譯軟件
機票預訂系統
聊天機器人與個性化學習
人工智能的未來
谷歌（Google）和優步（Uber）等公司已經在使用人工智能功能為自動駕駛汽車提供動力。艾將通過幫助殘疾司機和預防事故，對自動化交通領域產生重大影響。
更先進的人工智能系統將支持以工廠為基礎的危險工作，并可能取代人類。
利用數據科學和環境技術，人工智能系統可以對氣候變化進行預測。
大約80%的客戶服務業務將由有效和及時的人工智能系統處理。
通過人工智能系統、癥狀識別和醫療數據處理能力，個性化健康管理將變得更加容易。
通過與機器人系統通信，半機器人技術可以幫助病人利用人工假肢來改善生活。
在空間技術方面，人工智能可以在成功發射期間研究軌道路徑，并根據觀測結果提出行動建議。
責任編輯：Ct
工商網監
評論