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和工程研究分支。让我们（men）来看看最相（xiàng）关的技术，从识（shí）别系统到机器学习系统。

自（zì）动语音（yīn）识别

自动语音（yīn）识别是属于声学的一门学科，用于识别语音信号中的音素（sù）。语（yǔ）音识别系统处（chù）理（lǐ）麦克风收集的信号以识别用户发（fā）音的单词（cí）。

自然语言（yán）处理 NLP

语（yǔ）音识别专注（zhù）于纯粹的语音到（dào）文本的转换（huàn），而自然语言（yán）处理NLP是一门与语（yǔ）言（yán）学（xué）领（lǐng）域联系（xì）更紧密的学科，其（qí）目标是理解用户在发出某个命令、问题或陈述时的意思（无（wú）论是（shì）书（shū）面的还是口头的）以（yǐ）及他（tā）期望实现的目标。此外（wài），它还分析情绪（xù）以（yǐ）找到主（zhǔ）观模式（shì）。简而言之，它是（shì）帮助机器与人之间进（jìn）行（háng）交流（主要是声音（yīn）和（hé）文（wén）字）的（de）领域。

人工智能中的视觉（jiào）和语（yǔ）音识别

视觉识别（bié）

视觉（jiào）识别是基于处（chù）理（lǐ）图像或视频信号的学（xué）科，其目（mù）的（de）是识别图案、形（xíng）状，并在最佳（jiā）情况下准确识（shí）别图像中的不同元素。

文字识别（bié）

文本（běn）识（shí）别（bié）可以被认（rèn）为（wéi）是视觉识别的一部分，因为它的主要目标是识别和识别（bié）图像格式的文本。此项工作通常使用OCR（光学字符识别（bié））工具。

大数据

在不涉及技术细节的情况下，大数据可以被视为大量数据。大数据本身并（bìng）不是一（yī）项（xiàng）技术（shù），但拥（yōng）有大量可用数据（最好是结（jié）构化数据）对于实现商业智（zhì）能（néng）分析和某些机（jī）器学习算法的应用目标至关重要。

专家系统（tǒng）

专家系（xì）统是那些包（bāo）含有关特（tè）定主（zhǔ）题的（de）所有可（kě）能的人类知识的系（xì）统。一个典型的例子是下国际象棋的系统，它使用一整套动作和策（cè）略，这些动作和策略已经输入到他们（men）的记忆中，以确定（dìng）最（zuì）佳动（dòng）作（通常基于决策树）。

机器人

机（jī）器人技术（机械或机器人（rén）软件，例如 RPA）涵盖范（fàn）围广泛的设备。每当系统或机器人（rén）显示出智能的（de）迹象（xiàng）时，例（lì）如，能够做出（chū）决策（cè），无论它们可能多么基本，我们都可以谈论人工智能。请记住，人工智能（néng）不必特（tè）别（bié）复杂，它存在于各个层面，甚至是最基本的层面，并且（qiě）必须与从机器学习的能力区（qū）分开来；也就是机器学习。

机器学习（xí）

机器学习是人工智能中的一门学科，它试图让系（xì）统以人（rén）的方式（shì）学（xué）习（xí）和关联信息。为此，它使（shǐ）用能够检测先前（qián）数据中的模式、能够创建未（wèi）来预测以及深度学习（xí）及其神经网络算法（fǎ）等新趋势（shì）的（de）算（suàn）法。

机器学习算法

深度（dù）学习

深度学习是机器学（xué）习（xí）的一（yī）个分支学（xué）科。它是一（yī）个学习系统，其（qí）灵感来自人脑神经（jīng）网络处理信息的功能，具有非常复杂的数学基础（chǔ）。尽管它确实依赖于经验（无论是以前的数据、环境（jìng）生成的还（hái）是自己生成的（de）），但它并不（bú）是从确（què）定什么（me）是正确的、什么是不正确的严格指（zhǐ）示开始，因此系统可以自行确（què）定结论。

认知智（zhì）能

认知智能是前面提到的技术的（de）组合，旨在（zài）创建能（néng）够让人类（lèi）理（lǐ）解（jiě）的人工（gōng）智能服务。它是（shì）视（shì）觉识别、声音、阅（yuè）读理解、NLP 和机器（qì）学习的结合（hé），以创建能够理（lǐ）解与（yǔ）人类交互相关的信息并做出相应响应（yīng）的系统。

人工（gōng）智能类别

对人工智能进行分类并不容易，事实是，最佳做法（fǎ）是根（gēn）据（jù）特定系（xì）统使用（yòng）的（de）算法对其进行分（fèn）类。然而（ér），一些专家试图根据他（tā）们的方法创（chuàng）建人（rén）工智能小组。

根据计算机科学家（jiā）Stuart Russell和Peter Norvig 的说法，人（rén）工智能可以分为以下几类：

像人类一（yī）样思考的系（xì）统

这些系（xì）统尝（cháng）试使用人工神经（jīng）网络（luò）模型从字面上模拟人类思想。

像人类一（yī）样行动的系统

这些（xiē）系（xì）统专注于充当人（rén）类；它们更多地（dì）与（yǔ）经典机器人技术联系在一起（qǐ），并且灵活性较差（chà）。

理性思考的系统（tǒng）

这（zhè）些系统试图在感知、推理（lǐ）和行动（dòng）方面应用（yòng）人类逻（luó）辑（jí）。他们并不专注于模拟大脑的神经元行为，而是（shì）被训练在特定环境中以人类（lèi）的方式行事。这方面（miàn）的一个例子（zǐ）是专家（jiā）代理。

理性行动的系统（理想情况下）

他们（men）试图以理性（xìng）的（de）方式模仿人类行为，根据给定的环境条件（jiàn）得出自己的结论（lùn）。这些（xiē）系（xì）统的不（bú）同之（zhī）处在（zài）于（yú）试图将理性应用（yòng）于他们（men）的决定。

一种更常见的分类是（shì）将 2 个大（dà）组分（fèn）开：

弱（ruò）（或狭隘）人工智能

以其首字（zì）母缩略词ANI（狭义人工智能）而闻名，尽管该名称可（kě）能看起来有些贬义，但它涵盖了当今存在的（de）所有人工智能。它是人工智能，致力于以最佳方式解（jiě）决特定或一组问题，但不可能在没有相（xiàng）关编程的（de）情况下扩（kuò）展到一般问题（tí）。即使是最先进的虚拟助手也属于这一类。

强（或通用）人工智能（néng）

简称AGI（Artificial General Intelligence），它是能够在推理和演绎能力上匹敌（dí）或超（chāo）越人类（lèi）智能的人（rén）工智能。今（jīn）天它是（shì）一个只存在（zài）于科幻小说中的乌（wū）托邦，因（yīn）为虽然机器（qì）在很（hěn）多能力（lì）（包括（kuò）某（mǒu）些领域的（de）视觉和听觉识别）方面已经超越了人类，但它（tā）们（men）没有真实的感受、天生的认知能力（lì）、自我（wǒ）意识或能力（lì）。适应（yīng）任何场景。