人工智能技術

有許多涉及人工智能的技術和學科，它們都有自己的數學和工程研究分支。讓我們來看看最相關的技術，從識別系統到機器學習系統。

自動語音識別

自動語音識別是屬于聲學的一門學科，用于識別語音信號中的音素。語音識別系統處理麥克風收集的信號以識別用戶發音的單詞。

自然語言處理 NLP

語音識別專注于純粹的語音到文本的轉換，而自然語言處理NLP是一門與語言學領域聯系更緊密的學科，其目標是理解用戶在發出某個命令、問題或陳述時的意思（無論是書面的還是口頭的）以及他期望實現的目標。此外，它還分析情緒以找到主觀模式。簡而言之，它是幫助機器與人之間進行交流（主要是聲音和文字）的領域。

人工智能中的視覺和語音識別

視覺識別

視覺識別是基于處理圖像或視頻信號的學科，其目的是識別圖案、形狀，并在最佳情況下準確識別圖像中的不同元素。

文字識別

文本識別可以被認為是視覺識別的一部分，因為它的主要目標是識別和識別圖像格式的文本。此項工作通常使用OCR（光學字符識別）工具。

大數據

在不涉及技術細節的情況下，大數據可以被視為大量數據。大數據本身并不是一項技術，但擁有大量可用數據（最好是結構化數據）對于實現商業智能分析和某些機器學習算法的應用目標至關重要。

專家系統

專家系統是那些包含有關特定主題的所有可能的人類知識的系統。一個典型的例子是下國際象棋的系統，它使用一整套動作和策略，這些動作和策略已經輸入到他們的記憶中，以確定最佳動作（通?；跊Q策樹）。

機器人

機器人技術（機械或機器人軟件，例如 RPA）涵蓋范圍廣泛的設備。每當系統或機器人顯示出智能的跡象時，例如，能夠做出決策，無論它們可能多么基本，我們都可以談論人工智能。請記住，人工智能不必特別復雜，它存在于各個層面，甚至是最基本的層面，并且必須與從機器學習的能力區分開來；也就是機器學習。

機器學習

機器學習是人工智能中的一門學科，它試圖讓系統以人的方式學習和關聯信息。為此，它使用能夠檢測先前數據中的模式、能夠創建未來預測以及深度學習及其神經網絡算法等新趨勢的算法。

機器學習算法

深度學習

深度學習是機器學習的一個分支學科。它是一個學習系統，其靈感來自人腦神經網絡處理信息的功能，具有非常復雜的數學基礎。盡管它確實依賴于經驗（無論是以前的數據、環境生成的還是自己生成的），但它并不是從確定什么是正確的、什么是不正確的嚴格指示開始，因此系統可以自行確定結論。

認知智能

認知智能是前面提到的技術的組合，旨在創建能夠讓人類理解的人工智能服務。它是視覺識別、聲音、閱讀理解、NLP 和機器學習的結合，以創建能夠理解與人類交互相關的信息并做出相應響應的系統。

人工智能類別

對人工智能進行分類并不容易，事實是，最佳做法是根據特定系統使用的算法對其進行分類。然而，一些專家試圖根據他們的方法創建人工智能小組。

根據計算機科學家Stuart Russell和Peter Norvig 的說法，人工智能可以分為以下幾類：

像人類一樣思考的系統

這些系統嘗試使用人工神經網絡模型從字面上模擬人類思想。

像人類一樣行動的系統

這些系統專注于充當人類；它們更多地與經典機器人技術聯系在一起，并且靈活性較差。

理性思考的系統

這些系統試圖在感知、推理和行動方面應用人類邏輯。他們并不專注于模擬大腦的神經元行為，而是被訓練在特定環境中以人類的方式行事。這方面的一個例子是專家代理。

理性行動的系統（理想情況下）

他們試圖以理性的方式模仿人類行為，根據給定的環境條件得出自己的結論。這些系統的不同之處在于試圖將理性應用于他們的決定。

一種更常見的分類是將 2 個大組分開：

弱（或狹隘）人工智能

以其首字母縮略詞ANI（狹義人工智能）而聞名，盡管該名稱可能看起來有些貶義，但它涵蓋了當今存在的所有人工智能。它是人工智能，致力于以最佳方式解決特定或一組問題，但不可能在沒有相關編程的情況下擴展到一般問題。即使是最先進的虛擬助手也屬于這一類。

強（或通用）人工智能

簡稱AGI（Artificial General Intelligence），它是能夠在推理和演繹能力上匹敵或超越人類智能的人工智能。今天它是一個只存在于科幻小說中的烏托邦，因為雖然機器在很多能力（包括某些領域的視覺和聽覺識別）方面已經超越了人類，但它們沒有真實的感受、天生的認知能力、自我意識或能力。適應任何場景。