什么是人工智能？人工智能是对涉及解决问题的智能过程的人类行为的模拟。这些过程涉及学习，分析，计划，感知，推理，校正，语音识别，语言学和其他人类认知科学流。 为什么人工智能很重要？
AI通过使机器从过去的经验中学习，将工作和行动映射到结果，识别错误，纠正错误，适应新的和随机的输入值，以及通过深入分析方案毫不费力地执行类似人类的任务来简化任务。为此，AI使用自然语言处理来理解自然的人类交流，并将其内部翻译成机器理解的代码。AI还依靠深度学习来完成这项任务。通过应用这些技术，AI通过处理大量数据和识别数据中熟悉的或新的模式来训练计算机以最少的人为干预执行特定任务。 人工智能的目标
创建专家系统： 它涉及创建自动化系统，展示智能行为，并在正确的行动过程中为人们提供建议。 在计算机中实施人类智能： 它将有助于在计算机中创建相同的认知模式，这将有助于他们像人类一样行事，并采取适当的行动来解决复杂的问题。这将通过算法的应用实现自动化流程并减少人工工作量。 多域应用： AI将帮助实现多个领域，如计算机科学，认知科学，统计学，心理学，医学科学，工程学，伦理学，自然科学，医疗保健，空间技术，逻辑学，语言学，电子商务等。 在计算机科学中的应用： AI帮助开发了许多机制来解决计算机科学领域的许多难题，如搜索和优化，逻辑，控制理论，语言分析，神经网络，分类器和统计学习方法，以及概率方法的不确定的推理。
AI的演变
1956年，一位名叫约翰麦卡锡的科学家创造了人工智能这一术语，因为它拥有更大的数据量，先进的算法和编程，以及计算机存储和电源方面的进步，因此它已成为当今的重要组成部分。 AI系统的实施及构建依赖于以下技术自然语言处理： 研究计算机如何与自然人类语言进行交互，并获得理解以采取适当的行动。语音识别和合成是两种NLP应用。像Siri，Google智能助理，亚马逊的Alexa等语音助手都是NLP实施的例子。使用的其他机制是解析，文本识别，词性标注，文本挖掘，机器翻译和信息检索。 矢量机器： 这些机器根据参数值帮助进行信息分类。区分分割在实现矢量机中起着重要作用。图像识别，面部识别和文本识别系统是矢量机的实现。 启发式：Heuristics 采用了理解错误和避免错误的学习过程中的基本人类行为，它可以用于反复试验。这涉及与人类大脑类似的错误和修正的映射。 人工神经网络： 通过识别数据输入中的模式，基于人脑布线和行为对ANN技术进行建模。人工神经网络处理大量数据以识别模式并对其进行映射以做出类似于人类大脑的决策。为此，它使用监督学习，无监督学习，模式识别，强化学习，机器学习和深度学习等方法来模仿人类学习行为。
AI的类型
各种类型的人工智能分为两类：1型（基本）和2型（推进）。1型AI系统是基于输入和基于可变参数的编程输出工作的智能机器。第2类人工智能系统考虑决策时出现的实时事件，情景和实体，并采取相应行动。观察和动态情况影响2型人工智能系统，它们也被称为有感知系统，因为它们像人类一样识别，分析和反应情绪。 弱或弱人工智能： 这种方法通过一系列相关任务的通用自动化，专注于一个狭窄的任务而不是一系列任务。这是一种机制，即具有有限容量的非智能机器不会影响其智能处理能力。一个例子是纸牌游戏，其中所有机器指令，规则和有效动作在与人类对战时被送入机器。 强大的人工智能： 在这个系统中，计算机通过弱人工智能的人工智能分析和人类思维的原因，并在解决更复杂的问题时表现相似。由于它们使用复杂的内部算法响应查询的方式，机器似乎更有感知力。像Siri和Google Assistant这样的语音助手以更现实的方式回答随机问题，这是强AI的例子。 反应机器： 这些机器不会对过去的信息采取行动以便将来采取行动。它们是最基本的类型，可以根据各种参数的当前值预测某个结果，而不依赖于过去的数据或存储的内存。Chess的游戏软件是响应式机器的一个例子，它根据移动进行响应，并且不会根据先前的知识对其进行操作。 有限内存： 这些AI系统可以使用基于过去经验存储的信息来影响未来的决策。驾驶助手是基于随机和动态参数值进行现场决策的示例。他们使用以前访问过的地方的记忆来显示最佳的遍历路线。 心理理论： 这些人工智能机器根据情绪，信念，思想，情景等对反应做出反应。它们对社会互动和人类行为观察很有用。 自我意识： 这些系统使用他们自己的电容式思维，称为超级智能，基于对内部特征，状态，机会和条件的自我意识。这只是具有未来实施范围的概率。
AI技术带来的好处
人工智能的五大优势可以与其在现代商业和个人应用中的实施相关联。 客户交互的自动化： 大多数客户交互需要人为干预。人工智能可用于自动化电子邮件，电话，在线聊天，查询响应，购买建议，社交媒体对话等。以前的客户交互模式存储在内部，用于分析和提供更好的客户体验。 实时协助： 这对于需要在严格的时间限制下实时满足大量客户需求的企业非常有用。示例包括机票管理系统，其中需要以个性化方式与客户共享实时天气和航班状态信息。 数据挖掘功能： 使用基于云的AI将在处理大数据后快速发现相关信息。这可以为如何提高业务绩效和获得竞争优势提供更好的见解。 预测能力： 人工智能系统基于对过去的数据分析，并帮助用他们拥有的动态信息进行预测。许多库存管理系统和在线市场利用人工智能的这一优势来利用其销售并确定哪些产品需要进行销售。 操作自动化： AI系统为操作自动化提供跨功能智能。他们可以轻松地与其他技术合作，在各个领域实现这一目标。例子包括用于家庭通风系统的温度控制和智能加热/冷却以及用于消费食品工业的冷冻库。通过与RFID和云技术合作，简化了库存跟踪。
ML和AI之间的差异机器学习 机器学习是AI的分支，其中定义了目标，并且实现该目标的步骤与要考虑的规则和替代动作一起被馈送到系统中。系统会自动学习此信息，并根据经验进行改进。生成算法的程序集成了输入和输出，以实现高效性能。 人工智能 人工智能基于机器获取知识的能力，并基于各种现实场景和实时数据巧妙地应用它。在AI中，目标是以类似人的方式代替人，以执行特定的独立或相互依赖的任务。AI可以包含多个编程集成，验证和模式识别方法，以预期的方式运行。 AI的主要目标是通过智能数据分析，挖掘和更深入的理解来产生结果 它涉及基于智能实时处理和自动化生成结果，其中参数是动态的 人工智能的目标是模拟人类智能，通过更好的决策为复杂问题提供切实可行的解决方案 它基于机器对环境和复杂问题的响应，而没有固定的算法。它涉及多个层次和形式的分析，以寻求最佳解决方案。 它导致了使用智能学习和自我判断是非的智慧。 AI涉及计算机通过对过去迭代的意识以及需要不同能力的替代信息处理和认知分析的应用来进行智能学习
AI的优点和缺点优点 通过分析，过滤，排序，预测，确定范围和确定大数据量来简化工作，以遵循最佳实施程序，以生成最佳解决方案 当AI系统有效执行时，执行普通任务更快更有效，减少错误 通过在技术驱动的复杂任务和困难/不确定的探索中实施高响应的AI系统，可以获得准确的结果 它们在所有环境中都能发挥作用，而不受物理，环境或情感的束缚 模拟由AI系统实时处理，就像它们是真实场景一样，可以获得更好，更真实的结果 人工智能系统维护数据和关键信息的安全和保护，并自动修复或通知漏洞 通过与各种技术系统良好集成的AI系统提供高质量的分析和结果
缺点 由于AI系统的复杂编程能力，相关成本很高 维修和维护不仅昂贵而且复杂，需要高水平的专业知识 人工智能系统在各种关键情况下缺乏人为判断，例如战斗机例程期间的目标拣选或股票价值变化期间的投资呼叫 人工智能系统将在未来导致人员失去工作，因为他们将接管尤其是银行和零售等领域 由于内部故障或外部系统漏洞，这些系统可能被误用或改变 人工智能系统在人类开发之前无法改进功能或基础设施，这可能会使他们在某些情况下过时
AI应用示例
AI的未来像谷歌和优步这样的公司已经在使用人工智能技术为自动驾驶汽车提供动力。人工智能将通过帮助残疾司机和预防事故，对自动化运输领域产生重大影响。 更多演化的AI系统将支持基于危险工厂的工作，也可能取代人类。 人工智能系统可以使用数据科学和环境技术进行气候变化预测。 大约80％的客户服务运营将由有效和及时的AI系统处理。 通过AI系统症状识别和医疗数据处理能力，个性化健康管理将变得更加容易。 通过与机器人系统通信，机器人技术可以帮助患者利用人工假肢以获得更好的生活。 在空间技术方面，人工智能可以在成功发射期间研究轨道路径，并根据其观察结果提出建议
|
