究竟什么是人工智能（AI）？

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

機(jī)器，特別是計(jì)算機(jī)系統(tǒng)對(duì)人類智力過程的模仿被稱為人工智能，專家系統(tǒng)、自然語言處理、語音識(shí)別和機(jī)器視覺是人工智能應(yīng)用的幾個(gè)典型應(yīng)用。

人工智能是如何工作的？

隨著圍繞 AI 的熱情不斷增長(zhǎng)，企業(yè)一直在爭(zhēng)先恐后地展示他們的商品和服務(wù)如何包含 AI。他們所說的人工智能通常只是人工智能的一個(gè)組成部分，比如機(jī)器學(xué)習(xí)。AI 需要專門的硬件和軟件來編寫和訓(xùn)練機(jī)器學(xué)習(xí)算法。目前沒有一種編程語言能夠成為 AI 的代名詞，但有少數(shù)是比較突出的，包括 Python、R 和 Java。

人工智能系統(tǒng)通常會(huì)消耗大量標(biāo)記的訓(xùn)練數(shù)據(jù)，評(píng)估數(shù)據(jù)的相關(guān)性和模式，然后使用這些模式來預(yù)測(cè)未來狀態(tài)。通過學(xué)習(xí)數(shù)百萬個(gè)實(shí)例，給出文本聊天示例的聊天機(jī)器人可以學(xué)會(huì)與人類進(jìn)行逼真的對(duì)話。相比之下，圖像識(shí)別程序可以學(xué)習(xí)識(shí)別和描述照片中的項(xiàng)目。

學(xué)習(xí)、推理和自我糾正是人工智能編程關(guān)注的三個(gè)認(rèn)知功能。

學(xué)習(xí)過程——人工智能編程的這個(gè)組成部分涉及收集數(shù)據(jù)和制定將數(shù)據(jù)轉(zhuǎn)換為可用信息的規(guī)則。這些規(guī)則稱為算法，算法教計(jì)算機(jī)設(shè)備如何逐步執(zhí)行特定任務(wù)。

推理過程——人工智能編程的這一領(lǐng)域與選擇最佳方法來實(shí)現(xiàn)給定結(jié)果有關(guān)。

自我校正程序——人工智能編程的這一功能旨在不斷微調(diào)算法并確保它們提供最準(zhǔn)確的結(jié)果。

了解各種類型的人工智能分類

由于人工智能研究旨在使計(jì)算機(jī)模仿人類的功能，因此人工智能系統(tǒng)可以復(fù)制人類技能的程度被用作人工智能分類的標(biāo)準(zhǔn)。因此，可以根據(jù)機(jī)器在多樣性和性能方面與人類的比較情況，將人工智能分為幾類之一。

在這樣的系統(tǒng)中，能夠執(zhí)行更多類似人類功能并具有相當(dāng)能力水平的人工智能被認(rèn)為是更先進(jìn)的。相比之下，功能和性能受限的 AI 被認(rèn)為更直接且進(jìn)化程度更低。

基于這個(gè)標(biāo)準(zhǔn)，人工智能通常分為兩類。一種分類是基于人工智能和支持人工智能的機(jī)器人與人類思維的相似性，以及它們“思考”甚至“感覺”像人類的能力。根據(jù)這個(gè)分類系統(tǒng)，有四類人工智能或基于人工智能的系統(tǒng)：反應(yīng)性機(jī)器、有限記憶機(jī)器、心智理論和自我意識(shí)人工智能。

反應(yīng)式機(jī)器沒有內(nèi)存并且是特定于任務(wù)的。如深藍(lán)，這是 1990 年代擊敗加里卡斯帕羅夫的 IBM 國(guó)際象棋軟件。深藍(lán)可以識(shí)別棋盤上的棋子并做出預(yù)測(cè)，但由于缺乏記憶，它無法利用過去的經(jīng)驗(yàn)來影響未來的經(jīng)驗(yàn)。

有限的記憶——因?yàn)檫@些人工智能系統(tǒng)有記憶，它們可能會(huì)利用以前的經(jīng)驗(yàn)來指導(dǎo)未來的判斷。這就是自動(dòng)駕駛汽車的一些決策機(jī)制是如何創(chuàng)建的。

心理理論是心理學(xué)中使用的一個(gè)詞。當(dāng)應(yīng)用于人工智能時(shí)，這表示機(jī)器具有理解情緒的社交智能。這種人工智能可以預(yù)測(cè)人類行為并推斷人類意圖，這是人工智能系統(tǒng)成為人類團(tuán)隊(duì)不可或缺的成員的必備能力。

自我意識(shí)——這一類的人工智能系統(tǒng)有一種自我感覺，這賦予了他們意識(shí)。具有自我意識(shí)的機(jī)器知道他們目前的狀況。目前，這種形式的人工智能還不存在。

不過，在技術(shù)術(shù)語中更常用的替代分類方案是將技術(shù)分類為：人工狹義智能 (ANI)、人工通用智能 (AGI) 和人工超智能 (ASI)。

狹義人工智能 (ANI)

這種形式的人工智能涵蓋了所有現(xiàn)存的人工智能，包括迄今為止構(gòu)建的最復(fù)雜和最有能力的人工智能。狹義人工智能是指人工智能系統(tǒng)只能獨(dú)立完成一項(xiàng)工作，同時(shí)表現(xiàn)出與人類相似的技能。這些機(jī)器只能完成它們的設(shè)計(jì)目標(biāo)，賦予它們有限或狹窄的能力范圍。根據(jù)上述分類，這些系統(tǒng)涉及所有反應(yīng)性和有限記憶的人工智能。ANI 甚至包括最先進(jìn)的人工智能，它采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)來訓(xùn)練自己。

通用人工智能 (AGI)

人工智能代理完全像人類一樣學(xué)習(xí)、感知、理解和運(yùn)作的能力被稱為通用人工智能。通過模仿我們的多功能能力，人工智能系統(tǒng)將具有與人類同等的能力。這些系統(tǒng)將能夠獨(dú)立構(gòu)建大量能力，并跨領(lǐng)域建立聯(lián)系和概括，從而顯著減少培訓(xùn)時(shí)間。

超級(jí)人工智能 (ASI)

人工超級(jí)智能 (ASI) 的誕生無疑將標(biāo)志著人工智能研究的巔峰，因?yàn)?ASI 將成為地球上最具競(jìng)爭(zhēng)力的智能形式。除了模仿人類智力之外，由于內(nèi)存大大增加，數(shù)據(jù)處理和分析速度更快，決策能力更強(qiáng)，ASI 在它們執(zhí)行的所有方面都將更加出色。AGI 和 ASI 的進(jìn)步將導(dǎo)致一種稱為奇點(diǎn)的場(chǎng)景。雖然擁有如此強(qiáng)大的工具可供我們使用很誘人，但這些設(shè)備可能會(huì)危及我們的生存，或者至少危及我們的生活方式。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有什么區(qū)別？

機(jī)器學(xué)習(xí)是人工智能 (AI) 的一個(gè)子集或應(yīng)用，它允許系統(tǒng)從經(jīng)驗(yàn)中學(xué)習(xí)和成長(zhǎng)，而無需編碼到該級(jí)別。機(jī)器學(xué)習(xí)使用數(shù)據(jù)來學(xué)習(xí)并獲得正確的結(jié)果。機(jī)器學(xué)習(xí)涉及創(chuàng)建讀取數(shù)據(jù)并利用它從自身學(xué)習(xí)的計(jì)算機(jī)軟件。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，包括人工神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。它使用算法及其方法來解決任何復(fù)雜的問題。算法的構(gòu)建方式與機(jī)器學(xué)習(xí)相同。但是，還有更多層的算法。該算法的網(wǎng)絡(luò)被稱為人工神經(jīng)網(wǎng)絡(luò)。用更簡(jiǎn)單的術(shù)語來說，它模擬了人類的大腦工作模式，因?yàn)榇竽X中的所有神經(jīng)網(wǎng)絡(luò)都是相連的，這就是深度學(xué)習(xí)的概念。

簡(jiǎn)單統(tǒng)計(jì)學(xué)習(xí)、傳統(tǒng)機(jī)器學(xué)習(xí)和具有各種隱藏層的神經(jīng)網(wǎng)絡(luò)的能力和數(shù)據(jù)量之間的關(guān)系

下表將機(jī)器學(xué)習(xí)與深度學(xué)習(xí)進(jìn)行了比較：

https://www.researchgate.net/figure/Relationship-between-the-capabilities-and-amount-of-data-of-simple-statistical-learning_fig1_340134117。

全球人工智能市場(chǎng)規(guī)模

2021 年，全球人工智能 (AI) 市場(chǎng)價(jià)值870.4 億美元，預(yù)計(jì)到 2030 年將達(dá)到15,971 億美元，2022 年至 2030 年的復(fù)合年增長(zhǎng)率為 38.1%。全球 COVID-19 大流行非同尋常且令人震驚，與大流行前的水平相比，這項(xiàng)技術(shù)在所有領(lǐng)域的需求都高于預(yù)期。據(jù)估計(jì)，與 2019 年相比，2022 年全球市場(chǎng)將增長(zhǎng)150% 。

??https://www.edureka.co/blog/ai-vs-machine-learning-vs-deep-learning/。??

成長(zhǎng)因素

技術(shù)創(chuàng)新一直是大多數(shù)行業(yè)的重要組成部分。近年來，數(shù)字技術(shù)和互聯(lián)網(wǎng)的日益普及極大地促進(jìn)了全球人工智能產(chǎn)業(yè)的發(fā)展?？萍季揞^在研發(fā)方面的巨額支出正在不斷推動(dòng)各個(gè)行業(yè)的技術(shù)進(jìn)步。汽車、醫(yī)療保健、銀行和金融、制造、食品和飲料、物流和零售等多個(gè)最終用途領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)的需求不斷增長(zhǎng)，這可能會(huì)在未來幾年推動(dòng)全球人工智能市場(chǎng)。

眾多醫(yī)療設(shè)備的日益普及以及新型電動(dòng)汽車的自動(dòng)駕駛能力正在顯著推動(dòng)全球人工智能市場(chǎng)的發(fā)展。全球數(shù)字化趨勢(shì)正在對(duì)市場(chǎng)增長(zhǎng)產(chǎn)生有利影響。包括谷歌、微軟、IBM、亞馬遜和蘋果在內(nèi)的全球頂級(jí) IT 巨頭正在加大力度推進(jìn)和開發(fā)不同的人工智能應(yīng)用。預(yù)計(jì)科技巨頭在改善人工智能訪問方面的努力將在預(yù)測(cè)期內(nèi)推動(dòng)全球人工智能市場(chǎng)的增長(zhǎng)。

在過去五年中，醫(yī)學(xué)和醫(yī)療保健吸引了全球最多的人工智能私人投資（289 億美元）。