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。让我们来看看最相关的技术，从识别系统到机器学习系统。

自动语音识别

自动语音识别是属于声学的一门学科，用于识别语音信号中的音素。语音识别系统处理麦克风收集的信号以识别用户发音的单词。

自然语言处理 NLP

语音识别专注于纯粹的语音到文本的转换，而自然语言处理NLP是一门与语言学领域联系更紧密的学科，其目标是理解用户在发出某个命令、问题或陈述时的意思（无论是书面的还是口头的）以及他期望实现的目标。此外，它还分析情绪以找到主观模式。简而言之，它是帮助机器与人之间进行交流（主要是声音和文字）的领域。

人工智能中的视觉和语音识别

视觉识别

视觉识别是基于处理图像或视频信号的学科，其目的是识别图案、形状，并在最佳情况下准确识别图像中的不同元素。

文字识别

文本识别可以被认为是视觉识别的一部分，因为它的主要目标是识别和识别图像格式的文本。此项工作通常使用OCR（光学字符识别）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。大数据本身并不是一项技术，但拥有大量可用数据（最好是结构化数据）对于实现商业智能分析和某些机器学习算法的应用目标至关重要。

专家系统

专家系统是那些包含有关特定主题的所有可能的人类知识的系统。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略，这些动作和策略已经输入到他们的记忆中，以确定最佳动作（通常基于决策树）。

机器人

机器人技术（机械或机器人软件，例如 RPA）涵盖范围广泛的设备。每当系统或机器人显示出智能的迹象时，例如，能够做出决策，无论它们可能多么基本，我们都可以谈论人工智能。请记住，人工智能不必特别复杂，它存在于各个层面，甚至是最基本的层面，并且必须与从机器学习的能力区分开来；也就是机器学习。

机器学习

机器学习是人工智能中的一门学科，它试图让系统以人的方式学习和关联信息。为此，它使用能够检测先前数据中的模式、能够创建未来预测以及深度学习及其神经网络算法等新趋势的算法。

机器学习算法

深度学习

深度学习是机器学习的一个分支学科。它是一个学习系统，其灵感来自人脑神经网络处理信息的功能，具有非常复杂的数学基础。尽管它确实依赖于经验（无论是以前的数据、环境生成的还是自己生成的），但它并不是从确定什么是正确的、什么是不正确的严格指示开始，因此系统可以自行确定结论。

认知智能

认知智能是前面提到的技术的组合，旨在创建能够让人类理解的人工智能服务。它是视觉识别、声音、阅读理解、NLP 和机器学习的结合，以创建能够理解与人类交互相关的信息并做出相应响应的系统。

人工智能类别

对人工智能进行分类并不容易，事实是，最佳做法是根据特定系统使用的算法对其进行分类。然而，一些专家试图根据他们的方法创建人工智能小组。

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

像人类一样思考的系统

这些系统尝试使用人工神经网络模型从字面上模拟人类思想。

像人类一样行动的系统

这些系统专注于充当人类；它们更多地与经典机器人技术联系在一起，并且灵活性较差。

理性思考的系统

这些系统试图在感知、推理和行动方面应用人类逻辑。他们并不专注于模拟大脑的神经元行为，而是被训练在特定环境中以人类的方式行事。这方面的一个例子是专家代理。

理性行动的系统（理想情况下）

他们试图以理性的方式模仿人类行为，根据给定的环境条件得出自己的结论。这些系统的不同之处在于试图将理性应用于他们的决定。

一种更常见的分类是将 2 个大组分开：

弱（或狭隘）人工智能

以其首字母缩略词ANI（狭义人工智能）而闻名，尽管该名称可能看起来有些贬义，但它涵盖了当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决特定或一组问题，但不可能在没有相关编程的情况下扩展到一般问题。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

简称AGI（Artificial General Intelligence），它是能够在推理和演绎能力上匹敌或超越人类智能的人工智能。今天它是一个只存在于科幻小说中的乌托邦，因为虽然机器在很多能力（包括某些领域的视觉和听觉识别）方面已经超越了人类，但它们没有真实的感受、天生的认知能力、自我意识或能力。适应任何场景。