人工智能（AI）泛指機器或系統表現出類似人類的行為。在人工智能最基本的形式中，計算機使用過去的大量數據來“模仿”人類行為。其范圍包括從識別貓和鳥之間的差異到在制造工廠中執行復雜的活動。

人工智能的早期

雖然其早期形式使計算機能夠與人類玩跳棋等游戲，但人工智能現在已成為我們日常生活的一部分。我們擁有用于質量控制、視頻分析、語音轉文本（自然語言處理）和自動駕駛的人工智能解決方案，以及醫療保健、制造金融服務和娛樂領域的解決方案。

人工智能簡史

1949 年之前，計算機可以執行命令，但它們無法記住自己做了什么，因為它們無法存儲這些命令。1950年，艾倫·圖靈在他的論文《計算機器與智能》中討論了如何構建智能機器并測試這種智能。五年后，第一個 人工智能程序在達特茅斯人工智能夏季研究項目（DSPRAI） 上提出 。這一事件催化了接下來幾十年的人工智能研究。

1957 年至 1974 年間，計算機變得更快、更便宜、更容易使用。機器學習算法得到改進，1970 年，DSPRAI 的一位主持人告訴《生活》雜志，將出現一臺具有普通人一般智力的機器。盡管取得了成功，但計算機無法有效存儲或快速處理信息，這為未來十年追求人工智能帶來了障礙。

隨著算法工具包的擴展和更多專用資金的投入，人工智能在 20 世紀 80 年代復興。約翰·霍普菲爾德 (John Hopefield) 和大衛·魯梅爾哈特 (David Rumelhart) 引入了“深度學習”技術，使計算機能夠通過經驗進行學習。愛德華·費根鮑姆引入了模仿人類決策的“專家系統”。盡管缺乏政府資金和公眾宣傳，人工智能仍然蓬勃發展，并在接下來的二十年中實現了許多里程碑式的目標。1997 年，衛冕國際象棋世界冠軍、國際象棋大師加里·卡斯帕羅夫 (Gary Kasparov) 被 IBM 的國際象棋計算機程序 Deep Blue 擊敗。同年，Dragon Systems開發的語音識別軟件在Windows上實現。Cynthia Breazeal 還開發了 Kismet，一個可以識別和表達情緒的機器人。

2016 年，谷歌的 AlphaGo 程序 擊敗了圍棋大師李世石 ，2017 年，玩撲克的超級計算機 Libratus 擊敗了 最優秀的人類棋手。

人工智能的類型

人工智能主要分為兩大類：基于功能的人工智能和基于能力的人工智能。

基于功能

反應性機器：這種人工智能沒有記憶能力，也沒有能力從過去的行為中學習。IBM 的 Deep Blue 就屬于這一類。有限的理論：通過增加記憶，這個人工智能使用過去的信息來做出更好的決策。GPS 定位應用程序等常見應用程序就屬于此類。心智理論：這種人工智能仍在開發中，其目標是對人類心智有非常深入的了解。自我意識人工智能：這種人工智能不僅可以理解和喚起人類情感，而且擁有自己的情感，但仍然只是假設。

基于能力

狹義人工智能 (ANI)： 執行狹義編程任務的系統。該人工智能結合了反應性記憶和有限記憶。當今大多數人工智能應用都屬于這一類。 通用人工智能（AGI）：這種人工智能能夠像人類一樣訓練、學習、理解和執行。 超級人工智能（ASI）：由于其卓越的數據處理、記憶和決策能力，這種人工智能能夠比人類更好地執行任務。

人工智能、機器學習和深度學習之間的關系是什么？

人工智能是計算機科學的一個分支，旨在在機器中模擬人類智能。人工智能系統由算法提供支持，使用 機器學習和深度學習等技術 來展示“智能”行為。

機器學習

當計算機的軟件能夠根據之前的結果成功預測正在發生的場景并對其做出反應時，計算機就可以“學習”。機器學習是指計算機開發模式識別的過程，或者是根據數據不斷學習和預測的能力，并且無需專門編程即可進行調整。機器學習是人工智能的一種形式 ，可以有效地自動化分析模型構建過程，并允許機器獨立適應新場景。

構建機器學習模型的四個步驟是：

選擇并準備解決問題所需的訓練數據集。該數據可以是帶標簽的或不帶標簽的。選擇在訓練數據上運行的算法。如果數據被標記，算法可以是回歸、決策樹或基于實例的。如果數據未標記，則算法可以是聚類算法、關聯算法或神經網絡。訓練算法以創建模型。使用和改進模型。

機器學習有三種方法： “監督”學習使用標記數據，需要較少的訓練。“無監督”學習用于通過識別模式和關系來對未標記數據進行分類。“半監督”學習使用小型標記數據集來指導較大的未標記數據集的分類。

深度學習

深度學習 是機器學習的一個子集，它的性能明顯優于一些傳統的機器學習方法。深度學習結合了多層人工神經網絡以及數據和計算密集型訓練，其靈感來自于我們對人類大腦行為的最新理解。這種方法已經變得非常有效，甚至開始在許多領域超越人類的能力，例如圖像和語音識別以及自然語言處理。

深度學習模型處理大量數據，通常是無監督或半監督的。

人工智能的現代應用

當你可以定義答案是什么樣子但不知道如何得到答案時，人工智能具有從數據中提取意義的獨特能力。人工智能可以增強人類的能力，并將呈指數級增長的數據轉化為洞察力、行動和價值。

如今，人工智能已廣泛應用于各行各業，包括醫療保健、制造和政府。以下是一些具體的用例：

規范性維護和質量控制： 通過 IT/OT 的開放框架改善生產、制造和零售。集成解決方案通過實施基于人工智能的企業計算機視覺技術，制定最佳維護決策、自動化操作并增強質量控制流程。語音和語言處理將非結構化音頻數據轉化為洞察力和情報：它使用自然語言處理、語音到文本分析、生物識別搜索或實時呼叫監控，通過機器自動理解口語和書面語言。視頻分析和監控： 自動分析視頻以檢測事件，揭示身份、環境和人員，并獲得運營見解。它使用邊緣到核心的視頻分析系統來應對各種工作負載和操作條件。高度自動駕駛： 建立在橫向擴展的數據攝取平臺上，使開發人員能夠構建針對開源服務、機器學習和深度學習神經網絡進行調整的最佳高度自動駕駛解決方案。