人工（gōng）智能技术

有许多涉及人工（gōng）智能的技术（shù）和学（xué）科，它们都有自己的数学（xué）和工程研（yán）究分支。让我们来看看最（zuì）相关的技术（shù），从识别系统到机器学习系统。

自动（dòng）语（yǔ）音识别

自动语音（yīn）识别是（shì）属于声（shēng）学的一门（mén）学科，用于识别语（yǔ）音信号（hào）中的音素。语音识别系统处理（lǐ）麦（mài）克风收集的信号（hào）以识（shí）别用户发音的单（dān）词。

自然语言处理 NLP

语音识别专注（zhù）于纯粹的语音到文本的（de）转（zhuǎn）换，而（ér）自然语言处理（lǐ）NLP是一门与语（yǔ）言学领域联系更紧密的学（xué）科，其目标是理解用户在发出某个命令（lìng）、问题或陈述时的意思（无论是书面的还是口头的）以（yǐ）及他期望实现（xiàn）的目标。此外，它（tā）还分析（xī）情绪以找到主观（guān）模式。简而言之，它是帮助机器与人（rén）之间进行交流（liú）（主要（yào）是声音和文字）的领域。

人工（gōng）智（zhì）能中的（de）视觉和语（yǔ）音识别

视觉识别

视觉识别是基于（yú）处（chù）理图像或视频信号的学科（kē），其（qí）目的是识（shí）别图案、形状，并在最佳情况下准确识别图像中（zhōng）的不同元素。

文字识别（bié）

文本识（shí）别可以被（bèi）认为（wéi）是视觉识别（bié）的一部分，因为它的（de）主要（yào）目标（biāo）是识别和（hé）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（gōng）具。

大数（shù）据

在不（bú）涉（shè）及技术细（xì）节的（de）情况下，大数据可以被视（shì）为大量（liàng）数据。大数据本身并不（bú）是一（yī）项技（jì）术，但拥（yōng）有大量可用数据（最（zuì）好是结构化数（shù）据（jù））对于实现商业智能分析和某些（xiē）机器学习算法的（de）应用目标至关重（chóng）要。

专家系（xì）统（tǒng）

专家系（xì）统是那些包含有关特（tè）定主题的（de）所（suǒ）有可能（néng）的（de）人类知（zhī）识的（de）系统。一个（gè）典型的例子是下国际象棋的（de）系统（tǒng），它使用（yòng）一整套动作和策略，这些动作和策略已（yǐ）经输入到他们（men）的记忆中，以确定最佳动作（通常基于决策树（shù））。

机器人

机器人技术（机（jī）械或机（jī）器人软件，例如（rú） RPA）涵（hán）盖范围（wéi）广泛的（de）设备（bèi）。每当系统或机器人显示出（chū）智能的迹象（xiàng）时，例如，能（néng）够做出决（jué）策，无（wú）论它们可能多（duō）么基本（běn），我们都（dōu）可（kě）以谈论人工（gōng）智能。请记（jì）住，人工智（zhì）能（néng）不必特（tè）别复杂，它（tā）存在于各个层面（miàn），甚至（zhì）是最基本的层（céng）面，并且必须与从机器（qì）学习的能力区分开来；也就是机器学习。

机（jī）器学（xué）习

机（jī）器学习是人工智能（néng）中的一门（mén）学科，它试图让系统（tǒng）以人的方式学习和（hé）关联（lián）信息。为此，它使（shǐ）用能够检测先前（qián）数（shù）据中（zhōng）的模式、能够创建未来预测以及深度（dù）学习及其神经网络算（suàn）法等新（xīn）趋势的算法（fǎ）。

机器学习（xí）算法

深（shēn）度学习

深度（dù）学（xué）习是机（jī）器学习的一个分支学科。它是一个（gè）学习（xí）系统，其灵感来自人脑神经网络处理信息的功能（néng），具有非常复（fù）杂的（de）数学（xué）基础。尽（jìn）管它确实依赖于经验（yàn）（无论是以前的数据、环（huán）境（jìng）生成的还（hái）是自己生成的），但它并不是（shì）从确定什么是（shì）正（zhèng）确的、什（shí）么是不正确的严（yán）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（tí）到的技术的组（zǔ）合，旨在创建能够让人类理解（jiě）的人工智能服务。它（tā）是视觉（jiào）识别、声（shēng）音（yīn）、阅读理解、NLP 和机器学习（xí）的结合，以创（chuàng）建能够理解（jiě）与人类交互相（xiàng）关的信息并做（zuò）出相应响应（yīng）的系（xì）统。

人工智能（néng）类别

对人工（gōng）智能进行分类并不容易，事实是，最佳做（zuò）法是根据特定系统（tǒng）使用的（de）算法对其进行分类。然而，一（yī）些专家试图根据他们（men）的方法创建人工智能小组。

根据计算机科（kē）学家Stuart Russell和Peter Norvig 的说法，人工智能可（kě）以分为（wéi）以下几类：

像人类（lèi）一样思（sī）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（nǐ）人类思（sī）想。

像人（rén）类一样行动的系统

这些系统（tǒng）专注于（yú）充当人类（lèi）；它们更（gèng）多（duō）地与经典机器人技（jì）术联系（xì）在一起，并（bìng）且灵活性较差。

理（lǐ）性（xìng）思考的系统

这些系（xì）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（zhù）于模（mó）拟大（dà）脑的神（shén）经元行为，而是被训练在特定环境中以人类（lèi）的方式行事（shì）。这方面的一（yī）个（gè）例子是专家（jiā）代理。

理性行动的系统（理想情况下）

他们试图以理性的（de）方式模仿（fǎng）人类行为，根据给定的环（huán）境条（tiáo）件得（dé）出自己的结论。这些系统（tǒng）的不（bú）同之处在于（yú）试图将（jiāng）理（lǐ）性（xìng）应用于他（tā）们的决定。

一种更常见的（de）分类是将（jiāng） 2 个大组分开：

弱（ruò）（或狭（xiá）隘）人工智能

以（yǐ）其首字母缩（suō）略词ANI（狭义人工（gōng）智能）而闻名（míng），尽管该名称可能看（kàn）起来有些贬义，但它涵盖（gài）了当今（jīn）存在（zài）的所（suǒ）有人工（gōng）智能（néng）。它是人工智能，致力于以最佳（jiā）方（fāng）式解决特定或一（yī）组（zǔ）问题（tí），但不（bú）可能在没有相关编（biān）程的（de）情况下扩展（zhǎn）到一般（bān）问（wèn）题。即使是（shì）最（zuì）先进的虚拟助手也属（shǔ）于这一（yī）类。

强（或通用）人工（gōng）智能

简称AGI（Artificial General Intelligence），它是能够在推理（lǐ）和演绎（yì）能（néng）力（lì）上匹敌或超越人类智（zhì）能的人工智能（néng）。今天它是一个只存在于（yú）科幻小（xiǎo）说中的乌托邦，因为虽然机器在很多能力（lì）（包（bāo）括某（mǒu）些领域的视觉和（hé）听觉识别）方（fāng）面已经（jīng）超（chāo）越了人（rén）类，但它们（men）没有真实的感（gǎn）受、天生的认知能力、自我意（yì）识（shí）或能力。适应任（rèn）何（hé）场景。