人工智慧，英文為Artificialintelligence(aye-eye),簡稱A.I,是計算機系統對人類智能過程的模擬。這些過程包括學習（獲取信息和使用信息的規則），推理（使用規則達到近似或明確的結論）和自我糾正。AI的特殊應用包括專家系統，語音識別和機器視覺。

AI是由美國計算機科學家約翰·麥卡錫（John McCarthy）於1956年在達特茅斯會議（The DartmouthConference）上創造的。今天，它是涵蓋從機器人過程自動化到實際機器人的一切的總稱。最近由於大數據，或者數據業務的速度，規模和種類的增加，它已經獲得了突出的地位。人工智慧可以執行諸如比人類更有效地識別數據模式的任務，使企業能夠從數據中獲得更多的洞察力。

人工智慧的類型

從今天存在的人工智慧系統到尚未存在的有感知系統。類別如下：

類型1：反應式機器。一個例子是Deep Blue，IBM在二十世紀九十年代擊敗了Garry Kasparov的國際象棋程序。深藍可以識別棋盤上的棋子，做出預測，但是沒有記憶，不能用以往的經驗告訴未來的棋子。它分析可能 的舉動 - 自己和對手 -並選擇最具戰略性的舉措。Deep Blue和Google的AlphaGO是為狹義用途而設計的不 能輕易應用於其他情況。

類型2：有限的內存。這些AI系統可以使用過去的經驗來告知未來的決定。自主車輛的一些決策功能就是這樣設計的。用於通知在不遠的將來發生的行為的觀測，例如改變車道的汽車。這些觀察結果不是永久存儲的。

類型3：心理理論。這是一個心理學術語。它指的是這樣的理解，即其他人有自己的信仰，願望和意圖影響他們做出的決定。這種AI還不存在。

類型4：自我意識。在這個類別中，AI系統有自我意識，有意識。具有自我意識的機器了解他們的當前狀態，並可以使用這些信息來推斷他人的感受。這種AI還不存在。

• AI技術的例子

• 自動化是自動生成系統或過程功能的過程。例如，機器人過程自動化可以編程為執行通常由人類執行的大容量，可重複的任務。RPA不同於IT自動化，因為它可以適應不斷變化的環境。

• 機器學習是使計算機在沒有編程的情況下行動的科學。深度學習是機器學習的一個子集，從簡單的角度來說，可以被認為是預測分析的自動化。有三種類型的機器學習演算法：監督式學習，其中數據集被標記以便可以檢測模式並用於標記新的數據集;無監督學習，其中數據集沒有標記，並根據相似性或差異進行排序;強化學習，其中數據集沒有標記，但在執行一個動作或幾個動作之後，給予AI系統反饋。

• 機器視覺是製造計算機的科學。機器視覺捕捉和分析視覺信息，使用相機，模數轉換和數字信號處理。它通常與人類的視力相比較，但機器視覺不受生物學約束，例如可以通過編程來看穿牆。它被用於從簽名識別到醫學圖像分析的一系列應用。專註於基於機器的圖像處理的計算機視覺常常與機器視覺混淆。

• 請點擊此處輸入圖片描

• 自然語言處理（NLP）是由計算機程序處理人類而不是計算機語言。其中一個比較著名的NLP示例是垃圾郵件檢測，它檢查郵件的主題和文本，並判斷它是否是垃圾郵件。目前的NLP方法是基於機器學習的。NLP任務包括文本翻譯，情感分析和語音識別。

• 模式識別是機器學習的一個分支，專註於識別數據中的模式。今天這個詞是過時的了。

• 機器人是一個專註於機器人設計和製造的工程領域。機器人通常用於執行難以執行或執行的任務。它們被用在汽車生產的裝配線上，或被美國宇航局用來移動太空中的大型物體。最近，研究人員正在使用機器學習來構建可以在社交環境中進行交互的機器人。

科技改變生活，每天不一樣的精彩，歡迎關注「老劉聊科技」