人工智能是一个已经存在多年的概念，各种技术都依赖人工智能来运作。但是，随着 ChatGPT 和 Google Bard 等工具成为头条新闻，感觉人工智能的新时代即将到来。但什么是 AI？它是如何工作的？
在这里，我们简要介绍一下 AI 是什么、为什么它很重要，以及如何了解更多关于这个迷人领域的信息。除了使用人工技术的示例外，我们还收录了专家的引言和资源以供进一步阅读。
什么是 AI？
人工智能是计算机科学的一个子领域，专注于创建能够执行通常需要人类智能水平的任务的智能代理。这些任务包括解决问题、语音识别和决策等。
AI 是一门具有多种方法的跨学科科学;它可以基于规则并在预定义的一组或条件下运行，也可以使用机器学习算法来适应其环境。后者特别强大，因为它允许 AI 系统从数据中学习，使它们更加通用并能够处理不可预见的情况。
AI 与数据科学和其他关键概念的关系
常见的误解
还值得一提的是 AI 不是什么。关于什么是人工有很多误解，以下是一些常见的错误信念：
AI 是机器人的代名词。AI 不仅限于机器人技术;这是一个更广泛的领域，包括搜索算法和自然语言处理等各种技术。
AI 很快就会超越人类智能。AI 很快就会超过人类的想法被夸大了;通用人工智能 （AGI） 仍处于理论阶段，远未实现。
AI 像人类一样理解内容。AI 无法“理解”人类意义上的文本或语音;它根据模式处理数据，但缺乏理解力。
AI 是公正的。与信念相反，AI 可以从其训练数据或设计师那里继承偏见，这意味着它并非天生就是无偏见的。查看我们的生成式 AI 道德指南以了解更多信息。
AI 可以取代所有人类工作。虽然 AI 可以自动执行特定任务，但它无法取代需要情商、创造力和其他人类特定技能的工作。
您可以在单独的指南中探索 AI 和机器学习以及机器学习和深度学习之间的区别。
AI 词汇表
在探索人工智能时，我们将使用一系列术语，其中一些术语可能不熟悉。我们创建了一个关键人工智能术语及其含义的列表：
算法
计算机执行特定任务时遵循的一组规则或指令。算法是所有 AI 系统的构建块。
通用人工智能 （AGI）
一种目前的理论形式的人工智能，能够理解、学习和应用不同领域的知识，通过问题进行推理，具有意识，甚至具有情感理解能力。这与 Narrow AI 形成鲜明对比，后者是为特定任务而设计和训练的。
深度学习
一种特殊类型的机器学习，它模仿我们大脑的工作方式，使计算机能够从经验中学习并根据概念层次结构来理解世界。简单来说，深度学习就像一个虚拟大脑，帮助计算机从数据中学习，以便它们可以自己做出决策。
机器学习
一种使计算机能够从数据中学习并做出决策而无需明确编程的方法。可以将其视为教计算机从经验中学习，就像人类一样。从本质上讲，机器学习是 AI 获得其名称中“智能”部分的方法。您可以在我们的 Understanding Machine Learning 课程中了解有关该主题的更多信息。
自然语言处理 （NLP）
一个专注于计算机与人类之间通过自然语言进行交互的 AI 领域。NLP 的最终目标是使计算机能够以有意义和有用的方式理解、解释和生成人类语言。查看我们的 Python 自然语言处理简介课程以了解更多信息。
神经网络
一种受人脑神经元结构启发的计算模型。神经网络用于涉及模式识别的各种应用程序，例如图像和语音识别。我们有一整篇文章来探讨什么是神经网络。
人工智能的类型
AI 可以根据其能力和功能进行分类。
在功能方面，我们可以通过以下方式区分不同类型的 AI：
狭义 AI
狭义 AI 也称为弱 AI，是为执行特定任务而设计和训练的。它在一组有限的预定义条件下运行，不具备人类所拥有的广泛能力。大多数当前的 AI 系统，包括反应式机器和有限内存机器（见下文），都属于这一类。
通用人工智能 （AGI）
这种类型的 AI 也称为通用 AI，具有跨不同领域理解、学习和应用知识的能力。它将能够自我意识、推理和情感理解。在这一点上，通用 AI 在很大程度上仍然是理论上的。
人工智能
这是一种先进的人工智能形式，几乎在所有方面都超过人类智能，从创造力和社交智能到解决问题的能力。超级 AI 是一个更多地存在于科幻小说和未来猜测领域而不是当前现实中的概念。
我们还可以根据人工智能的功能来探索人工智能的类型：
反应式机器
这些是 AI 的最基本形式，旨在执行特定任务。例如，IBM 的 Deep Blue（一台下棋的超级计算机）就属于这一类。反应式机器无法存储记忆或使用过去的经验来为当前的决策提供信息。
内存有限
有限内存 AI 可以存储过去的数据并使用它来做出更好的预测或决策。这种类型的 AI 常见于 Netflix 或 Amazon 使用的推荐系统中。
心智理论
这是一个理论概念，指的是 AI 系统可能理解人类的情感、信仰和思想。虽然很有趣，但我们还没有达到这种 AI 复杂性水平。
自我意识
人工智能发展的巅峰之作是具有自我意识的机器，它们了解自己的存在，并可以根据自身利益做出决策。这仍然是一个正在进行的研究和伦理辩论的主题。
AI 的应用和示例
AI 的覆盖范围远远超出了学术界和专业行业。以下是人工智能在当今世界的一些使用方式：
日常技术
AI 已深度集成到我们日常使用的技术中。从根据实时交通数据优化路线的 Google 地图，到 Siri 和 Alexa 设置闹钟和回答您的问题，AI 几乎无处不在。这些应用程序通常使用 Narrow AI 来高效执行特定任务。
商业和工业
商业世界已经在拥抱 AI，IBM 的一项调查发现，超过三分之一的公司 （35%） 表示在 2022 年在其业务中使用了 AI。许多行业的组织都在寻找人工智能的用途，包括：
医疗保健。AI 算法可以分析医学图像以识别癌症等疾病的早期迹象。它们还可以通过预测不同化合物如何治疗疾病来协助药物发现。
财务。人工智能用于欺诈检测，其中机器学习算法可以分析交易模式以标记异常活动。它还在算法交易、优化投资组合和个性化银行服务方面发挥作用。
零售。在线购物平台中的推荐系统等工具通常由 AI 提供支持，帮助企业追加销售和交叉销售产品。它还可以帮助库存管理和需求预测。
像 ChatGPT 这样的大型语言模型正在彻底改变我们与软件交互的方式。无论是客户服务、项目管理还是数据分析，这些 AI 工具都在提高所有部门的效率、准确性和生产力。
全球AI解决方案和生成AI的Noelle Silver Russel &LLM行业负责人在埃森哲
游戏和娱乐
正如我们在关于创造力和生成式 AI 的文章中所看到的那样，人工智能可以帮助促进一个全新的艺术领域。以下是它目前使用的一些方式：
电子游戏。算法控制非玩家角色 （NPC），使其响应更快、更逼真。高级 AI 甚至可以适应单个玩家的行为，以调整游戏的难度级别。
音乐和电影。Spotify 和 Netflix 等平台上的内容推荐使用 AI，它甚至可以协助创作过程，例如创作音乐或帮助电影编辑。
公共服务和基础设施
我们看到政府机构和类似组织将人工智能用于许多不同的任务：
流量管理。AI 算法可以实时分析交通数据，以优化信号计时，减少拥堵并提高道路安全。
应急。自然灾害预测和响应等领域可以从人工智能中受益，例如预测飓风和优化疏散路线。
AI 是如何工作的？
要真正掌握人工智能的本质，了解使 AI 系统发挥作用的步骤会很有帮助。让我们以适合初学者的方式进行分解。您可以通过我们的技能跟踪全面了解 AI 基础知识，其中包括有关 ChatGPT、大型语言模型、生成式 AI 等热门 AI 主题的可操作知识。
AI 和机器学习工作流程
第 1 步：数据收集
任何 AI 项目的第一步都是收集数据。这可以是任何内容，从图片和文本到更复杂的数据，如人类行为。这些数据是 AI 系统将从中学习的原始材料。
第 2 步：数据准备
收集数据后，需要对其进行准备和清理。这意味着删除任何不相关的信息并将数据转换为 AI 系统可以理解的格式。
第 3 步：选择算法
算法就像 AI 系统如何处理数据的配方。不同的算法更适合不同的任务。例如，您可能使用一种特定算法进行图像识别，而使用另一种算法进行自然语言处理。您可以在单独的文章中探索各种类型的算法。
步骤 4：训练模型
准备好的数据被输入到所选算法中以“训练”AI 模型。在此阶段，模型学习根据数据做出预测或决策。将此视为为考试而学习的 AI 系统。
步骤 5：测试模型
训练后，对模型进行测试，以查看其性能如何。如果它不够准确，则可能需要进一步训练或调整。
第 6 步：部署
模型经过训练和测试后，就可以部署到实际应用程序中了。这可以是任何东西，从回答客户查询的聊天机器人到分析 X 射线的医学 AI。
第 7 步：持续学习
许多现代 AI 系统具有随着时间的推移学习和适应的能力。这意味着他们可以在收集更多数据时提高性能，从而提高效率和准确性。
