人工智能 (AI) 是计算机科学的一个广泛分支，涉及构建能够执行通常需要人类智能的任务的智能机器。人工智能是一门具有多种方法的跨学科科学，但机器学习和深度学习的进步 正在科技行业的几乎每个领域创造范式转变。
人工智能的四种类型是什么？
- 反应机
- 有限的内存
- 心智理论
- 自我意识
机器会思考吗？——艾伦·图灵，1950在破解纳粹加密机器 Enigma 并帮助盟军赢得第二次世界大战后不到十年，数学家艾伦·图灵用一个简单的问题第二次改变了历史：“机器能思考吗？”图灵的论文“计算机与智能”（1950）及其随后的图灵测试，确立了人工智能的基本目标和愿景。从本质上讲，人工智能是计算机科学的一个分支，旨在肯定地回答图灵的问题。这是在机器中复制或模拟人类智能的努力。人工智能的广阔目标引起了许多问题和争论。如此之多，以至于没有对该领域的单一定义被普遍接受。将人工智能简单地定义为“构建智能机器”的主要限制是它实际上并没有解释人工智能是什么？是什么让机器变得智能？在他们开创性的教科书《人工智能：现代方法》中，作者 Stuart Russell 和 Peter Norvig 围绕机器中的智能代理这一主题统一了他们的工作，从而解决了这个问题。考虑到这一点，人工智能是“对从环境中接收感知并执行动作的代理的研究”。
Norvig 和 Russell 继续探索历史上定义 AI 领域的四种不同方法：
- 人性化思考
- 理性思考
- 人性化
- 理性行事
前两个概念涉及思维过程和推理，而其他概念则涉及行为。Norvig 和 Russell 特别关注为实现最佳结果而采取行动的理性智能体，并指出“图灵测试所需的所有技能也允许智能体理性地行动。麻省理工学院人工智能和计算机科学福特教授帕特里克温斯顿将人工智能定义为“由约束启用的算法，通过支持模型的表示公开，这些模型以将思维、感知和行动联系在一起的循环为目标。”现在招聘的顶级人工智能公司这些人工智能公司现在有很多空缺职位。虽然这些定义对普通人来说似乎很抽象，但它们有助于将该领域作为计算机科学的一个领域，并为将机器学习和其他人工智能子集注入机器和程序提供蓝图。
人工智能使用场景
在 2017 年日本人工智能体验大会上向人群发表讲话时， DataRobot首席执行官杰里米·阿钦 (Jeremy Achin)在演讲开始时提供了以下对当今人工智能使用方式的定义：“人工智能是一种能够执行通常需要人类智能才能完成的任务的计算机系统……其中许多人工智能系统由机器学习提供支持，其中一些由深度学习提供支持，其中一些由规则等非常无聊的东西提供支持.”
人工智能示例
- 智能助手（如 Siri 和 Alexa）
- 疾病绘图和预测工具
- 制造和无人机机器人
- 优化的个性化医疗保健建议
- 用于营销和客户服务的对话机器人
- 股票交易机器人顾问
- 电子邮件中的垃圾邮件过滤器
- 针对危险内容或虚假新闻的社交媒体监控工具
- 来自 Spotify 和 Netflix 的歌曲或电视节目推荐
人工智能通常分为两大类：
- 狭义人工智能：有时被称为“弱人工智能”，这种人工智能在有限的环境中运行，是对人类智能的模拟。狭义人工智能通常专注于极其出色地执行单个任务，虽然这些机器看起来很智能，但它们在比最基本的人类智能还要多的约束和限制下运行。
- 通用人工智能（AGI）：AGI，有时也被称为“强人工智能”，是我们在电影中看到的那种人工智能，比如《西部世界》中的机器人 或《星际迷航：下一代》中的数据。AGI 是一种具有通用智能的机器，就像人类一样，它可以应用这种智能来解决任何问题。
狭义人工智能狭义人工智能就在我们身边，很容易成为迄今为止人工智能最成功的实现。根据“为人工智能的未来做准备”，Narrow AI 专注于执行特定任务，在过去十年中经历了许多突破，这些突破“具有显著的社会效益，并为国家的经济活力做出了贡献”。奥巴马政府发布的 2016 年报告。狭义人工智能的一些例子包括：
- 谷歌搜索
- 图像识别软件
- Siri、Alexa 和其他个人助理
- 自动驾驶汽车
- IBM 的沃森
机器学习与深度学习
Narrow AI 的大部分内容都由机器学习和深度学习的突破提供支持。理解人工智能、机器学习和深度学习之间的区别可能会令人困惑。风险投资家 Frank Chen很好地概述了如何区分它们，并指出：“人工智能是一组试图模仿人类智能的算法和智能。机器学习就是其中之一，而深度学习就是这些机器学习技术之一。”简而言之，机器学习提供计算机数据并使用统计技术来帮助它“学习”如何在一项任务中逐渐变得更好，而无需为该任务专门编程，从而无需编写数百万行代码。机器学习包括监督学习（使用标记数据集）和无监督学习（使用未标记数据集）。深度学习是一种机器学习，它通过受生物启发的神经网络架构运行输入。神经网络包含许多处理数据的隐藏层，允许机器“深入”学习，建立连接和加权输入以获得最佳结果。人工通用智能对于许多人工智能研究人员来说，创造具有人类水平智能且可应用于任何任务的机器是圣杯，但对 AGI 的追求却充满了困难。寻找“在任何环境中学习和行动的通用算法”（Russel 和 Norvig 27）并不是什么新鲜事，但时间并没有减轻本质上创建具有全套认知能力的机器的难度。长期以来，AGI 一直是反乌托邦科幻小说的缪斯，在其中超级智能的机器人超越了人类，但专家们一致认为，这不是我们很快就需要担心的事情。
