人工智能

人工智能历史

人工智能一词始创于 1956 年，而如今，由于数据量的增加、先进算法的出现以及计算能力和存储能力的提高，人工智能变得越来越流行。

20 世纪 50 年代早期的 AI 研究探索了诸如问题解决和符号方法之类的主题。20 世纪 60 年代，美国国防部对这种工作产生了兴趣，并开始训练计算机来模仿基本的人类推理。例如，美国国防部高级研究计划局 (DARPA) 在 20 世纪 70 年代完成了街道测绘项目。远在 Siri、Alexa 或 Cortana 成为家喻户晓的名字之前，DARPA 就于 2003 年创造了智能个人助理。

这项早期工作为我们如今在计算机中看到的自动化和形式推理铺平了道路，其中包括可以对其进行设计以用来补充和增强人类能力的决策支持系统和智能搜索系统。

尽管好莱坞电影和科幻小说将 AI 描绘成占领世界的类人机器人，但当前的 AI 技术发展并没有那么可怕，或者说，还没有那么聪明。相反，AI 已经发展到可以为各个行业提供许多特定利益。继续阅读有关医疗保健、零售业等行业中人工智能的现代示例。

为什么人工智能很重要？

人工智能的应用

每个行业对 AI 功能的需求都很高，尤其是可以用于法律协助、专利检索、风险通知和医学研究的问答系统。AI 的其他用途包括：

人工智能如何工作

AI 通过将大量数据与快速、迭代的处理和智能算法结合在一起来工作，从而使该软件可以自动从数据的模式或特征中学习。AI 是一个广泛的研究领域，包括许多理论、方法和技术，以及下列主要分支领域：

• 机器学习对分析模型构建进行自动化。它使用来自神经网络、统计、运筹学和物理学的方法来查找数据中的隐藏洞察，而无需为在哪里寻找或得出何种结论进行明确的编程。
• 神经网络是一种机器学习类型，由相互连接的单元（如神经元）组成，这些单元通过响应外部输入、在各个单元之间中继信息来处理信息。该过程需要对数据进行多次遍历以找到连接并从未定义的数据中导出含义。
• 深度学习使用具有多层处理单元的巨大神经网络，利用计算能力的进步和改进的训练技术来学习大量数据中的复杂模式。常见的应用包括图像和语音识别。
• 认知计算是 AI 的一个分支领域，它致力于与机器进行自然的、类似于人类的交互。使用 AI 和认知计算的最终目标是让机器能够通过解释图像和语音的能力来模拟人力过程，然后做出连贯的回应。
• 计算机视觉依靠模式识别和深度学习来识别图片或视频中的内容。当机器可以处理、分析和理解图像时，它们就可以实时捕获图像或视频并对其周围环境进行解释。
• 自然语言处理 (NLP) 是计算机分析、理解和生成人类语言（包括语音）的能力。NLP 的下一个阶段是自然语言交互，即允许人类使用日常语言与计算机进行通信以执行任务。

此外，有几种技术可以允许和支持 AI 使用：

• 图形处理单元对 AI 来说十分关键，因为它们提供了迭代处理所需的强大计算能力。训练神经网络需要大量数据和强大的计算能力。
• 物联网从连接的设备生成大量数据，其中大部分未经分析。使用 AI 自动化模型将让我们能够使用更多此类数据。
• 高级算法正在开发中并以新的方式进行组合，以更快地在多个级别上分析更多数据。这种智能处理对于识别和预测罕见事件、理解复杂系统以及优化独特场景来说至关重要。
• API，或应用程序处理接口，是可移植的代码包，这种代码包让将 AI 功能添加到现有产品和软件包中成为可能。它们可以将图像识别功能添加到家庭安全系统中，并可以使用 Q&A 功能来描述数据、创建标题，或在数据中找出有趣的模式和洞察。

总之，AI 的目标是提供可以根据输入进行推理并对输出进行解释的软件。AI 将能够实现以与人类类似方式与软件进行交互，并为特定任务提供决策支持，但它不能替代人类，而且也不会在短期内替代人类。