人工智（zhì）能技（jì）术

有许（xǔ）多涉及人工智能的技（jì）术和学科，它们都（dōu）有自（zì）己的（de）数学和工程研究分支。让我们来看（kàn）看最（zuì）相关的技（jì）术，从识别系统到机器（qì）学习系统（tǒng）。

自动语音识别

自动语音识（shí）别是属（shǔ）于声学的一（yī）门学科，用（yòng）于（yú）识别语音信（xìn）号中的音（yīn）素。语音（yīn）识别（bié）系统处（chù）理麦克风收集的信（xìn）号以识别（bié）用户发音的单词。

自然语言处（chù）理 NLP

语音识别（bié）专（zhuān）注于纯粹的语音到文（wén）本的转换，而自然语言（yán）处理NLP是一门（mén）与语言学（xué）领（lǐng）域（yù）联系更紧密的学科，其目标是理解用户在（zài）发出某个（gè）命令、问题或陈述时的意思（无论是书面的还（hái）是口头的）以及（jí）他（tā）期望实现的目标。此外，它还分析情绪（xù）以找（zhǎo）到主观模式。简而言之，它是帮助（zhù）机器与人之间进行交流（主要是声音和文字）的（de）领域。

人（rén）工智（zhì）能（néng）中的（de）视觉和语音（yīn）识别

视觉识别

视觉（jiào）识别是基于处理图像或视频（pín）信号的学科（kē），其（qí）目的是（shì）识（shí）别（bié）图案、形状，并在最佳情况下准确（què）识别图（tú）像中（zhōng）的不同（tóng）元素。

文（wén）字（zì）识别（bié）

文本（běn）识别可（kě）以（yǐ）被（bèi）认为是视觉识（shí）别的一部（bù）分，因为它的主要目标是识别和识别图像格（gé）式（shì）的文本。此项（xiàng）工（gōng）作通常使用OCR（光学字符识别）工具。

大数据

在不涉（shè）及技术细节的情况（kuàng）下（xià），大（dà）数据可以（yǐ）被（bèi）视为大量数据。大数据本身并不是一项技术，但拥（yōng）有大量可用数据（最好是结构化数据（jù））对于实现商业智能（néng）分析和某些机器学习（xí）算法的应（yīng）用目（mù）标至关重要。

专家系统（tǒng）

专（zhuān）家系统是那些（xiē）包（bāo）含有关（guān）特定主题的所有可能的人类知识的系统。一个典型的例子是下（xià）国际象（xiàng）棋的系（xì）统，它使用一整套（tào）动作和策略，这些动作和策略已经输入到他们的记忆（yì）中，以（yǐ）确定最佳动作（通常（cháng）基于决策（cè）树（shù））。

机器人

机器人技术（shù）（机械或机器人软件，例如 RPA）涵（hán）盖范围广泛的设备。每当（dāng）系统（tǒng）或机（jī）器人（rén）显示（shì）出智能（néng）的迹象（xiàng）时，例（lì）如，能够做出决策，无论它们（men）可能（néng）多么基本（běn），我们都可以谈论人工智能。请记住，人工智能（néng）不必特别（bié）复杂（zá），它（tā）存（cún）在于（yú）各个层面，甚（shèn）至是最基本的层面，并（bìng）且必须与（yǔ）从机器（qì）学习的能力区分开来；也就是（shì）机器学习。

机器学习

机器学（xué）习是（shì）人工智（zhì）能中的一门学（xué）科，它试图让系统以人（rén）的方（fāng）式（shì）学习和关联信（xìn）息。为此，它（tā）使用能够检测（cè）先前数据中的模式、能够创建未来预测以及深度（dù）学习及其神（shén）经网络算法等新（xīn）趋势的算法（fǎ）。

机器学习算法

深（shēn）度学习

深度学（xué）习是机器学习的一个分支学科。它是一个学习系统，其灵感来自人脑（nǎo）神（shén）经网（wǎng）络处理信息（xī）的功能，具有非（fēi）常（cháng）复杂的（de）数学（xué）基础。尽管它确实依赖于经验（无论是以前（qián）的数据、环境生成的还是自（zì）己生（shēng）成的），但（dàn）它并不是从确（què）定（dìng）什么是正（zhèng）确（què）的、什（shí）么是不正确的严格指示开始，因此系统可以自（zì）行确定结论。

认知智能

认（rèn）知智能（néng）是前面提到的技术的组（zǔ）合，旨在创建能（néng）够让人类（lèi）理解的人工（gōng）智（zhì）能服务（wù）。它是视觉（jiào）识别（bié）、声音、阅读（dú）理解、NLP 和机（jī）器学习的（de）结合，以创建能够理解与（yǔ）人类交（jiāo）互相关的信息并做出相应响（xiǎng）应的系（xì）统。

人工智能类别（bié）

对人工智能（néng）进行（háng）分类并不容易（yì），事实是，最佳做法是根据特定系（xì）统使用的算法（fǎ）对其进行分类。然（rán）而，一些专家试图根据他们的方法创（chuàng）建人工智能小组（zǔ）。

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

像人类一样思（sī）考的（de）系统

这些系统尝试使用人工神经网络模（mó）型从字面上（shàng）模拟人类思想。

像人类一（yī）样（yàng）行动的系统（tǒng）

这些系统（tǒng）专注（zhù）于（yú）充（chōng）当人类；它们更多地与经典机（jī）器人（rén）技术联系（xì）在一起，并且灵活性（xìng）较差。

理性思（sī）考的系统

这些系统试图在感知、推理和行动方面应用人类（lèi）逻（luó）辑。他们并不专注于模拟大脑（nǎo）的神经元行为（wéi），而是被训练在特（tè）定环境中以人（rén）类的（de）方式行事（shì）。这方面的（de）一个例子是专家代理。

理性行动的（de）系统（理想情况下（xià））

他们（men）试图以理性（xìng）的方式（shì）模仿人类行为，根据给定（dìng）的环境条（tiáo）件得出（chū）自己的结论。这些系统的不同（tóng）之处（chù）在于试图（tú）将理性应用（yòng）于他们（men）的决定（dìng）。

一种（zhǒng）更常见的（de）分类是将 2 个（gè）大（dà）组分开（kāi）：

弱（或（huò）狭隘）人工（gōng）智能

以其首字母缩略词ANI（狭（xiá）义人工智能（néng））而闻名，尽管该（gāi）名称可能看起（qǐ）来有些贬义，但（dàn）它涵盖了当今存在（zài）的所有人工智能。它是人（rén）工智能，致力于以最佳方（fāng）式（shì）解（jiě）决特定或一组问（wèn）题，但不（bú）可能在没有相关编程（chéng）的情（qíng）况（kuàng）下扩展到一般问题。即使是最先（xiān）进的虚（xū）拟助手也属于（yú）这（zhè）一类。

强（或通（tōng）用）人工智能

简称AGI（Artificial General Intelligence），它是能够在推（tuī）理（lǐ）和演绎能力上匹敌（dí）或超越人类智能（néng）的人工智能。今天它是（shì）一个只存在于科幻小说中的乌托邦，因为虽然机器（qì）在很多能力（包括某些（xiē）领域（yù）的视觉和听觉识别）方面已经超（chāo）越了人类，但它们没有（yǒu）真（zhēn）实的感受（shòu）、天生的认知能力、自我意识或能力（lì）。适应任何场景（jǐng）。