什么是人工智能？

AI 是计算机系统的功能，用于模拟类似于人的认知功能（如学习和解决问题）。

人工智能 (AI) 的工作原理是什么？

计算机系统使用数学和逻辑来模拟人类用于学习新信息并进行决策的推理过程。

人工智能计算机系统根据现有数据中的模式进行预测或执行操作，然后可以从其错误中学习以提高准确性。成熟的 AI 能够以极快的速度准确处理新信息，这使得其对于复杂的场景（例如无人驾驶汽车、图像识别程序和虚拟助理）非常有用。

AI 与机器学习的关系

机器学习被认为是 AI 的子集。机器学习专注于训练机器，以便像人类一样分析和学习数据。因此，机器学习是一种帮助开发 AI 系统的技术。

什么是机器学习

AI 与认知 API 的关系

API（应用程序编程接口）将应用程序连接到其他系统、服务或应用程序。使用认知 API 时，你是在请求访问特定于域的智能模型库。

详细了解 Azure AI 服务

AI 与数据科学的关系

AI 和数据科学都涉及收集、分析和收集大型数据集，但它们的目标不同。AI 的侧重点在于计算机根据数据制定决策的方式。而对于数据科学，其侧重点则在于如何使用数学、统计学和机器学习从数据中提取见解。

AI 与机器人的关系

机器人通常既有物理形态，也有对其进行控制的软件。由 AI 软件控制的机器人可以自主移动，不需要人类的直接指令。但并非所有机器人都由 AI 控制，而且并非所有 AI 都需要物理形态。

人工智能的类型

狭义人工智能（狭义 AI）

狭义人工智能（有时称为“弱 AI”）是指计算机系统比人类更好地胜任狭义任务的能力。

狭义 AI 是迄今为止人类已经达到的最高 AI 发展水平，你在现实世界中所见的每种 AI 示例都属于这一类别，包括自动驾驶车辆和个人数字助手。这是因为，即使看起来 AI 是在实时思考，实际上却是在预先确定的框架内协调几个狭窄的流程并作出决策。AI 的“思维”并不涉及意识或情感。
通用人工智能（通用 AI）

通用人工智能（有时称为“强 AI”或“人类水平的 AI”）是指计算机系统在任何智力任务中优于人类的能力。这是你在电影中看到的 AI 类型，这些机器人具有思维意识并可根据自己的动机采取行动。

理论上，已实现通用 AI 的计算机系统能够解决非常复杂的问题，在不确定的情况下运用判断，并将先验知识纳入到当前的推理中。其创造力和想象力与人类不相上下，并且可以承担的任务也比狭义 AI 更广泛。
超级人工智能 (ASI)

已实现超级人工智能的计算机系统所拥有的能力几乎可在所有领域都胜过人类，包括科学创造力、常规知识和社交技能。

机器学习

机器学习是计算机系统实现人工智能所遵循的过程。它使用算法来识别数据中的模式，然后使用这些模式创建一个可以进行预测的数据模型。

机器学习模型根据数据子集进行训练。当用于训练模型的数据准确地表示要分析的完整数据集时，该算法会计算出更准确的结果。如果机器学习模型经过足够优质的训练，可以足够快速准确地执行任务，而变得有用和值得信赖，该模型就实现了狭义 AI。
深度学习

深度学习是机器学习的一种高级类型，可使用受大脑结构启发的算法网络（称为神经网络）。深度神经网络具有嵌套的神经节点，该神经网络回答的每个问题都会引出一组相关问题。

深度学习通常需要大型数据集来进行训练；深度学习的训练集有时由数百万个数据点组成。使用这些大型数据集对深度神经网络进行训练后，该神经网络可以处理的歧义情况就比浅层网络更多。这使得其对图像识别等应用情况非常有用，因为在这些情况下，AI 需要先确定形状的边缘，然后才能识别图像中的内容。深度学习也是训练 AI 在复杂游戏（如国际象棋）中超越人类技能的手段。

人工智能的示例

世界各地的企业都已在各种各样的应用程序中使用 AI，而且智能技术是一个不断发展的领域。下面是当今应用 AI 的一些示例：

无人驾驶汽车机器人和数字助手推荐引擎垃圾邮件筛选器智能家庭技术健康数据分析

无人驾驶汽车

世界上最复杂的 AI 的一些示例当属无人驾驶汽车和其他自动驾驶车辆。这些系统协调多种进程来模拟人类驾驶员使用的推理方式。它们使用图像识别来识别标志、信号、交通流量和障碍物。它们会优化到达目的地的路线。此外，还实时发送和接收数据，以主动诊断问题并更新软件。

机器人和数字助手

对话是人们进行沟通的一种自然方式，随着 AI 技术的进步，对话界面变得越来越普遍。一些界面的用途非常有限；用户将其用于一项任务，例如订电影票或将 Twitter 推文串编译成一个故事。其他界面的行为更类似于个人助手，可帮助你完成各种各样的任务。不过，所有会话界面都使用自然语言理解 (NLU) 来解释请求（也称为言语），并使用相关信息进行回复。