人工智能（AI）作为广义的术语可以定义为打算机科学领域，涉及使打算机能够像人类一样事情或实行常日须要人类智能的任务。

人工智能系统的目的一贯在发展。
在本部分中，我们将先容根据其核心目的进行分类的不同类型的人工智能系统。
我们还可以不雅观察到这些不同类型的AI系统如何标志着向构建更智能系统迈出的一步。

下图列出了不同类型的人工智能：

1. Reactive Machines AI是第一类AI t。
这些机器没有内存，也不该用履历信息。
在这些机器中，可以直接感知当前高下文并付诸行动。
这使得打算机在碰着任何情形时的行为都完备相同。
这样的好处是可靠和同等的结果。
示例：Deep Blue（IBM开拓的象棋游戏打算机，在象棋游戏中击败Kasparov赢得了比赛）。

2.另一方面，有限内存AI机器可以回顾过去并将其用作天下的预编程表示，并运用于当前数据集。
例如，在自动驾驶汽车中，有关车道标记，速率限定或道路方向，车辆确当前速率以及相对的相邻汽车速率的数据将由汽车何时应变动车道来决定。

3.心智理论AI机器是利用前辈技能的智能机器，这些技能与理解人类情绪有更多关系。
"生理理论"是一个生理学术语，指的是生物具有觉得和思想并决定其行为的事实。

4.自我感知AI机器：这些机器是对Theory of Mind AI的扩展，它们可以配置表示形式； 这意味着我们将拥有在特定环境下故意识和故意识的设备。
这也称为人类感知AI或人类互动AI。
这些机器上没有建立原型。

AI类型

对AI系统进行分类的另一种方法是基于手头问题的繁芜程度。
人工智能（ANI），人工智能（AGI）和人工智能（ASI）。

人工智能（ANI）是针对能力有限的给定要求办理问题。
在这种情形下，可以将智好手机中的Siri之类的功能视为一个示例。
这也称为弱AI，

另一方面，人工智能（AGI）被称为Strong-AI，是指具有人类能力的机器。
Pillo Robot是一个示例，个中机器人可以诊断疾病并可以服用药丸。

人工智能（ASI）是关于超越人类能力的机器。
Alpha 2机器人是对此的首次考试测验，个中机器人可以管理智能家居并在家中进行操作。
它可能是家庭成员。
本日，大多数现有的AI是ANI。
AGI和ASI处于发展阶段。

下图显示了位于中央的人工智能系统的核心功能和特性，以及支持实现这些功能的干系子领域。

人工智能的运用或子领域是：

1.自然措辞处理

2.机器人技能

3.机器学习和深度学习

4.专家系统

5.语音或语音识别

6.智能自动化与

7.打算机视觉

这些子字段中的每一个都是相互关联的，并且任何实际运用中常日都包含一个或多个子字段。
不才一部分中，我们将在深入研究Computer Vision之前，通过适用的实际示例和干系技能工具，对每个子领域进行简要定义。

自然措辞处理

自然措辞处理，也称为NLP，是指打算机科学的专业领域，用于剖析和从自然措辞或人类措辞中获取有用或故意义的信息。
在较高的级别上，这须要采取正式的技能，例如令牌化，针对特定业务案例的高下文中的关系提取，单词分类和句子检测。
对付措辞而言，指代措辞遵照的基本规则的语法以及指代其含义的语义都起着重要的浸染。
文本的目的可能是模棱两可的，并且会随高下文而变革，这带来了繁芜性。
例如，"饱和度"一词在人类行为的背景下与颜色一起利用时可能意味着不同。

下图显示了NLP当前运用的关键领域。

NLP被广泛用于办理各种问题。
简要的运用列表是； 搜索是指在更大的内容高下文中标识文本的特定元素。
机器翻译，是指将文本从一种自然措辞翻译成另一种自然措辞，汇总在文档，博客等更本色性内容中描述的文本。
命名实体识别（NER）可以从文本中提取位置，职员和事物的名称， 关于基于文本的内容和高下文对文本进行分类的信息分组。
情绪剖析常日用于感知并供应有关产品在市场上的表现的自动化帮助或反馈，例如书本，电影等。
回答用于药品或做事的查询或支持； 例如，谈天机器人和语音识别功能可帮助您通过与人的对话自动剖析和理解高下文。

下面列出了一些基本的NLP技能及其示例：

机器人技能

机器人技能是一门打算机科学学科，涉及物理机器人或旨在实行常日由人类完成的任务的机器的设计，编程，工程和开拓。

采取机器人技能最初的目标是对人类有害的事情，例如焊接，铆接，采矿，清理有毒废物或化解炸弹等，或那些须要高精度或对人为缺点具有较低容忍度的事情，例如医学领域的长期手术 。

关于机器人权利：可以奴役机器人吗？ | 数据驱动的投资者人们是否可以按自己喜好的办法对待机器人？ 一个人会对其机器人"暴力"吗？ 机器人该当…

只管机器人已经存在并发展了几十年，但直到现在，在日常活动中对机器人的利用仍在增加。
随着物联网和大数据的到来，大量流数据点和剖析的同化已不是寻衅。
例如，如果我们看一看自动驾驶汽车上的大略传感器[LJ1]，它每毫秒或每秒处理成千上万个数据点，以评估汽车的移动是否安全并对准了规定的目标目的地 韶光。

机器学习

机器学习是将智能构建到机器中的一种方法，该机器将能够随着韶光的推移而学习，并利用自身的履历做得更好。
它涉及一种模式搜索机制，该机制全是从更多信息或环境中过滤干系细节。

以这种办法布局的机器学习算法可处理建筑智能。
学习算法的目标因此最大程度准确和精确的规则形式产生结果。

下图描述了机器学习的各个子领域。

监督式学习正在按预期的期望进行，这意味着须要从数据等分析哪些内容已定义。
在没有明确目标或特定问题须要办理的情形下，该学习称为无监督学习。
在这种情形下，目标是首先解密数据中的构造并识别潜在的输出属性。
举个例子，演习一只宠物幼崽在每次他遵照指示时都会褒奖他，效果很好。
他很快想出什么行为可以帮助他得到褒奖。
专注于从结果中得到最大回报的学习方法称为强化学习。

深度学习是机器学习的一个领域，致力于通过人工智能将机器学习统一起来。
对付面部检测哀求，一种深入的学习算法可以记录或学习诸如鼻子的长度，眼睛之间的间隔，眼球的颜色等特色。
该数据用于办理分类或预测问题，与传统的浅层学习算法有很大不同。
在第2章中，我们将先容打算机视觉中利用的一些特定的深度学习方法。

专家系统

专家系统也被称为ES，是与斯坦福大学最早干系的AI最主要的研究领域之一。
这些系统紧张以示例性的人类智能或专业知识为重点，致力于办理特定领域中的繁芜问题。
专家系统具有快速相应，可靠，准确和高性能的特点。
只管在决策方面他们不能替代人，但它们被用为难刁难人的建议。
他们可以帮助诊断，阐明，预测，论证或推理。
任何专家系统都包括三个核心组件，知识库，推理引擎和用户界面。

专家系统在很多领域都得到广泛利用，例如，敲诈检测，金融领域可疑交易和股票市场交易的识别，重大疾病诊断以及医疗领域疾病根源的推断以及预测潜在行为的一些示例 通过根据早期监视报告中得出的模式监视系统确当前状态来对系统进行监视。

语音和语音识别

语音识别技能使打算机能够识别口语单词，然后将其转换为文本进行剖析。
处理过程中的自然进展包括在提取的文本上运用NLP技能。
语音识别是语音识别的子集，其目标之一是基于语音识别一个人。
如今，许多电子产品（如手机，电视，电子产品）都支持语音识别，该语音识别可基于大略指令进行智能和自动操作。
苹果，谷歌和亚马逊等技能巨子供应了Siri，Alexa和Google Assistant等高等做事，这些做事正在冲破简化生活和日常活动的障碍。

智能过程自动化

自动化已经从运行重复性的，平凡的任务演化为处理繁芜的案例并优化了人类实行任务的整体办法。
机器人流程自动化（RPA）是一项技能运用，许可用户配置"软件机器人"（BOT）来捕获和解释现有运用，以处理交易，处理数据，触发相应以及与其他数字系统进行通信。
有效的办法和规模以进行更大量的事情，并根据须要提出哀求。

与NLP（自然措辞处理），机器学习，打算机视觉和其他子领域结合利用时，智能过程自动化（IPA）具有针对RPA的更多认知功能。
下图描述了构成智能自动化系统的所有组件。

打算机视觉

打算机视觉，也称为视觉，是打算机科学领域的一个新前沿领域，常日涉及使打算机，设备或机器能够查看，理解，阐明或操纵所看到的内容。

打算机视觉技能实现了深度学习技能，并且在少数情形下，还采取自然措辞处理技能作为剖析图像中提取的文本的自然步骤。
随着深度学习的所有进步，诸如图像分类，工具检测，跟踪和图像处理之类的建筑功能变得更加直接和准确，从而引领了探索更繁芜的自动驾驶运用程序的办法，例如无人驾驶汽车，人形机器人或无人机。
通过深度学习，我们现在可以操纵图像，例如，将汤姆·克鲁斯（Tom Cruise）的特色叠加到另一张面孔上。
或将图片转换为素描模式或水彩绘画模式。
我们可以肃清照片的背景噪点，乃至可以用大多数手抖的物体突出焦点。
可以单击稳定的图片。
我们可以估计物体的紧密度，构造和形状，也可以确定表面的纹理。
利用不同的光芒或相机曝光，我们可以识别物体并识别我们之前见过的物体。

有关更多详细信息，请获取#apress出版的我的书的副本：

利用OpenCV学习打算机视觉利用带有Python的OpenCV库构建打算机视觉的实际运用程序。
本书谈论了不同的……

其余，在这里引用我以前所有的"简化"博客系列：

简化了深度学习，简化了集成学习，并且简化了强化学习。

其余，订阅我的网站sunilagollapudi.com。

(本文翻译自Sunila Gollapudi的文章《Artificial Intelligence Simplified》，参考：https://medium.com/datadriveninvestor/artificial-intelligence-simplified-838de55441de)