人（rén）工（gōng）智（zhì）能（néng）技术

有许多涉（shè）及人工智（zhì）能的技术和学科，它们都有自（zì）己的数学和工程研究分支。让我们（men）来看看最相关的技术，从识别系统到机（jī）器学习系（xì）统。

自（zì）动语音识别

自动语音识别是属于声学的一门学科，用于（yú）识（shí）别语（yǔ）音信号中的（de）音（yīn）素。语音识别系（xì）统（tǒng）处（chù）理麦（mài）克风收集的信号以识别用户发音的单词。

自（zì）然语言（yán）处理 NLP

语音识别专注于纯粹的语音到（dào）文本的转换，而（ér）自然语言处理NLP是（shì）一门与语（yǔ）言学领域联系更紧密的学科，其目标是理（lǐ）解用户（hù）在发出某个命令（lìng）、问题或（huò）陈述时的意（yì）思（无论（lùn）是书面（miàn）的还是口头（tóu）的）以及他期望实现的目标。此（cǐ）外，它还（hái）分析情绪以找到（dào）主观模式。简而言之，它是帮助机器与人之间进行交流（主要是声音和文字（zì））的领域。

人（rén）工智（zhì）能中的视觉和语（yǔ）音识别

视觉识别

视觉识别是基于处（chù）理图像或（huò）视频信号的学科，其目的是识（shí）别图（tú）案、形状，并（bìng）在最佳（jiā）情况下准确识别图像中的不同元（yuán）素。

文字识别

文本识别（bié）可以被认为（wéi）是（shì）视（shì）觉（jiào）识（shí）别的一部分，因为它的主要目标是（shì）识（shí）别和识别（bié）图像格（gé）式（shì）的文本。此项（xiàng）工作通常（cháng）使用OCR（光学字符（fú）识别）工具（jù）。

大数据

在不涉及技（jì）术细节（jiē）的情况下，大数（shù）据可以被视为大（dà）量数据（jù）。大数据本身并不是一项技术（shù），但拥有大（dà）量可用（yòng）数据（jù）（最好是结构化数据）对于实现商业（yè）智（zhì）能分（fèn）析和某（mǒu）些（xiē）机（jī）器学（xué）习（xí）算法（fǎ）的应用目标至关（guān）重要（yào）。

专（zhuān）家系统

专家系（xì）统（tǒng）是那些包含（hán）有（yǒu）关特定（dìng）主题的所有（yǒu）可（kě）能的人类（lèi）知（zhī）识的系统（tǒng）。一个典型的例子是下国际象棋的系（xì）统，它使（shǐ）用一整套动作和策（cè）略（luè），这些动作和策略已经输入（rù）到他（tā）们的记忆中，以确定最佳（jiā）动（dòng）作（通常基于决策树）。

机器人（rén）

机器人技术（shù）（机械或机（jī）器人软件，例如（rú） RPA）涵盖范（fàn）围（wéi）广泛（fàn）的设备。每当系统（tǒng）或机器人显（xiǎn）示出智能的迹象时，例如，能够（gòu）做出决策，无（wú）论它们（men）可能多么（me）基本，我们都（dōu）可以谈论人工智（zhì）能。请记住（zhù），人工智能不必（bì）特别复杂，它存在于各（gè）个层面，甚至（zhì）是最基本的层（céng）面（miàn），并且必须与从机器学习的能（néng）力区分（fèn）开来；也就（jiù）是机（jī）器学习。

机（jī）器学习

机（jī）器学习是人工智能中的（de）一门学科，它试图让系统以人的方式（shì）学习和关联信息。为此（cǐ），它使（shǐ）用能够检（jiǎn）测先前数据中的（de）模式、能够创建未来预测（cè）以及深度学习及其神经网（wǎng）络算法等新（xīn）趋势的算法（fǎ）。

机器学习算（suàn）法

深度学习

深度学习（xí）是（shì）机器学（xué）习的一个分支学科。它是一个学习（xí）系（xì）统，其灵（líng）感来自（zì）人脑神经网络处理信（xìn）息（xī）的功能，具有非常复杂（zá）的（de）数学基础。尽管它确实（shí）依赖于经（jīng）验（无（wú）论是以前的数据、环境生成的还是自己生（shēng）成的），但它并不是从确定什（shí）么是正确的、什（shí）么是不正确的严格指示开始，因（yīn）此系（xì）统可（kě）以自行确定结论。

认知智能

认知智能（néng）是前面提到的技术的组合，旨（zhǐ）在创（chuàng）建能够让（ràng）人类（lèi）理解（jiě）的（de）人工智（zhì）能服务。它是视觉识别、声音、阅读理解、NLP 和机器学习的结合，以创建能够理解与（yǔ）人类交互相关的（de）信息并做出相（xiàng）应响应（yīng）的系统。

人（rén）工智能类别

对人工智（zhì）能进（jìn）行（háng）分类并不容易（yì），事实是，最（zuì）佳做法是根据特定系（xì）统使用的（de）算法对（duì）其（qí）进行分类。然而，一些专家试图根据他们（men）的方法创（chuàng）建人工智能小（xiǎo）组。

根据计算机科学家（jiā）Stuart Russell和Peter Norvig 的（de）说法，人工（gōng）智能可以分为以下几（jǐ）类：

像（xiàng）人（rén）类一样思考的系统

这些系统尝试使用人工神经网络模型从（cóng）字面上模（mó）拟人类思想。

像人类一样行动的系统

这些系统专注于充当人（rén）类；它们更（gèng）多地与经典机器人技术联系在一起，并且灵活性较差。

理性思（sī）考的系统

这些（xiē）系统试图在感（gǎn）知、推理和（hé）行（háng）动方面应（yīng）用（yòng）人（rén）类逻（luó）辑。他们并（bìng）不专注于（yú）模拟大脑的神经元行为，而是被训练在特定环境中以人类的方式行（háng）事。这（zhè）方面（miàn）的一（yī）个例子是专家代理（lǐ）。

理（lǐ）性行动的系统（理想情况下）

他们试图（tú）以（yǐ）理性（xìng）的方式（shì）模（mó）仿人类行为，根据给定的环境（jìng）条件（jiàn）得（dé）出自己的结论。这（zhè）些系（xì）统（tǒng）的不同之处在于试图将理（lǐ）性应用于他们（men）的决定（dìng）。

一种更常见的分类（lèi）是将（jiāng） 2 个大组分开：

弱（或（huò）狭隘）人工智（zhì）能（néng）

以其首字母缩略词（cí）ANI（狭（xiá）义人工智（zhì）能）而闻名，尽管该名称可能看起来有（yǒu）些贬义，但它涵盖了当今存在的所有（yǒu）人工智能。它是人工智能（néng），致力于以最佳方式解（jiě）决特（tè）定或（huò）一（yī）组问题，但不可能（néng）在没有相关（guān）编程的（de）情（qíng）况下扩展（zhǎn）到一般问题。即使是最（zuì）先进（jìn）的虚拟助手也属于这一类。

强（或通用）人工智（zhì）能

简称AGI（Artificial General Intelligence），它（tā）是能够在推理和演绎能力上（shàng）匹敌或超越人（rén）类智能的人工智能。今天（tiān）它（tā）是一个只存在于科幻小说（shuō）中的乌托邦，因为虽然机器在很多能（néng）力（包括某些领域的（de）视觉和听觉识别）方面已经超（chāo）越（yuè）了人类，但它们没有真实（shí）的（de）感（gǎn）受、天生的认知能力、自我意识或能力（lì）。适应（yīng）任（rèn）何场景。