文章目录
- 1. 科普入门
- 人工智能的定义
- 人工智能的类型 - 弱 AI 与强 AI
- 人工智能、深度学习与机器学习
- 人工智能的应用和使用场景
- 语音识别
- 计算机视觉
- 客户服务
- 建议引擎
- 数据分析
- 网络安全
- 行业应用
- 人工智能发展史
- 产业结构层级
- 系统架构
- 人工智能标准体系
- 2. 细分领域
1. 科普入门
入门参考资料：
- 【硬核科普】一次看懂人工智能
- 人工智能概述
- 机器学习入门指南
人工智能的定义
人工智能（Artificial intelligence，AI），简而言之，是指由人类制造的机器所展现出的智能行为。通常，这种智能通过常规计算机程序实现，使机器能够像人类一样思考、学习和解决问题。该领域的研究涵盖机器人技术、语音识别、图像识别、自然语言处理、专家系统等多个方面。
从学术角度看，人工智能致力于构建能够推理、学习并采取行动的计算系统——这些能力通常需要人类智力，或者涉及远超人类分析能力的数据规模。AI 是一个跨学科领域，融合了计算机科学、数据分析与统计、硬件与软件工程、语言学、神经学，甚至哲学和心理学。
落实到实际业务中，AI 是一系列基于机器学习和深度学习的技术，用于数据分析、预测、对象分类、自然语言处理、推荐系统、智能检索等。概括而言，人工智能利用计算机和机器，模拟人类思维中的问题解决与决策过程。
人工智能的类型 - 弱 AI 与强 AI
弱 AI，也称狭义 AI 或人工狭义智能 (ANI)，是指专门为特定任务训练的 AI。当前我们接触到的大多数 AI 都属于此类。“狭义”一词更为贴切——因为它并不“弱”，其支持的应用功能非常强大，例如 Apple Siri、Amazon Alexa、IBM Watson，以及自动驾驶汽车。
强 AI 则包括人工常规智能 (AGI) 和人工超级智能 (ASI)。AGI 是一种理论上的 AI 形态，机器拥有与人类同等的智能——具备自我意识，能解决问题、学习并规划未来。而 ASI，即超级智能，将超越人类大脑的智力和能力。强 AI 目前仍停留在理论阶段，尚无实际应用案例，但研究人员持续探索。至于 ASI 的最佳示例，大概只能在科幻小说中找到——比如《2001太空漫游》中的 HAL 电脑，或超人。
人工智能、深度学习与机器学习
许多人将“深度学习”与“机器学习”混为一谈，但二者存在细微差异。深度学习是机器学习的一个子领域，而机器学习又是 AI 的子领域。深度学习本质上由神经网络构成——其中的“深度”指的是神经网络超过三层（包含输入层和输出层），这样的网络即可视为深度学习算法。
深度学习和机器学习的主要区别在于学习方式。深度学习能够自动完成大部分特征提取，减少人工干预，同时处理更大的数据集。你可以将深度学习理解为“可扩展的机器学习”——正如 Lex Fridman 在麻省理工讲座中所说。而经典（非深度）机器学习则更依赖人工干预：专家需要确定特征的层次结构，以理解数据输入之间的差异，并且通常需要更结构化的数据来进行学习。
深度学习可以利用带标签的数据集（即监督学习）来训练算法，但并非必须使用带标签的数据。
