人工智能（AI）的基本概念

根据人工智能之父约翰·麦卡锡的说法，它是制造智能机器，尤其是智能计算机程序的科学与工程。

人工智能是一种让计算机、计算机控制的机器人或软件能够智能思考的方式，类似于智能人类的思维方式。人工智能的实现方式是通过研究人脑如何思考、学习、决策和解决问题，然后以此研究成果为基础，开发智能软件和系统。

在利用计算机系统的力量和人类的好奇心时，他开始思考：机器能否像人类一样思考和行为？

因此，人工智能的发展始于在机器中创造我们认为人类高度智能的目标。

学习人工智能的必要性

众所周知，人工智能致力于创造与人类同等智能的机器。我们研究人工智能有许多理由。原因如下 −

人工智能可以通过数据学习

在我们的日常生活中，我们处理的是海量数据，而人脑无法跟踪如此大量的数据。这就是为什么我们需要自动化这些事情。为了实现自动化，我们需要研究人工智能，因为它能从数据中学习，并且能够准确且不疲劳地完成重复性任务。

人工智能可以自我学习

系统必须自我学习，因为数据本身会不断变化，从这些数据中得出的知识必须不断更新。我们可以利用人工智能实现这一目标，因为人工智能驱动的系统能够自我学习。

人工智能可以实时响应

借助神经网络的人工智能可以更深入地分析数据。凭借这一能力，人工智能能够实时根据条件思考和响应各种情境。

人工智能实现准确性

借助深度神经网络，人工智能可以实现极高的精度。人工智能在医学领域帮助通过患者的MRI诊断癌症等疾病。

人工智能可以组织数据以最大化利用

这些数据是使用自学习算法系统的知识产权。我们需要人工智能以始终提供最佳结果的方式索引和组织数据。

理解智能

有了人工智能，智能系统可以被构建。我们需要理解智能的概念，这样我们的大脑才能构建另一个与自己类似的智能系统。

什么是智能？

系统能够计算、推理、感知关系和类比、从经验中学习、存储和检索记忆信息、解决问题、理解复杂思想、流利使用自然语言、分类、泛化和适应新情境的能力。

智能类型

正如美国发展心理学家霍华德·加德纳所描述，智力有多重——

你可以说一台机器或系统是人工智能的，因为它至少拥有一个或全部智能。

智力由哪些组成？

这种智慧是无形的。它由 − 组成

• 推理
• 学习
• 问题解决
• 认知
• 语言智力

让我们简要介绍所有成分——

推理

它是一套流程，使我们能够为判断、决策和预测提供基础。大致上有两种类型——

学习

学习能力由人类、特定动物物种以及人工智能驱动的系统所拥有。学习分为以下类别 −

听觉学习

它就是通过倾听和聆听来学习。例如，学生们听录制的音频讲座。

情节式学习

通过记忆自己目睹或经历过的事件序列来学习。这是线性且有序的。

运动学习

它通过精准的肌肉运动来学习。比如，挑选物品、写作等等。

观察式学习

通过观察和模仿他人来学习。例如，孩子试图通过模仿父母来学习。

感知学习

它就是学会识别自己以前见过的刺激。例如，识别和分类物体和情境。

关系学习

它涉及学习基于关系性质而非绝对性质来区分各种刺激。例如，在烹饪土豆时稍微少加盐，而上次煮时则是咸的，比如加一汤匙盐。

• 空间学习——它通过视觉刺激学习，如图像、颜色、地图等。例如，一个人可以在实际走这条路之前，先在脑海中制定路线图。

• 刺激-反应学习—— 它是在出现特定刺激时学会执行某种行为。例如，一只狗在听到门铃时抬起耳朵。

问题解决

它是通过采取某条路径，试图从当前情境中感知并试图达成期望解决方案的过程，而这条路径被已知或未知的障碍阻碍。

问题解决还包括决策，即从多个选项中选择最合适的方案以实现期望目标的过程。

认知

它是获取、解读、选择和组织感官信息的过程。

感知假定感知。在人类中，感知受到感官器官的辅助。在人工智能领域，感知机制将传感器收集的数据以有意义的方式整合在一起。

语言智力

它是一个人使用、理解、说话和书写口头和书面语言的能力。它在人际交流中非常重要。

人工智能涉及的内容

人工智能是一个庞大的研究领域。这一学科有助于解决现实世界的问题。

现在让我们看看人工智能中不同的研究领域——

机器学习

它是人工智能中最受欢迎的领域之一。该项目的基本理念是通过数据进行机器学习，因为人类可以从自身经验中学习。它包含学习模型，基于这些模型可以对未知数据进行预测。

逻辑

这是另一个重要的学科领域，数学逻辑用于执行计算机程序。它包含用于执行模式匹配、语义分析等的规则和事实。

搜寻

这个学科基本上用于国际象棋、井字棋等游戏。搜索算法在搜索整个搜索空间后给出最优解。

人工神经网络

这是一个高效计算系统网络，其核心主题借鉴了生物神经网络的类比。人工神经网络可以应用于机器人、语音识别、语音处理等领域。

遗传算法

遗传算法借助多个程序帮助解决问题。结果将基于选择最适者。

知识表示

这是研究领域，借助它，我们能够以机器能理解的方式呈现事实。知识的表现越高效;系统越智能。

人工智能的应用

在本节中，我们将了解人工智能支持的不同领域——

游戏

人工智能在国际象棋、扑克、井字棋等战略游戏中扮演着关键角色，机器可以基于启发式知识思考大量可能的局面。

自然语言处理

可以与能够理解人类自然语言的计算机互动。

专家系统

有些应用集成了机器、软件和特殊信息，以传授推理和建议。他们为用户提供解释和建议。

视觉系统

这些系统能够理解、解读并理解计算机上的视觉输入。例如，

• 侦察飞机会拍摄照片，这些照片用于确定空间信息或绘制区域地图。

• 医生使用临床专家系统来诊断患者。

• 警方使用能够识别犯罪分子面部的计算机软件，这些软件可通过法医艺术家制作的肖像来识别。

语音识别

有些智能系统能够在人类与语言对话时，通过句子和其含义来听取和理解语言。它能处理不同的口音、俚语、背景噪音、因寒冷引起的人类噪音变化等。

手写识别

手写识别软件读取用笔或用触控笔在屏幕上书写的文字。它可以识别字母的形状，并将其转换为可编辑的文本。

智能机器人

机器人能够完成人类交付的任务。它们配备了传感器，用于检测来自现实世界的物理数据，如光线、热量、温度、运动、声音、颠簸和压力。它们拥有高效的处理器、多个传感器和巨大的内存，展现出智能。此外，他们能够从错误中学习，并适应新的环境。

认知建模：模拟人类思维过程

认知建模基本上是计算机科学中的一个研究领域，研究并模拟人类的思维过程。人工智能的主要任务是让机器像人类一样思考。人类思维过程中最重要的特征是解决问题的能力。这就是为什么认知建模更多地试图理解人类如何解决问题。之后，该模型可用于机器学习、机器人技术、自然语言处理等多种人工智能应用。以下是人脑不同思维层次的示意图——

代理与环境

在本节中，我们将重点介绍智能体和环境，以及它们如何帮助人工智能。

代理人

智能体是指任何能够通过传感器感知环境，并通过效应器对环境采取行动的存在。

• 人体代理具有与传感器平行的感觉器官，如眼睛、耳朵、鼻子、舌头和皮肤，以及用于执行器的其他器官，如手、腿、嘴。

• 机器人代理取代了传感器的摄像头和红外测距仪，以及效应器的各种电机和执行器。

• 软件代理将位字符串编码为其程序和操作。

环境

有些程序在完全人工的环境中运行，只限于键盘输入、数据库、计算机文件系统和屏幕上的字符输出。
相反，一些软件代理（软件机器人或软机器人）存在于丰富、无限的软机器人域中。模拟器有一个非常详细、复杂的环境。软件代理需要从一长串实时操作中进行选择。设计了一个softbot来扫描用户的在线偏好，并向用户显示感兴趣的项目，无论是在真实环境还是在人工环境中工作。