Artificial Intelligence（AI）

人工智能表明机器可以在以下方面模仿人类：

• 说
• 思考
• 学习
• 规划
• 理解

人工智能也被称为机器智能和计算机智能。

人工智能是一门科学学科，涵盖从狭义人工智能到强人工智能的多个数据科学领域，包括机器学习、深度学习、大数据和数据挖掘。

狭义人工智能

狭义人工智能仅限于狭义（特定）领域，就像我们今天周围的大多数 AI 一样：

• 电子邮件垃圾邮件过滤器
• 文字转语音
• 语音识别
• 自动驾驶汽车
• 电子支付
• 谷歌地图
• 文本自动更正
• 自动翻译
• 聊天机器人
• 社交媒体
• 人脸检测
• 视觉感知
• 搜索算法
• 机器人
• 自动化投资
• NLP - 自然语言处理
• 飞行无人机
• IBM's Dr. Watson
• Apple's Siri
• Microsoft's Cortana
• Amazon's Alexa
• Netflix's Recommendations

狭义人工智能也称为弱人工智能。弱人工智能：旨在模拟人类智能。

强人工智能：旨在复制人类智能。

强人工智能

强人工智能是模仿人类智能的人工智能类型。强大的人工智能意味着思考、计划、学习和交流的能力。强人工智能是理论上人工智能的下一个层次：真正的智能。强人工智能向具有自我意识、意识和客观思想的机器发展。

机器学习（ML）

机器学习是人工智能的一个子领域。学习机器模仿人类智能

传统编程使用已知算法从数据中产生结果：数据+算法=结果

机器学习根据数据和结果创建新算法：数据+结果=算法

神经网络（NN）

神经网络是一种编程技术，机器学习中使用的一种方法，一个从错误中学习的软件。

神经网络基于人脑的工作方式：

神经元相互发送信息。当神经元试图（一遍又一遍）解决问题时，它正在加强导致成功的联系并减少导致失败的联系。

感知器

感知器定义了进入神经网络的第一步。它表示只有一个输入层且没有隐藏层的单个神经元。

它表示只有一个输入层且没有隐藏层的单个神经元。

神经网络是多层感知器。

在最简单的形式中，神经网络由以下部分组成：

• 输入层（黄色）
• 隐藏层（蓝色）
• 输出层（红色）

第一层：在神经网络模型中，输入数据（黄色）在产生最终输出（红色）之前针对隐藏层（蓝色）进行处理。

第二层：黄色感知器根据输入做出简单的决定。每个决策都会发送到下一层的感知器。

深度神经网络

深度神经网络是一种编程技术，机器学习中使用的一种方法，一个从错误中学习的软件。

深度神经网络由神经网络的几个隐藏层组成，这些神经网络对海量数据执行复杂的操作。每个连续层都使用前一层作为输入。例如，光学阅读使用低层来识别边缘，使用较高层来识别字母。

在深度神经网络模型中，输入数据（黄色）针对隐藏层（蓝色）进行处理，并针对更多隐藏层（绿色）进行修改以产生最终输出（红色）。

第一层：黄色感知器根据输入做出简单的决定。每个决策都会发送到下一层的感知器。

第二层：蓝色感知器通过权衡第一层的结果来做出决定。该层在比第一层更抽象的层次上做出更复杂的决策。

第三层：更复杂的决定是由绿色感知器做出的。

深度学习（DL）

深度学习是机器学习的一个子集。深度学习是过去几年 AI 繁荣的原因。深度学习是一种高级 ML，可以处理图像识别等复杂任务。