A 人工智能(Artificial Intelligence)
从打算机技能发展的早期开始，科学家们就一贯致力于创造在思考、推理和学习能力方面能够与人类相媲美的机器，即人工智能。
虽然本日的人工智能系统仍未实现这一目标，但他们在某些特界说务中的表现已经做到和人一样好，乃至比人类更精良。新技能让机器能够利用海量的数据进行学习，使得 AI 已经迈出了长足的一步。
AI 逐渐走出研究实验室，进入现实天下，对我们的生活产生深远影响。毫无疑问，我们正在进入人工智能时期。
B 偏见(Bias)
当 AI 在现实中评估贷款申请、发布法庭讯断或医院初诊阶段分类患者时，其最根本的毛病也暴露了出来，那便是偏见。
算法中的代码写得是什么水平、用的数据是什么水平，算法给出的结果便是什么水平。每个算法都可能带着编辑者先入为主的印记：比如说面部识别软件存在的问题是，它可能会对黑人进行缺点分类，或是无法识别女性;犯罪特色剖析算法则随意马虎将非白人列为高风险人群;而招聘工具对女性的评分普遍会低于男性。
这些技能难点已经给科技巨子公司们带来了越来越大的压力，它们亟需得到办理。
C 对话机器人(Chatbots)
这些对话机器人利用人工智能的两个分支(自然措辞处理和自然措辞天生)来与人类用户互换。它们涌如今社交媒体信息流、客户做事页面和网站上，供应对话、建媾和陪伴，它们正在改变我们与社会组织的互动办法，这些组织包括公用奇迹公司、成人网站、披萨递送公司、在线商店、银行乃至政府等。
D 设计(Design)
为汽车或飞机设计新部件是一个缓慢而艰巨的过程，但是人工智能可以在短短几个小时内设计出数以百万计的新形状和配件。在上述视频可以看出，只需一些大略的指令，算法就可以高效设计出新的无人机模型。像通用汽车(General Motors)和空中客车(Airbus)之类的公司都在利用人工智能(AI)来帮助它们设计新的组件。
E 紧急情形(Emergencies)
如今天下正面临有史以来最严重的人性主义危急：估量有6850万人因干旱、饥荒或战役而流落失落所。
但大概人工智能能供应些许帮助。一些正在与联合国互助的研究职员，正致力于构建一种算法，它能够利用能源生产、经济增长、人口规模和粮食生产的数据预测可能发生的移民危急。
其他机构，如英国的艾伦·图灵研究所(Alan Turing Institute)和美国的政治维稳事情队(Political instability Task Force)，一贯致力于研发一款能够预测冲突发生地的人工智能。它将利用统计数据、军事报告，并剖析新闻宣布以探求紧张场合排场上升的迹象，这款机器可以估测出混乱地区暴力升级的可能性。
F 足球(Football)
足球比赛的结果可以取决于一个运动员瞬间的关键选择。例如，如果当思运动员选择传球而不是射门，那么会对他们球队的形势产生巨大的影响。
研究职员与英超最大的俱乐部之统统尔西足球俱乐部互助，正在利用人工智能来帮助剖析这些球员的关键决定，以预测如果他们做了不同的事情会发生什么。他们希望这能帮助球队学习如何在比赛中做出更好的决定，乃至赢得更多的比赛。
G 天生性对抗网络(Gan)
现实中这样一些人并不存在。他们可能看起来具有名人的特色，但事实上，这些面孔是被一种叫做「天生式对抗性网络」的人工智能打算机系统想象出来的。
顾名思义，这个「天生式对抗性网络」系统是由相互对立的算法组成的。以一个名人照片为例，第一个算法卖力演习数据天生一张自己版本的照片，随后第二个算法会对第一种算法的成果进行检测，判断第一种算法天生的照片与原图之间的差异;于是，作为回应，第一个算法的网络就调度了制作照片的办法，试图骗过第二个算法的网络——结果是，这次打算天生的图片比最开始天生的图片要更加逼真了。
只管早期它的人脸天生的图像是低分辨率的混乱图像，且常常产生一些诸如有多双眼睛或者具有融化效果的面部图像，但随着韶光的推移，现在它们终于能天生出高质量的逼真图像了。
H 幻觉(Hallucinations)
虽然近年来这些 AI 的性能有了质飞跃，但它们仍旧会以一些很逗的办法出错。以 AI 俄罗斯方块游戏机器人为例，它认为避免输掉游戏的最佳方法居然是永久停息游戏!
有时候这些 AI 的判断乃至会让人以为啼笑皆非又摸不着头脑。麻省理工学院的科学家最近证明，用于在图像和摄影机镜头中识别物体的盛行机器视觉算法，可能会将海龟的模型认成步枪;或将棒球认成浓缩咖啡——由于它们是通过奇妙地改变物体的纹理来达到识别目的的，因此我们眼中的某样物品在机器眼中，很有可能就像其余一些风马牛不干系的物品。
主导这项研究的研究员阿尼什·阿塔利警告说：「人们担心，如果现实天下的系统——例如自动驾驶汽车的机器视觉——遭到这种'幻觉式'系统攻击，那还真的是会威胁到人们的生命安全。」
I 想象(Imagination)
随着机器学习的利用越来越频繁，有一点可以肯定的是，机器看待天下的办法与我们截然不同。虽然人类从出生起就带有强大的学习能力，对自然界的运转规律了然于心，但机器可做不到自学成才，它们须要经由特殊的演习才能节制这些知识。但除开这些条条框框，它们也产生了一些野性的景象，这些景象有助于引发艺术家、音乐家和电影制作人的灵感。
机器视觉研究员和艺术家海伦娜·萨林把自己的画导入到一个天生性对抗网络中(拜会G部分)，结果天生了如上图所示的这些奇妙俏丽的图像。
J 拥堵(Jams)
在拥堵的道路和繁忙的城市里，交通流量的起伏总是很难预知的。由于它会随着各种繁芜的成分而产生变革，比如：人为成分、道路状况、韶光流逝、景象状况和突发事件等。
但是，通过利用AI快速剖析大量的信息，将有望通过掌握交通信号、预测事件和潜在拥堵，来促进交通变得更加顺畅。
K 编织(Knitting)
通过利用现有模式进行进一步演习，人工智能可以进一步用于创造新的时装和纺织品设计。SkyKnit，这个充满想象力的名字，是人工智能在时装设计领域中的一个实验的名称。该实验创造了一种奇特的散布着触角的针织图案，这种体例针法所具有的独特魅力在一些爱好者的小圈子中非常受欢迎。
L 措辞(Language)
我们作为人类所拥有的最引以为豪的能力，是能用口头或者书面措辞来进行互换。而现在的算法正在以自己理解和再现措辞的机器学习能力，威胁着我们互换能力所处的独一无二的地位。
自然措辞天生算法现在可以将大量的体育统计或金融数据转换成简洁的新闻故事。它们正在被用来制作营销拷贝。有些受过演习的算法乃至可以自己编写童话故事，还能模拟莎士比亚，乃至作诗。不过在大多数情形下，它们创作出来的文本都是胡说八道，但在其他情形下，这本身已经成为了一种奇怪的艺术形式。
更逗的是，当这种措辞天生系统相互对话时的场景——比如，在Facebook上，有两个协商机器人在谈天，它们居然能用自己自创的奇怪措辞聊下去!
M 机器学习(Machine Learning)
虽然存在开拓人工智能的其他方法，但机器学习在很大程度上推动了该领域最近的飞跃和超过。设计者让它能粗略地模拟人类通过学习网络知识的办法。不过，虽然人类只须要很少的范例就能获取模式或技能，但机器想要达到同样的成果却须要大量的数据。
代码网络吸收到大量的信息反馈后，这些代码在网络的不同部分之间形成连接，从而实现了某种识别模式，并由此得到了诠释未来数据的能力。
N 神经网络(Neural Networks)
为了创造能像人一样思考的机器，打算机科学家们转向自然界来办理这个问题，创造了模拟大脑构造的算法，这是可以理解的。为了做到这一点，他们正在创建算法网络，这些算法被设计为像大脑中的神经元一样事情。当机器学习时，这些数学神经元之间的连接变形成集群。
O 准则(Oracle)
虽然创造人类眼睛可能无法看到的模式是机器善于的领域，但人工智能中一些最令人愉快的领域也在于它们预测未来的能力。
全天下的年夜夫都在越来越多的利用AI软件来检测癌症或眼部疾病的早期症状，但是最新研究成果表明，人工智能还能在一个人涌现任何病兆之前的好几年，就预测到他是否会患上像阿尔茨海默病这样的疾病。
P 警力(Policing)
天下各地的警察正在测试人工智能系统，以帮助他们更快地抓获更多的罪犯。例如，在英国，一支部队正在试验一种面部识别系统，该系统仅须要嫌疑人面部的一部分(如耳朵)，就能识别出嫌疑人。另一个在西班牙开拓的系统，则是通过搜索犯罪现场的照片，探求可以链接犯罪的证据。
人工智能系统还被用于帮助警察和法院作出决定，通过预测犯罪嫌疑人犯其他罪过的风险，决定是否应将嫌疑人拘留或保释。
Q 地震(Quakes)
像其他自然磨难一样，地震是很难预测的。但是，利用深度学习(一种机器学习的形式)的打算机可以预测常常导致去世亡和毁坏的灾害性余震的位置。
R 说唱(Rap)
Deep-flow居住在硅谷，它是一个满嘴脏话、满口鄙谚的人工智能歌词作者。它创作的歌词如此流利顺畅，以至于人们会很难相信作者的真实身份。
S 智能家居(Smarter Homes)
人工智能已经以语音助手和手机的形式悄悄地进入我们的家庭，但它的潜力远远超出了回答一些大略的问题。随着越来越多的电器和设备连接到家庭网络，人们可以利用人工智能来管理它们。有了人工智能技能加持的智能恒温器，将会彻底改变你的生活办法。它通过传感器剖析家庭电表中的数据，为每一个用电设备建立一个独特的“指纹”，从而智能识别设备的利用状态，在设备空闲时自动将其关闭以节电。
T 图灵测试(Turing Test)
图灵测试被认为是人工智能的关键丈量方法之一，它由打算先驱艾伦·图灵开拓。图灵提出，测试机器的「智能」的一种方法是，它是否能蒙混过关的让人误以为它也是一个真「人」。在某些领域的谈天机器人就已经能做到这一点了，它不仅能毫无违和的与真人谈天对话，还能写出看起来逼真的在线评论。但一些批评者指出，图灵测试并不代表被测试的机器有了真正的智力，它只是在模拟这种能力。
U 无监督学习(Unsupervised Learning)
早期的机器学习会利用数据来帮助算法，识别它们包含的工具——例如经由精心标记的图像。但如今的研究职员已然在利用另一种方法：无监督学习许可算法得出自己的推断，通过查找数据中的模式。
V 葡萄园(Vineyards)
机器视觉算法许可打算机在图像或视频片段中识别从脸到猫和星系的统统。但是在美国和欧洲，研究职员正在把机器视觉和其他人工智能系统结合起来，帮助农人更好地管理他们的作物。
这些项目正在利用机器人在葡萄园中穿梭，以监测葡萄，并识别须要修剪或摘除果实的植物，以确保生产葡萄酒的最佳质量葡萄。
W 野生动物(Wildlife)
由于东非覆盖着大片的茂密植被作为掩护，偷猎者常常能在杀去世猎物后全身而退。然而，利用无人机在空中巡逻的环保人士，则可以利用机器视觉系统在红外线镜头中创造偷猎者。其他系统利用人工智能在蚊子的帮助下监控濒危物种，或在社交媒体上追踪象牙和犀牛角等造孽野生动物产品。
X X级(X-rated)
忘掉那些长相奇怪的性爱机器人、智能情趣玩具以及诱人上当的谈天机器人吧，人工智能已经被用来对付情趣市场中的那些造孽行为。调查者们通过利用人工智能探求造孽的网络性交易，并追踪那些落入人口贩子手中并终极沦为性奴隶的受害者。
Y 呕吐(Yum)
从创造不同平凡(有季候人作呕)的新食谱，到在炉子提高行实操，电子厨师已经在悄然改变着厨事了。
Z 动物园(Zoo)
Nyala antelope原产于非洲南部酷热干燥的热带稀树草原。以是当冬天来到英格兰温彻斯特附近的马韦尔动物园时，它们会觉得寒冷。因而作为填补，动物园安装了一个实验加热系统，该系统利用红外线传感器和机器学习来保持动物在室内的舒适度。