从实质上讲,人工智能操持结合了数学和打算神经科学的元素,以仿照和/或增强人类的思维过程。
该研究领域的一个主要目标是研究如何利用技能来实行人类认为乏味或具有寻衅性的认知任务。

人工智能被认为是一种颠覆性技能,由于它正在改变人们获取和处理信息、完成事情以及理解创造力和独创性实质的办法。

Techopedia 阐明 AI 的含义

大多数人工智能定义都阐明了利用人工智能来增强人类智能并帮助人们提高生产力的积极方面。

然而,该当指出的是,该技能的批评者表示担心,越来越强大的人工智能模型可能很快就会超过人类智能,并终极成为对人类的威胁。

人工智能 Artificial Intelligence 简称AI

人工智能不受掌握的进步以及该技能加速超越人类掌握的潜力有时被称为奇点。
奇点成为现实的理论潜力只是政府、行业部门和大公司建立人工智能护栏以最大限度地降落风险并确保负任务地利用人工智能的缘故原由之一。

人工智能的事情事理

如今,人工智能运用程序常日利用前辈的机器学习算法和大量的打算能力来处理、剖析和学习数据,以模拟人类认知的特定方面,如模式识别和归纳推理。

开拓利用 ML 的 AI 模型的第一步涉及数据采集。
详细数据类型将由 AI 的预期功能决定。
例如,图像识别模型将须要大量的数字图像数据集。

网络数据后,数据科学家可以选择或开拓算法来剖析数据。
算法实质上是指令集,是见告打算机如何处理数据并得出输出的指令集。

许多机器学习算法(包括深度学习算法)都设计为迭代利用。
他们打仗到数据,做出预测/决策,然后收到反馈以调度他们的内部流程。
许可算法随着韶光的推移改进其输出的过程称为机器学习 (ML)。

学习过程可以是监督的,也可以是无监督的,这取决于数据的呈现办法以及人工智能编程要实现的目标。

通过监督学习,AI 模型从包含输入和所需输出的数据集中学习。
通过无监督学习,该算法识别其吸收的数据中的模式、关系或构造,然后利用剖析来预测输出。

一旦 AI 模型能够以可接管的准确度范围可靠地预测看不见的演习数据的输出,就可以利用真实天下的数据对其进行测试。
此时,模型将被重新演习或支配,并持续监控模型漂移。

机器学习和人工智能的差异

虽然 AI 和 ML 常常被用作同义词,但人工智能的含义是一个总称,而机器学习是人工智能的一个子集。
从实质上讲,每个 ML 运用程序都可以称为 AI,但并非所有人工智能运用程序都利用机器学习。
例如,基于规则的符号 AI 属于 AI 范畴,但它不是机器学习的真正例子,由于它不像 ML 那样从数据中学习。

人工智能技能的例子

当今的人工智能常常将机器学习与其他打算技能和技能结合利用。
稠浊方法许可更细致、更强大的 AI 系统。

例如,深度学习是一种人工智能的迭代方法,它将机器学习算法堆叠在繁芜性和抽象性日益增加的层次构造中。
它是目前利用的最繁芜的人工智能架构。

其他有名的人工智能技能包括:

天生式 AI

利用深度学习技能来剖析文本、代码或多媒体内容的弘大数据集,然后利用预测建模来创建完备原创但风格同等的输出。

神经网络

受人脑的启示,神经网络由相互连接的节点组成,称为人工神经元。
神经元分层事情,处理数据,识别模式,并做出决定。
每一层转换输入数据,利用权重产生输出。
卷积神经网络(CNN)和循环神经网络(RNN)等变体分别为图像识别和序列数据剖析等特界说务量身定制。

一样平常对抗网络

两个人工智能模型玩一个“游戏”,哀求一个模型天生真实的数据,另一个模型判断数据是真的还是假的。
游戏连续进行,直到第二个模型不能再判断数据是真实的还是深度假造的。

机器人

机器人技能中的人工智能技能使物理机器人能够自主或半自主地实行任务。
它们包括可以实行手术的医疗机器人,用于制造、送货和监视无人机的工业机器人,以及可以帮助做家务的机器人助手。

自然措辞处理 (NLP) 和自然措辞理解 (NLU)

NLP 和 NLU 技能许可机器阅读、理解和解释人类措辞。
这些技能与机器学习结合利用,以支持语音转文本运用程序、Google Cloud Translation 等措辞翻译运用程序,以及利用天生式 AI 的对话代理的文本分析。
NLP 供应了处理措辞的工具,而 NLU 则专注于从处理后的数据中获取含义。

打算机视觉

打算机视觉技能使机器能够根据视觉数据进行阐明和决策。
运用范围从面部识别系统和医学图像剖析到实现物理安全源的实时剖析。

面部识别

剖析和比较来自图像或视频馈送的面部特色模式,以识别或验证特定个体的身份。

语音识别

通过剖析声波,识别模式,并将其与从演习数据中学习的模式相匹配,将口语单词转换为文本。

声音识别

剖析声波并将声音模式与用户供应的演习数据相匹配。

专家系统

专家系统是模拟特定领域人类专家的打算机程序。
他们依赖预先编程的知识和规则来办理问题。

人工智能的类型

人工智能可以分为弱人工智能或强人工智能。
本日利用的所有人工智能都被认为是弱人工智能。

弱人工智能

弱人工智能,也称为狭义人工智能,能够实行有限数量的预定功能。

纵然是像谷歌 Gemini和 ChatGPT 这样强大的多模态 AI 谈天机器人,仍旧是一种弱人工智能。
这两个大型措辞模型 (LLM) 系列必须编程如何响运用户提示,如果它们要用于新任务,它们将须要更多的编程。

强大的人工智能

强人工智能尚不存在,但研究职员和人工智能倡导者对两种不同类型的强人工智能表示了兴趣:通用人工智能(AGI)和人工智能超级智能。

通用人工智能是一种具有人类水平智能的假设类型的人工智能。
从理论上讲,AGI将能够以跨学科的办法在所有领域学习、推理和解决问题。
该技能将能够自主相应新型的外部刺激,而无需明确的编程。

超级智能是科幻小说中常常描述的假设人工智能类型。
这种类型的人工智能将远远超过AGI的能力,并且比人类更聪明。

须要把稳的是,目前还没有开拓出AGI或超级智能系统,专家们对何时(乃至是否)实现它们仍旧存在相称大的辩论。
超级智能的悲观和积极影响是人工智能社区和全体社会辩论的主题。

人工智能模型也可以根据其决策能力和认知繁芜程度进行分类。

反应式人工智能

反应式 AI 模型是一种弱 AI,它依赖实时数据做出决策。
模型输出仅基于当前会话的输入。
IBM的“深蓝”(Deep Blue)在世纪之交击败了国际象棋冠军加里·卡斯帕罗夫(Garry Kasparov),是反应式人工智能的一个例子。
编程可以评估当前会话中可能的动作及其结果,但它对过去的比赛一无所知。

有限影象人工智能

有限影象AI是一种弱AI,它依赖于存储的数据来做出决策。
垃圾邮件过滤器利用有限影象AI。
首先,该程序利用监督学习来剖析大量之前被识别为垃圾邮件的电子邮件。
然后,它利用这些信息来识别并过滤出具有相似特色的新邮件。

心智理论人工智能

与一样平常人工智能一样,心智理论人工智能是一种假想的强人工智能。
从实质上讲,这种类型的人工智能将能够在做出决策时考虑用户意图等主不雅观成分。

自我意识人工智能

自我意识AI是另一种假想的强AI。
具有自我意识的人工智能模型将拥有自己的意识、情绪和自我意识。

人工智能在商业中的用例

人工智能技能正在简化各个业务部门的业务运营并提高效率,但它也哀求员工提高技能并适应事情场所中的新角色和职责。

随着日常任务的自动化,估量劳动力将转向人工智能技能无法履行的更多剖析、创造性和监督角色。
希望这种转变不仅能提高员工的生产力,还能让员工专注于计策和创造性的任务,为企业增加更大的代价。

人工智能实时剖析大量数据的能力使企业能够为特定的客户群定制他们的产品,并比以往任何时候都更有效地识别增长和改进的机会。
人工智能在业务运营中的整合也正在改变营销参与策略。
供应 24/7 全天候交互式客户做事的个性化推举和谈天机器人使公司能够供应前所未有的客户支持水平。

人工智能的好处和风险

随着人工智能成为商业运用的标准技能,人们越来越关注其道德利用、收益和风险。

合乎道德地利用人工智能须要仔细考虑和管理这些风险,以确保以有益于社会的办法利用该技能,并且不会加剧不平等或侵害个人或群体。

人工智能还引入了繁芜的法律考虑成分,企业必须谨慎行事。
这些问题包括与数据隐私、人工智能偏见和人工智能对就业的影响及其对社会的影响有关的问题。

当人工智能系统做出有害决策时,确定谁卖力可能具有寻衅性,特殊是对付输出具有数百乃至数千个依赖关系的繁芜人工智能系统。
例如,当人工智能驱动的自动驾驶汽车发生事件时,确定谁该当承担任务——开拓商、公司或用户——是一项重大寻衅。
如果车辆的运行受到恶意软件攻击的影响,情形就更加繁芜了。

越来越明显的是,公司须要建立明确的辅导方针和最佳实践,以确保员工对人工智能增强技能的利用符合公司政策。

下面列举了人工智能双刃剑性子:

优点

效率和生产力的提高增强问题办理能力个性化体验创新与打破

缺陷

事情岗位流落失落所算法偏差陵犯隐私缺少透明度和问责制监管合规与人工智能

随着人工智能运用越来越多地融入电子商务、农业、医疗保健和金融等关键领域,分享最佳实践和采取标准化人工智能框架(如NIST的人工智能风险管理框架和谷歌SAIF)的需求从未如此之大。

为了降落开拓和/或利用人工智能的经济和社会风险,天下上许多国家正在制订新的政策、法律和法规。

以下是目前正在履行的一些举措的简短列表:

欧盟人工智能法案

第一个由政府机构批准的综合监管框架。
该立法根据人工智能带来的风险水平,为人工智能供应商和用户制订了明确的规则。
它还哀求利用天生式 AI 创建的内容符合透明度哀求和欧盟版权法。

拜登关于安全、可靠和值得相信的人工智能的行政命令

旨在保护美国人免受人工智能系统带来的潜在风险,同时促进创新、公正、隐私和美国在环球的领导地位。

加拿大人工智能计策

建立正式的人工智能计策,该计策有三个支柱:人工智能技能的商业化、标准的建立以及对人工智能人才和研究的需求。

中国新一代人工智能发展方案

概述了中国到2030年景为环球人工智能领导者的年夜志勃勃的目标。

印度的人工智能国家计策

概述了如何确定将产生最大社会影响的人工智能运用,以及如何利用其他国家在道德和安全利用人工智能方面的履历。

日本的人工智能技能计策

以研究、社会和家当为重点,促进人工智能发展。
鼓励在各个部门开拓和利用人工智能技能,而不强加特定部门的任务。

韩国的人工智能国家计策

由人工智能三个领域的 100 项政府行动任务组成:人工智能技能开拓、造就人工智能生态系统以及确保负任务和合乎道德的人工智能利用。

最主要的事

人工智能技能的开拓、支配和利用来自动化繁琐的任务并最大限度地提高个人和专业生产力将须要行业标准和监管监督,以平衡创新与人工智能的负任务利用。