要了解AI的能力和能力，我们需要识别AI的不同组成部分和子集。需要定义和解释诸如神经网络，机器学习（ML）和深度学习之类的术语。
一般而言，人工智能（AI）是指对人类智能的模拟，这些机器被编程为像人类一样思考并模仿其行为。该术语也可以应用于任何与人类思想相关的特征（例如学习和解决问题）的机器。
人工智能有三种类型（AI）
人工狭窄的情报（ANI）
人工通用情报（AGI）
人工超级智能（ASI）
以下图表解释了它们：
神经网络
在信息技术中，神经网络是一个近似人脑运行的程序和数据结构的系统。神经网络通常涉及大量并行运行的处理器，每个处理器都有其自身的知识范围，并在其本地内存中访问数据。
通常，神经网络最初是“训练的”或提供有关数据关系的大量数据和规则的（例如，“祖父比一个人的父亲大”）。然后，程序可以告诉网络如何响应外部刺激（例如，从与网络交互的计算机用户输入）或可以自己启动活动（在其访问其外部的范围内世界）。
深度学习与机器学习
要了解深度学习是什么，首先要将其与AI领域的其他学科区分开来。
AI的一个生物是机器学习，其中计算机通过监督经验提取知识。这通常涉及人类操作员通过给机器来帮助机器学习数百或数千个培训示例，并手动纠正其错误。
尽管机器学习已在AI领域中占主导地位，但确实存在问题。一方面，这非常耗时。另一方面，这仍然不是机器智能的真实度量，因为它依靠人类的创造力来提出允许计算机学习的抽象。
与机器学习不同，深度学习主要是无监督的。例如，它涉及创建大规模的神经网，使计算机本身可以学习和“思考”，而无需直接人类干预。
深度学习“真的看起来不像是计算机程序”，其中普通的计算机代码以非常严格的逻辑步骤编写，但是您在深度学习中会看到的是不同的；您没有很多说明说：“如果一件事是真的，那做另一件事。’”。
人类水平的智力已被称为强大的AI或人工通用智能（AGI）。
深度学习不是线性逻辑，而是基于人类脑工作方式的理论。该程序由互连节点的纠结层制成。它通过重新安排每次新体验后的节点之间的连接来学习。
深度学习已显示出潜力作为可以解决文本中描述的情绪或事件的软件的基础（即使没有明确引用），识别照片中的对象，并对人们的未来行为做出复杂的预测。深度学习动作的例子就是语音识别，例如Google Now和Apple的Siri。
深度学习表现出了很大的希望 - 这将使自动驾驶汽车和机器人管家成为真正的可能性。分析大规模数据集并在计算机系统中使用深度学习的能力，可以适应体验而不是依赖人类程序员，这将导致突破。这些范围从毒品发现到开发新材料到对周围世界的更加认识的机器人。
深度学习和情感计算
情感计算是可以识别，解释，处理和模拟人类情感的系统和设备的研究和开发。这是一个跨学科的领域，涵盖了计算机科学（深度学习），心理学和认知科学。尽管该领域的起源可能可以追溯到早期哲学探究情感（“情感”基本上是“情感”的代名词。情感计算。研究的动机是模拟同理心的能力。机器应解释人类的情绪状态并将其行为适应他们，并对这些情绪做出适当的反应。
情感计算技术使用深度学习感知用户的情绪状态（通过传感器，麦克风，相机和/或软件逻辑），并通过执行特定的，预定义的产品/服务功能来做出响应，例如更改测验或推荐一组视频到适合学习者的心情。
我们一生中拥有的计算机越多，我们就越希望他们礼貌地行事，并且在社会上变得聪明。我们不希望它为我们提供不重要的信息而打扰我们。这种常识性推理需要了解人的情绪状态。
计算机可以观察到无数的变量，这些变量可能表明情绪反应和变化
观察情感计算的一种方法是人类计算机的交互作用，其中设备具有检测并适当响应其用户的情绪和其他刺激的能力。具有这种能力的计算设备可以从各种来源收集线索。面部表情，姿势，手势，语音，关键笔触的力或节奏以及鼠标上的手的温度变化都可以表示用户情绪状态的变化，并且这些都可以通过计算机检测和解释。内置摄像头捕获用户的图像和算法S用于处理数据以产生有意义的信息。语音识别和手势识别是正在探索情感计算应用程序的其他技术之一。
识别情绪信息需要从收集的数据中提取有意义的模式。这是使用深度学习技术来处理不同方式的深度学习技术，例如语音识别，自然语言处理或面部表达检测。
机器中的情感
情感计算中的主要领域是提议具有先天情感能力或能够令人信服地模拟情绪的计算设备的设计。基于当前技术能力的一种更实用的方法是模拟会话剂中的情绪，以丰富和促进人与机器之间的互动。尽管人类的情绪通常与激素和其他神经肽的激增相关任意学习系统的学习曲线。
描述机器中情绪的两个主要类别：情感语音和面部影响检测。
情感演讲包括：
深度学习
数据库
语音描述符
面部影响检测包括：
身体手势
生理监测
未来
使用深度学习的情感计算试图解决在线学习与课堂内学习的主要缺点之一_老师能够立即使教学状况适应教室中学生的情感状态的能力。在电子学习应用程序中，当学习者无聊，感兴趣，沮丧或满意时，可以使用深度学习的情感计算来调整计算机老师的演示样式。心理健康服务，即咨询，在确定客户的情绪状态时受益于情感计算应用程序。
情感计算是可以识别，解释，处理和模拟人类影响的系统和设备的研究和开发
能够处理情感信息的机器人系统在不确定或复杂的环境中起作用时表现出更高的灵活性。诸如数字宠物之类的伴侣设备使用具有深度学习能力的情感计算来增强现实主义并提供更高程度的自主权。
其他潜在的应用围绕社会监测。例如，汽车可以监视所有乘员的情绪并采取其他安全措施，例如，如果其他车辆发现驾驶员生气，请提醒其他车辆。核心深度学习的情感计算在人类计算机互动中具有潜在的应用，例如情感镜子，使用户可以看到他或她的性能；情绪监测代理在发送愤怒的电子邮件之前发出警告；甚至音乐播放器都根据心情选择曲目。然后，公司将能够使用情感计算来推断其产品是否会受到各个市场的好评。在生活的各个方面都有深入学习，有无数的应用程序来进行情感计算。
艾哈迈德·巴纳法（Ahmed Banafa），作者：
使用区块链和AI安全且智能的物联网（IoT）
区块链技术和应用
量子计算
参考
什么是人工智能
什么是“深度学习”，为什么企业应该照顾？
为什么Google投资深度学习
什么是神经网络？解释和示例
情感计算
情感计算
认知计算