人工智能是一个广义的术语，涵盖了许多技术，所有这些技术都使计算机能够显示出与我们相似的智能水平。通用AI人工智能最流行的用途是在许多不同任务上类似于超人的机器人。他们可以战斗、飞行并就几乎任何话题进行深入对话。电影中有很多机器人，有好有坏，比如幻视、瓦力、终结者、奥创等。虽然这是人工智能研究的最终目标，但我们目前的技术还远远没有达到我们所说的通用人工智能的水平人工智能。狭义AI相反，我们今天拥有的AI是人工智能的一个子集，称为狭义AI。狭义人工智能在某些任务上可以达到甚至超过现有人类的水平。比如几年前，你可能在新闻上看到过，谷歌的人工智能程序DeepMindAlphaGO非常擅长围棋，并且打败了当时的世界冠军！然而，这个程序除了玩“围棋”之外什么都不做。“它肯定不能再玩PUBG或Fortnite之类的游戏了。它甚至不能告诉你当前时间是多少。目前，我们基本上能接触到的只有狭义AI，狭义AI有两种类型。下面我们一一来看符号人工智能（NumericAI），一般来说，数字人工智能也叫机器学习MLSymbolicAIsymbolicAIsymbolicartificialintelligence符号人工智能也叫老式AI（GOFAI），因为它一直在几十年来，程序员必须手动编写控制符号AI系统的所有规则。因此，很难构建正确的解决方案。然而，它仍然被一些需要理解为什么AI程序的人使用是在给定的情况下做出特定决定的用例。例如，如果AI法官判某人入狱，则必须解释其决定的原因。ML机器学习ML相对于SymbolicAI而言较新，但是更强大湖。GoogleDeepMind的AlphaGO是机器学习系统的一种。在ML中，AI程序不是编写所有规则的人类程序员，而是使用大量示例或数据为自己“学习”我们想要做什么。这类似于人类“学习”新信息的方式当我们试图教孩子狗长什么样时，我们不会告诉他/她如果一只动物矮小、耳朵下垂、尾巴摇摆，那它就是一只狗狗。相反，我们给孩子看一些“狗”的图片，久而久之孩子自然会明白什么是狗。ML程序遵循相同的范例。随着智能手机和传感器的出现，我们每天都会生成如此多的数据，以至于机器学习方法现在有足够的数据来进行训练。多年来，多核CPU和GPU等电子芯片的成本也在下降。正在创建的数据量的爆炸式增长，以及廉价硬件的可用性，是当前人工智能革命的一个重要原因。今天，机器学习主要分为三种类型。1.传统机器学习传统ML使用基于统计方法的算法来执行ML，其中最著名的是线性回归、支持向量机、决策树等。这些技术的大多数数学和统计学已有数十年历史，并且广为人知.直到过去十年，它们才被广泛称为ML或AI。要了解这些算法背后的数学原理，一个很好的参考书是《The Elements of Statistical Learning》。Pythonsklearn和xgboost包基本上包含了使用Python进行传统机器学习所需的一切。2.深度学习（DL）DL彻底改变了计算机视觉（CV）和自然语言处理（NLP）领域。在深度神经网络中，多层人工神经网络被链接在一起，根据通用逼近定理逼近任意数学函数。人工神经网络的每一层都由一个线性操作和一个非线性操作组成。.线性运算的参数可以通过向算法提供大量关于我们想要学习的任务的数据来“学习”。在内部，一种称为“梯度下降”的学习算法用于逐渐调整参数，直到达到最佳精度。目前开发深度学习应用的Python框架主要有两种：Tensorflow和Pytorch3。强化学习(RL)在我看来，强化学习是三种ML中最复杂的。谷歌的DeepMindAlphaGO程序击败了世界上最好的围棋选手就是强化学习的一个例子。在传统的ML和DL中，AI系统从过去的数据中学习，而在RL中，AI系统通过采取一些行动并衡量它们的回报来学习，类似于训练我们的宠物狗学习新技能。在像“AlphaGO”这样的游戏中，奖励是做出最大化分数的决定。你如何选择？最后，狭义人工智能技术种类繁多，你如何选择一种技术来解决你的问题？首先，从业务角度理解问题。然后，尝试各种技巧，直到实现您的业务目标。使用您的企业可以使用的方法达到80%的准确率要好于使用您的企业不能使用的方法达到99.9%的准确率！因为“生意第一，生意第一，生意第一！！！”
