翻译|布加迪评论|SunShujuanAI对于现代企业和其他类型的组织来说已经变得极其重要，因为它可以做到以上所有事情。通过将大量数据与智能迭代处理算法相结合，人工智能系统可以从分析数据中的模式和特征中学习。每当AI系统处理数据时，它都会测试和测量自身的性能并获得新知识。由于AI从不需要休息，它可以快速完成数以千计的任务，在短时间内学到很多东西，并最终变得非常擅长任何被训练来做的事情。然而，要了解AI的真正工作原理，需要了解AI不仅仅是计算机程序或软件应用程序，而是一门完整的学科或科学。AI系统有许多不同的部分，您可以将它们视为AI总体科学的子领域。这些领域包括：机器学习：人工智能的一种特定应用，使计算机系统、程序或应用程序能够根据经验自动学习并取得更好的结果，而无需编程。机器学习允许AI找到数据中的模式，发现洞察力，并改进系统旨在完成的任何任务的结果。深度学习：一种特定类型的机器学习，允许AI通过处理数据来学习和改进。深度学习使用模拟人脑中生物神经网络的人工神经网络来处理信息、寻找数据之间的联系、进行推理或基于正负强化获得结果。神经网络：反复分析数据集以查找关联并解释未定义数据中的含义的过程。神经网络的功能类似于人脑中的神经网络，允许人工智能系统接收大型数据集、发现数据中的模式并回答有关数据的问题。认知计算是人工智能系统的另一个重要组成部分，旨在模拟人机交互，使计算机模型在执行分析文本、语音或图像等复杂任务时可以模拟人脑的机制。自然语言处理(NLP)是人工智能的重要组成部分，因为它允许计算机识别、分析、解释和真正理解人类语言，无论是书面语言还是口头语言。自然语言处理对于任何与人类交互的基于人工智能的系统都是必不可少的，无论是通过文本还是语音输入。计算机视觉——这是人工智能技术最常见的应用之一，能够使用模式识别和深度学习来检查和解释图像内容。计算机视觉使人工智能系统能够识别视觉数据的元素，例如网上无处不在的验证码，人类通过学习这些元素来帮助他们识别图像元素，例如汽车、人行横道、自行车或山脉。人工智能需要什么技术？人工智能并不新鲜，但由于技术的重大进步，近年来它得到了广泛的应用，并且使用的越来越多。事实上，人工智能在规模和价值方面的爆炸式增长与最近的技术进步密切相关，包括：更大、更易访问的数据集——人工智能因数据而繁荣。随着数据的快速增长和更容易获取数据，人工智能的重要性将会增加。如果没有像“物联网”这样的发展，人工智能的潜在应用就会少得多。图形处理单元——GPU是AI增值的关键推动因素之一，因为它们对于为AI系统提供执行交互式处理所需的数百万次计算的能力至关重要。GPU提供AI快速处理和解释大数据所需的计算能力。智能数据处理——新的和更先进的算法使人工智能系统能够更快地同时在多个层面分析数据，帮助这些系统极快地分析数据集，从而更好更快地理解复杂系统，并预测罕见事件。应用程序编程接口——API允许将AI功能添加到传统的计算机程序和应用软件中，通过增强识别和理解数据模式的能力，有效地使这些系统和程序更加智能。原标题：但AI究竟是如何工作的？，作者：安诺莓
