简介：许多朋友询问有关人工智能的问题，依靠什么认可。本文的首席执行官注释将为您提供详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
智能计算机部门试图解释智力的本质并产生新的能源 - 智能类似类型以反映智能机器。该现场研究包括机器，语言识别，图像识别和自我语言处理专家系统。
Artifically_intelligence，英语缩写是AI。这是一门新的技术科学，研究和开发智能理论，方法，技术和应用系统，用于模拟，扩展和扩展。
说到人工智能，我们熟悉各种人工智能概念。AI概念层并不差。如果您考虑智能扬声器，智能打印机，智能销售机器等。“ AI印象”，例如：终结器，机器人，Alpha Dog，自主驾驶和其他技术都非常不同。
目前，人工智能的研究始于1956年的迪特茅斯会议。在人工智能的早期，如何定义人工智能是一个令人讨厌的问题，但这种基调总是：决定 - 像人一样制定像人一样，像人一样，像人一样，像人一样的理性理性，理性理性研究方向，例如决策，理性行动。
语音识别，图像识别（面部识别，OCR等），模式识别，机器人技术，自然语言处理和人工智能所需的专家系统，我希望能为您提供帮助。
人工智能的原则是简单的描述：
人工智能=数学计算。
机器的智能取决于“算法”。从本质上讲，人们发现电路已打开和关闭，可以用1和0表示。不同的安排更改可以代表许多事物，例如颜色，形状和字母。与逻辑组件（Triode）结合，“输入（按Switch Button）-down（当前通过该线路） - 输出（轻度输出）开启）”
这个模型。
想象一下在家中的双控制开关。
为了实现更复杂的计算，它最终成为“大型集成电路” -Chip。
电路逻辑逐层嵌套。将图层封装后，更改当前状态的当前状态的方法已成为“编写编程语言”。程序员正在这样做。
程序员让计算机执行，并执行。该程序将整个过程固定为死亡。
因此，要允许计算机执行特定任务，程序员必须首先完全找出任务过程。
以Lianji电梯为例：
不要低估这台电梯，它是“智能的”。考虑它需要做什么判断：向上和向下的方向，无论是全部员工，高峰时间，停车时间是否足够，单层和双层楼等，您都需要提前考虑所有可能性，否则您将成为错误。
在某种程度上，程序员控制着世界。但是总是要亲吻这个东西。程序员太累了。您会看到他们在加时赛中有红眼睛。
因此，我想：我可以让计算机自己学习并遇到问题来解决它吗？我们只需要告诉它一套学习方法即可。
每个人都记得1997年，IBM用专门设计的计算机赢得了国际象棋冠军。实际上，它的方法是愚蠢的 - 暴力计算，该术语称为“糟糕”（实际上，为了节省计算能力，IBM手动修剪了A许多不必要的计算，例如那些明显的愚蠢国际象棋，以及针对卡的卡片的目标。Siparov的样式得到了优化）。计算机计算出每一步的每个方法，然后比较人类的国际象棋记录以找到最佳解决方案。
一句话：剧烈的奇迹！
但是当我到达这里时，我做不到。无关，力量有多么强大，有一个限制。GO的可能性远远超过宇宙中原子的总和（已知）。即使当前最强大的超级计算使用当前最强大的超级计算，它也是数万年的。在量子计算机成熟之前，不可能进行电子计算机。
因此，程序员向Alpha Dog添加了额外的算法层：
A.首先计算：在哪里计算，忽略哪里。
B.然后，以目标方式进行计算。
- 从本质上讲，仍然可以计算。如何有“感知”！
在步骤A中，如何判断“在哪里计算”？
这是“人工智能”的核心问题：“学习”的过程。
想想人类如何学习？
所有人类认知都来自观察到的现象的摘要，并根据摘要规则预测未来。
当您看到一条四腿，短发，中等大小，嘴巴和吠叫动物时。如果您是狗，您将对后来看到的所有类似物体进行分类。
但是，机器的学习方法与人类不同：
人们可以通过观察少数特征来推动最未知的人。制定者和反击。
该机器必须观察很多狗才能知道跑步。是狗吗？
如此愚蠢的机器可以期望它统治人类吗？
它只是依靠计算能力！
具体而言，其“学习”算法是“神经网络”（更多虚张声势）。
（功能提取器，总结对象的特征，然后将功能放入池中以集成，连接神经网络输出的完整连接的结束结论）
它需要两个先决条件：
1.吃很多数据以尝试和错误，并逐渐调整您的准确性；
2.神经网络层的数量越多，计算越准确（限制），所需的计算能力就越大。
因此，尽管它在多年前可用（当时称为“感知机”），但神经网络的方法。但是，由于数据和计算能力的量，它尚未开发。
神经网络听起来不仅仅是意识机的感觉。我不知道高端的去向！这再次告诉我们一个好名字对研究（BI）有多重要！
现在，两个条件都可以使用-big数据和云计算。
目前AI公共应用领域：
图像识别（安全识别，指纹，美容，图片搜索，医学图像诊断），使用“卷积神经网络（CNN）”，主要是提取空间维度的特征来识别图像。
自然语言处理（人机对话，翻译）使用“环状神经网络（RNN）”，它主要提取时间维度的特征。因为前后有一个顺序，因此单词的时间决定语义。
神经网络算法的设计水平决定了其描绘现实的能力。顶级公牛Wu Enda曾经设计了超过100层的卷积层（太多的层容易容易过度拟合问题）。
当我们深入了解计算的含义时：有一个明确的数学定律。
这个世界具有量子（随机）功能，它决定了计算机的理论局限性。实际上，计算机甚至无法产生真实的随机数。
- 机器仍然很愚蠢。
对于更多人工智能的知识，如果您想知道，您可以私下询问。
问题的主题和内容不是很相关。
人工智能的原则是模拟人脑的能力，包括声音识别，图像识别，感觉，口味，触摸识别等。当前的科学和技术水平是有限的，您只能将大脑的能力分开一一学习。
至于人类是否比自己更聪明。答案是肯定的。这是进化。孩子们必须在人类能够进步之前超越父母。基督教宣传上帝的全能者，也就是说，上帝已经完全进化了。由于在完全演变后无法超越它，因此会有一个悖论，例如“创造无法抬起的石头”。但是人类在不断发展。
我学习电子设备，并且可以在机械和电子产品领域实现与人类相同的智能计算机。但是，对于人脑而言，当前的计算机仍然太慢了，直到技术有很大飞跃之前，它才能实现。
在克隆领域，只能克隆。智能发展可能无法到达普通人的智商。
如果您有任何疑问，您可以继续讨论
人工智能，目前可用于识别具有静态图片的对象：人，树木，斧头。
上述识别目前已通过。比较大数据和通过屏幕所有像素的颜色进行比较和分析，并且由加权算法确定以确定哪个项目。但是，当前计算机仍然无法对项目进行识别并确定行为。
但是，将来，人工智能应该能够分析和预测技术方法，技术和方法不可避免地会涉及人类或机器行为，因此计算机需要意识到人类的行为。
关于计算机的意识，我认为更重要的是，必须重新定义行为的关键属性，例如：“切割”，像百和百科全书一样的定义（使用刀具斧和其他定义：?柴火。：。暂时不考虑其导数的含义）。
如果您希望一台计算机执行步骤的标识和理解，我们需要重新定义此行为：
1.这是一个人的行为。判断基础是“现有的一个人正在行使”；
2.它是一个操作项目并改变另一个对象的人。该判断是基于“持有对象的，另一个项目的外观在行为的作用下也发生了变化。”
3.操作的项目是“刀”，“斧头”，“剑”或其他锋利的硬物体。
4.人类力量的方向与提到的尖锐硬对象的方向相同。判断是基于“这种锋利的硬对象的方向基本上与其运动的轨迹相同。”
好吧，这种行为是“削减”的。
在计算机知道所有项目和行为之后，它可以判断，当我们需要一块木头时，我们应该使用“斧头”来“切割”或“链”，以“切割”。
人工智能包括五个核心技术：
1.计算机视觉：计算机视觉技术使用一系列图像处理操作和机器学习技术将图像分析任务分解为小型块任务，以方便管理。
2.机器学习：机器学习将自动从数据中发现。一旦找到模式，就可以预测。处理的数据越多，预测越准确。
3.自然语言处理：自然语言文本的处理是指通过计算机处理与人类类似文本的能力。。
4.机器人技术：近年来，随着算法等核心技术的改进，机器人取得了重要突破。例如，无人机，家务机器人，医疗机器人等。
5.生物识别技术：生物识别技术可以与计算机，光学，声学，生物传感器，生物统计数据集成，并使用人体的身体特征，例如指纹，脸部，虹膜，虹膜，静脉，声音，步态等。用于司法评估。
结论：以上是首席执行官指出，人工智能的相关内容取决于人工智能的相关内容总结了什么。希望它对您有所帮助！如果您解决了问题，请与更多关心此问题的朋友分享?