简介：许多朋友问有关人工智能如何改善的问题。本文的首席执行官注释将为您提供详细的答案，以供您参考。我希望这对每个人都会有所帮助！让我们一起看看！
人工智能促进了人类的理性进步，并可以依次促进人类发展。人工智能研发过程本身具有人类脑认知和功能的需求和特征，以便人类在此过程中学习了学习方法，从而增强人类逻辑思维能力。人工智能更新了人类反应的方法。
人们普遍认为，人工智能有三个主要的商业方向：一个是信息聚合；另一个是评估用户的情感反应；第三是与用户建立关系，可以通过这三个点建立与用户的社会纽带，以使他们经常访问。
像传统农业和传统手工艺品的大量劳动力一样，带来更多的新工作机会，并在现代工业生产和城市服务行业中找到新的就业机会，人工智能的进步将与现在的人工智力相同 - 从现在通过数据密集型机器学习和通过机器学习和人工智能会议扩展的系统扩展，将来会带来许多工作机会；
人工智能使人类的生活变得更好，例如，人工智能的医疗应用受益于公众。我们医生可能很难维持最新的治疗计划和方法，并且他们无法理解所有医疗案例。Artherthericence可以分析大型的医疗智能在短时间内的数据量，准确确定疾病，并找到最佳治疗计划，以提供最佳治疗；
人工智能具有具有战略优势的数据，因为通过数据，它可以更好地理解人类并创建更好的软件以使更多的人快乐。企业可以赚取更多的业务价值
人工智能时代的出现肯定会触发前所未有的人才。凡拥有大量各种第一类才能的人都可以赢得最终胜利。同时，这将导致垄断与财富之间的区别还有穷人；如果我们对待人工智能，我们应该从客观的角度看待它，避免长处和避免弱点，并充分利用人工智能的优势。我希望我的理解能够帮助您更多地了解人工智能。
人工智能基于数学，逻辑和统计。通过经验积累，可以获得学习能力来帮助人们为特定工作执行操作系统。这是一项强大的技术，可以在适当的时间为人们提供相关和可靠的信息，并且其准确性无与伦比。，技术行业的领先老板Google使用神经网络算法来生出新一代的机器翻译，这可以将错误率最低降低60％，而人工智能消除了人类语言障碍之间的差距。
做医疗以使公众受益。
在使用人工智能之后，人类从重复的毫无意义的工作中解放出来，从高风险行业中解放出来，并允许人类投资于更有意义的工作。冰川，可以进行复杂的大数据有效分析和合理的使用，并让人们探索更深入的知识。因此，人工智能导致人类达到了自己的局限性，并实现了对人类的进一步解放。
由于生产力的进步和科学技术的发展，人工智能为人类提供了很大的便利。因此，人类品尝了人工智能的甜味，因此它将很快发展。
在过去的六十年中，有什么巨大的突破？
1.什么是“人工智能”？
人工智能是人类智力的结晶。这是我们人类向所有人展示的一种智慧。这种智能通常由计算机控制。人工智能的实现是一个非常大的人类社会。在进步中，他可以做一些工作，而不是人类，并充分表达人类的意志。因此，可以在很大程度上使用我们的人类学习，感知或使用工具。
2.人工智能对人类有什么影响？
人工智能可以为我们带来很多好处。例如，在许多工厂中，机器人将使用机器人操作一些机器。这在很大程度上可以节省人类和物质资源，而机器人只需要维护。他们需要维护。不需要进食或睡眠，因此企业的效率具有很大的提高。其次，人工智能也可以做我们人类几乎无法完成的事情，计算机实现了这样的事情，而人工智能是另一台计算机，因此它可以完成我们人类无法做的工作。Peeople面临失业，因此他仍然对人类有副作用。
3.在过去的六十年中，有什么巨大的突破？
近年来，人工智能的主要突破是人工智能与人类智商之间的研究。这项研究可以使人工智能更接近我们的人类行为和习惯。通过各种数据集成和计算，人工智能可以代替在人类中驾驶。它可以避免发生交通事故，因为人工智能由计算机控制，其行为是特定的，因此可以控制。因此，这样的人工智能可以使我们的人类生活在更安全的环境中，这具有重要意义。
在过去的十年中，随着算法和控制技术的持续改进，人工智能以爆炸的速度蓬勃发展。此外，随着人类计算机交互的优化，大数据的支持以及改善模型识别技术，人工智能逐渐进入我们的生活。这篇文章主要描述人工智能的发展历史，发展状况，发展前景和应用领域。
人工智能称为AI，这是Maccai和其他人在1956年的一次会议上提出的概念。
近年来，在“人类机器战争”的影响下，人工智能的话题非常热，尤其是在“ Alphago”击败Li Shishi之后，人们一直在讨论人们是否可以“击败”自己的制造业。人工智能“在大数据和各种科幻电影的渲染中，人工智能的道德和哲学问题也有所增加。
人工智能是一件非常复杂和令人兴奋的事情。人们需要了解真正的人工智能。因此，本文将解释什么是人工智能以及人工智能，未来前景和应用领域的发展。
人们总是希望计算机或机器能够像人一样思考，像人一样行动，思考和积极行动，并帮助人们解决现实中的实际问题。要实现上述功能，计算机（机器人或机器）需要以下功能：
自然语言处理
知识重新定位
自动推理
机器学习
计算机视觉（计算机视觉）
机器人技术
这6个领域构成了绝大多数人工智能。人工智能之父alan Turing在1950年还提出了图灵测试，以为计算机的智能提供令人满意的可操作定义。
关于图灵测试，这意味着测试仪与测试仪（例如键盘）与测试人员分开（一个人和机器）。是人类或机器，然后机器通过了测试，被认为具有人类智能。
图灵测试是在60多年前提出的，但现在仍然适用。但是，我们目前的发展实际上远远落后于图灵的预测。
2014年6月8日，由俄罗斯团队尤金·戈斯特曼（Eugene Goostman）发表的模拟人类演讲成为第一个通过图灵（Turing）的“计算机”。人们相信这是一个13岁的男孩，这一事件已成为一个里程碑人工智能的发展。
在2015年，“科学”杂志报道人人工智能最终可以像人类一样学习并通过图灵测试。AI系统可以快速学会编写奇怪的文本，同时可以识别无形的特征，这是开发中的巨大进步人工智能。
①1943 - 1955年人工智能的诞生
人工智能的最早工作是由沃伦·麦卡洛克（Warren McCulloch）和沃尔特·迪特（Walter Pits）完成的。他们使用了基本生理学和脑神经元的功能，罗素和白海德对命题逻辑的形式分析和图灵理论。他们提出了神经元的神经元。该模型被描述为“开放”和“关闭”每个神经元。人工智能的基础。
②1956年人工智能的诞生
1956年夏天，由麦卡锡，明斯基，坎农和罗切斯特领导的一群科学家组织了在拿督茅斯举办的两个月研讨会。在这次会议上，我们研究了智能研究智能研究。一系列问题，这是第一次提出了“人工智能”的概念，人工智能诞生了。
③1952 - 1969年人工智能期望期
目前，由于各种技术的限制，负责人是“机器永远无法做X”。麦卡锡称呼“看，妈妈，没有手！”时代。
后来，罗切斯特（Rochester）和他的同事在IBM制定了一些最初的人工智能计划，可以帮助学生证明一些棘手的定理。
1958年，麦卡锡（McCarthy）发表了一篇关于“常识计划”的论文。在文章中，他描述了“建议者”。这个虚构的程序可以被视为第一个人工智能系统。
④1966-1973在人工智能发展方面遇到困难
在此期间，在人工智能的发展过程中遇到了一些重大困难。
第一个困难来自大多数早期程序，什么都不了解其主题。
第二个困难是人工智能试图解决的许多问题的困难。
第三个困难是用于产生智能行为的基本结构的一些基本局限性。
⑤1980年，人工智能成为一个行业
在此期间，第一个商业专家系统开始在DEC上运行，该系统帮助新的计算机系统配置了订单。1981年，日本宣布了“第五代计算机”计划，然后美国成立了微电子和计算机技术公司作为小组维持竞争力。数百家公司遵循“专家系统”，“视觉系统”，“机器人和服务”的软件和硬件开发，这是“人工智能冬季”的时期，许多公司开始失败，因为它无法实现其原始想法。
⑥1986年之后
1986年，神经网络返回。
1987年，人工智能开始采用科学方法，并开始基于“隐藏的Marcov模型”方法来统治这一领域。
1995年，Smart Agent出现了。
2001年，大数据可用。
1997年，IBM的超级计算机“深蓝色”击败了前俄罗斯国际象棋球员加里·卡斯帕罗夫（Garry Kasparov），后者被称为国际象棋世界的神话，震惊了世界。
2016年，由Google的DeepMind Company开发的Alphago以4：1的记录击败了Go World Championsiphip和Professional Li Shishi的专业九段，这再次引发了有关人工智能的激烈讨论。然后在2017年，中国武洪（Wuzhen）在今年五月的峰会上，他以3：0的记录击败了世界排名第一。
2017年1月6日，百度的人工智能机器人“ Xiao du”击败了人类“最强大脑”的“最强大脑”王冯，在最强的大脑上，大脑最强的舞台识别项目。“太阳在语音识别项目中以2：2并列。1月21日，在2：0的面部识别项目中再次击败了“ Water Brother” Wang Yuzheng，并击败了Huang Zheng和Alex的人类团队在最强的大脑的最后战斗中。
2016年9月1日，Baidu Li Yanhong发布了使用计算机技术模拟人类大脑的“ Baidu Brain”计划，已经可以达到儿童的智力水平。LiYanhong在声音领域的Baidu大脑的切割方面进行了详细说明，图像，自然语言处理和用户肖像。在目前，百度的大脑语音综合日期请求为2.5亿，语音识别率为97％。
“深度学习”是百度大脑的主要算法。在图像处理方面，百度已成为世界上最领先的公司之一。
百度大脑的四个主要功能是：语音，图像，自然语言处理和用户肖像。
语音是指语音识别能力和语音合成能力。图像主要是指计算机视觉。自然语言处理还需要计算机的认知能力。用户模型。
工业4.0是德国提出的十大未来项目之一。它旨在提高智能制造水平，并建立具有适应性，资源效率和基因工程的智能工厂。
Industry 4.0进入了中国 - 格尔曼合作的新时代。显然，工业生产的数字化是“工业4.0”对中国和德国的未来经济发展具有重要意义。
工业4.0项目主要分为三个主要主题：智能工厂，智能生产和智能物流。
它的挑战是：缺乏足够的技能来加快第四次工业革命的过程，企业IT部门的威胁以及利益相关者通常不愿意改变。
但是，随着AI的发展，将大力推动工业4.0的进步。
人工智能可以穿透各行各业和许多领域，例如：
①无人驾驶：它集成了许多技术，例如自动控制，建筑，人工智能，视觉计算等。它是计算机科学，模式识别和智能控制技术世界上最先进的无人驾驶汽车。，其中80,000公里没有任何人类安全干预措施。使用无人驾驶运输车辆将成为Greenwichone实施的许多项目。
②语音识别：这项技术允许机器知道您在说什么并进行相应的处理。1952年，贝尔研究所（Bell Research Institute）开发了第一个识别10个英语发音的系统。在外国应用中，苹果的Siri一直领先。在中国，HKUST新闻的发展在这方面尤其迅速。
③自主计划和调整：NASA的远程代理程序没有第一个独立的船舶运营商计划来控制航天器的操作计划。
④游戏：人类游戏游戏一直是一个非常热门的话题。深度学习和对大数据的支持已成为“击败”人脑的主要方式。
⑤垃圾邮件信息过滤：学习算法可以将十亿个信息分类到垃圾邮件中，这可以为接收器节省大量时间。
⑥机器人技术：机器人技术可以使机器人替换人类从事某些乏味或危险的任务。在战争中，可以运输危险物品和炸弹。
⑦机器翻译：机器翻译可以将语言转换为所需的语言，例如当前的百度翻译和Google翻译可以很好地完成。Xunfei还开发了真实时间翻译的功能。
⑧智能家园：在智能家园领域，AI可能能够提供很多帮助。例如，模式识别可以应用于许多房屋，以使其聪明并改善人类的机器相互作用。智能机器人还可以帮助人们制作一些乏味的乏味的乏味的房屋杂务等。
专家系统是一个智能的计算机程序系统。它在某个领域的专家级别中包含大量专家。它可以利用人类专家的知识和方法来解决问题来处理现场问题。换句话说，专家系统是具有大量专业知识和经验的程序系统。它应用人工智能技术和计算机技术。根据一个领域的一个或多个专家提供的知识和经验，推理和判断力制定过程是解决需要人类专家的复杂问题。简而言之，专家系统是一个计算机程序系统，可模拟人类专家以解决现场问题。
知识基础是专家系统质量是否优越的关键，即知识基础中知识的质量和数量决定了专家系统的质量水平。从通常的角度来讲，知识库和专家系统计划在专家系统中，彼此独立。用户可以通过更改和改善知识库中的知识内容来提高专家系统的性能。
机器学习（ML）是一项多领域的跨学科学科，涉及概率理论，统计，近似性理论，凸分析，算法复杂性理论。专业化计算机如何模拟或实现人类学习行为，以获得新的知识或技能，并重新获得新知识或技能，并重新使用 -组织现有的知识结构以不断提高其性能。它是人工智能的核心。它也是深度学习的基础。
机器学习领域的研究工作主要关注以下三个方面：
（1）朝向任务的研究
研究和分析学习系统，以实施一组计划任务。
（2）认知模型
研究人类学习过程并执行计算机模拟。
（3）理论分析
理论上探讨了独立于应用程序字段的各种可能的学习方法和算法
机器学习是专家系统之后人工智能应用程序的另一个重要研究领域，它也是人工智能和神经计算的核心研究主题之一。但是，现有的计算机系统和人工智能系统没有太多的学习能力。它最多只能具有非常有限的学习能力，因此它无法满足技术和生产提出的新要求。
遗传算法是达尔文生物进化理论的自然选择的计算模型和遗传机制的遗传进化过程。这是一种通过模拟自然进化来寻找最佳解决方案的方法。它借鉴了生物学世界的进化定律（最优美的生存，适量遗传机制的生存），用于随机搜索。它是由J.Holland教授于1975年首次提出的。其主要特征是直接操作结构对象，而没有现有的指导指导。限制功能的连续性；具有内部隐藏的及平衡和更好的全球卓越表现；采用一种概率方法来查找和指导优化的搜索空间，并自适应调整搜索方向。这些遗传算法的属性已广泛用于组合优化，机器学习，信号处理，自适应控制和自适应控制和自适应控制和人造生活。它是现代智能计算中的关键技术。
深度学习是深度学习。深度学习是机器学习研究的新领域。它的动机是建立和模拟人脑以分析和学习神经网络。它模仿了人脑的机制来解释数据，例如图像，声音和文本评估是一种学习来表示机器学习中数据的方法。
他的基本想法是：假设我们有一个系统s，它具有n层（s1，... sn），其输入为i，输出为o，它表示为：i = s1 = s2 = ...。。= sn
= o，如果输出o等于输入i，也就是说，在此系统更改后输入i后没有信息丢失。多于A和B相互信息。这表明信息处理不会增加信息，并且大多数信息处理将丢失信息。保持不变，这意味着输入I在SI的每一层之后没有信息丢失，也就是说，在SI的任何一层中，它是原始信息的另一种表示（即输入i）。学习需要自动学习特征。假设我们有一堆输入i（例如一堆图像或文本）。假设系统s（带有n层），通过调整系统中的参数，其输出仍然是输入i，然后输出仍然是输入i，然后您可以自动获得输入i的一系列层次结构特征，即S1，...，Sn.对于深度学习，其思想是堆叠多层，这意味着该层的输出用作下一个层输入。这样，可以在评分中实现输入信息。
深度学习的主要技术包括：线性代数，概率和信息理论；欠款，过度拟合，正规化；最大似然估计和贝叶斯统计；随机梯度降低；成本函数和反向传播；正则化，稀疏编码和辍学；自适应学习算法；卷积神经网络；环状神经网络；递归神经网络；深神经网络和深层堆栈网络；
LSTM长度记忆；主要组件分析；常规自动编码器；学习的表征；蒙特卡洛;受限的polizman;在-Depth置信网中；SoftMax回归，决策树和集群算法；KNN和SVM；
生成对抗网络，并且有方向网络；机器视觉和图像识别；自然语言处理；语音识别和机器翻译；有限的马科夫；动态计划；梯度策略算法；增强的学习（Q学习）。
随着人工智能的发展，人工智能将逐渐进入我们的生活，研究和工作。实际上，人工智能已经渗透到我们的生活中，并且对我们的手机很小。Face识别等，以便对无人汽车，航空卫星。未来，AI很可能会解放人类。他将取代人类做大多数人可以做的事情。正如Liu Cixin所说：人工智能的发展，它可能开始取代某些人的工作。最后，这是言语。他很可能取代了90％甚至更高的人类工作。WuEnda还表明，人工智能的发展非常快。我们可以与语音的计算机交谈，这将像真实的人一样自然。这将完全改变我们与机器互动的方式。自主驾驶对人来说也是非常有价值的。我们的社会有许多不同的领域。例如，可以通过技术完全改变医疗，教育和金融。
[1] Russell，S.J.Norvig，P。人工智能：现代方法（第三版）北京：Tsinghua University Press，2013年（2016.12重型印刷）
[2] Kuzwell，《人工智能的未来》杭州：Zhejiang人民出版社，2016.3
[3]苏南。人工智能的发展状况和未来前景[J]。中小企业管理与技术（早期杂志），2017年，（04）：107-108。
[4] Wang Chao。从Alphago的胜利中，人工智能的发展过程和应用前景[J]。中国新技术和新产品，2017年，（04）：125-126。
[5] Zhu Wei，Chen Huihui，Tian Siyuan，Wang Hongwu。人工智能：从科学的梦想到新的蓝色海洋 - 发展分析和人工智能行业的对策[J]。科学和技术进步与对策，2016年，（21）：66-70。
[6] Wang Jiangtao。分析人工智能的发展和应用[J]。电子技术和软件工程，2015年，（05）：264。
[7]杨阳。研究人工智能技术的发展趋势[J]。信息和计算机（理论版），2012年，（08）：151-152。
[8] Zhang Ni，Xu Wenshang，Wang Wenwen。人工智能技术的开发和应用研究摘要[J]。煤矿机械，2009年，（02）：4-7。
[9] Wang Yongzhong。人工智能技术在智能建筑中的应用[J]。技术信息，2009年，（03）：343+342。
[10] Li Deyi，小唇唇。互联网时代的人工智能[J]中国信息杂志，2008年，（02）：3-9。
[11] Li Hongxia。人工智能发展的摘要[J]。Gansu Technology，2007，（05）：17-18
[12] Sun Ke。基于火花的机器学习应用程序框架的研究和实现[D]。上海Jiotong大学，2015年。
[13]朱·朱伯，胡温博。贝叶斯机器学习进度[J]。计算机研发，2015年，（01）：16-26。
[14]他的清金，李·温朱恩，什叶齐。大数据下的机器学习算法摘要[J]。模式识别与人工智能，2014年，（04）：327-336。
[15]冯·亚宁（Guo Yaning），冯莎莎（Feng Shasha）。关于机器学习的研究[J]。中国科学技术信息，2010年，（14）：208-209+214。
[16] Chen Kai，朱Yu。机器学习和相关算法评论[J]。统计和信息论坛，2007年，（05）：105-112。
[17] Yan Youbiao，Chen Yuanzhen。机器学习的主要策略[J]。计算机应用研究，2004年，（07）：4-10+13。
[18]张大明，Zhan Zhicai，Cheng Keyang，Zhan Yongzhao。深度学习的研究和发展[J]。江苏大学杂志（自然科学版），2015年，（02）：191-200。
[19]杨·魏孔（Wang Weitong），王·韦恩（Wang Wang Lichun）。深度学习研究[J]。北京技术大学杂志，2015年，（01）：48-59。
[20] Liu Jianwei，Liu Yuan，Luo Xionglin。深度学习研究进度[J]。计算机应用研究，2014年，（07）：1921-1930+1942
[21] Ma Yongjie，Yun Wenxia。遗传算法的研究进展[J]。计算机应用研究，2012年，（04）：1201-1206+1210。
[22] Cao Daoyou。基于遗传算法改进的应用[D]的研究。安海大学，2010年
Google的Alpha Dog击败了世界的Go Master；微软在语言识别和图像识别方面具有世界领先的世界；亚马逊在云服务和机器人方面取得了迅速的进展，Facebook还领导了聊天机器人和视觉照片。但已在各个领域开发和应用。在人工智能方面，美国仍在领导世界！值得我们学习！
结论：以上是主要CTO注释为每个人组成人工智能如何制定的所有内容。感谢您阅读本网站的内容。我希望这对您有帮助。有关人工智能如何改善的更多信息，请在此站点上找到它。