构建能够像人类一样思考和行动的人工系统的前景在历史上一直被讨论。在这个指数计算和数字化的时代，像人工智能这样吸引人的概念开始受到关注只是时间问题。但首先，什么是人工智能?
定义
计算机模拟人类智能被称为人工智能(AI)。换句话说，这是一个旨在创建系统的领域，该系统可以像人一样学习和推理，从经验中学习，弄清楚如何在特定场景中解决问题，比较和对比事实，并执行逻辑任务。
事实上，一个系统拥有类人的硬件，并且在物理上像一个人一样行动，这是机器人技术与人工智能不同的一个领域，因为它不专注于复制人类的思想和推理。
值得注意的是，如果一个系统能够像人类一样学习和思考，那么由于其速度和计算能力，就像一个经验丰富的棋手一样，它将比人类具有显著的优势同等扑克会比休闲玩家更有优势。
人工智能是如何开始的
人工智能根本不是一个新概念。举个例子，在17世纪哲学家笛卡尔已经提出了智能自动机的可能性的理论。当然，直到20世纪中期，这一主题才开始具有相关性。
艾伦·图灵在1950年提出了这一课题的第一个正式挑战，他说:“如果一个系统在法庭上被要求冒充人类，那么它就足够聪明了。”令人惊讶的是，这个测试直到今天仍然是一个巨大的障碍。
多年后，著名计算机科学家约翰·麦卡锡在1956年著名的达特茅斯会议上创造了“人工智能”一词。
然而，这一看似兴起的技术研究分支却在几十年的投机和孤立的项目中结束了，其中还有其他原因。因为这是一个没有人敢认真投资的领域。
尽管如此，还是取得了重大的进步，如1966年第一个使用自然语言处理(NLP)的聊天机器人ELIZA;1979年击败西洋双陆棋世界冠军的BKG 9.8项目;1994年，第一辆自动驾驶汽车在巴黎行驶了很长一段距离;IBM的深蓝人工智能，在1997年击败国际象棋冠军加里Kaspàrov。
随着新世纪的到来和科技的飞速发展，人工智能已经成为不可阻挡的趋势之一，这一领域的里程碑开始出现很多，从能够在任何智力活动中击败人类的专家系统，到能够日常组织我们自己的虚拟助手。
日常生活中的人工智能
人工智能几乎可以出现在现代世界的每一个角落，然而，它并不一定是以能够识别我们语音的大量虚拟助手的形式出现。让我们来看一些例子，从最简单的开始，到最复杂的:
- 家里的设备。从智能恒温器到机器人吸尘器，科技正渗透到我们家庭的每一个角落和缝隙。家居自动化是人工智能的“基础”领域之一，多年来已使人们受益。
- 垃圾邮件过滤器。它并不是最引人注目的人工智能之一，但像谷歌或微软这样的公司应用了大量不断发展的算法，以检测欺诈和垃圾邮件类型的电子邮件。
- 个性化的广告它们通常是训练有素的系统，以专业知识为基础，执行特定的认知活动。下棋的电脑就是一个很好的例子。
- 专业代理。它们通常是经过高度训练的系统，以专家的知识为基础，执行特定的智力任务。下棋的电脑就是一个很好的例子。
- 聊天机器人。使用NLP(自然语言处理)并随着时间的推移而改进的系统;允许与人进行有凝聚力的双向交流，无论是口头还是书面。
- 视频游戏。也许这是最明显的，因此也经常被忽视，但它一直是人工智能进步的最重要来源之一，在无休止的追求中，让“机器”表现得清晰而令人信服。在游戏中，不管是赛车还是敌方士兵
- 自主车辆。有许多公司，不仅仅是汽车公司，已经赶上了智能汽车行业的潮流，开发实时处理大量数据的系统，以确定车辆的正确轨迹，预防事故等。
- 虚拟助手。这是我们今天能与之互动的最接近电影AI的东西。它能识别我们的声音，适应我们要东西的方式，并能够根据我们的口味推荐娱乐节目。这些技术的优势之一是，它们拥有大量的用户，这些用户不断地为它们提供养分，并帮助强化它们的学习算法。类似于我们在移动设备上使用它的方式，虚拟助理可以负责安排会议，提出感兴趣的文章，推荐联系人，或准确跟踪员工在工作场所的任务。
- 改善客户服务。使用智能聊天机器人来解决客户的疑问或事件，可能是公司在短期内最重要的改进之一，因为它可以节省支持和客户服务方面的费用。
- 生产力的增加。它不仅可以检测到公司内部哪些流程存在“瓶颈”，而且还可以进一步推断出它们在什么特定情况下发生。
- 智能分析。如果为此目的进行了适当的配置，人工智能可以分析数据(结构化和非结构化)，并比致力于“数据挖掘”的人更快地得出结论。
- 数据预测。数据预测可能得到增强的另一个领域是预测哪些消费者不会按时支付未来账单的能力。
- 聪明的销售和营销。可能我们知道我们的产品在一年中的某些月份销售得更多，但也许我们没有时间分析这种情况是否在所有国家都存在，还是这是一个普遍的事实。如果我们接受人工智能的建议，我们就可以找出每个时代关注的国家、城市、年龄、职业概况等，而无需花费太多时间分析每个时代。
- 异常检测。如果业务环境发生在逻辑趋势之外，则可以对其进行控制，而不考虑销售、咨询、技术支持等部门。
- 情绪分析。在自然语言或NLP识别中，有一个分支致力于根据书面或叙述文本评估一个人的情绪。这使我们能够了解与客户、供应商和公众互动时对我们品牌的满意程度。
人工智能技术
人工智能是一个宽泛的词，涵盖了广泛的技术和主题，这些技术和主题都是数学和工程研究的子集。让我们来看看最重要的系统，从识别系统开始，然后发展到机器学习系统。
- 自动语音识别。自动语音识别是一门关于声学的学科，其目标是识别语音信号中的音素。语音识别系统通过分析麦克风接收到的信号来识别用户所说的话。
- 自然语言处理，简称NLP。虽然语音识别侧重于语音到文本的忠实转换，但自然语言处理(NLP)是一门与语言学领域联系更紧密的学科，其目标是了解用户在发布消息、命令、问题或语句(无论是书面还是口头)时的意图。以及它期望得到什么，以及分析情绪并从中找到主观模式。简而言之，这个领域有助于人与机器之间的交流(主要是声音和文字)，反之亦然。
- 视觉识别。视觉识别是一门基于图像或视频信号处理的学科，其目的是识别图案、形状，在最好的情况下，忠实地识别图像中的不同元素。
- 文字识别。因为它的主要目标是识别和识别图像形式的文本，文本识别可能被认为是视觉识别的一个子集。对于这项任务，通常使用OCR(光学字符识别)工具。
- 大数据。大数据可以被认为是大量的数据，而不涉及技术细节。大数据本身不是一项技术，但拥有大量可用数据(最好是结构化的)是实现商业智能分析和某些机器学习算法应用目标的重要基础。
- 专家系统。专家系统是将人类对某一分支的所有可能的知识都倾倒在其中的系统。
- 一个经典的例子是下棋的系统，它从一个完整的移动和策略集合开始，已经进入它们的内存，能够在特定条件下确定最佳的移动(通常基于决策树)。
- 机器人技术。机器人技术(无论是机械机器人还是软件机器人，如RPA)包含了广泛的设备。每当一个系统或机器人表现出智能的症状，例如，能够做出无论多么基本的决定，我们就会谈论人工智能。请记住，人工智能(AI)并不一定是复杂的;它可以存在于任何层次，包括最基本的层次，必须与机器学习区分开来，后者是向机器学习的能力。
- 机器学习。自动学习，通常被称为机器学习，是人工智能的一个分支，旨在教会计算机以与人类相同的方式学习和关联知识。为了实现这一目标，它采用了能够识别先前数据模式的算法，以及深度学习及其神经网络算法等新趋势，来预测未来。
- 深度学习。深度学习是机器学习的一个分支学科。这是一种学习系统，其灵感来自人脑处理信息的神经网络功能，背后有非常复杂的数学基础。虽然它是基于经验(以前的数据，由环境产生的或自己产生的)，但它不是基于严格的指示来确定什么是正确的，什么是错误的，因此系统可以自己确定结论。
- 认知智能与认知服务。认知智能是上述技术的组合，目标是构建能够理解人类的人工智能系统。它是视觉和声音识别、阅读理解、NLP和机器学习的结合，以创建能够理解与人类交互相关的信息并做出相应响应的系统。像微软这样的公司向他们的客户提供认知服务，以便能够扩展他们的应用程序的功能。
人工智能类别
人工智能很难分类，事实上，最好是根据特定系统使用的方法来练习分类。然而，基于他的想法，其他专家试图组建人工智能小组。
根据计算机科学家斯图尔特·拉塞尔和彼得·诺维格的说法，人工智能可以分为以下几类:
- 像人类一样思考的系统。这些系统试图通过人工神经网络模型来模仿人类的思维。
- 像人类一样行动的系统。这些系统专注于像人类一样行动;它们与经典的机器人技术联系更紧密，灵活性更低。
- 理性思考的系统。当观察、推理和行动时，这些系统试图使用人类的逻辑。它们不是被编程来模仿大脑中的神经元活动，而是在特定的环境中以类似人类的方式行动。专家代理就是一个例子。
- 理性行动的系统。它们试图理性地模仿人类行为，根据给定的环境条件得出自己的结论。这些系统的不同之处在于试图将理性应用于他们的决策。
更常见的分类是分为两大类:
- 弱人工智能。虽然这个名字看起来有些贬损，但它指的是目前所有的人工智能。人工智能致力于以最有效的方式解决一个特定问题或一组问题，但没有能力在没有适当的编程的情况下扩展到一般问题。这一类别甚至包括最先进的虚拟助手。
强人工智能。它是能够在推理和演绎能力上达到或超过人类智能的人工智能。如今，这是一个只存在于科幻小说中的乌托邦，因为尽管事实上机器已经在许多方面超越了我们(包括在某些领域的视觉和听觉识别)，但它们没有真实的情感或原生认知能力，也没有自己的意识和对任何场景的适应性。
大卫·托宾(David Tobin)在爱丁堡大学获得心理学学位。他对心理学、心理健康和健康感兴趣。
