人工智能的基本概念

图1   AI是什么？

总的来说，智能是理解客观世界和运用知识解决问题的能力。个人的智慧包括广泛的能力，例如：感知和理解客观事物的能力，客观世界和自己; 通过学习获得经验和获取知识的能力; 能够理解知识并运用知识和经验进行问题分析和解决问题; 结社，推理，判断和决策的能力; 语言抽象和概括的能力; 发现，发明，创造和创新的能力; 能够适当，迅速和合理地应对复杂的环境; 以及对事物发展和变化的预测和见解的能力。

人工智能不是一个新概念 – 实际上，它的理论和技术基础在过去的62年中得到了提升。为了记录，AI的正式开始被认为是1956年的“达特茅斯会议”。在某种程度上，图灵测试甚至比这更早，并提出了如何识别“智能机器”的想法。然而，AI的旅程一直非常动荡。回顾过去，几乎所有主要被认为是AI的一部分的领域都取得了实质性进展。让我们看一些具有实际意义的刺激性发展。

基于知识的系统可能是人工智能最成功的实用分支。在世界各地的组织中部署了多个应用程序。开发了数百种工具，通常标记为专家系统壳。这样的系统实现了足够的宏伟，成为一个独立的学科，具有单独的学术课程。除了实际的成功之外，该领域也促进了人工智能本身的发展。基于规则的知识表示的概念，强调不确定性的推理，领域知识的验证问题，自动知识获取覆盖中的机器学习等等是学术成长的一些领域。

另一个进步领域是自然语言处理。如今可以在有限的环境中使用合理的翻译系统，主要是在可以向系统提供一点人工指导的情况下有效。Systran是一个相关的示例，为内部协作，搜索，eDiscovery，内容管理，在线客户支持和电子商务提供实时语言解决方案。该领域也为信息检索领域的发展做出了贡献。万维网是人们对这一领域感兴趣的主要原因之一，现有的信息远远超出人类想象的极限。如果没有自动分析和过滤，从这个巨大的矿井中识别和检索感兴趣的项目是一项具有挑战性的任
语义Web，网页内容和链接分析，文本挖掘，

语音处理已经产生了功能上有价值的工具。如今，可以使用软件工具将您的语音文本转换为机器可处理的文本，例如Word文档。这些确实需要一些培训，并且在适应多个扬声器方面还不是很有效。这些工具对于没有良好打字速度的人来说非常方便，更重要的是那些与计算机交互的残障人士。

机器人技术也处于高动力之路。日本有一项重大举措，旨在开发人形机器人，帮助老年人进行日常工作。这种举措目前正在促进日本和美国的机器人工作。日本的本田和索尼已经制造了可以行走，挥动，做一些基本的舞步等的机器人。机器人宠物已经达到商业地位，几家公司销售精致的宠物狗。

我们注意到的只是人工智能成功的一部分。从大约半个世纪前的适度开始，人工智能在很多方面都有所发展。虽然一些AI从业者正在追求实现机器智能的最初目标，但今天的大量AI研究专注于解决复杂的实际问题。

虽然人工智能已经成为我们日常生活的一部分，但这项技术正处于拐点，主要是由于近期深度学习应用的重大进展。深度学习利用能够从非结构化或未标记的数据进行无监督学习的网络。由于最近的两项重大技术进步，支持深度学习能力的神经网络变得更加高效和准确：前所未有的大数据访问和计算能力的提高。神经网络的有效性与可用数据量相关。

机器学习（ML）是人工智能最令人兴奋的领域之一，涉及开发自动理解数据的计算方法 – 这种技术利用了学习是动态过程的洞察力，通过示例和经验而不是预定义来实现规则。与人类一样，机器可以保留信息并随着时间的推移变得更加智能。与人类相比，机器不会倾向于睡眠剥夺，分心，信息过载和短期记忆丧失 – 这就是这种有影响力的技术变得令人兴奋的地方。

凭借几乎所有行业的应用程序，AI承诺在同时创建新业务模型的同时显着改变现有业务模型。例如，在金融服务领域，人工智能优化的欺诈检测系统的准确性和速度得到了明显的提升，预计2020年市场将达到3B美元1。

AI对人类智能的主要优势在于其可扩展性，使用寿命和持续改进能力。预计这些属性可以生动地提高生产率，降低成本并减少人为错误。尽管处于一个充满希望的阶段，人工智能技术有望为企业生产力，竞争优势以及最终的经济增长引入新标准。

如果仅应用通常的检索机制，则在当前数据库中收集的大量数据的使用非常有限。提出正确的问题并以适合问题的方式连接数据可能会产生相关信息。现在有一整套方法可以做到这一点，例如，数据仓库，经典统计方法，神经网络和机器学习算法。AI已经对数据技术做出了重大贡献，数据技术已经商业化使用了几年，并且经常被称为数据挖掘。