指南：人工智能其實是一個廣義的術語，它涉及到很多技術，當這些技術結合在一起時，使計算機能夠產生智能，與人類對話和交流。 通用AI我們都知道，人工智能的流行使用是一種類似于超人在許多不同任務上的機器人。 人工智能實際上是一個涉及很多技術的廣義術語，當這些技術結合起來時，計算機可以產生智能并與人類通信。

大赦國際

我們都知道，人工智能的流行使用是在許多不同的任務上類似于超人的機器人。 他們打頭等艙，飛頭等艙，可以和你深入談任何話題。 就像電影中的很多機器人，它們有好有壞，這就是人們期待和害怕人工智能的原因。 雖然這是現階段人工智能研究的最終目標，而我們目前的技術還遠遠沒有達到人工智能水平，但這是人工智能，一般人工智能。 我們想象

很久以前，我們應該聽說過谷歌的人工智能項目&ldquo；AlphaGo(AlphaGo)&rdquo；以4比1擊敗世界圍棋冠軍李世石，擊敗了當時的世界冠軍，成為世界冠軍。 然而，這個智能程序不應該能玩其他游戲，而不是quot；go“游戲。 它可能甚至不會告訴你當前的時間是什么，因為只要工程師不將這些設置添加到它的程序中，它就不能回答你的問題。

目前，我們基本上暴露了人工智能，這種類型的人工智能代表了所有現有的人工智能，甚至是迄今為止最復雜和最有能力的人工智能。 人工狹義智能是指人工智能系統只能使用類人功能獨立執行特定任務。 這些機器只能做他們被編程要做的事情，所以他們的能力非常有限。 根據上述分類系統，這些系統對應于所有反應性和有限內存AI。 即使是使用機器學習和深度學習自學的最復雜的人工智能也是ANI.2

而窄AI有兩種類型，讓我們逐一看看。

符號人工智能(SymbolicAI)，數字人工智能(NumericAI)，一般來說，數字人工智能也稱為機器學習ML

符號AI符號人工智能

象征性人工智能也被稱為老式人工智能(GOFAI)，因為它已經存在了幾十年。一個機器人，需要程序員手動編寫控制符號AI系統的所有規則。 只有這樣，它才能運行，但由于這個原因，很難建立正確的解決方案。 只是一個簡單的邏輯機器，只能根據人類的指令執行特定的結果。 但通過這種方式，它也被廣泛應用于用例中，其中一些人需要理解為什么AI程序在特定情況下做出特定的決策。 例如，為了宣讀一項規則，有必要解釋其制定和決定的原因。

ML機器學習

ML比符號AI相對較新，而且功能更強。 例如，Google Deep Mind Alpha GO是一個ML系統。 機器學習是利用算法解析數據并從中學習，即從給定的樣本數據中計算樣本特征然后對未知事件或樣本進行預測或決策。

有了ML機器學習，AI程序不再是程序員手工編寫所有規則，而是使用大量的例子或數據讓機器學習“我們想做什么，我們的行為習慣，從而為我們服務。

這就相當于人類如何去“學習”新事物。 當人們還小的時候，如果他們想教孩子什么是貓和狗，成年人就不會告訴孩子，你看，短，小，下垂的耳朵，尾巴擺動，那就是狗。 相反，拿出一些貓和狗的照片來告訴孩子這是什么。 經過一段時間的教學，孩子們自然明白了哪是狗，哪是貓。 ML機器學習程序遵循同樣的原則。

隨著智能手機和傳感器的出現，我們每天產生如此多的數據，以至于機器學習方法現在有足夠的數據來訓練。

多年來，多核CPU和GPU等電子芯片的成本也有所下降，而數據量的激增和廉價硬件的可用性是當前人工智能革命的重要原因。