译者：布加迪
AI对于现代企业及其他类型的组织来说已变得极其重要，因为它可以做所有上述事情。通过结合大量数据与智能迭代处理算法，AI系统能从所分析数据中的模式和特征中学习。
每当AI系统处理数据时，它会测试和衡量自己的性能，并获得新的知识。由于AI从不需要休息，可以快速完成成千上万个任务，在短短的时间内学到很多知识，无论它被训练做什么事务，最终都变得极其擅长。
然而，要了解AI真正的工作原理，就需要明白AI不仅仅是一个计算机程序或应用软件，而是一门完整的学科或科学。
AI系统有许多不同的部分，您可以将其视为AI这门总体科学的子领域。
这些领域包括：
-
机器学习：AI的一种特定应用，让计算机系统、程序或应用软件可以自动学习，并根据经验获得更好的结果，这一切无需编程。机器学习让AI可以找到数据中的模式，发掘洞察力，并改进系统旨在完成的任何任务的结果。
-
深度学习：一种特定类型的机器学习，让AI可以通过处理数据来学习和改进。深度学习使用模拟人脑中生物神经网络的人工神经网络来处理信息，找到数据之间的联系，进行推论，或基于正面和负面强化获得结果。
-
神经网络：重复分析数据集以便从未定义的数据中找到关联并解释含义的过程。神经网络的功能类似人脑中的神经网络，让AI系统可以接收大型数据集，发现数据中的模式，并回答有关它的问题。
-
认知计算是AI系统的另一个重要部分，旨在模拟人机交互，让计算机模型在执行复杂任务（比如分析文本、语音或图像）时可以模拟人脑的机理。
-
自然语言处理（NLP）是AI的重要组成部分，因为它让计算机可以识别、分析、解释和真正理解人类语言，无论是书面语言还是口头语言。自然语言处理对于任何与人类交互的基于AI的系统都必不可少，无论是通过文本还是语音输入。
-
计算机视觉——这是AI技术最常见的应用之一，能够使用模式识别和深度学习来审查和解释图像内容。计算机视觉让AI系统可以识别视觉数据要素，比如在网上随处可见的验证码，这些验证码通过人类帮助它们识别汽车、人行横道、自行车或山脉等图像元素来学习。
AI需要什么技术？
AI并不新颖，但由于技术方面的显著进步，近年来它得到广泛应用，用途也越来越广。
事实上，AI的规模和价值呈爆发式增长与最近的技术进步密切相关，包括：
-
更庞大、更易于访问的数据集——AI靠数据蓬勃发展。随着数据快速增长以及访问数据更方便，AI的重要性随之加大。如果没有“物联网”之类的发展，AI的潜在应用就会少得多。
-
图形处理单元——GPU是推动AI提升价值的关键因素之一，因为它们对于为AI系统提供执行交互式处理所需的数百万次计算的能力至关重要。GPU提供了AI快速处理和解释大数据所需的计算能力。
-
智能数据处理——新的和更先进的算法让AI系统可以更快地同时在多个层面分析数据，帮助这些系统极快地分析数据集，以便它们能够更好更快地理解复杂系统，并预测罕见事件。
-
应用编程接口——API让AI功能可以添加到传统的计算机程序和应用软件中，通过增强它们识别和理解数据模式的能力，实际上使那些系统和程序更智能化。
举报/反馈
原文链接：https://baijiahao.baidu.com/s?id=1740570028546014266&wfr=spider&for=pc
