人工智能人工智能实际上是一个广泛的术语。它涉及许多技术。当这些技术合并后，计算机可以产生智能并与人交谈。

　　GM AI

　　我们都知道，在许多不同的任务上，人工智能的流行使用是类似于超人的机器人。他们是战斗中的第一级，首先是飞行速度，并且可以在任何主题中与您深入交谈。就像电影中的许多机器人一样，它们是好是坏。当然，正是人类害怕人工智能和恐惧。尽管这是此阶段AI研究的最终目标，但我们当前的技术仍远离AI级别，但这是我们想象的AI GM AI。

　　很久以前，我们应该听说Google的人工智能计划“ Alphago”击败了世界冠军Li Shishi 4到L.它当时击败了世界冠军！成为世界冠军。但是，除了玩“ GO”游戏之外，该智能程序不应玩其他游戏。它可能甚至无法告诉您多少时间，因为只要工程师不在程序中添加这些设置，就无法回答您的问题。

　　目前，我们基本上是狭窄的AI。这种类型的人工智能代表了所有现有的人工智能，包括迄今为止最复杂，最有能力的人工智能。只能使用人类功能执行特定任务的人工智能系统只能用于使用人类功能。这些机器只能做他们想做的事情，因此它们的能力非常有限。根据上述分类系统，这些系统对应于所有反应性和有限的内存AI。即使是从机器学习和深度学习中学习和深入学习的最复杂的人工智能也属于ANI。

　　狭窄的AI有两种类型，让我们一一看看它们。

　　Symbolicai（Symbolicai）和数字人工智能（Numericai）。一般来说，数字人工智能也称为机器学习ML

　　符号符号人工智能

　　符号人工智能也被称为旧的AI（Gofai），因为它已经存在数十年了。该机器人要求程序员手动编写所有用于控制符号AI系统的规则。只有这样才能运行，但正是由于这个原因，很难建立正确的解决方案。这只是一个简单的“逻辑机器”，只能根据人类说明执行。但这就是这种情况杏耀平台注册中心，它也被广泛使用，它仍然用于某些人类来理解为什么AI程序在给定情况下做出具体决策。例如，要阅读一定规则，我们必须解释该规则制定的原因及其决定的原因。

　　ML机器学习

　　ML比Symbolicai相对较新，该功能的功能要强得多。例如，GoogleePmind的字母是ML系统。机器学习使用算法解析数据。从中学习是为了从给定的样本数据中计算样本特征的定律，然后预测或确定未知事件或样本。

　　经过ML机器学习后，AI程序不再是使用手动编写所有规则的程序员，而是使用大量示例或数据让机器“学习”我们想做的事情，我们的行为习惯，因此为服务服务以服务于我们。

　　这实际上等同于人类如何“学习”新事物。当人们要教孩子，猫，狗小时候时，成年人就不会告诉孩子。您会看到，短而小，耳朵和尾巴，那是狗。取而代之的是，取出一些“猫和狗”照片，告诉孩子这是什么。有一段时间的教学，孩子们自然会了解哪只狗是猫。 ML机器学习计划来自相同的原则。

　　随着智能手机和传感器的出现，我们每天都会生成大量数据，因此机器学习方法现在拥有足够的数据来接受培训。

　　多年来，电子芯片的成本（例如多核CPU和GPU）也下降了。同时，创建的数据量和廉价硬件设备的可用性是当前AI革命的重要原因。

　　报告/反馈