人工智能 (AI) 是一种机器智能，它模仿人类思维的解决问题和决策能力来执行各种任务。
。
人工智能是如何工作的人工智能使用机器学习和深度学习等算法和技术来学习、发展并在分配的任务中逐渐做得更好。根据人工智能可以复制的人类特征、现实世界的应用和心智理论的先决条件，人工智能分为三种类型：
狭义人工智能（ANI）：能力范围狭窄的人工智能通用人工智能（AGI）：人工智能与人类能力相提并论超级人工智能（ASI）：超越人类智能的人工智能让我们更详细地了解每种 AI 类型。
1. 狭义人工智能（ANI）狭义人工智能 (ANI)，也称为弱 AI 或狭义 AI，是特定于应用程序或任务的 AI。它被编程为执行单一任务，例如面部识别、语音助手中的语音识别或驾驶汽车。狭义 AI 基于一组有限的参数、约束和上下文来模拟人类行为。 ANI 的一些常见示例包括 Siri 在 iPhone 上展示的语音和语言识别、自动驾驶汽车展示的视觉识别功能和推荐系统，例如 Netflix 的推荐系统，它根据用户的在线活动推荐节目。谷歌的 RankBrain 是谷歌用来对结果进行排序的另一个狭窄人工智能的例子。此类系统仅学习或接受培训以完成特定任务。
2. 通用人工智能（AGI）通用人工智能（AGI），也称为强人工智能或深度人工智能，是机器思考、理解、学习和应用其智能来解决复杂问题的能力，就像人类一样。强人工智能使用心智理论框架来识别其他智能系统的情绪、信念和思维过程。思维层面的人工智能理论是指教机器真正理解人类的所有方面，而不仅仅是复制或模拟人类的思维。 尽管 AGI 尚未实现，但它已经引起了微软等顶级科技公司的关注，微软通过风险投资 OpenAI 向 AGI 投资了 10 亿美元。此外，为了实现强大的人工智能，富士通制造了 K 计算机，它被认为是世界上最快的超级计算机之一。同样，中国国防科技大学建造了天河二号，这是一台 33.86-petaflops 的超级计算机。
3. 人工超级智能（ASI）人工超级智能（ASI）是一种超越人类智能的人工智能，可以比人类更好地执行任何任务。ASI 系统不仅能理解人类的情感和经历，还能唤起他们自己的情感、信念和欲望，类似于人类。 尽管 ASI 的存在仍是假设性的，但此类系统的决策和解决问题的能力预计将远超人类。通常，ASI 系统可以独立思考、解决难题、做出判断和做出决定。 狭义、通用和超级 AI 是如何工作的？ 无论类型如何，人工智能通常具有三种基本能力： 1.感知周围环境 在这里，人工智能模型收集有关相关主题的周边数据。 2. 检测环境中的模式 在收集相关数据后，人工智能模型会寻找常见的数据模式。 3. 从这些模式中学习并更新对未来决策的理解 然后，人工智能模型从数据模式中学习，并随着时间的推移更新其理解。对于 AGI，这可能包括变得更加自我意识、创造力和提高与人类相媲美的认知能力。同样，对于 ASI，这个阶段可能需要发展自己的情感、信念和经验，并进一步增强超越人类智力的认知能力。 ?查看更多：人工智能、机器学习和深度学习之间有什么区别？ 狭义、通用和超级 AI 之间的主要相似之处 人工智能 (AI) 允许机器从以前的经验中学习，适应新的输入或刺激，并以更高的效率执行类似人类的任务。从金融、医疗保健和航空到制造和供应链，人工智能已被广泛应用于各个垂直行业。 虽然狭义的 AI 已成为我们日常生活的一部分，但 AGI 仍处于早期阶段，围绕 ASI 的炒作是巨大且坚定的。然而，所有这些类型的人工智能都是从相同的根源演变而来的，并且具有某些不可否认的相似之处。 狭义人工智能、通用人工智能和超级人工智能之间的主要相似之处 狭义人工智能、通用人工智能和超级人工智能之间的主要相似之处
让我们了解 ANI、AGI 和 ASI 之间的主要相似之处。
1. 预测和适应能力所有类型的人工智能都使用算法来识别和发现数据中的模式。然后，人工智能解决方案使用识别出的模式来学习和适应，就像人类从重复性任务中学习一样。所有分析的数据都进一步用于做出未来的决策并得出有意义的预测。 今天使用的各种软件系统，例如用于纠正拼写错误、预测用户将要输入的内容或为用户提供到达目的地的最短路线的系统，其核心是机器智能。 同样的原则也适用于根据交通和周围数据做出导航决策的自动驾驶汽车。法律领域提供了类似的应用，其中人工智能解决方案审查多个文件并将相关文件标记为特定案件。在标记相关文档后，算法可以轻松找到类似的文档。此类人工智能应用还可用于诉讼预测，因为它们可以根据文档内容评估案件的风险因素并预测判决结果。
2.自己做决定人工智能增强了人类智能，从收集的数据中提供洞察力，并学习提高整体生产力。人工智能分析数据、自我学习、获得洞察力和做出改进决策的能力使其成为一个强大的工具，无论应用程序如何。 当前的狭义人工智能解决方案根据已编程到其中的数据做出自己的决定。同样，由于 AGI 和 ASI 中内置的类人认知能力，未来的 AI 解决方案可能总是做出比人类同行更快、更优化的全面决策。
3.模仿人类认知 各种人工智能系统本质上都是模仿人的思维，解决复杂的问题。他们有效地理解世界并做出适当的反应，就像人类研究他们的环境，得出推论，然后与他们进行适当的互动一样。 Narrow AI 的机器智能使用自然语言处理 (NLP)来理解自然语言中的语音和文本。这在聊天机器人和 Cortana 等虚拟助手中很明显。因此，当前的人工智能被编程为模仿人类认知，以自然和个性化的方式与人类互动。由于 AGI 和 ASI 系统是 ANI 的高级版本，这种对人类认知的模仿只能期待进一步扩展和进步。
4. 不断学习和发展人工智能是指机器从常见数据模式中学习的能力。人工智能系统使用深度学习（机器学习的一个子集）来不断学习和发展。大多数深度学习方法，通常称为深度神经网络，都使用神经网络架构，并通过使用大量标记数据进行训练。这里，'deep' 表示神经网络中隐藏层的数量。与具有两到三个隐藏层的传统神经网络相比，深度神经网络有接近 150 层。 目前，最熟悉的深度学习示例包括亚马逊的 Alexa、谷歌助手和三星 Bixby。这样的人工智能系统使用算法??来开发分析模型并通过多次反复试验来执行任务。 基于深度学习的对话式 AI 聊天机器人示意图 基于深度学习的对话式 AI 聊天机器人示意图
5.通过自动化消除平凡的任务所有类型的 AI 通过提供自动化解决方案来取代组织中的常规和平凡的任务。这使员工能够专注于关键任务。智能仓库配备了所有必要的自动化和人工智能系统，让员工不必担心搬运重物。相反，自动化机器人具备执行这些活动的能力。此外，库存也会自动计算，让员工处理需要人工注意的任务，例如确保自动化系统正常运行。这提高了效率，节省了员工的时间和精力，同时减少了间接费用。 随着 AGI 和 ASI 的出现，需要仔细人工监控的活动也将由智能代理承担，这些代理在未来与人类相比表现出更高的智能。
6.促进人类增强人工智能和人的结合可以将不同的能力和优势结合在一起。增强智能将任何形式的人工智能提升到更高的水平。以 IBM 的 Deep Blue 为例，该计算机在 1990 年代后期击败了国际象棋大师 Garry Kasparov。输了之后，加里试验了计算机助手如何提高只有人类或计算机下棋的水平。他发现人类、机器和良好的流程可以产生比单一、强大的计算机更好的结果。 今天的狭义人工智能在帮助人类完成关键任务方面已经相当有效。随着 AGI 和 ASI 近在咫尺，自动化等技术可能会进一步提高人类智能的有效性。这意味着“人类智能加机器智能”的整体输出将优于单独的人类或机器。 查看更多：
狭义 AI、通用 AI 和超级 AI 之间的主要区别可以肯定地说，人工智能的进步让我们今天的生活变得更加轻松。随着 ANI 成为我们生活中不可或缺的一部分，AGI 和 ASI 脱颖而出，我们站在了实现 AI 技术真正力量的风口浪尖。
话虽如此，每种类型的 AI 都截然不同。让我们了解 ANI、AGI 和 ASI 之间的主要区别。
人工智能实习?? ?今天的人工智能?? ?未来的人工智能——2040 年左右?? ?AGI 之后不久 查看更多：人工智能工作角色：如何成为数据科学家、人工智能开发人员或机器学习工程师 外卖 自 20 世纪中叶人工智能问世以来，我们所成功实现的只是狭义人工智能的范式。在完成指定任务时，它表现得非常好。一旦狭窄的 AI 变得像人脑一样复杂，我们可能会触及 AGI 的领域。 在掌握了在各个领域超越人类智力的一般人工智能阶段后，我们可以开始设想一个标志着超级人工智能时代开始的未来。未来将意味着我们被更聪明、更有意识和自我意识的实体所包围。然而，问题仍然存在，我们是否会达到这些阶段以实现最终的人工智能霸权？
 1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，会注明原创字样,如未注明都非原创，如有侵权请联系删除！；3.作者投稿可能会经我们编辑修改或补充；4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。 |
