自从计算机或机器发明以来，它们执行各种任务的能力经历了指数级增长。人们已经在计算机系统的各种工作领域，其不断提高的速度以及相对于时间的减小方面开发了强大的计算机系统。

计算机科学的一个分支，叫做人工智能，致力于创造像人类一样智能的计算机或机器。

人工智能(AI)的基本概念

人工智能之父约翰·麦卡锡(John McCarthy)说，这是“制造智能机器，尤其是智能计算机程序的科学和工程学”。

人工智能是一种使计算机，计算机控制的机器人或软件进行智能思考的方式，类似于智能人类的思考方式。通过研究人脑在解决问题时的思维方式以及学习，决定和工作的方式，然后将本研究的结果作为开发智能软件和系统的基础，可以实现AI。

在利用计算机系统的功能时，人类的好奇心使他想知道：“机器可以像人类一样思考和行为吗?”

因此，人工智能的发展始于在我们发现并视为人类崇高的机器中创建类似智能的意图。

学习AI的必要性

众所周知，人工智能致力于创造与人类一样智能的机器。我们学习AI的原因很多。原因如下-

人工智能可以通过数据学习

在我们的日常生活中，我们处理大量数据，而人脑无法跟踪那么多数据。这就是为什么我们需要使事情自动化。为了实现自动化，我们需要研究AI，因为它可以从数据中学习，并且可以准确而又轻松地完成重复性任务。

人工智能可以自学

系统必须自学，因为数据本身不断变化，并且必须不断更新从这些数据中获得的知识。我们可以使用AI来实现此目的，因为启用AI的系统可以自学。

人工智能可以实时响应

借助神经网络的人工智能可以更深入地分析数据。由于此功能，AI可以根据条件实时思考和响应情况。

人工智能实现准确性

借助深度神经网络，人工智能可以实现巨大的准确性。 AI在医学领域帮助从患者的MRI诊断癌症等疾病。

人工智能可以组织数据以充分利用数据

数据是使用自学习算法的系统的知识产权。我们需要AI以始终提供最佳结果的方式来索引和组织数据。

了解情报

借助AI，可以构建智能系统。我们需要了解智能的概念，以便我们的大脑可以像自己一样构造另一个智能系统。

什么是智力?

系统具有计算，推理，感知关系和类比，从经验中学习，从内存中存储和检索信息，解决问题，理解复杂思想，流畅地使用自然语言，分类，概括和适应新情况的能力。

智力类型

正如美国发展心理学家霍华德·加德纳(Howard Gardner)所描述的，智力具有多重性-

您可以说机器或系统中装有至少一个或所有智能设备时，便是人工智能。

什么是情报?

智力是无形的。它由-组成

• 推理
• 学习
• 解决问题
• 知觉
• 语言智能

让我们简要介绍所有组件-

推理

这是一组过程，使我们能够为判断，决策和预测提供基础。大致有两种类型-

学习

人类，特定种类的动物以及支持AI的系统具有学习的能力。学习分类如下-

听觉学习

它是通过听和听来学习。例如，学生听录制的音频讲座。

情景学习

通过记住一个人亲眼目睹或经历过的事件序列来学习。这是线性且有序的。

运动学习

它是通过精确的肌肉运动来学习的。例如，拾取对象，书写等。

观察学习

通过观看和模仿他人来学习。例如，孩子试图通过模仿父母来学习。

知觉学习

它正在学习认识一个人以前见过的刺激。例如，识别和分类对象和情况。

关系学习

它涉及学习根据关系属性而不是绝对属性来区分各种刺激。例如，在煮土豆时添加“少一点”的盐，而上一次咸的土豆则添加一汤匙的盐来煮。

• 空间学习-它是通过视觉刺激(例如图像，颜色，地图等)进行学习的。例如，一个人可以在实际走道路之前在脑海中创建路线图。

• 刺激反应学习-它是在存在某种刺激时学习执行特定行为的方法。例如，一条狗在听到门铃时举起耳朵。

解决问题

在这一过程中，人们通过采取某种途径来感知并尝试从当前状况中获得所需的解决方案，而这一过程被已知或未知的障碍所阻止。

解决问题还包括决策，这是从多个备选方案中选择最合适的备选方案以实现所需目标的过程。

知觉

它是获取，解释，选择和组织感官信息的过程。

知觉假定感觉。在人类中，感觉是由感觉器官协助的。在AI领域，感知机制以有意义的方式将传感器获取的数据组合在一起。

语言智能

它是使用，理解，说和写口头和书面语言的能力。这在人际交流中很重要。

什么涉及人工智能

人工智能是一个广阔的研究领域。该研究领域有助于找到解决现实问题的方法。

现在让我们看看AI的不同研究领域-

机器学习

它是AI最受欢迎的领域之一。该字段的基本概念是使机器可以从数据中学习，就像人类可以从他/她的经验中学到的那样。它包含学习模型，可以基于这些模型对未知数据进行预测。

逻辑

这是另一个重要的研究领域，其中使用数学逻辑来执行计算机程序。它包含规则和事实以执行模式匹配，语义分析等。

正在搜寻

该研究领域基本上用于象棋，井字游戏中。在搜索整个搜索空间后，搜索算法会提供最佳解决方案。

人工神经网络

这是一个高效计算系统的网络，其中心主题是从生物神经网络的类比中借用的。 ANN可用于机器人技术，语音识别，语音处理等。

遗传算法

遗传算法借助多个程序帮助解决问题。结果将基于选择最适合者。

知识表示

在这个研究领域中，我们可以用机器可以理解的方式表示事实。代表知识的效率更高；更多的系统将是智能的。

AI的应用

在本节中，我们将看到AI支持的不同字段-

赌博

人工智能在象棋，扑克，井字游戏等战略游戏中起着至关重要的作用，在这种游戏中，机器可以根据启发式知识来思考大量可能的位置。

自然语言处理

可以与理解人类所说自然语言的计算机进行交互。

专家系统

有些应用程序将机器，软件和特殊信息集成在一起，以进行推理和建议。他们向用户提供解释和建议。

视觉系统

这些系统理解，解释和理解计算机上的视觉输入。例如，

• 间谍飞机拍摄照片，用于找出空间信息或区域地图。

• 医生使用临床专家系统来诊断患者。

• 警察使用计算机软件，该软件可以利用法医存储的肖像识别罪犯的脸。

语音识别

一些智能系统能够在人们与之交谈的同时，根据句子及其含义来听和理解该语言。它可以处理不同的重音，语，背景噪音，由于寒冷而引起的人为噪音变化等。

手写识别

手写识别软件读取由笔在纸上或由手写笔在屏幕上书写的文本。它可以识别字母的形状并将其转换为可编辑的文本。

智能机器人

机器人能够执行人类给出的任务。它们具有传感器，可以检测来自现实世界的物理数据，例如光，热，温度，运动，声音，撞击和压力。它们具有高效的处理器，多个传感器和巨大的内存，以展现智能。此外，他们能够从错误中学习，并且能够适应新环境。

认知建模：模拟人类思维过程

认知建模基本上是计算机科学中的研究领域，它涉及研究并模拟人类的思维过程。 AI的主要任务是使机器像人一样思考。人类思维过程的最重要特征是解决问题。这就是为什么或多或少的认知建模试图理解人类如何解决问题的原因。之后，该模型可用于各种AI应用，例如机器学习，机器人技术，自然语言处理等。以下是人脑不同思维水平的图表-

代理与环境

在本节中，我们将重点介绍代理和环境以及这些对人工智能的帮助。

代理商

代理是可以通过传感器感知其环境并通过效应器在该环境上起作用的任何事物。

• 人类试剂具有与传感器平行的感觉器官，例如眼睛，耳朵，鼻子，舌头和皮肤，以及其他器官，例如效应器的手，腿，嘴。

• 机器人代理代替了用于传感器的照相机和红外测距仪，以及用于效应器的各种电机和致动器。

• 软件代理已将位字符串编码为其程序和动作。

环境

一些程序在完全人工的环境中运行，仅限于键盘输入，数据库，计算机文件系统和屏幕上的字符输出。

相反，某些软件代理(软件机器人或软件机器人)存在于丰富的，无限的软件机器人域中。该模拟器具有非常详细，复杂的环境。软件代理需要实时从多种操作中进行选择。软件机器人的设计目的是扫描客户的在线偏好，并在真实和人工环境中向客户展示有趣的项目。