人工智能究竟是怎样工作的？

人工智能对于现代企业及其他类型的组织而言已变得极其重要，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，人工智能系统能从所分析数据中的模式和特征中学习。

每当人工智能系统处理数据时，它会测试和衡量自己的性能，并获得新的知识。由于人工智能从不需要休息，可以快速完成成千上万个任务，在短短的时间内学到许多知识，无论它被训练做什么事务，最终都变得极其擅长。

殊不知，要了解人工智能真正的工作原理，就需要明白人工智能不单单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。

人工智能系统有很多不同的部分，您可以将其视为人工智能这门总体科学的子领域。

这些领域囊括：

• 机器学习：人工智能的一种特定应用，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。机器学习让人工智能可以找到数据中的模式，发掘洞察力，并改进系统意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，让人工智能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，让人工智能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。
• 认知计算是人工智能系统的另一个重要部分，意在模拟人机交互，让计算机模型在执行复杂任务（譬如分析文本、语音或图像）时可以模拟人脑的机理。
• 自然语言处理（NLP）是人工智能的重要组成部分，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人工智能的系统都必不可少，无论是通过文本还是语音输入。
• 计算机视觉——这是人工智能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。计算机视觉让人工智能系统可以识别视觉数据要素，譬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。

人工智能需要什么技术？

人工智能并不新颖，但由于技术方面的显著进步，近年来它得到广泛应用，用途也愈来愈广。

实际上，人工智能的规模和价值呈爆发式增长与近期的技术进步密切相关，囊括：

• 更庞大、更易于访问的数据集——人工智能靠数据蓬勃发展。伴随数据快速增长以及访问数据更方便，人工智能的重要性随之加大。假如没有“物联网”之类的发展，人工智能的潜在应用就会少得多。
• 图形处理单元——GPU是推动人工智能提升价值的关键因素之一，因为它们对于为人工智能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提供了人工智能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人工智能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让人工智能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，事实上使那些系统和程序更智能化。

原文标题：But how does AI actually Work?​ 作者：Annoberry​