验中学习以最初没有要
然而人工智能研究人员有自己的处理方法。为了简化我们可以用两个不同轴的形式来呈现它们一个与人工智能的适用范围有关另一个与实际功能有关涵盖更多的技术观点。在第一种情况下我们有个主要的人工智能级别用于衡量与任务和学习能力相关的整体能力。在第二个轴上我们有个人工智能类别基于特定关键领域的直接技术能力。此外人工智能还可以按用途分类从生成人工智能到计算机视觉再到自动驾驶汽车。然而我们并不关注这一点因为很难将两者进行比较所以如果我们想衡量人工智能的能力它不是一个有用的尺度。这种情况与机器学习的技术方面类似这里根据情况和任务某些选项比其他选项效果更好。我们将这个决定留给开发人员人工智能的个主要层次基于能力对人工智能进行分组的第一个基本方法是根据其整体功能范围。它可以执行多广泛多广泛的任务这是衡量它的明确方法。目前人工智能研究人员区分了三种类 电话数据 型的人工智能。人工智能范围狭窄或较弱此类别指的是旨在执行简单特定任务的人工智能。大多数现代系统都被归类为狭义人工智能。即使他们使用神经网络深度学习或其他先进的解决方案他们仍然按照一套特定的规则运作。例如销售预测只能做一件事预测销售。
https://static.wixstatic.com/media/c95ddb_1d64f783023044d2ab6ea97a75371392~mv2.jpg/v1/fill/w_656,h_366,al_c,q_80,usm_0.66_1.00_0.01,enc_auto/c95ddb_1d64f783023044d2ab6ea97a75371392~mv2.jpg
通用或强人工智能这些人工智能系统可以从数据和自己的经求的方式使用信息。换句话说强人工智能可以像人类思维一样学习和适应。目前通用人工智能是否存在是人工智能研究人员争论的问题。到目前为止我们已经做了很多工作来开发人工智能但普遍的共识是我们还没有做到这一点。人工超级智能人工超级智能是一个假设的水平在这个水平上人工智能系统能够在几乎所有可以想象的智力任务上超越人类。这种人工智能状态目前不存在于科幻小说之外也被认为是具有自我意识的人工智能它能够消除限制其能力的编程约束。
頁:
[1]