在纯粹的计算意义上，人工智能可以被归类为包含理论和实用技术的学科，用于开发允许机器(尤其是“计算机”)至少在领域和领域中显示智能活动的算法。
从对定义的第一次尝试来看，很明显有必要对人类的推理、元推理和学习的综合/抽象功能进行正式分类，以便在它们的基础上建立能够指定此类形式的计算模型。推理和学习是一项艰巨的任务，因为即使在今天，人类大脑的真正功能还没有被完全理解。
今天如何“分类”人工智能
已经从这个非常快速的“历史之旅”中可以看出，给人工智能下一个准确的定义是一项艰巨的任务，但通过分析它的演变，我们可以追踪它的轮廓，从而做出一些重要的分类。
弱人工智能和强人工智能：它们是什么以及它们有何不同
以人脑的功能为出发点(尽管我们知道其确切机制仍未完全了解)，人工智能应该能够执行某些人类典型的动作/功能：
– 人道地行事(即，不区分人);
– 人性化思考(解决认知功能问题);
– 理性思考(即像人类一样使用逻辑);
– 理性行事(开始一个过程以从可用信息中获得最佳预期结果，这是人类经常无意识地出于习惯而做的事情)。
这些考虑是绝对重要的，因为它们允许将人工智能分为两大研究/开发“坡度”，科学界也同意，弱人工智能和强人工智能：
A)弱人工智能(Weak AI)
它确定了能够模拟人的某些认知功能而无需达到人的真正智力能力的技术系统。这些是用于解决问题的数学程序，其功能被开发用于解决问题或机器可以做出决策。
B) 强人工智能(Strong AI)
在这种情况下，我们所说的“智能系统”(一些科学家甚至说“自我意识”)可以发展自己的智能，而无需模仿与人类相似的思维过程或认知能力，而是发展自己的自主性。
机器学习和深度学习，有些清晰
弱人工智能和强人工智能的分类是机器学习和深度学习之间区别的基础，这两个研究领域属于更广泛的人工智能学科，值得澄清，因为在未来几年我们将听到越来越多的他们。
经过适当的澄清，我们可以将人工智能定义为机器执行人类智能典型的任务和动作(计划、语言理解、图像和声音识别、问题解决、模式识别等)的能力，区分弱人工智能和强大的人工智能。从技术和方法论的角度来看，人工智能的特点是学习方法/模型，通过这种方法/模型，智能能够胜任一项任务或行动。这些学习模型是机器学习和深度学习的区别。
A)机器学习：
它是一组允许软件适应并允许机器学习的方法，以便它们可以在没有预先编程的情况下执行任务或活动，也就是说，没有预先编程的系统来确定信息系统应该如何表现和反应。 . 也就是说，它们是用于“训练”人工智能的系统，以便通过学习、纠正错误、训练自身，它可以自主执行任务/活动。
因此，机器学习的特点是“学习模型”，正是基于这些模型，我们可以对算法进行分类：
– 通过教学监督(通过输入和输出示例进行学习，以便 AI 了解它应该如何表现);
– 没有教学监督(通过结果分析学习：在这种情况下，软件了解如何行动，并且学习模型根据映射软件必须执行的某些行动和任务的结果的输出进行调整);
– 强化学习(“精英”学习：AI在实现目标、结果、执行动作等时获得奖励)。通过这种方式，他知道哪些行为是对的，哪些是错误的。)
B) 深度学习：
在这种情况下，我们谈论的是受生物大脑的结构和功能启发的学习模型，因此也是人类思维的启发。如果机器学习可以定义为“训练”人工智能的方法，那么深度学习就是允许模拟人类思维的方法。然而在这种情况下，仅靠数学模型是不够的，深度学习需要专门设计的人工神经网络(深度人工神经网络)和非常强大的计算能力，能够“承受”不同的计算层和分析，这就是发生的事情与人脑的神经连接。这看起来像是一种未来主义的技术水平，但它们实际上是已经用于模式识别的系统.
相关文章
