人工智能包括哪些技术？

人工智能包括哪些技术？

人工智能（Artificial Intelligence，AI）指由人制造的机器所表现出的智能，与自然智能（Natural Intelligence，NI）相对应。
该领域的研究焦点是“能根据环境处理信息”的智能主体（intelligent agents）如何最优化决策的过程。
<hr/>一、AI包括哪些技术？

核心技术主要包括：
1、机器学习：关注如何在经验学习中自动改善算法性能。（核中之核）
2、计算机视觉：以算法分析图像。
3、自然语言处理：识别、理解人类文本语言。
4、语音识别：让机器听懂人类语音。
......
在新技术诞生和发展初期，即使我们知道它很牛，最多也只是惊叹，少了直观感受。
若非研究人员，大家的关注点只会在技术应用上。
随着 AI 渗透进各行业的运作过程和人们日常生活，技术与实践结合日益密切，普通用户接触的优质产品也越来越多。
今年绝对算 AI 大年，技术突破和热点话题层出不穷。
典型产品 ChatGPT，创造了“两个月用户增长 1 亿 + ” 的奇迹，其影响至今仍在发酵。
目前人工智能的应用场景很丰富，最火的还是以之为代表的聊天大模型。

美版头条 ChatGPT上岗写新闻

报道称ChatGPT 成黑客编写恶意软件「利器」

美国学生用 ChatGPT 写论文拿下全班最高分

多家期刊、出版机构禁止将 ChatGPT 列为论文合著者

类似新闻上了一次又一次热搜......
当越来越多人了解并使用AI技术，以后这类话题估计很难再成为新闻。
<hr/>二、AI技术：抢走工作，还是创造机会？

随着技术成熟、各种产品和应用涌现，“AI抢占人类工作”的预言也相当常见。
巴菲特5月就对人工智能崛起表示担忧，将这项技术的兴起与原子弹的发明相提并论。
机器能把我们的工作完成得又快又好，甚至还会自己进步，的确细思极恐。
媒体人怕写稿子的活儿被抢走，程序员担心以后用不上他敲代码，分析师的某些分析能力快要（甚至已经）被AI超过，作家都觉得小说创作领域大概率被人工智能入侵......
当AI浪潮席卷而来，各类传统行业都可能会有技术焦虑。
而在最新技术面前，部分计算机岗位都带有了一点传统的意味。
很多胖友既担心现有工作被取代，又期待人工智能给行业带来新的革新机会。
现实或许没这么夸张，但技术的存在感越来越强，现在和未来的变数确实大。
对身处其中的普通人来说，拥抱技术、适应变化就是最好的应对方式。
想把握技术的方向，最大化它对我们的价值，前提一定是先了解技术。
去年年底 ChatGPT 问世，不仅引发业内人士的惊叹，也迅速漫延成一个全民话题。
作为最新且最具可能性的技术，AI大模型会带给社会哪些影响？
对普通人来说，最应该了解、学习哪些有价值的新知识？
面对技术高速更新换代，我们还有增加收入、把握技术红利的机会吗？
这里向大家推荐「知乎知学堂」联合「AGI课堂」官方发布的AI大模型公开课。
想短时间内提高自己对AI工具的了解和掌握度，听优质课程是最高效的方式。
本文推荐的《程序员的 AI 大模型进阶之旅》，由业界、学界最前沿的大佬传授知识，0元免费学，点击上方卡片就行。
如果你近期有空，完全可以学起来。
不仅是无门槛听课，而且听课还能领 AI 大模型资料包和无需翻墙的好用 AI 工具名称、网址，实测好用。
（添加运营人员微信就可以领）
了解技术是第一步，接下来就是在实践中收编技术，使之成为我们工作的助手，甚至用它完成一些靠自己完成不了的工作。
具体方法和关键点都能靠听课学会。
新的技术一定会创造新的机会，但不是所有人都能把握住。
偶然理解、领悟了某些内容，或许就避免了一次机会溜走。
<hr/>三、用好AI，该偷懒的地方偷懒

微软张祺提出了一个概念：单人创业家（One-Person Entrepreneur）。
指的是利用颠覆性创新技术的非凡能力和无限潜力，结合“单人+AI 即团队”的模式，实现垂直创新和垂直增长。
简单来说就是用好 AI ，我们原先生产力和工作效率直接拉满（甚至突破天花板）。

产品经理A，借AI自然语言处理技术和图形处理技术，轻松批量生成PPT背景图；

产品经理B，不会代码、零开发背景，1周开制作出一款合意的“文字生成图片”工具，原有广告成本腰斩；

算法工程师C，用大语言模型和提示工程技术，36小时做出了一个对话机器人；

软件工程师D，由AI工具协助编程，开发了一款AI推荐产品；

产品经理E，花20美元订阅AI产品，等于有了一整支“队伍”（前端开发、后端开发、设计师、增长团队等），打造了一部自己的电影；

以上都是微软员工的实例，牛人有了 AI，真单枪匹马创业。
如果是和我差不多的普通打工人/学生，用不着也很难做到这么卷。
但用好 AI，首先是能把工作做得更快更好，更重要的是可以让自己省心又省力。
（对大部分行业的工作场景适用）
Copilot 和 chatGPT 被戏称为“程序员两大护法”，有 AI 辅助编程，跑代码效率翻倍，一些繁琐工作直接丢给它，原先得花几小时的简单需求体力活，轻松半小时搞定。
还有像我平时写推文的工作，chatGPT、new Bing、Claude 都常用。
倒不是直接让 AI 帮我完成全篇大稿（目前其创作水平实在有限），而是在考虑文章思路、框架、标题时可用它提速。
运营我自己的号也是如此，AI 能协助思考、生成某些简单文字，必要时还能做图。
个人的一个小秘诀是：
让人工智能提供尽量多角度的想法和可能性，自己再把控方向。
​​比如我要给文章取标题，会让 AI 从不同角度最少拟定 50 个。
一个两个可能不满意，50个答案总能从中找到可参考之处，这也是最大化 AI 的效用。
当然，更多技能和训练得在专业课程中获知，​​这也回到了上文提到的听课了。
用好 AI ，在该偷懒的地方偷懒，省下的时间去卷其他重要领域或休闲都 OK .

1、大数据
大数据，或者称之为巨量资料，指的是需要全新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。也就是说，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据是AI智能化程度升级和进化的基础，拥有大数据，AI才能够不断的进行模拟演练，不断向着真正的人工智能靠拢。
2、计算机视觉
计算机视觉顾名思义，就是让计算机具备像人眼一样观察和识别的能力，更进一步的说，就是指用摄像机和电脑代替人眼对目标进行识别、跟踪和测量，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
3、语音识别
语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高新技术。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。语音识别是人机交互的基础，主要解决让机器听清楚人说什么的难题。人工智能目前落地最成功的就是语音识别技术。
语音识别目前主要应用在车联网、智能翻译、智能家居、自动驾驶方面。
4、自然语言处理
自然语言处理大体包括了自然语言理解和自然语言生成两个部分，实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等，前者称为自然语言理解，后者称为自然语言生成。自然语言处理的终极目标是用自然语言与计算机进行通信。
5、机器学习
机器学习就是让机器具备人一样学习的能力，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心。
机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。

举个例子，基于深度残差收缩网络的故障诊断技术。
基于深度残差收缩网络的故障诊断 Deep Residual Shrinkage Networks for Fault Diagnosis

从学科的角度来看，人工智能是一个典型的交叉学科，涉及到哲学、数学、计算机、控制学、神经学、经济学和语言学等学科，所以人工智能不仅知识量大，而且难度高。
关于人工智能的定义存在两个大的方向，一个是“像人一样思考和像人一样行动”，另一个是“合理的思考和合理的行动”，目前在研究领域更倾向于第二个方向，也就是追求智能体的合理性。当然，这仅仅是当前的研究出发点，未来也许会有新的方向性要求（或者叫做人性）。
从大的技术组成体系来看，人工智能技术涉及到物联网、云计算、大数据、边缘计算等内容，其中物联网是目前智能体一个重要的落地应用场景，物联网场景的搭建能够全面促进智能体的落地应用，目前车联网被看成是智能体全面落地应用的一个重要突破口，所以目前诸多科技公司都在布局相关领域（尤其是自动驾驶）。
人工智能的发展需要数据、算力和算法三大支撑因素，云计算提供了算力支撑（同时也是落地场景之一），而大数据则提供了数据的来源，随着大数据和云计算的发展，人工智能的发展也会在很大程度上得到促进。
从研究方向上来看，目前人工智能领域的研究方向包括机器学习、自然语言处理、知识表示、自动推理、计算机视觉和机器人学，目前除了机器学习（深度学习）之外，自然语言处理和计算机视觉方向也比较热。
当前虽然部分高校在本科阶段开设了人工智能专业，但是人工智能领域的人才培养还是以研究生教育为主，所以如果想往人工智能方向发展，可以考虑读一下研究生。
最后，近两年算法岗位的就业情况并不理想，岗位数量相对较少，研究生可以考虑从大数据相关岗位开始做起。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

谢邀
首先我们要知道人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。说起人工智能我们大家都很熟悉，各种人工智能概念，AI概念层不出穷，仔细想来无外乎智能音箱、智能打印机、智能售卖机等等诸如此类似乎没多少“智能”，和我们脑海中的“AI印象”，如：终结者、机器人、阿尔法狗、自动驾驶等技术大相径庭。目前，普遍认为人工智能的研究始于1956年达特茅斯会议，早期人工智能研究中，如何定义人工智能是个喋喋不休的问题，但基调始终是：像人一样决策、像人一样行动、理性的决策、理性的行动等研究方向。人工智能70年来的研究过程中，早期受制于计算机运算速度和存储的限制，人工智能的研究进展缓慢。06年深度学习技术突破到2016年阿尔法狗打败李世石，人工智能的概念世人皆知，那么人工智能主要由哪几部分构成呢？
一、采集：传感器—信息采集
二、处理：CPU—各种算法、架构、系统
三、输出：像人一样行动
四、存储
NORFLASH、NANDFLASH、ONENANDFLASH、DDR1、DDR2、DDR3----。存储内容的压缩、存储、解压缩。
五、显示：
虚拟现实VR、增强型虚拟现实AR。
六、通信
超级宽带。万物互联。
七、电源
医疗器械专用开关电源
工业控制专业开关电源
车载&无人驾驶&无人机专用开关电源。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。对于想要进入人工智能领域的小白来讲：一开始就接触到人工智能的研究是不现实的，不妨试着学习嵌入式、Python、物联网等和人工智能息息相关的基础领域，先学好基本后再一步步通向人工智能学习之路是个不错的选择。