这5个“大白话”版人工智能词汇2018你一定要掌握！

人工智能正迅速渗透到我们数字生活的每一个领域，比如，我们平常看到的社交媒体的故事，可以在照片中识别朋友和宠物，甚至避免我们在路上发生事故。如果你想了解AI，你需要从支撑它的术语开始。

因此，本文会介绍一个人工智能术语表。

但不是每个人都同意这些词的确切定义，所以你可能会看到他们在网上的其他地方有不同的使用。这里尽可能地坚持最常用的定义，但是随着这种快速增长的新技术的出现，总会有差异。

1.算法

算法是计算机可以遵循的一系列规则，所以如果你最好的朋友之一在Facebook上发布了你的照片，那么这些规则就会让她的消息置顶在你的客户端页面。或者，如果你需要从Google地图上的A地到B地，算法可以帮助制定最快的路线。

规则之后是计算机，但它通常由人类设定。所以这是Facebook工程师谁选择什么使故事重要或哪条道路是最快的地方。 AI开始进入的地方是使用机器学习来调整这些算法，因此计算机开始自行调整这些规则。如果谷歌地图开始获取到特定道路关闭的反馈数据，它可能会这样做。

当图像识别系统出现错误时，例如，这是一个算法或一组规则的例子，它们已经应用了相同的规则，但是会达到错误的结果，所以你得到了一个像猫一样的狗，而不是真正的猫。在很多方面，算法是机器学习的基础。

2.人工智能

什么是人工智能呢？定义根据你问的对象而不同，但从最广泛的意义上说，它是人为创造的情报。

所以当Siri回复你像一个真正的人的时候，这说明它是人工智能。当Google 似乎知道猫是什么样子的时候，那也是人工智能。安东尼·丹尼尔斯隐藏在他的C-3PO套装里也是一种人工智能，这种方式是一种由人类真正控制的说话思维机器人给我们带来的“幻觉”。

这个定义真的很广泛，所以你可以看到经常会有人混淆应用方面的问题。人工智能有许多不同的类型和方法，所以要确保你理解的不同之处。当某些东西被描述为内置人工智能时，这可能意味着涉及广泛的技术。

3.深度学习

深度学习是机器学习的一种类型或一个子集，这就是为什么这两个术语经常混乱起来，而且在很多情况下可以正确地描述相同的AI。这是机器学习，但设计实际上更加智能，有更多的细微差别和层次，并未来会像人脑一样工作。

两项关键的技术进步使得深度学习成为可能：更多的数据和更强大的硬件。这就是为什么它只是最近才被人们关注，虽然它的原始根源可以追溯到几十年前。如果考虑到机器学习的11倍，你可以理解为什么随着计算机变得更强大，它变得越来越聪明。

深度学习通常使用神经网络来增加这个额外的智能层。例如，深度学习和机器学习都可以通过扫描一百万张猫的图像从而识别图片中的一只猫，但是机器学习需要知道猫的特征是什么，而深度学习要确定一只猫，只要有足够的原始数据即可。

4.机器学习

机器学习其中一个最著名的例子是图像识别。给一个机器学习系统足够的猫的照片，它最终将能够在没有任何人类操作员的提示下，从一个新的图片中发现一只猫。你可以把它看作是人工智能网络超越了原来的编程，首先接受了大量数据的训练。

Google的AlphaGo计划是另一个很好的例子：由人类教授，但能够根据自己的训练做出决定。 AlphaGo还展示了许多类型的AI都非常具体，这个引擎在玩围棋方面非常出色，但是在自驾车中却是无用的。

5.神经网络

与深度学习的概念密切相关，神经网络试图模仿人类的大脑，或者像我们现在理解的那样，模拟人类大脑的过程。再次，神经网络的发展在过去的几年里只能用高端处理器才能实现。

本质上，它意味着大量的图层。神经网络并不是通过查看图像来判断它是否是猫的图像，而是考虑到图像和猫的各种不同特征是否一样，在做出最终决定之前，为每个图像分配不同的重要性。最终的结果是猫识别引擎更加准确（因此近年来图像识别技术得到了很大改善）。

如果你不能完全理解这个想法，不要担心，神经网络不是一个你可以从简短的三段定义中完全理解的概念。但是，如果你把它看作是另一个机器学习工具，旨在创造一些人类智慧的微妙之处，那么你已经掌握了基本知识。