什么是人工智能- 商业AI技术– 企业AI应用- SAP

什么是人工智能？早期人工智能的概念由人工智能之父马文·明斯基 (Mavtin Minsky) 提出，他认为“人工智能是关于让机器胜任需要人类智慧才能完成的任务的科学。”尽管这一定义的核心在今天看来依然适用，但现代计算机科学家在此基础上进一步升华，将 AI 定义为一种能够感知环境并采取行动，最大限度地确保成功实现目标的系统。不仅如此，AI 系统还具备解读和分析数据的能力，并且能够在这个过程中不断学习和自我调整。

人工智能的定义：一种具备解读和分析数据能力并能够感知环境且采取行动，最大限度地确保成功实现目标的系统。

人工智能的起源及发展历程

人工智能的起源可追溯到数千年前，从希腊神话中的皮格马利翁 (Pygmalion) 到维多利亚时代的科学怪人弗兰肯斯坦，千百年来，人们一直幻想有朝一日可以创造出一个能像人一样思考和行动的生物。随着计算机的兴起，我们逐渐认识到，人工智能的形象不会表现为独立自主的实体，而是一套可以增强并适应人类需求的工具和互联技术。

1956 年，在新罕布什尔州汉诺威的达特茅斯大学举办的研讨会上，业内人士首次提出人工智能一词。从那时起，AI 和数据管理就在相伴相依中交织发展。要执行有意义的可靠分析，AI 需要海量大数据。而要采用数字化方式处理大量数据，系统就离不开 AI。因此，伴随着计算能力和数据库技术的崛起，AI 也在不断发展壮大。

过去业务系统只能处理几 GB 数据，如今不仅可以管理 TB 级数据，还可以利用 AI 实时处理结果和洞察。与人造的“科学怪人”不同，AI 技术灵活敏捷，响应迅速，其设计宗旨是帮助人类伙伴，优化和增强他们的能力，而不是取而代之。

人工智能的三种类型

AI技术是发展速度最快的科技领域之一。时至今日，即便是最复杂的 AI 模型也只是在利用三种人工智能类型中最基本的 “狭义人工智能”而已。另外两类人工智能还只存在于科幻小说里，以目前的AI技术并不能够实现并加以利用。也就是说，按照计算机科学在过去 50 年里的发展速度，很难预测未来的 AI 将会带领我们走向何方。

AI 的三种主要类型

狭义人工智能 (ANI)

ANI 是现有AI技术能够达到的一种人工智能，也被称作弱人工智能。尽管狭义人工智能可执行的任务可能由高度复杂的算法和神经网络驱动，但它们仍然是单一且以目标为导向的。面部识别、网络搜索和自动驾驶汽车都属于狭义人工智能的范畴。之所以将狭义人工智能归类为弱人工智能，不是因为它在应用范围和能力方面存在局限性，而是因为它与具备人类特质这种真正意义上的智能相差甚远。哲学家约翰·塞尔 (John Searle) 认为狭义人工智能“可以用于检验关于思维的假设，但实际上并不属于思维范畴”。

通用人工智能 (AGI)

AGI 可以成功执行人类才能完成的智力型任务。与狭义 AI 系统一样，AGI 系统可以从经验中学习，发现和预测模式，但是 AGI 的智能水平更胜一筹。AGI 可以从先前获取的数据或现有算法未解决的各种任务和情况中，推断出这些知识。

Summit 超级计算机是全球为数不多的可以演示 AGI 的超级计算机之一。Summit 每秒可以执行 200 千万亿次计算，而人类完成这些计算需要十亿年。要想发挥切实可行的作用，AGI 模型不一定需要如此强大的计算能力，只需要达到目前超级计算机的计算水平。

超人工智能 (ASI)

从理论上讲，ASI 系统拥有完全的自我意识。除了简单地模仿或理解人类行为之外，它们还能从根本上掌握人类行为。

ASI 不仅具备这些人类特质，还拥有远胜于人类的处理能力和分析能力，这似乎为我们呈现了一个反乌托邦式的科幻未来，到那时人类将被逐渐淘汰出局。

生活在今天的人们也许无法亲历这样的世界，但即便如此，依照人工智能的迅猛发展势头，可以预见人工智能几乎会从所有可衡量的领域全方位碾压人类，因此人类必须慎重考虑人工智能的道德准则和管理措施。正如斯蒂芬·霍金 (Stephen Hawking) 所说，“正因为 AI 有着巨大的潜力，因此必须研究如何在利用其优势的同时避免落入潜在的危险中。”

人工智能的核心技术是什么

要让 AI 发挥作用，就必须让它有用武之地。只有当 AI 提供可据以采取行动的洞察时，其价值才得以真正实现。如果我们把 AI 想象成人类的大脑，那么 AI 技术就相当于人类的双手、眼睛和身体动作，大脑的想法必须通过它们才能落到实处。下面列出了一些应用最广泛且发展最迅速的 AI 技术。

人工智能技术

机器学习及其所有组件都是人工智能的子集。机器学习将各种算法应用到不同类型的学习方法和分析技术上，让系统能够自动从经验中学习并不断改进，无需显式编程。企业可以运用机器学习处理任何需要预测结果的问题或目标，这些预测结果需要经过复杂的数据分析才能得出。

人工智能和机器学习的区别是什么？机器学习是人工智能的一部分，没有人工智能就没有机器学习，所以重要的不是它们互不相同，而是 它们有何 不同。人工智能是基于数据处理来做出决策和预测。借助机器学习算法，人工智能不仅能够处理数据，还能在不需要任何额外编程的情况下，利用这些数据进行学习，变得更智能。

自然语言处理 (NLP)

借助 NLP 技术，机器能够识别和理解书面语言和语音命令，包括将人类语言翻译成算法可以理解的语言。自然语言生成 (NLG) 是 NLP 的子集，可以让机器将数字语言转化成自然人类语言。在更复杂的应用中，NLP 可以利用上下文来推断态度、情绪和其他主观特质，最准确地解读含义。NLP 的实际应用包括聊天机器人和数字语音助手，例如 Siri 和 Alexa。

Facebook
LinkedIn

什么是聊天机器人？深入了解这些数字助理及其使用 NLP 的方式。

计算机视觉

计算机视觉是一种方法，能帮助计算机查看和理解数字图像和视频，而不仅仅是对它们进行识别或分类。计算机视觉应用利用传感器和学习算法提取复杂的上下文信息，用于自动执行其他流程或为其他流程提供信息。计算机视觉还可以推算数据进行预测，这基本上意味着它可以穿墙透视，而且不会放过任何角落。自动驾驶汽车是计算机视觉应用的优秀范例。

机器人技术

机器人技术算不上新鲜事物，在制造行业等领域已经使用多年。但是如果不使用 AI，就只能通过人工编程和校准来实现自动化操作。如果这些工作流程存在缺陷或低效环节，也只能在事后或者发生故障后才能被发现。操作人员往往对导致问题的原因一无所知，对采取哪些调整措施来提高效率和生产力也毫无头绪。但引入 AI 之后，通常是采用物联网传感器后，就能大幅扩展机器人执行任务的范围、数量和类型。工业领域应用的机器人技术包括大型仓库的订单拣选机器人，以及经过编程可以在最佳时间采摘或养护农作物的农业机器人。