在「AI」隨處可見的當下，你真的理解人工智能領域核心概念嗎?

剛剛，斯坦福大學教授、人工智能實驗室(SAIL)負責人、HAI 副主任 Christopher Manning 用一頁紙的篇幅定義了 AI 領域的核心術(shù)語。他表示希望這些定義能夠幫助非專業(yè)人員理解 AI。

在這一頁紙中，Manning 介紹了十多個術(shù)語的定義，包括「智能」、「人工智能」、「機器學習」、「深度學習」等。

智能可以定義為學習和執(zhí)行恰當?shù)募夹g(shù)以解決問題、實現(xiàn)目標的能力，且這些能力能夠適用于不確定、不斷變化的外部環(huán)境。經(jīng)過完全預編程的工業(yè)機器人具有靈活性、準確性和一致性，但并不智能。

人工智能(AI)由斯坦福大學名譽教授 John McCarthy 在 1955 年提出，他將人工智能定義為「制造智能機器的科學與工程」。許多研究使人類編程的機器能夠以聰明的方式執(zhí)行任務，如下棋。但是如今，AI 領域致力于實現(xiàn)至少可以像人類一樣學習的機器。

自主系統(tǒng)能夠獨立地計劃和確定操作步驟，以實現(xiàn)指定的目標，而無需進行微觀管理。醫(yī)院中的配送機器人必須在人來人往的走廊中自主導航才能成功完成任務。在人工智能領域中，「自主」并不意味著政治或生物學中常見的「自治」(self-governing)。

機器學習(ML)是人工智能的一部分，旨在研究計算機智能體如何根據(jù)經(jīng)驗或數(shù)據(jù)改善其感知、知識、思維或行動。為此，機器學習領域的知識涉及計算機科學、統(tǒng)計學、心理學、神經(jīng)科學、經(jīng)濟學和控制論。

在監(jiān)督學習中，計算機學習預測人類給定的標簽，例如基于帶標簽的狗狗照片來學習狗的品種。而無監(jiān)督學習不需要標簽，有時需要自己做預測任務，例如嘗試預測句子中每個后續(xù)單詞。強化學習讓智能體學習可優(yōu)化其總體獎勵的動作序列，例如在沒有良好技術(shù)的明確示例下自主贏得游戲。

深度學習指使用大型多層神經(jīng)網(wǎng)絡計算連續(xù)(實數(shù))表示，與人腦中按層級結(jié)構(gòu)組織的神經(jīng)元略有相似。目前，深度學習是最成功的機器學習方法，可用于所有類型的機器學習，并且可基于少量數(shù)據(jù)實現(xiàn)更好的泛化性能，能夠更好地擴展至大規(guī)模數(shù)據(jù)和算力。

算法列出了待執(zhí)行的精確步驟，就像人把步驟寫進計算機程序一樣。AI 系統(tǒng)包含算法，但算法往往僅作為學習或獎勵計算方法。它們的很多行為是從數(shù)據(jù)或經(jīng)驗中學得的，正如斯坦福畢業(yè)生 Andrej Karpathy 所提出的「軟件 2.0」帶來的系統(tǒng)設計基礎性改變一樣。

狹義人工智能(Narrow AI)表示能夠處理特定任務的智能系統(tǒng)，如語音識別或人臉識別。人類級 AI(Human-level AI)或通用人工智能(AGI)則致力于尋找智能處理大量任務且能夠感知語境的機器，例如高效的社交聊天機器人或人機交互。

以人為中心的人工智能指尋求能夠增強人類能力、滿足人類社會需求且從人類身上得到啟發(fā)的 AI。它為人類研發(fā)高效的合作伙伴和工具，如機器人助手和老年陪護機器人。

關(guān)鍵詞：

責任編輯：Rex_07