人工智能的类型深度学习和机器学习，德州仪器TI弱人工智能与强人工智能

弱人工智能（也称为狭义人工智能 (ANI)）是经过训练并专注于执行特定任务的人工智能。当前，我们周围的大部分人工智能都属于弱人工智能。“狭义”可能是对此类人工智能更准确的描述，因为弱人工智能一点也不弱。它支持一些非常健壮的应用程序，例如，苹果的 Siri、亚马逊的 Alexa、IBM watson 和自动驾驶汽车。强人工智能由通用人工智能 (AGI) 和超人工智能 (ASI) 组成。通用人工智能 (AGI) 或通用 AI 是人工智能的一种理论形式，其中，机器将具有与人类相同的智能；它会有自我意识，有能力解决问题、学习和规划未来。超人工智能 (ASI)，也称为超智能，将超越人脑的智力和能力。虽然强人工智能仍然完全是理论性的，目前还没有强人工智能实际使用的例子，但这并不意味着人工智能研究人员没有在探索它的发展。与此同时，ASI 最好的例子可能来自科幻小说，例如《2001：太空漫游》中的超人、流氓计算机助手 HAL。深度学习与机器学习的对比由于深度学习和机器学习往往可以互换使用，因此，两者之间的细微差别值得注意。如上所述，深度学习和机器学习都是人工智能的子领域，深度学习实际上是机器学习的子领域。深度学习实际上由神经网络组成。深度学习中的“深度”是指由三层以上组成的神经网络（包含输入和输出）可以被视为深度学习算法。这通常使用下图表示。深度学习和机器学习的不同之处在于每种算法的学习方式。深度学习将过程中的大部分特征提取部分自动化，消除了一些以前必需的人为干预，并允许使用更大的数据集。可以将深度学习视为“可扩展的机器学习”，正如 Lex Fridman 在上述的麻省理工学院讲座中指出的那样。经典的或“非深度”的机器学习更依赖于人为干预来学习。由人类专家确定特征的层次结构以了解数据输入之间的差异，通常需要结构化更强的数据来学习。“深度”机器学习可以利用标记数据集（也称为监督学习）来通知其算法，但它不一定需要标记数据集。它可以采叙述原始形式的非结构化数据（例如，文本、图像），并且可以自动确定区分不同类别数据的特征层次结构。与机器学习不同，它不需要人为干预来处理数据，这要，我们就能够以更有趣的方式扩展机器学习。