超人工智能 (ASI)也称为超智能，德州仪器TI计算机科学和强大数据集

从最简单的形式来看，人工智能是一个结合计算机科学和强大数据集来解决问题的领域。它还包含机器学习和深度学习的子领域，这些领域经常与人工智能一起提及。这些学科由人工智能算法组成，旨在创建专家系统，根据输入数据进行预测或分类。多年来，人工智能经历了多次炒作周期，但即使是人工智能怀疑论者，也会认为，OpenAI 的 ChatGPT 的发布似乎标志着一个人工智能转折点。上一次生成式人工智能让人如此忧心忡忡的时候，还是因为在计算机视觉方面取得突破，但现在的飞跃则是在自然语言处理方面。而且，不仅仅是语言：生成模型还可以学习软件代码、分子、自然图像和各种其他数据类型的语法。这项技术的应用每天都在增长，而我们才刚刚开始探索可能性。但是，随着围绕人工智能的商业应用的新一轮炒作开始，围绕伦理的对话变得至关重要。要详细了解 IBM 在人工智能伦理对话中的立场，请在此处阅读更多内容。现已推出：watsonx借助 IBM 的下一代 AI 和数据平台，让人工智能在您的企业发挥更强大的作用。人工智能的类型 - 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。