人工智能（AI）一词究竟是什么意思？这个词从来没有明确的界限。1956年在达特茅斯学院一次具有开创性意义的研讨会上引入这个词语时，人们普遍认为它是指让机器拥有人类的智慧，并拥有按人类的行为方式做事的能力。人工智能最近取得的一个重要进展是机器学习，AI在从拼写检查到自动驾驶等新技术中大显身手，这些都是由被称为神经网络的计算机系统进行的。关于人工智能的讨论可能还包括以下术语：
算法 步进式的一套指令，计算机算法可以是简单的（如下午3点请发送一条提示信息），也可以是复杂的（如识别行人）。
反向传播 许多神经网络的学习方式，找出输出结果与所需输出结果之间的差异，然后按照执行的相反顺序调整计算。
黑匣子 对深度学习系统的一种描述。它们接受输入并提供输出，但发生在这两者之间的计算过程对人类来说并不容易理解。
深度学习 多层次神经网络对渐次发展抽象模式敏感的一种学习方式。例如，在解析照片时，神经网络的多层层次可能首先对图形边缘做出响应，然后是狗的爪子，最后是狗。
专家系统 人工智能的一种表现形式，试图复制人类在某一领域的专门知识，如医学诊断，并结合了应用这些知识的一整套手编程序。机器学习技术正在逐渐取代手编程序。
生成性对抗网络 一对共同训练的神经网络，产生真实的新数据并在竞争中得到提高。一个神经网络创建新的实例（例如毕加索作品的赝品），另一个神经网络的任务就是检测发现赝品。
机器学习 在没有明确指令的情况下，使用在数据中寻找特定模式的算法。例如，某个系统的任务可能是学习如何在图像的输入特性与标签的输出特性之间建立起关联关系。
自然语言 处理计算机“理解”口头或书面语言的过程。它必须分析词汇、语法和意图，并考虑到语言使用中的一些变化。这一过程往往涉及机器学习。
神经网络 用于机器学习的高度抽象和简化的人脑模型。一层单元接收一段输入（例如照片中的像素），对它们进行简单的计算，并将结果传递给下一层单元，最后一层则是答案。
神经形态芯片 专门设计发挥神经网络作用的计算机芯片。它可以是模拟式的、数字式的，也可以是这两者结合的组合式的。
感知机 20世纪50年代发展起来的一种早期神经网络，这种模拟人类视神经控制系统的图形识别机在当时大受欢迎，但后来却显示出其局限性，在之后的一些年里抑制了研究人员对神经网络的兴趣。
强化学习 机器学习的一种类型，通过抽象目标学习算法，例如“在电子游戏中获得高分”或“有效管理一个工厂”。在训练过程中，每一项尝试都基于对目标的贡献进行评估。
强人工智能 与人类一样聪明和成熟的人工智能。有人说这是不可能的。目前的人工智能还很弱，或者说擅长的范围还很狭窄。例如，它会下棋或会开车，但同时缺乏常识。
监督式学习 机器学习的一种类型，在训练过程中算法将其输出与正确输出进行比较。而在无监督学习中，算法只在一组数据中寻找特定模式。
谷歌张量流图 谷歌开发的一组用于深度学习的软件工具。它是开源的，意味着任何人都可以使用它或对它进行改进。类似的项目还有火炬（Torch）和西雅娜（Theano）。
迁移学习 机器学习的一种技术，一种算法学习完成一项任务，例如识别汽车，在这方面知识的基础上学习不同但相关的任务，例如识别猫。
图灵测试 判断人工智能拥有人类能力的一种测试。在阿兰·图灵（Alan Turing）的最初构想中，可以通过书面文本形式的对话判断人工智能的能力。
资料来源Science
责任编辑 彦 隐