AI對于現(xiàn)代企業(yè)及其他類型的組織來說已變得極其重要，因為它可以做所有上述事情。通過結合大量數(shù)據(jù)與智能迭代處理算法，AI系統(tǒng)能從所分析數(shù)據(jù)中的模式和特征中學習。

每當AI系統(tǒng)處理數(shù)據(jù)時，它會測試和衡量自己的性能，并獲得新的知識。由于AI從不需要休息，可以快速完成成千上萬個任務，在短短的時間內學到許多知識，無論它被訓練做什么事務，最終都變得極其擅長。

然而，要了解AI真正的工作原理，就需要明白AI不單單是一個計算機程序或應用軟件，而是一門完整的學科或科學。

AI系統(tǒng)有很多不同的部分，您可以將其視為AI這門總體科學的子領域。

這些領域囊括：

• 機器學習：AI的一種特定應用，讓計算機系統(tǒng)、程序或應用軟件可以自動學習，并根據(jù)經驗獲得更好的結果，這一切無需編程。機器學習讓AI可以找到數(shù)據(jù)中的模式，發(fā)掘洞察力，并改進系統(tǒng)旨在完成的任何任務的結果。
• 深度學習：一種特定類型的機器學習，讓AI可以通過處理數(shù)據(jù)來學習和改進。深度學習使用模擬人腦中生物神經網(wǎng)絡的人工神經網(wǎng)絡來處理信息，找到數(shù)據(jù)之間的聯(lián)系，進行推論，或基于正面和負面強化獲得結果。
• 神經網(wǎng)絡：重復分析數(shù)據(jù)集以便從未定義的數(shù)據(jù)中找到關聯(lián)并解釋含義的過程。神經網(wǎng)絡的功能類似人腦中的神經網(wǎng)絡，讓AI系統(tǒng)可以接收大型數(shù)據(jù)集，發(fā)現(xiàn)數(shù)據(jù)中的模式，并回答有關它的問題。
• 認知計算是AI系統(tǒng)的另一個重要部分，旨在模擬人機交互，讓計算機模型在執(zhí)行復雜任務（比如分析文本、語音或圖像）時可以模擬人腦的機理。
• 自然語言處理（NLP）是AI的重要組成部分，因為它讓計算機可以識別、分析、解釋和真正理解人類語言，無論是書面語言還是口頭語言。自然語言處理對于任何與人類交互的基于AI的系統(tǒng)都必不可少，無論是通過文本還是語音輸入。
• 計算機視覺——這是AI技術最常見的應用之一，能夠使用模式識別和深度學習來審查和解釋圖像內容。計算機視覺讓AI系統(tǒng)可以識別視覺數(shù)據(jù)要素，比如在網(wǎng)上隨處可見的驗證碼，這些驗證碼通過人類幫助它們識別汽車、人行橫道、自行車或山脈等圖像元素來學習。

AI需要什么技術？

AI并不新穎，但由于技術方面的顯著進步，近年來它得到廣泛應用，用途也愈來愈廣。

事實上，AI的規(guī)模和價值呈爆發(fā)式增長與最近的技術進步密切相關，囊括：

• 更龐大、更易于訪問的數(shù)據(jù)集——AI靠數(shù)據(jù)蓬勃發(fā)展。伴隨數(shù)據(jù)快速增長以及訪問數(shù)據(jù)更方便，AI的重要性隨之加大。假如沒有“物聯(lián)網(wǎng)”之類的發(fā)展，AI的潛在應用就會少得多。
• 圖形處理單元——GPU是推動AI提升價值的關鍵因素之一，因為它們對于為AI系統(tǒng)提供執(zhí)行交互式處理所需的數(shù)百萬次計算的能力至關重要。GPU提供了AI快速處理和解釋大數(shù)據(jù)所需的計算能力。
• 智能數(shù)據(jù)處理——新的和更先進的算法讓AI系統(tǒng)可以更快地同時在多個層面分析數(shù)據(jù)，幫助這些系統(tǒng)極快地分析數(shù)據(jù)集，以便它們能夠更好更快地理解復雜系統(tǒng)，并預測罕見事件。
• 應用編程接口——API讓AI功能可以添加到傳統(tǒng)的計算機程序和應用軟件中，通過增強它們識別和理解數(shù)據(jù)模式的能力，實際上使那些系統(tǒng)和程序更智能化。

原文標題：But how does AI actually Work??，作者：Annoberry?