人工智能使用矩阵及其应用

描述

与包括人类在内的动物所表现出的自然智能相比，人工智能(AI)是机器人所表现出的智能。人工智能研究的重点是研究智能代理，或任何了解其环境并以最大化其成功机会的方式行事的系统。

以前，模仿和展示与人类思维相关的“人类”认知能力的机器人，如“学习”和“解决问题”，被称为“人工智能”。主要的人工智能研究人员现在已经拒绝了这一概念，他们现在从理性和理性行为的角度来描述人工智能，这并不限制智能的表达方式。

自1956年作为一个研究领域成立以来，人工智能经历了兴奋、失望和资金损失(被称为“AI冬天”)、新方法、成功和重新投资的多个周期。自诞生以来，人工智能研究尝试并抛弃了广泛的方法，包括对人类解决问题的建模、形式逻辑、广泛的知识库以及动物行为模仿。

机器学习在很大程度上基于数学和统计学，在21世纪的前20年主导了这一学科。这种方法已经非常有效地解决了工业界和学术界的许多难题。模仿(或产生)智力这一更大问题的子问题已经被确定。这些是研究人员预期智能系统所具有的特定特征或技能。以下特点最引人注目。

应用程序

逻辑和解决问题的能力;早期的学者们会模仿人们用来解决问题或得出逻辑结论的顺序思维来生成算法。到20世纪80年代末和90年代初，人工智能研究利用概率和经济学的思想，创造了处理不清楚或不充分信息的策略。这些算法中的许多都表现出“组合爆炸”，随着问题的增大，速度会呈指数级增长，这使得它们不足以处理巨大的推理问题。早期人工智能研究可以模拟的顺序推理甚至很少被人类使用。

操作和移动;机器人技术更多地利用人工智能。机器人使用定位来绘制周围环境并确定自己的位置。这在有限的、静态的、可见的环境中是很简单的;但是，动态情况，比如内窥镜检查期间患者呼吸身体的内部，提供了一个更难的问题。

将一个运动分配分解为“基本要素”的过程，如单个的关节运动，被称为运动规划。柔顺运动是一种运动需要与物体保持物理接触的技术，在这种运动中经常使用。雷竞技网页版即使在存在摩擦和齿轮滑动的情况下，机器人也能够通过练习掌握有效的运动技术。

活动领域:为了完成这项任务，人工智能必须熟悉拉斐尔惯用的配色方案和笔触。这幅画描绘了演员奥内拉·穆蒂(Ornella Muti)的脸，由AI以拉斐尔的方式“画”出来。任何智力努力都可以从人工智能中受益。当代的人工智能方法太多了，无法一一列举。AI冲击是指一种方法一旦被广泛使用，就不再被认为是人工智能的普遍现象。在2010年代，人工智能应用是商业上最成功的计算领域的核心，现在它们已经扩展到日常生活的各个方面。搜索引擎(如谷歌Search)、在线广告定位和推荐系统都包含人工智能。

结论

随着计算机视觉成为使用最广泛的功能应用，机器学习是专利中公开的主要AI方法，并且包含在所有公认发明的三分之一以上(2016年申请了134777项机器学习专利，而AI专利总数为167038项)。人工智能相关专利除了披露人工智能的方法和应用外，还经常提到一个行业或应用领域。2016年发现了20个应用领域，其中电信(15%)、交通(15%)、生命和医学科学(12%)以及个人设备、计算和人机交互(12%)的重要性排序(11%)。网络、银行、娱乐、安全、商业和制造业、农业以及其他行业(包括社交网络、智能城市和物联网)也被覆盖。