人工智能技術(shù)是1956年提出的，被認(rèn)為是21世紀(jì)三大尖端技術(shù)之一，是對人的思維和意識的信息過程的模擬。人工智能的概念很寬泛，從表面上可以理解為讓機(jī)器像人一樣能思考并解決問題。其實(shí)，人工智能核心技術(shù)包括很多的方面，推理、知識、規(guī)劃、學(xué)習(xí)、交流、感知、移動和操作物體的能力等。
通常情況下，我們按照實(shí)力將人工智能分為以下三大類：
弱人工智能：擅長于單個方面的人工智能。比如有能戰(zhàn)勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數(shù)據(jù)，它就不知道怎么回答你了。
強(qiáng)人工智能：人類級別的人工智能。強(qiáng)人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創(chuàng)造強(qiáng)人工智能比創(chuàng)造弱人工智能難得多。
超人工智能：超人工智能可以是各方面都比人類強(qiáng)一點(diǎn)，也可以是各方面都比人類強(qiáng)數(shù)倍的，而最終能否實(shí)現(xiàn)，業(yè)界并無統(tǒng)一說法。
人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時有2種不同的方式。一是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮其具體的結(jié)構(gòu)是否與人類大腦相似或相同。另一種是模擬法，它不僅要看最終呈現(xiàn)的結(jié)果，還要求其結(jié)構(gòu)也與人類大腦相似或相同。
機(jī)器學(xué)習(xí)考察計(jì)算機(jī)如何基于數(shù)據(jù)學(xué)習(xí)。其主要研究領(lǐng)域之一是，計(jì)算機(jī)程序基于數(shù)據(jù)自動地學(xué)習(xí)識別復(fù)雜的模式，并做出智能的決斷。機(jī)器學(xué)習(xí)是一個快速成長的學(xué)科，在這里，我們?yōu)榇蠹医榻B一些與數(shù)據(jù)挖掘相關(guān)的經(jīng)典的、機(jī)器學(xué)習(xí)問題。
監(jiān)督學(xué)習(xí)：基本上是分類的同義詞。學(xué)習(xí)中的監(jiān)督來自于訓(xùn)練數(shù)據(jù)集中被標(biāo)記的實(shí)例。
無監(jiān)督學(xué)習(xí)：本質(zhì)上是聚類的同義詞。學(xué)習(xí)過程是無監(jiān)督的，因?yàn)檩斎雽?shí)例沒有類標(biāo)記。
半監(jiān)督學(xué)習(xí)：是一類機(jī)器學(xué)習(xí)技術(shù)，在學(xué)習(xí)模型時，它使用標(biāo)記的和未標(biāo)記的實(shí)例。在一種方法中，標(biāo)記的實(shí)例用來學(xué)習(xí)類模型，而未標(biāo)記的實(shí)例用來改進(jìn)類邊界。
主動學(xué)習(xí)：是一種機(jī)器學(xué)習(xí)方法，它讓用戶在學(xué)習(xí)過程中扮演主動角色。主動學(xué)習(xí)方法可能要求用戶對可能來自未被標(biāo)記的實(shí)例集或由學(xué)習(xí)程序合成的實(shí)例進(jìn)行標(biāo)記。給定可以標(biāo)記的實(shí)例數(shù)量的約束，目的是通過主動地從用戶獲取知識來提高模型的質(zhì)量。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個新的領(lǐng)域，其動機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。晦澀難懂的概念，略微有些難以理解，但是在其高冷的背后，卻有深遠(yuǎn)的應(yīng)用場景和未來。
到了當(dāng)下，經(jīng)過深度學(xué)習(xí)技術(shù)訓(xùn)練的機(jī)器在識別圖像時比人類更好，比如識別貓、識別血液中的癌細(xì)胞特征、識別MRI掃描圖片中的腫瘤。
