1樓：德里克林
人工智慧領域的分類包括，研究包括機器人、影象識別、語言識別、自然語言處理和專家系統等。人工智慧是一門極富挑戰性的科學，從事這項工作的人，必須懂得計算機知識、心理學和哲學。
人工智慧主要有三個分支：
1) 認知ai （cognitive ai）
認知計算是最受歡迎的一個人工智慧分支，負責所有感覺「像人一樣」的互動。認知ai必須能夠輕鬆處理複雜性和二義性，同時還持續不斷地在資料探勘、nlp（自然語言處理）和智慧自動化的經驗中學習。
現在人們越來越傾向於認為認知ai混合了人工智慧做出的最好決策和人類工作者們的決定，用以監督更棘手或不確定的事件。這可以幫助擴大人工智慧的適用性，並生成更快、更可靠的答案。
2) 機器學習ai （machine learning ai）
機器學習（ml）ai是能在高速公路上自動駕駛你的特斯拉的那種人工智慧。它還處於電腦科學的前沿，但將來有望對日常工作場所產生極大的影響。機器學習是要在大資料中尋找一些「模式」，然後在沒有過多的人為解釋的情況下，用這些模式來**結果，而這些模式在普通的統計分析中是看不到的。
然而機器學習需要三個關鍵因素才能有效：
a) 資料，大量的資料
為了教給人工智慧新的技巧，需要將大量的資料輸入給模型，用以實現可靠的輸出評分。例如特斯拉已經向其汽車部署了自動轉向特徵，同時傳送它所收集的所有資料、駕駛員的干預措施、成功逃避、錯誤警報等到總部，從而在錯誤中學習並逐步銳化感官。 一個產生大量輸入的好方法是通過感測器：
無論你的硬體是內建的，如雷達，相機，方向盤等（如果它是一輛汽車的話），還是你傾向於物聯網(internet of things)。藍芽信標、健康***、智慧家居感測器、公共資料庫等只是越來越多的通過網際網路連線的感測器中的一小部分，這些感測器可以生成大量資料（多到讓任何正常的人來處理都太多）。
2樓：芊芊梓沫
人工智慧的基礎理論科學包括電腦科學、邏輯學、生物學、心理學及哲學等眾多學科，人工智慧技術核心具體包括：
1、計算機視覺人們認識世界, 91%是通過視覺來實現。同樣, 計算機視覺的最終目標就是讓計算機能夠像人一樣通過視覺來認識和了解世界, 它主要是通過演算法對影象進行識別分析, 目前計算機視覺最廣泛的應用是人臉識別和影象識別。相關技術具體包括影象分類、目標跟蹤、語義分割。
2、 機器學習機器學習的基本思想是通過計算機對資料的學習來提升自身效能的演算法。機器學習中需要解決的最重要的4類問題是**、聚類、分類和降維。機器學習按照學習方法分類可分為:
監督學習、無監督學習、半監督學習和強化學習。
3、自然語言處理自然語言處理是指計算機擁有識別理解人類文字語言的能力, 是電腦科學與人類語言學的交叉學科。自然語言是人與動物之間的最大區別, 人類的思維建立在語言之上, 所以自然語言處理也就代表了人工智慧的最終目標。機器若想實現真正的智慧自然語言處理是必不可少的一環。
自然語言處理分為語法語義分析、資訊抽取、文字挖掘、資訊檢索、機器翻譯、問答系統和對話系統7個方向。自然語言處理主要有5類技術, 分別是分類、匹配、翻譯、結構**及序列決策過程。
4、語音識別現在人類對機器的運用已經到了一個極高的狀態, 所以人們對於機器運用的便捷化也有了依賴。採用語言支配機器的方式是一種十分便捷的形式。語音識別技術是將人類的語音輸入轉換為一種機器可以理解的語言, 或者轉換為自然語言的一種過程。
3樓：愛靜靜愛圖圖
人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學，是認知、決策、反饋的過程。
人工智慧技術的細分領域有哪些？
人工智慧技術應用的細分領域：深度學習、計算機視覺、智慧機器人、虛擬個人助理、自然語言處理—語音識別、自然語言處理—通用、實時語音翻譯、情境感知計算、手勢控制、視覺內容自動識別、推薦引擎等。
下面，我們就每個細分領域，從概述和技術原理角度稍微做一下，供大家拓展一下知識。
1、深度學習
深度學習作為人工智慧領域的一個重要應用領域。說到深度學習，大家第一個想到的肯定是alphago，通過一次又一次的學習、更新演算法，最終在人機大戰中打敗圍棋大師。
對於一個智慧系統來講，深度學習的能力大小，決定著它在多大程度上能達到使用者對它的期待。。
深度學習的技術原理：
1.構建一個網路並且隨機初始化所有連線的權重；
2.將大量的資料情況輸出到這個網路中；
3.網路處理這些動作並且進行學習；
4.如果這個動作符合指定的動作，將會增強權重，如果不符合，將會降低權重；
5.系統通過如上過程調整權重；
6.在成千上萬次的學習之後，超過人類的表現；
2、計算機視覺
計算機視覺是指計算機從影象中識別出物體、場景和活動的能力。計算機視覺有著廣泛的細分應用，其中包括，醫療領域成像分析、人臉識別、公關安全、安防監控等等。
人工智慧可以分為哪三個級別
4樓：zanier科技
1、弱人工智慧
可以代替人力處理某一領域的工作。目前全球的人工智慧水平大部分處於這一階段。就像超越人類圍棋水平的阿爾法狗，雖然已經超越了人類在圍棋界的最高水平，不過在其他領域還是差的很遠，所以只是弱人工智慧。
2、強人工智慧
擁有和人類一樣的智慧水平，可以代替一般人完成生活中的大部分工作。這也是所有人工智慧企業目前想要實現的目標。走到這一步之後，機器人大量替代人類工作，進入生活就成為的現實。
3、超人工智慧
人工智慧的發展速度是很快的。當人工智慧發展到強人工智慧階段的時候，人工智慧就會像人類一樣可以通過各種採集器、網路進行學習。每天它自身會進行多次升級迭代。
而那個時候，人工智慧的智慧水平會完全超越人類。
擴充套件資料：
模式識別
採用模式識別引擎，分支有2d識別引擎 ，3d識別引擎，駐波識別引擎以及多維識別引擎。
2d識別引擎已推出指紋識別，人像識別 ，文字識別，影象識別 ，車牌識別；駐波識別引擎已推出語音識別。
自動工程
自動駕駛（oso系統）。
印鈔工廠（流水線）。
獵鷹系統（yod繪圖）。
知識工程
專家系統。
智慧搜尋引擎。
計算機視覺和影象處理。
機器翻譯和自然語言理解。
資料探勘和知識發現。
5樓：王long艾
人工智慧只分為三類，還不到分級別的程度目前只分類，既以智慧高低，分強ai與弱ai。弱ai就是你現在看見的。
6樓：江西新華電腦學院
弱人工智慧，強人工智慧，超人工智慧
7樓：尚學堂人工智慧學院
1、弱人工bai智慧
可以代替人力處理某一領du域的工作。目zhi前全球的人工智慧水平大dao部分處於這一階段。就像超越人類圍棋水平的阿爾法狗，雖然已經超越了人類在圍棋界的最高水平，不過在其他領域還是差的很遠，所以只是弱人工智慧。
2、強人工智慧
擁有和人類一樣的智慧水平，可以代替一般人完成生活中的大部分工作。這也是所有人工智慧企業目前想要實現的目標。走到這一步之後，機器人大量替代人類工作，進入生活就成為的現實。
3、超人工智慧
人工智慧的發展速度是很快的。當人工智慧發展到強人工智慧階段的時候，人工智慧就會像人類一樣可以通過各種採集器、網路進行學習。每天它自身會進行多次升級迭代。
而那個時候，人工智慧的智慧水平會完全超越人類。
常見的人工智慧機器人型別有哪些
8樓：
無人駕駛，智慧家居，人工智慧仿生眼，微軟人工智慧torque，智慧客服，不過現在很多都是人工智慧。
人工智慧的威脅有哪些，人工智慧可能引起哪些威脅？
就目前來看，已經可以看到的威脅，會造 類大量的失業 經濟極端不平等，無論是任何國內，或國際方面。人工智慧是什麼，粗略來講，人工智慧技術指的是獲取某一領域 比如貸款償還記錄 的海量資訊，並利用這些資訊對具體案例 是否應給某人貸款 做出判斷，以達成某一特定目標 貸方利益最大化 的技術。這些技術在給定任務...
人工智慧的應用領域有哪些，人工智慧有哪些應用領域
機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智慧搜尋，定理證明，博弈，自動程式設計，智慧控制，機器人學，語言和影象理解，遺傳程式設計等。人工智慧有哪些應用領域 目前人工智慧主要應用在以下七個領域 2 安防 智慧監控 安保機器人 產品舉例 商湯科技 格靈深瞳 神州...
人工智慧難學嗎，人工智慧專業難學嗎，人工智慧專業學什麼
你好！具體好不好學是看個人的！難度肯定是有的！工業機器人和人工智慧方面都會是強烈的熱點，難度，肯定高，要求你有創新的思維能力，高數中的微積分 數列等等必須得非常好，軟體程式設計 基礎的應用最廣泛的語言 c c 必須得很好，微電子 數位電路 低頻高頻類比電路 最主要的是嵌入式的程式設計能力 得學得很好...