分類：弱人工智能、強人工智能

盡管搜索人工智能的沖動始于模仿人類智能的愿望，但隨著時間的推移，已經形成了兩種截然不同的方法和應用鏈，盡管是從共同的假設開始的。這就是弱人工智能（或受限人工智能）和強人工智能（或通用人工智能）的情況。

為了掌握強人工智能和弱人工智能的區別，簡單介紹一下人工智能應該能夠執行的人類智能的功能，特別是：

以人為本，類似于人類在相同情況下會做的事情。

人性化思考，用認知功能解決問題。

理性地、合乎邏輯地思考，就像人在推理中所做的那樣。

理性行事，在現有信息的基礎上努力爭取最好的結果。

這個品種描述了如何模仿人不是一個獨特的操作，而是可以向各種方法拒絕，這正是那些產生弱人工智能和強人工智能的研究和應用路線的那些，也讓我們明白為什么第一個是現在很普遍，而第二個目標要實現起來要困難得多。

什么是弱人工智能？

弱（或受限）人工智能是指旨在解決復雜性不同的特定問題的系統。它的范式是解決問題，因為模擬了人類認知的一些解決能力，但沒有聲稱理解和復制人類大腦能夠做的所有事情的功能。

基于弱人工智能的應用程序依靠機器學習來創建能夠自主模擬場景并協助人類決策執行某些操作的系統。

無論是了解在超市訂購多少商品，而不是計劃工廠的維護或在電子商務門戶上建議購買，目標始終是最好地給出實際需求的答案可能的方式。可能的方式，這并不總是與人類在相同情況下會做的事情一致。

考慮到這一點，基于弱人工智能的應用程序非常適合向人類建議做出什么決定，為他們提供更多信息來支持他們的選擇。

強大的人工智能，它是關于什么的？

強（或通用）人工智能是指能夠以完全自主的方式運行的系統，而不管上下文和分配給它們的任務如何。這種方法與針對弱AI 提出的方法完全不同，因為問題和解決方案之間沒有直接聯系。

解決問題不是問題的關鍵，而是培養一種自主的良心，它不會時不時地假裝模仿類似于人類的思維過程，而是旨在培養一種沒有特定需求的通用智能，因此在任何情況。

如果說弱人工智能的目標是理性地行動和思考，那么強人工智能則更側重于人類行動和理性思考。如果弱人工智能有問題，它會嘗試理性地預測該人在特定環境下會做出什么選擇，而強人工智能則基于邏輯推理，并使用可用數據來生成他們從中得出的上下文知識。要采取的行動。

弱人工智能會根據具體情況采取行動，只解決由此產生的問題。強人工智能一般從游戲規則出發，試圖解決由此產生的所有問題。

舉一個實際的例子，讓我們想象一下國際象棋游戲。弱AI會專注于擊敗特定對手，通過分析盡可能多的動作來尋找對策，檢查他當時玩過的所有游戲，而強AI不會提出特定對手的問題，構成目標是成為最強的棋手。

他會從了解游戲規則開始，刻苦訓練，變得越來越熟練，擊敗任何對手。無論多么基本，這種觀點上的差異使我們了解強人工智能比弱人工智能提出了一種更加雄心勃勃的方法，并且在其具體應用中，這涉及到極高的資源支出。

雖然它的潛力在很大程度上仍然只能想象，但強大的人工智能已經產生了切實的成果。它的主要支持者是所謂的人工智能實驗室，由技術巨頭資助，以實現影響深遠的發現，能夠徹底改變他們所指的領域。

這就是Deepmind（谷歌）的案例，AlphaFold 的作者之一，一個能夠解決蛋白質折疊計算的系統，一個能夠開啟分子生物學領域新時代的發現，對醫學和藥理。

另一個參考的AI 實驗室是OpenAI（微軟），它以開發GPT-3（生成式預訓練變壓器3）而聞名，這是一種基于人工智能的語言模型，能夠以一種形式上無法區分的方式處理文本和圖像，而人類會做的。

《紐約時報》發表了一篇文章，一半由真正的記者撰寫，一半由基于GPT-3 的機器人撰寫。結果不允許對兩位作者進行任何區分。不可能確定誰寫了某些段落而不是其他段落。圖靈測試可以說是完美通過了。

術語“弱人工智能”（或受限）是指旨在解決復雜性不同的特定問題的系統。它的范式是解決問題，因為模擬了人類認知的一些解決能力。

它是如何工作的？

在嘗試了解人工智能的想法之后，是時候了解它的工作原理了，以便更全面地了解其潛力并繼續研究其活動背后的技術。

人工智能的功能是由四個不同的功能級別定義的，能夠用盡所需執行的操作：

理解：通過學習和模擬數據與事件之間的關聯性賦予的能力，人工智能可以通過這種能力，例如識別文本、圖像、視頻、音頻和語音，以根據特定請求處理特定信息

推理：由于使用了一系列適當編程的數學算法，人工智能系統能夠以邏輯方式和完全自主地連接收集的數據

學習：它由能夠分析數據輸入以返回正確輸出的人工智能系統給出。機器學習系統就是這種情況，它使用特定技術從給定的信息上下文中學習，以執行某些功能。

交互：它由HMI 系統（人機交互）提供，其中AI 在與人類的交互中發揮著重要作用。NLP（自然語言處理）給出了這種功能級別最常見的例子之一，它是基于人工智能的技術園區，它允許您使用自然語言在人與機器之間創建語言關系，就像它發生的那樣。最先進的聊天機器人案例

人工智能技術

弱人工智能和強人工智能之間的區別是正確表達主要人工智能技術的基礎。正如我們在歷史前提中所看到的，這些是二十世紀五七十年代開始談論的話題，即使要進行重大傳播也需要幾十年的時間，等待摩爾定律運行，直到它產生了能夠提供執行必要計算所需的能力的計算系統。

在等待量子計算在商業應用中成為現實的同時，主要的技術飛躍來自于GPU（圖形處理單元）市場的引入，該處理器最初是為圖形渲染而構想的，其并行計算性質也很合適。應用領域，包括人工智能系統和加密貨幣挖掘。

因此，讓我們快速回顧一下當前可用的一些主要人工智能技術，從機器學習和深度學習之間的實質性差異開始，特別是它們所基于的學習模型。

機器學習

對于機器學習是指基于人工智能機器學習系統，能夠獲得的各種信息（輸入）列車逐漸變得在獨立執行任務（輸出），即越來越多精通機器，而不預先進行編程以運行它。ML 系統以其學習、犯錯和從錯誤中逐步改進的能力而著稱，直到它在能夠完全自主地產生的模擬中變得越來越精確。

機器學習系統的學習模型多種多樣，主要基于三類算法：

教學監督：系統通過輸入和輸出之間的相關性學習，從中學習如何做出決定

沒有教學監督：學習是通過結果分析進行的，輸入和輸出之間沒有直接關系，但只停留在允許映射某些決策結果的輸出的基礎上，在與ML 系統相同的上下文中它們被稱為提供解決方案

具有增強：強化學習是一個擇優的學習方法，因為只有當它獲得的結果符合在其評估預期AI被獎勵。強化學習允許您改進ML 系統的訓練，因為它能夠從根本上教授如何區分正確決策和錯誤決策