據麥肯錫估計，從現在到2030年，人工智能將創造約13萬億美元的美國國內生產總值。相比之下，2017年整個美國的國內生產總值約為19萬億。人工智能已經成為第四次工業革命， 人工智能無疑是數字化轉型的核心，它在整個行業中的應用將極大地改變我們的世界以及工業生產方式。 越來越多的人希望投入這場人工智能革命，但他們不知道AI能做什么，AI是一種什么樣的技術。 因此本文將介紹什么是AI。

關于人工智能的誤解

關于人工智能的炒作從未停止過，許多人對人工智能存在一定的誤解。人工智能可分為兩部分：

人工窄智能（ANI）

人工窄智能是指擅長一項特定任務的AI ，它們是經過訓練和開發的。 例如一個人工智能系統可根據歷史數據向您推薦YouTube視頻的算法或者預測未來房屋價格。ANI是一個非常強大的工具，它將在未來幾年為我們的社會增加許多額外的價值。 我們近年來所看到的所有人工智能進展其實都是人工窄智能。

人工智能（AGI）

人工智能的最終目標是一個比人類聰明或聰明的計算機系統 。 AGI可以成功地完成人類可以做的任何智力任務。 這也是AI引起人們最大恐懼的一部分。 他們想象一個計算機比人類聰明得多的世界，幾乎每個工作都是自動化的，甚至是類似終結者的場景。而實際上， 我們仍遠遠未達到真正的AGI技術水平 。

人工智能相關術語

人工智能是一個非常復雜的領域，里面包括很多術語可能會讓你很混亂。 你可能聽說過神經網絡，深度學習或數據科學。 但并不清楚其中具體的含義以及相互間的關系。

人工智能

人工智能是一個計算機科學領域 ，它強調智能機器的創造，擁有像人類一樣工作和反應 。 就像我已經提到的那樣，當人們談論AI時，他們主要是人工智能（AGI）。機器學習和深度學習都是用于使計算機智能操作的技術。

機器學習

機器學習是AI的一個子領域 。 通過一定的算法使計算機能夠從數據中學習并執行某項任務。 機器學習項目示例：

想象一下，你是一家房地產公司，你有很多關于房屋的數據。 您與機器學習公司合作，建立機器學習系統，以預測房屋的未來價格。 這樣的系統使您能夠更好地決定您想要投資的房屋，并找出清算投資的合適時機。

深度學習

深度學習是機器學習的一個子部分，它與機器學習基本相同：你給算法標記數據，然后算法從數據中學習數據規律并進行預測。 與機器學習的不同之處在于深度學習具有更現代，更復雜的算法，而機器學習使用更簡單的傳統算法。由于它們的復雜性以及足夠的數據和計算能力，深度學習算法在準確度上有了重大突破，甚至在其中一些任務上超過人類（例如：組織病理學圖像分析，或在Netflix上推薦電影）。

數據科學

數據科學項目的輸出通常是一組見解，可幫助您做出更好的業務決策，例如決定是否投資某些東西，是否應該購買某些設備，或者是否應重新構建您的網站。 數據科學是通過統計方法 ，可視化等分析數據來提取數據知識和洞察力的科學 。輸出通常是演示文稿或幻燈片幫助管理者做出某些決策的結論。

人工智能術語還包括強化學習，生成性對抗網絡（Gans）等。這些都是使AI系統智能化的工具。

數據

數據可以采用多種形式：電子表格，圖像，音頻，傳感器數據等。這些可分為兩大類：結構化和非結構化數據。

結構化數據是按照預定義模式以結構化格式存儲的數據 。 它指的是駐留在記錄或文件中的固定字段中的任何數據。可以是文本的也可以是非文本。 例如泰坦尼克號數據集就是一種結構化數據。

非結構化數據本質上是未通過預定義模式構建的其他所有內容。 它可以是文本的或非文本的， 主要包括圖像，視頻，音頻文件，文檔等。

監督學習是最常用的機器學習類型，當人們說“數據”時，它們主要是指標記數據 。例如您有一個數據集，其中包含100，000只狗和貓的照片，其中每張照片都有一個標簽，“Cat”或“Dog”。還比如一個包含房價信息的數據集。 每個房屋對應的價格就是標簽。

數據獲取

您可以在互聯網上找到許多問題的數據集（一些是免費的，一些是花錢的），但大多數時候您需要創建自己的數據集，獲取數據有三種主要方式：

1.手動創建

假如你想要建立一個分類器檢測給定圖片上是否有男人或女人。 要訓練這樣的分類器，你需要搜集一些男女圖片。 然后，您需要為每個圖像指定一個標簽：men（標簽1）或女人（標簽2）。

2.用戶行為

假如您經營一家電子商務公司并希望預測客戶何時會進行購買，您可以通過觀察用戶在您網站上的行為來創建數據集。

3.使用免費數據源

像Kaggle上有許多免費的數據集資源。 還可以使用Google數據搜索 ，如果沒有找到任何內容，還可以在數據市場上購買數據集。