分类：弱人工智能、强人工智能

尽管搜索人工智能的冲动始于模仿人类智能的愿望，但随着时间的推移，已经形成了两种截然不同的方法和应用链，尽管是从共同的假设开始的。这就是弱人工智能（或受限人工智能）和强人工智能（或通用人工智能）的情况。

为了掌握强人工智能和弱人工智能的区别，简单介绍一下人工智能应该能够执行的人类智能的功能，特别是：

以人为本，类似于人类在相同情况下会做的事情。

人性化思考，用认知功能解决问题。

理性地、合乎逻辑地思考，就像人在推理中所做的那样。

理性行事，在现有信息的基础上努力争取最好的结果。

这个品种描述了如何模仿人不是一个独特的操作，而是可以向各种方法拒绝，这正是那些产生弱人工智能和强人工智能的研究和应用路线的那些，也让我们明白为什么第一个是现在很普遍，而第二个目标要实现起来要困难得多。

什么是弱人工智能？

弱（或受限）人工智能是指旨在解决复杂性不同的特定问题的系统。它的范式是解决问题，因为模拟了人类认知的一些解决能力，但没有声称理解和复制人类大脑能够做的所有事情的功能。

基于弱人工智能的应用程序依靠机器学习来创建能够自主模拟场景并协助人类决策执行某些操作的系统。

无论是了解在超市订购多少商品，而不是计划工厂的维护或在电子商务门户上建议购买，目标始终是最好地给出实际需求的答案可能的方式。可能的方式，这并不总是与人类在相同情况下会做的事情一致。

考虑到这一点，基于弱人工智能的应用程序非常适合向人类建议做出什么决定，为他们提供更多信息来支持他们的选择。

强大的人工智能，它是关于什么的？

强（或通用）人工智能是指能够以完全自主的方式运行的系统，而不管上下文和分配给它们的任务如何。这种方法与针对弱AI 提出的方法完全不同，因为问题和解决方案之间没有直接联系。

解决问题不是问题的关键，而是培养一种自主的良心，它不会时不时地假装模仿类似于人类的思维过程，而是旨在培养一种没有特定需求的通用智能，因此在任何情况。

如果说弱人工智能的目标是理性地行动和思考，那么强人工智能则更侧重于人类行动和理性思考。如果弱人工智能有问题，它会尝试理性地预测该人在特定环境下会做出什么选择，而强人工智能则基于逻辑推理，并使用可用数据来生成他们从中得出的上下文知识。要采取的行动。

弱人工智能会根据具体情况采取行动，只解决由此产生的问题。强人工智能一般从游戏规则出发，试图解决由此产生的所有问题。

举一个实际的例子，让我们想象一下国际象棋游戏。弱AI会专注于击败特定对手，通过分析尽可能多的动作来寻找对策，检查他当时玩过的所有游戏，而强AI不会提出特定对手的问题，构成目标是成为最强的棋手。

他会从了解游戏规则开始，刻苦训练，变得越来越熟练，击败任何对手。无论多么基本，这种观点上的差异使我们了解强人工智能比弱人工智能提出了一种更加雄心勃勃的方法，并且在其具体应用中，这涉及到极高的资源支出。

虽然它的潜力在很大程度上仍然只能想象，但强大的人工智能已经产生了切实的成果。它的主要支持者是所谓的人工智能实验室，由技术巨头资助，以实现影响深远的发现，能够彻底改变他们所指的领域。

这就是Deepmind（谷歌）的案例，AlphaFold 的作者之一，一个能够解决蛋白质折叠计算的系统，一个能够开启分子生物学领域新时代的发现，对医学和药理。

另一个参考的AI 实验室是OpenAI（微软），它以开发GPT-3（生成式预训练变压器3）而闻名，这是一种基于人工智能的语言模型，能够以一种形式上无法区分的方式处理文本和图像，而人类会做的。

《纽约时报》发表了一篇文章，一半由真正的记者撰写，一半由基于GPT-3 的机器人撰写。结果不允许对两位作者进行任何区分。不可能确定谁写了某些段落而不是其他段落。图灵测试可以说是完美通过了。

术语“弱人工智能”（或受限）是指旨在解决复杂性不同的特定问题的系统。它的范式是解决问题，因为模拟了人类认知的一些解决能力。

它是如何工作的？

在尝试了解人工智能的想法之后，是时候了解它的工作原理了，以便更全面地了解其潜力并继续研究其活动背后的技术。

人工智能的功能是由四个不同的功能级别定义的，能够用尽所需执行的操作：

理解：通过学习和模拟数据与事件之间的关联性赋予的能力，人工智能可以通过这种能力，例如识别文本、图像、视频、音频和语音，以根据特定请求处理特定信息

推理：由于使用了一系列适当编程的数学算法，人工智能系统能够以逻辑方式和完全自主地连接收集的数据

学习：它由能够分析数据输入以返回正确输出的人工智能系统给出。机器学习系统就是这种情况，它使用特定技术从给定的信息上下文中学习，以执行某些功能。

交互：它由HMI 系统（人机交互）提供，其中AI 在与人类的交互中发挥着重要作用。NLP（自然语言处理）给出了这种功能级别最常见的例子之一，它是基于人工智能的技术园区，它允许您使用自然语言在人与机器之间创建语言关系，就像它发生的那样。最先进的聊天机器人案例

人工智能技术

弱人工智能和强人工智能之间的区别是正确表达主要人工智能技术的基础。正如我们在历史前提中所看到的，这些是二十世纪五七十年代开始谈论的话题，即使要进行重大传播也需要几十年的时间，等待摩尔定律运行，直到它产生了能够提供执行必要计算所需的能力的计算系统。

在等待量子计算在商业应用中成为现实的同时，主要的技术飞跃来自于GPU（图形处理单元）市场的引入，该处理器最初是为图形渲染而构想的，其并行计算性质也很合适。应用领域，包括人工智能系统和加密货币挖掘。

因此，让我们快速回顾一下当前可用的一些主要人工智能技术，从机器学习和深度学习之间的实质性差异开始，特别是它们所基于的学习模型。

机器学习

对于机器学习是指基于人工智能机器学习系统，能够获得的各种信息（输入）列车逐渐变得在独立执行任务（输出），即越来越多精通机器，而不预先进行编程以运行它。ML 系统以其学习、犯错和从错误中逐步改进的能力而著称，直到它在能够完全自主地产生的模拟中变得越来越精确。

机器学习系统的学习模型多种多样，主要基于三类算法：

教学监督：系统通过输入和输出之间的相关性学习，从中学习如何做出决定

没有教学监督：学习是通过结果分析进行的，输入和输出之间没有直接关系，但只停留在允许映射某些决策结果的输出的基础上，在与ML 系统相同的上下文中它们被称为提供解决方案

具有增强：强化学习是一个择优的学习方法，因为只有当它获得的结果符合在其评估预期AI被奖励。强化学习允许您改进ML 系统的训练，因为它能够从根本上教授如何区分正确决策和错误决策