自從計算機或機器發明以來，它們執行各種任務的能力呈指數增長。人類已經發展了計算機系統的力量，在其不同的工作領域，他們的增長速度，並減少與時間有關的規模。
計算機科學的一個分支叫做人工智慧，它致力於創造像人類一樣智能的計算機或機器。
Basic Concept of Artificial Intelligence (AI)
根據人工智慧之父約翰麥卡錫的說法，它是「製造智能機器，特別是智能電腦程式的科學和工程」。
人工智慧是一種使計算機、計算機控制的機器人或軟體以類似於智能人類的思維方式進行智能思考的方法。人工智慧是通過研究人腦是如何思考的，以及人類在試圖解決問題的同時是如何學習、決定和工作的，然後利用這項研究的結果作爲開發智能軟體和系統的基礎來實現的。
當利用計算機系統的力量，人類的好奇心，使他懷疑，「一台機器能像人類一樣思考和行爲嗎？」
因此，人工智慧的發展始於我們在人類中發現並重視的機器中創造類似的智能。
The Necessity of Learning AI
正如我們所知，人工智慧追求創造出與人類一樣聰明的機器。我們研究人工智慧有很多原因。原因如下;
AI can learn through data
在我們的日常生活中，我們處理大量的數據，而人類的大腦無法跟蹤如此多的數據。這就是我們需要自動化的原因。爲了實現自動化，我們需要研究人工智慧，因爲它可以從數據中學習，並且能夠準確、無疲勞地完成重複的任務。
AI can teach itself
一個系統必須自學，因爲數據本身是不斷變化的，從這些數據中獲得的知識必須不斷更新。我們可以使用人工智慧來實現這一目的，因爲一個人工智慧系統可以自學。
AI can respond in real time
人工智慧藉助神經網絡可以對數據進行更深入的分析。由於這種能力，人工智慧能夠實時地根據情況進行思考和響應。
AI achieves accuracy
藉助於深度神經網絡，人工智慧可以達到極大的精度。人工智慧有助於醫學領域從患者的磁共振成像中診斷癌症等疾病。
AI can organize data to get most out of it
數據是使用自學習算法的系統的智慧財產權。我們需要人工智慧索引和組織數據的方式，它總是給最好的結果。
Understanding Intelligence
有了人工智慧，就可以建立智能系統。我們需要理解智力的概念，這樣我們的大腦才能構建另一個像自己一樣的智力系統。
What is Intelligence?
系統計算、推理、感知關係和類比、從經驗中學習、從記憶中存儲和檢索信息、解決問題、理解複雜思想、流利地使用自然語言、分類、概括和適應新情況的能力。
Types of Intelligence
正如美國發展心理學家霍華德加德納（Howard Gardner）所描述的那樣，智力具有多重性;
| Sr.No | Intelligence & Description | Example |
|---|---|---|
| 1 | 語言智能 語音（語音）、句法（語法）和語義（意義）的說話、識別和使用機制的能力。 |
Narrators, Orators |
| 2 | 音樂智力 創造、交流和理解聲音的意義、理解音高、節奏的能力。 |
Musicians, Singers, Composers |
| 3 | 邏輯數學智能 在沒有動作或物體的情況下使用和理解關係的能力。它也是理解複雜和抽象思想的能力。 |
Mathematicians, Scientists |
| 4 | 空間智能 感知視覺或空間信息，改變它，在不參照對象的情況下重新創建視覺圖像，構造三維圖像，並移動和旋轉它們的能力。 |
Map readers, Astronauts, Physicists |
| 5 | 身體動覺智能 運用身體的全部或部分來解決問題或時尚產品的能力，控制精細和粗糙的運動技能，以及操縱物體的能力。 |
Players, Dancers |
| 6 | 個人內部情報 區分自己的感情、意圖和動機的能力。 |
Gautam Buddhha |
| 7 | 人際智能 辨別別人的感情、信仰和意圖的能力。 |
Mass Communicators, Interviewers |
當一台機器或一個系統至少裝有一種或全部智能時，你可以說它是人工智慧的。
What is Intelligence Composed Of?
智力是無形的。它由-負組成;
- Reasoning
- Learning
- Problem Solving
- Perception
- Linguistic Intelligence
讓我們簡單地回顧一下所有的組成部分;
Reasoning
它是使我們能夠爲判斷、決策和預測提供基礎的一組過程。大體上有兩種類型&負;
| Inductive Reasoning | Deductive Reasoning |
|---|---|
| It conducts specific observations to makes broad general statements. | It starts with a general statement and examines the possibilities to reach a specific, logical conclusion. |
| Even if all of the premises are true in a statement, inductive reasoning allows for the conclusion to be false. | If something is true of a class of things in general, it is also true for all members of that class. |
| Example − "Nita is a teacher. Nita is studious. Therefore, All teachers are studious." | Example − "All women of age above 60 years are grandmothers. Shalini is 65 years. Therefore, Shalini is a grandmother." |
Learning − l
學習的能力是由人類，特別是動物和人工智慧系統所擁有的。學習分爲以下幾類;
Auditory Learning
它是通過聽和聽來學習的。例如，學生聽錄音講座。
Episodic Learning
記憶通過記住一個人所目睹或經歷的事件的順序來學習。這是線性和有序的。
Motor Learning
它是通過肌肉的精確運動來學習的。例如，挑選物品、寫作等。
Observational Learning
通過觀察和模仿別人來學習。例如，孩子試圖通過模仿父母來學習。
Perceptual Learning
它是在學習識別一個人以前見過的刺激物。例如，識別和分類對象和情況。
Relational Learning
它包括學習根據關係屬性而不是絕對屬性來區分各種刺激。例如，在煮土豆的時候加入「少一點」的鹽，而土豆上次煮的時候是鹹的，比如說加一湯匙鹽。
空間學習是通過視覺刺激（如圖像、顏色、地圖等）來學習的。例如，一個人在實際走上道路之前，可以在腦海中創建路線圖。
刺激-反應學習是指當某個刺激存在時，學習執行某個特定的行爲。例如，狗聽到門鈴就豎起耳朵。
Problem Solving
這是一個過程，在這個過程中，一個人通過走某種道路，試圖從當前的情況中找到一個理想的解決方案，而這條道路被已知或未知的障礙所阻礙。
問題解決還包括決策過程，即從多個備選方案中選擇最合適的備選方案以達到預期目標的過程。
Perception
它是獲取、解釋、選擇和組織感官信息的過程。
感知假設感知。在人類中，感知是由感覺器官輔助的。在人工智慧領域，感知機制以一種有意義的方式將傳感器獲取的數據組合在一起。
Linguistic Intelligence
它是一個人使用、理解、說、寫口頭和書面語言的能力。它在人際交往中很重要。
What’s Involved in AI
人工智慧是一個廣闊的研究領域。這個研究領域有助於找到解決現實世界問題的方法。
現在讓我們看看人工智慧的不同研究領域;
Machine Learning
它是人工智慧最受歡迎的領域之一。這個領域的基本概念是讓機器從數據中學習，就像人類從經驗中學習一樣。它包含學習模型，在此基礎上可以對未知數據進行預測。
Logic
它是另一個重要的研究領域，其中數學邏輯被用來執行電腦程式。它包含了進行模式匹配、語義分析等的規則和事實。
Searching
這個領域的研究基本上是用於象棋，井字遊戲。搜索算法在搜索整個搜索空間後給出最優解。
Artificial neural networks
這是一個由高效計算系統組成的網絡，其中心主題借用了生物神經網絡的類比。人工神經網絡可以應用於機器人、語音識別、語音處理等領域。
Genetic Algorithm
遺傳算法有助於在多個程序的幫助下解決問題。結果將取決於選擇最合適的。
Knowledge Representation
這是一個研究領域，藉助這個領域，我們可以用機器可以理解的方式來表示事實。知識表現得越有效，系統就越智能。
Application of AI
在本節中，我們將看到AI支持的不同欄位−
Gaming
人工智慧在西洋棋、撲克、tic-tac-toe等戰略遊戲中起著至關重要的作用，在這些遊戲中，機器可以根據啟發式知識來思考大量可能的位置。
Natural Language Processing
有可能與理解人類自然語言的計算機進行交互。
Expert Systems
有一些應用程式集成了機器、軟體和特殊信息來傳遞推理和建議。他們向用戶提供解釋和建議。
Vision Systems
這些系統理解、解釋和理解計算機上的視覺輸入。例如，
一架間諜飛機拍攝照片，用來找出這些地區的空間信息或地圖。
醫生利用臨牀專家系統對病人進行診斷。
警方使用計算機軟體，可以識別罪犯的臉與存儲的肖像由法醫藝術家。
Speech Recognition
有些智能系統能夠在人類與語言交談時，從句子及其意義的角度來聽和理解語言。它可以處理不同的口音、俚語、背景噪音、寒冷引起的人類噪音變化等。
Handwriting Recognition
手寫識別軟體通過筆在紙上或手寫筆在螢幕上讀取文本。它可以識別字母的形狀並將其轉換爲可編輯的文本。
Intelligent Robots
機器人能夠完成人類賦予的任務。它們有傳感器來檢測來自真實世界的物理數據，如光、熱、溫度、運動、聲音、碰撞和壓力。他們有高效的處理器，多個傳感器和巨大的內存，以顯示智能。此外，他們能夠從錯誤中吸取教訓，能夠適應新的環境。
Cognitive Modeling: Simulating Human Thinking Procedure
認知建模基本上是計算機科學中研究和模擬人類思維過程的領域。人工智慧的主要任務是使機器像人一樣思考。人類思維過程最重要的特徵是問題解決。這就是爲什麼或多或少的認知建模試圖理解人類是如何解決問題的。然後，該模型可以應用於機器學習、機器人技術、自然語言處理等人工智慧領域;
Agent & Environment
在本節中，我們將重點討論代理和環境，以及它們如何幫助人工智慧。
Agent
代理是任何可以通過傳感器感知其環境並通過效應器作用於該環境的東西。
A人類製劑具有與傳感器平行的感覺器官，例如眼睛、耳朵、鼻子、舌頭和皮膚，以及其他器官，例如手、腿、嘴，作爲效應器。
A機器人代理取代了傳感器的攝像機和紅外測距儀，以及效應器的各種電機和執行器。
A軟體代理已將位字符串編碼爲其程序和操作。
Environment
有些程序在完全人工環境中運行，僅限於鍵盤輸入、資料庫、計算機文件系統和螢幕上的字符輸出。
相比之下，一些軟體代理（軟體機器人或軟體機器人）存在於豐富的、無限的軟體機器人領域。模擬器有一個非常詳細、複雜的環境。軟體代理需要實時地從一長串操作中進行選擇。softbot的設計目的是掃描客戶的在線偏好，並向客戶顯示在真實的和人工的環境中工作的有趣項目。