AI對于現代企業及其他類型的組織來說已變得極其重要，因為它可以做所有上述事情。通過結合大量數據與智能迭代處理算法，AI系統能從所分析數據中的模式和特征中學習。

每當AI系統處理數據時，它會測試和衡量自己的性能，并獲得新的知識。由于AI從不需要休息，可以快速完成成千上萬個任務，在短短的時間內學到許多知識，無論它被訓練做什么事務，最終都變得極其擅長。

然而，要了解AI真正的工作原理，就需要明白AI不單單是一個計算機程序或應用軟件，而是一門完整的學科或科學。

AI系統有很多不同的部分，您可以將其視為AI這門總體科學的子領域。

這些領域囊括：

• 機器學習：AI的一種特定應用，讓計算機系統、程序或應用軟件可以自動學習，并根據經驗獲得更好的結果，這一切無需編程。機器學習讓AI可以找到數據中的模式，發掘洞察力，并改進系統旨在完成的任何任務的結果。
• 深度學習：一種特定類型的機器學習，讓AI可以通過處理數據來學習和改進。深度學習使用模擬人腦中生物神經網絡的人工神經網絡來處理信息，找到數據之間的聯系，進行推論，或基于正面和負面強化獲得結果。
• 神經網絡：重復分析數據集以便從未定義的數據中找到關聯并解釋含義的過程。神經網絡的功能類似人腦中的神經網絡，讓AI系統可以接收大型數據集，發現數據中的模式，并回答有關它的問題。
• 認知計算是AI系統的另一個重要部分，旨在模擬人機交互，讓計算機模型在執行復雜任務（比如分析文本、語音或圖像）時可以模擬人腦的機理。
• 自然語言處理（NLP）是AI的重要組成部分，因為它讓計算機可以識別、分析、解釋和真正理解人類語言，無論是書面語言還是口頭語言。自然語言處理對于任何與人類交互的基于AI的系統都必不可少，無論是通過文本還是語音輸入。
• 計算機視覺——這是AI技術最常見的應用之一，能夠使用模式識別和深度學習來審查和解釋圖像內容。計算機視覺讓AI系統可以識別視覺數據要素，比如在網上隨處可見的驗證碼，這些驗證碼通過人類幫助它們識別汽車、人行橫道、自行車或山脈等圖像元素來學習。

AI需要什么技術？

AI并不新穎，但由于技術方面的顯著進步，近年來它得到廣泛應用，用途也愈來愈廣。

事實上，AI的規模和價值呈爆發式增長與最近的技術進步密切相關，囊括：

• 更龐大、更易于訪問的數據集——AI靠數據蓬勃發展。伴隨數據快速增長以及訪問數據更方便，AI的重要性隨之加大。假如沒有“物聯網”之類的發展，AI的潛在應用就會少得多。
• 圖形處理單元——GPU是推動AI提升價值的關鍵因素之一，因為它們對于為AI系統提供執行交互式處理所需的數百萬次計算的能力至關重要。GPU提供了AI快速處理和解釋大數據所需的計算能力。
• 智能數據處理——新的和更先進的算法讓AI系統可以更快地同時在多個層面分析數據，幫助這些系統極快地分析數據集，以便它們能夠更好更快地理解復雜系統，并預測罕見事件。
• 應用編程接口——API讓AI功能可以添加到傳統的計算機程序和應用軟件中，通過增強它們識別和理解數據模式的能力，實際上使那些系統和程序更智能化。

原文標題：But how does AI actually Work??，作者：Annoberry?