什么是人工智能（AI），一般AI与狭义AI有什么区别？

目前，关于人工智能似乎存在很多分歧和困惑。

[进一步阅读：人工智能和语音技术的进步使虚拟助手得以工作]

我们正在围绕通过图灵测试评估AI系统进行不断的讨论，警告说超级智能的机器将宰杀我们，同样可怕甚至更可怕的警告是AI和机器人将承担我们的所有工作。  

同时，我们还看到了诸如IBM Watson，Google的Deep Learning之类的系统以及诸如Apple的Siri，Google Now和Microsoft的Cortana之类的对话助手的出现。关于是否甚至有可能构建真正的智能系统的各种讨论混在一起。

为了发出信号，我们需要了解一个简单问题的答案：什么是AI？

AI：教科书定义

起点很容易。简而言之，人工智能是计算机科学的一个子领域。它的目标是使计算机的开发能够执行通常由人完成的事情，尤其是与人的智能行为相关的事情。

斯坦福大学的研究员约翰·麦卡锡（John McCarthy）于1956年在现在称为“达特茅斯会议”（Dartmouth Conference）上创造了这个名词，该会议定义了AI领域的核心使命。

如果从这个定义开始，那么任何程序如果执行了我们通常认为对人类智能的操作，就可以视为AI。程序的工作方式不是问题，而根本就可以做到。也就是说，如果它很聪明，那就是AI，但是不必像我们一样聪明。

强AI，弱AI及其之间的一切

事实证明，人们在构建AI系统方面有非常不同的目标，并且根据他们所构建的机器与人们的工作方式的接近程度，他们倾向于分为三个阵营。

对于某些人来说，目标是建立与人们的思维方式完全相同的系统。其他人只是想把工作做好，而不在乎计算是否与人的思想有关。还有一些介于两者之间，使用人类推理作为模型可以提供信息和启发，但不能作为模仿的最终目标。

旨在真正模拟人类推理的工作通常被称为“强大的AI ”，因为任何结果都不仅可以用来构建思考的系统，还可以用来解释人类的思维方式。但是，我们尚未看到强大的AI或系统的真实模型，它们是人类认知的真实模拟，因为这是一个很难解决的问题。当那时候到来时，相关的研究人员肯定会放一些香槟，敬酒未来，并称之为一天。

第二个阵营的工作旨在使系统正常工作，通常被称为“弱AI ”，因为尽管我们可能能够构建行为像人类的系统，但结果不会告诉我们人类的想法。最好的例子之一就是IBM的Deep Blue，该系统曾是国际象棋大师，但肯定不会像人类那样玩。

在强弱AI中间的某个地方是第三个阵营（“中间”）：系统是由人为推理提供信息或受到启发的。这往往是当今大多数更强大的工作正在发生的地方。这些系统以人为推理为指导，但不受完美建模目标的驱动。

IBM Watson就是一个很好的例子。沃森通过查看成千上万的文本为其结论提供了一定程度的信心，从而为找到的答案建立了证据。它结合了识别文本中的模式的能力和权衡匹配这些模式所提供的证据的完全不同的能力。它的发展是基于这样的观察：人们无需硬性规定就能得出结论，而是可以收集证据。就像人们一样，沃森能够注意到文本中提供一些证据的模式，然后将所有这些证据加起来得出答案。

同样，谷歌在深度学习中的工作也有类似的感觉，它受到大脑实际结构的启发。通过神经元的行为通知，深度学习系统通过学习表示层来完成诸如图像和语音识别之类的任务，从而发挥作用。不完全像大脑，而是受到它的启发。

这里重要的一点是，要使系统被视为AI，就不必以与我们相同的方式工作。它只需要很聪明。

窄AI与普通AI

这里还有另一个区别-专为特定任务而设计的AI系统（通常称为“狭义AI ”）与为一般推理能力而设计的少数系统（称为“一般AI ”）之间的区别。。人们有时会因这种区分而感到困惑，因此错误地将特定领域中的特定结果解释为对所有智能行为的范围界定。  

可以根据您过去的行为向您推荐事物的系统不同于可以学习从示例中识别图像的系统，也不同于可以基于证据综合做出决定的系统。它们实际上都是狭窄的AI的示例，但可能无法泛化来解决智能机器必须自行处理的所有问题。例如，我可能不希望在找出最近的加油站的位置方面出色的系统也可以执行我的医学诊断。

下一步是研究这些想法如何在我们期望在智能系统中看到的不同功能中发挥作用，以及它们如何在当今新兴的AI生态系统中相互作用。也就是说，他们做什么以及如何一起玩。因此，请继续关注–还有更多。