算法層：機器學習是指利用算法使計算機能夠像人一樣從數據中挖掘出信息，而深度學習作為機器學習的一個子集，相比于其他學習方法，使用了更多的參數、模型也更復雜，從而使得模型對數據的理解更加深入也更加智能。

計算機視覺：計算機視覺的歷史可以追溯到1966年，人工智能學家Minsky在給學生布置的作業中，要求學生通過編寫一個程序讓計算機告訴我們它通過攝像頭看到了什么，這也被認為是計算機視覺最早的任務描述。計算機視覺借鑒了人類看東西的方法，即“三維重構”與“先驗知識庫”。計算機視覺除了在比較成熟的安防領域外，也應用于金融領域的人臉識別身份驗證、電商領域的商品拍照搜索、醫療領域的智能影像診斷、機器人/無人車上作為視覺輸入系統等。

語音處理：讓機器學會“聽”和“說”，實現與人類的無障礙交流一直是人工智能、人機交互領域的一大夢想。1920年生產的“Radio Rex”玩具狗可能是世界上最早的語音識別器，第一個真正基于語音識別系統出現在1952年，AT&T貝爾實驗室開發的Audrey的語音識別系統，能夠識別10個英文數字，正確率高達98%。比如Apple Siri，Echo等。

自然語言處理：人類的日常社會活動中，語言交流是不同個體間信息交換和溝通的重要途徑。對機器而言，能否自然的與人類進行交流、理解人類表達的意思并作出合適的回應，被認為是衡量其智能程度的一個重要參照。

規劃決策系統：人工智能規劃決策系統的發展，一度是以棋類游戲為載體的。比如，AlphaGo戰勝李世石，Master對頂級選手取得60連勝，機器人，無人車。

想要了解更多關于人工智能資訊信息，請關注中培偉業李老師二維碼：