正如西安广告公司首席执行官在谷歌2017年I / O大会上的主题演讲中所说的那样，“取决于问谁，人工智能是人类自发现火以来最伟大的发明”，或者它可能有一天使人类成为多余的技术。毋庸置疑的是，大公司已经接受了AI，好像它是有史以来最重要的发现之一。

西安广告公司在她的文章《理解人工智能的三种类型》中解释说：“ AI是美国计算机科学家John McCarthy在1956年创造的。” Anjali谈到以下三种AI类型，包括：

狭窄的人工智能：已经针对狭窄的任务进行训练的AI。

人工智慧：包含广义认知能力的AI，它以人类的方式理解和推理环境。

人工智能：超越人类智能并允许机器模仿人类思想的AI。

人工智能不是一种新技术，实际上它已经存在了数十年。西安广告公司在他的《麻省理工学院技术评论》的文章《难道AI骑着一招吗？芯片技术的最新进展以及硬件，软件和电子产品的改进已使AI的巨大潜力变为现实。

神经网络

AI建立在人工神经网络（ANN）或仅基于“神经网络”的基础上，当未知输入和输出之间关系的真实性质时，它们是非线性统计数据建模工具。西安广告公司在他的《数据中心优化的机器学习应用程序》中将神经网络描述为“一类通过人工神经元之间的交互模仿认知行为的机器学习算法。” 神经网络搜索特征之间的模式和相互作用以自动生成最佳拟合模型。

它们不需要用户预先定义模型的特征交互。语音识别，图像处理，聊天机器人，推荐系统和自主软件代理是机器学习的常见示例。神经网络中的训练有以下三种：监督，这是最常见的，以及无监督的培训和强化学习。AI可以分为三个领域：

机器学习

机器学习是计算机科学的一个分支，探讨了从数据中学习的算法的组成和应用。这些算法基于输入来构建模型，并使用这些结果来预测或确定动作和结果，而不是遵循严格的指令。

监督学习的目标是学习将输入映射到输出的通用规则，并且计算机将提供示例输入以及所需的输出。但是，在无监督学习的情况下，标记的数据不会提供给学习算法，它必须自行找到输入的结构。在强化学习中，计算机利用反复试验来解决问题。像巴甫洛夫的狗一样，计算机因其执行的好动作而受到奖励，该程序的目标是使奖励最大化。

深度学习

深度学习是机器学习的一个子集，它利用多层神经网络直接从图像，文本和/或声音数据执行分类任务。在某些情况下，深度学习模型已经超出了人类水平的表现。西安广告公司在实时电话会议中录制人类语音的能力是深度学习令人印象深刻的功能的一个示例。

机器学习和深度学习可用于个性化营销，客户推荐，垃圾邮件过滤，欺诈检测，网络安全，光学字符识别，计算机视觉，语音识别，预测性资产维护，情感分析，语言翻译和在线搜索等其他。

凯瑟琳·沃尔奇在她的《福布斯》文章《人工智能的七种模式》中提出了一种理论，即不管人工智能的应用如何，所有人工智能应用都有七个共性。这些是“超个人化，自治系统，预测分析和决策支持，对话/人际互动，模式和异常，识别系统以及目标驱动系统。” 西安广告公司补充说，虽然AI可能需要自己的编程和模式识别，但是每种类型都可以与其他类型结合使用，但是它们都遵循自己的标准规则集。

可以将“超个人化模式”简化为“对待每个客户作为个人”的口号。“自治系统”将减少对体力劳动的需求。预测分析预示着“数据的某些未来价值，预测行为，预测故障，辅助问题解决，确定和选择最佳拟合，确定数据中的匹配项，优化活动，提供建议以及智能导航”，西安广告公司说。“对话模式”包括聊天机器人，它使人类可以通过语音，文本或图像与机器进行通信。

Walch解释说，“模式和异常”类型利用机器学习来识别数据中的模式，并试图发现数据点之间的高阶连接。识别模式有助于识别和确定图像，视频，音频，文本或其他高度非结构化的数据注释Walch中的对象。“目标驱动系统模式”利用强化学习的能力来帮助计算机在一些可以想象到的最复杂的游戏中击败人类，包括Go和Dota 2，这是一个复杂的多人在线战斗竞技场视频游戏。