主要目標 是創造技術，讓計算機和機器通過模仿人類思維和解決問題來智能地工作。 簡單來說，它是為了讓我們的生活更輕松。 當 Ai 第一次被引入時，它是一個跳棋，能夠玩一整場跳棋。 在這里，人工智能系統將大量數據集和流程與算法相結合，以找到模式并記住它們。 當引入另一組數據時，它會使用前一組數據作為參考，并衡量自己的效率并隨著時間的推移變得更好。 人工智能分兩步工作，將問題分解為子集并解決它們。
在構建 AI 時，開發人員使其 能夠執行以下一項或多項操作，在這種情況下，他們被認為是 AI 的目標 。
目錄
* 人工智能有 9 個主要目標
* 知識推理
* 自動化計劃和調度
* 機器學習
* 自然語言處理
* 計算機視覺
* 通用人工智能
* 機器人技術
* 社會情報
* 創造力
* 結論
人工智能有 9 個主要目標
知識推理
這個領域或 AI 也與推理部分相結合。 它用于設計和實現可以處理有關世界的信息以解決復雜問題的計算機表示。 它通過自動化解決問題的推理部分來工作。 它證明了我的計算機系統可以理解的兩個因素和關系。
人工智能的知識推理部分可以從它們在計算機輔助診斷中用于幫助醫生解釋醫學圖像的地方來理解。 它還用于需要理解人類自然語言的語音激活虛擬助手。
自動化計劃和調度
對于 這些目標 ，它會自動安排動作順序。 所有這一代順序動作都創建了可由人工智能系統（如無人駕駛車輛或自主機器人）執行的策略。 這類動作多用于 目標 和 目的 的 不變 。
就像駕駛一輛自動駕駛汽車穿過一個倉庫，將一件東西從一個地方移動到另一個地方。 人工智能的這個子集幫助機器完成所有這些工作。 在這里，為了進行計劃和調度，它需要一組預先確定的操作，而不是一個或兩個。 當第一個應用程序以某種方式無法將環境中的預期結果帶到第二個或第三個應用程序時，它就會開始行動。
機器學習
另一個主要 目標 是機器學習，而不是它的完整應用。 作為一門學科，它涉及對算法和統計模型的研究，計算機系統使用這些算法和統計模型來執行特定任務，而無需有效地使用明確的指令。 機器學習是一種完全不同的計算機編程方法。 簡而言之，它包括開發和使用計算機算法來解決大量的邏輯問題。 它從問題的結果中學習，而不需要直接編程來完成特定的任務。
機器學習的優勢在于能夠進行數據挖掘、持續改進和任務自動化。 更好的例子是搜索引擎排名、人工智能車輛和 PPC 廣告人工智能。
自然語言處理
另一個 目標 是自然語言處理或 NLP。 顧名思義，NLP 旨在使計算機和整體機器能夠理解人類語言。 以前，我們需要某種技術知識來讓 AI 做一些 NLP 幫助縮小差距的事情。
在這里，人工智能的主要 目標 是讓人工智能更具大眾吸引力，而 NLP 帶來了技術革命，使之成為可能。
計算機視覺
對于 這個目標 ，重點是獲取真實世界環境的視覺表示。 它可以使用數字圖像或實時環境中的實時錄像，它們可以轉換機器可以理解的視覺數據以做出未來的決策。
在這里，人工智能的目標是創建一個可以由人類完成的系統，例如我們的 自動交通計數器和分類器 (ATCC) ，它可以查看和分類車輛，還可以檢查紅線違規和無頭盔騎行。 所有這些事情，人類只要看一眼就可以做到。 這是計算機視覺被廣泛使用的地方。 其他使用它們的地方是研究中心和 面部識別 的地方。
通用人工智能
它是人工智能的最新領域，它專注于做類似人類的任務，能夠做有能力的人能做的一切。 要被稱為 AGI，它需要完全滿足 AI 的這些目標，能夠執行人類可以執行的智力任務。 AGI 旨在讓 AI 更加人性化。 它配備了認知智能、情商和社交智能等功能。 人工智能的這個領域仍然不完全清楚，但它要么是有自我意識的，要么是自我意識的，或者兩者兼而有之。 該系統能夠與人類行為的復制進行不間斷的人類交互。
機器人技術
的另一個主要 人工智能 因此很自然它也是另一個子集。 請注意，機器人技術是工程和科學的跨學科分支，包括計算機科學、電子工程、機械工程和信息工程。
人工智能的適用領域是機器或機器人的設計、建造和操作，可以復制人類動作，用機械任務代替人類任務。 機器人技術與計算機科學、信息技術和傳感器相結合，無需人類的任何外部幫助即可工作。
社會情報
理解和解釋過程并模擬人類行為和交互是人工智能的另一個目標。 在人工智能和機器人技術的背后，它由計算機科學、心理學和認知等領域組成。 在這里，這些事物的起源可以追溯到早期對情感的哲學探究。
創造力
人工智能可能永遠無法像人類一樣具有創造力，但理論上它可以做到這一點。 它可以從哲學和心理學的角度學習概念。 計算研究的一些相關領域包括人工直覺和人工思維。 這是 Ai 最有能力的目標之一。
這些是開發人員訓練人工智能并期望人工智能在需要的情況下做的主要事情。 這些被稱為人工智能的主要目標。 他們幫助創建智能人工智能系統。 每個都有助于全面填充人工智能的不同方面，以使人機交互更加方便。
在構建 AI 時，開發人員使其 能夠執行以下一項或多項操作，在這種情況下，他們被認為是 AI 的目標 。
目錄
* 人工智能有 9 個主要目標
* 知識推理
* 自動化計劃和調度
* 機器學習
* 自然語言處理
* 計算機視覺
* 通用人工智能
* 機器人技術
* 社會情報
* 創造力
* 結論
人工智能有 9 個主要目標
知識推理
這個領域或 AI 也與推理部分相結合。 它用于設計和實現可以處理有關世界的信息以解決復雜問題的計算機表示。 它通過自動化解決問題的推理部分來工作。 它證明了我的計算機系統可以理解的兩個因素和關系。
人工智能的知識推理部分可以從它們在計算機輔助診斷中用于幫助醫生解釋醫學圖像的地方來理解。 它還用于需要理解人類自然語言的語音激活虛擬助手。
自動化計劃和調度
對于 這些目標 ，它會自動安排動作順序。 所有這一代順序動作都創建了可由人工智能系統（如無人駕駛車輛或自主機器人）執行的策略。 這類動作多用于 目標 和 目的 的 不變 。
就像駕駛一輛自動駕駛汽車穿過一個倉庫，將一件東西從一個地方移動到另一個地方。 人工智能的這個子集幫助機器完成所有這些工作。 在這里，為了進行計劃和調度，它需要一組預先確定的操作，而不是一個或兩個。 當第一個應用程序以某種方式無法將環境中的預期結果帶到第二個或第三個應用程序時，它就會開始行動。
機器學習
另一個主要 目標 是機器學習，而不是它的完整應用。 作為一門學科，它涉及對算法和統計模型的研究，計算機系統使用這些算法和統計模型來執行特定任務，而無需有效地使用明確的指令。 機器學習是一種完全不同的計算機編程方法。 簡而言之，它包括開發和使用計算機算法來解決大量的邏輯問題。 它從問題的結果中學習，而不需要直接編程來完成特定的任務。
機器學習的優勢在于能夠進行數據挖掘、持續改進和任務自動化。 更好的例子是搜索引擎排名、人工智能車輛和 PPC 廣告人工智能。
自然語言處理
另一個 目標 是自然語言處理或 NLP。 顧名思義，NLP 旨在使計算機和整體機器能夠理解人類語言。 以前，我們需要某種技術知識來讓 AI 做一些 NLP 幫助縮小差距的事情。
在這里，人工智能的主要 目標 是讓人工智能更具大眾吸引力，而 NLP 帶來了技術革命，使之成為可能。
計算機視覺
對于 這個目標 ，重點是獲取真實世界環境的視覺表示。 它可以使用數字圖像或實時環境中的實時錄像，它們可以轉換機器可以理解的視覺數據以做出未來的決策。
在這里，人工智能的目標是創建一個可以由人類完成的系統，例如我們的 自動交通計數器和分類器 (ATCC) ，它可以查看和分類車輛，還可以檢查紅線違規和無頭盔騎行。 所有這些事情，人類只要看一眼就可以做到。 這是計算機視覺被廣泛使用的地方。 其他使用它們的地方是研究中心和 面部識別 的地方。
通用人工智能
它是人工智能的最新領域，它專注于做類似人類的任務，能夠做有能力的人能做的一切。 要被稱為 AGI，它需要完全滿足 AI 的這些目標，能夠執行人類可以執行的智力任務。 AGI 旨在讓 AI 更加人性化。 它配備了認知智能、情商和社交智能等功能。 人工智能的這個領域仍然不完全清楚，但它要么是有自我意識的，要么是自我意識的，或者兩者兼而有之。 該系統能夠與人類行為的復制進行不間斷的人類交互。
機器人技術
的另一個主要 人工智能 因此很自然它也是另一個子集。 請注意，機器人技術是工程和科學的跨學科分支，包括計算機科學、電子工程、機械工程和信息工程。
人工智能的適用領域是機器或機器人的設計、建造和操作，可以復制人類動作，用機械任務代替人類任務。 機器人技術與計算機科學、信息技術和傳感器相結合，無需人類的任何外部幫助即可工作。
社會情報
理解和解釋過程并模擬人類行為和交互是人工智能的另一個目標。 在人工智能和機器人技術的背后，它由計算機科學、心理學和認知等領域組成。 在這里，這些事物的起源可以追溯到早期對情感的哲學探究。
創造力
人工智能可能永遠無法像人類一樣具有創造力，但理論上它可以做到這一點。 它可以從哲學和心理學的角度學習概念。 計算研究的一些相關領域包括人工直覺和人工思維。 這是 Ai 最有能力的目標之一。
這些是開發人員訓練人工智能并期望人工智能在需要的情況下做的主要事情。 這些被稱為人工智能的主要目標。 他們幫助創建智能人工智能系統。 每個都有助于全面填充人工智能的不同方面，以使人機交互更加方便。
