这在涉及人工智能(AI)的各种技术中也很明显。我经常谈到自动驾驶汽车和个人助理，比如苹果的Siri，而机器学习、深度学习和神经网络经常出现在书面文本中。这些术语是什么意思，它们之间有什么区别？基于AI元素的技术发展到什么程度了？我们在对ESET的人工智能专家Jura Jj no k的一系列采访中讨论了这些话题。

在面试中，你会学到：什么是人工智能，目前正在研发哪种AI方法？为什么我们把AI的发展部分归功于游戏？为什么我们不总是理解AI的决定？人脑和细胞繁殖是如何刺激AI发展的？很多人认为是全新的旧AI技术，其实让我们从零开始。我如何掌握人工智能的概念？

如果能模拟人类的智能、意识和一些技术思维，就能实现人工智能。这里有一个术语来形容它——强人工智能——但也有一个概念叫做超级智能。人工智能(AGI)旨在模仿人类的思维，包括它的缺点，而超级智能(SI)应该进一步超越人类意识和思维的极限，并大大超越它们。然而，当谈到更多的哲学讨论时，我们必须承认，即使在AGI的发展中，我们目前仍然远远落后。

AI的问题经常会带来它的术语机器学习(ML)和深度学习(DL)。两者有什么区别？

这些术语经常被混淆，即使对于专业人士来说也是如此。简而言之，人工智能是一个整体概念。它涵盖了广泛的主题，以及机器人，机器学习和其他问题。所以机器学习只是AI的一个领域。目前，它可能是最受关注的。另一方面，深度学习只是机器学习的一部分。这个领域受到大脑功能的启发，试图模拟大脑神经元之间的连接。

好吧，我们从头说起。ML是如何工作的？

机器学习的思路很简单。我们有很多数据可用，希望通过ML简洁地表达出来。这意味着，如果我有很多数据，我不必亲自对所有数据进行排序。对我来说，取一个更小的样本，对其进行分类，并对其使用一种算法，以便为其分配基本分类/归类，就足够了。然后，我让学习过的算法处理另一个更小的样本，观察是否按照我的意愿分类。如果没有，我将通过指定条件来调整它的行为。如果我对算法的性能感到满意，我可以在整个数据库中使用它，算法可以自己排序，这比任何人都要花费更多的时间来处理。