概述
人工智能 (AI) 是一门让机器变得智能的科学，使机器能够执行通常需要人类智能的任务，例如识别模式和解决问题。
什么是人工智能？位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。
深入探讨
人工智能的核心是开发可以模拟人类认知能力的计算系统。这包括从简单的基于规则的算法到从经验中“学习”的复杂神经网络的一切。与遵循一组严格的预定义指令的传统软件不同，人工智能系统识别数据中的统计相关性以得出结果。这种范式转变意味着我们不再显式地对规则进行编程，而是对机器本身查找规则的方法进行编程。
技术洞察
现代人工智能很大程度上是由联结主义架构（特别是神经网络）驱动的。这些模型由数千（或数十亿）个相互传递信号的虚拟“神经元”组成。在训练阶段，这些神经元之间的数学“权重”会被调整，直到网络能够根据给定的输入可靠地产生所需的输出。
掌握什么是人工智能？
人工智能 (AI) 是一门让机器变得智能的科学，使机器能够执行通常需要人类智能的任务，例如识别模式和解决问题。什么是人工智能？位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。要建立深入的理解，请思考什么是人工智能？作为一个运营模型，而不是一个单一的功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用什么是人工智能？首先建立强大的概念模型，然后将这些模型映射到实际的生产约束。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
它可以帮助您将清晰的技术声明与营销语言分开。同时，不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
它可以帮助您将清晰的技术声明与营销语言分开。
它可以帮助您将清晰的技术声明与营销语言分开。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
在花费金钱或时间之前，您可以提出更好的实施问题。
在花费金钱或时间之前，您可以提出更好的实施问题。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
具有共同理解的团队可以做出更好的产品、政策和学习决策。
具有共同理解的团队可以做出更好的产品、政策和学习决策。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
Siri 和 Alexa 等语音助手可以理解语音请求。
Netflix 或 YouTube 上的算法驱动推荐。
自主系统，例如导航交通的自动驾驶汽车。
构建可重复的人工智能是什么？具有明确成功标准和人工审核检查点的工作流程。
实施模式
什么是人工智能？在实践中
Siri 和 Alexa 等语音助手可以理解语音请求。
Siri 和 Alexa 等语音助手能够理解语音请求 当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
什么是人工智能？在实践中
Netflix 或 YouTube 上的算法驱动推荐。
Netflix 或 YouTube 上的算法驱动推荐 当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
什么是人工智能？在实践中
自主系统，例如导航交通的自动驾驶汽车。
自动驾驶汽车等自主系统在交通中导航 当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
什么是人工智能？在实践中
构建可重复的人工智能是什么？具有明确成功标准和人工审核检查点的工作流程。
构建可重复的人工智能是什么？具有明确成功标准和人工审核检查点的工作流程 团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。
基准测试可能看起来很强大，但实际性能却参差不齐。
忽视数据质量和评估计划通常会产生脆弱的结果。
实施路线图
从您需要的结果的简单语言定义开始。
从您需要的结果的简单语言定义开始。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在测试之前选择一种成功指标和一种失败条件。
在测试之前选择一种成功指标和一种失败条件。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用代表性数据运行小型试点，而不是完善的演示集。
使用代表性数据运行小型试点，而不是完善的演示集。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
记录什么是人工智能？帮助以及更简单的方法更好的地方。
记录什么是人工智能？帮助以及更简单的方法更好的地方。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。