人工智能正快速侵入我們的生活的方方面面，推薦我們看到的社交媒體故事，在照片中識別我們的朋友和寵物，甚至確保我們避免在路上發生意外。如果你想了解人工智能，你需要從支撐它的專用術語開始。

因此，現在我提出了人工智能技術的5個關鍵詞，你只需要知道這幾個術語，就可以保證下次吃飯的時候跟別人聊起人工智能而不會啞口無言。

首先，聲明的是，并不是所有人都同意這些詞的準確定義，所以你可能會看到他們在網上的其他地方表達了不同的意義。我提出的只是使用最頻繁的定義，但隨著新技術的出現，總會有一些不一致的地方。

1、算法

著名的（或臭名昭著的）算法。算法是計算機程序遵循規則的基礎。比如，如果你最好的朋友在微博上發布了你的照片，那么規則說應該出現在你瀏覽的頁面中。或者，如果你需要使用百度地圖從A到B，一個算法可以幫助你找到最快的路線。

這些規則是由計算機來執行的，但通常是由人類設定的——因此，微博或百度的工程師們選擇了讓哪些故事變得重要，或者哪條道路是最快的。人工智能的開始是利用機器學習來調整這些算法，而且現在計算機程序已經開始為自己調整這些規則。百度地圖就會這樣做，如果它得到一個特定道路關閉的反饋數據。

當圖像識別系統出錯時，使用同樣的規則，但是得到錯誤的結果，比如你得到的是像貓的狗，而不是真正的貓。在許多方面，算法是機器學習的基礎。

2、人工智能

到底什么是人工智能？定義的不同取決于你問的是誰，但從最廣義的角度來說，它是被人為創造出來的任何一種智慧，這很明顯。

所以當百度的虛擬助手小度像真人一樣回復你的時候，那就是人工智能。當百度的照片似乎知道貓的樣子時，那也是人工智能。星球大戰中的機器人BB-8也是人工智能，在某種程度上，人工智能看起來就像人類控制的一個會說話、思考的機器人。

這個定義真的很寬泛，所以你可以理解為什么它應該被解讀。人工智能有許多不同的類型和方法，所以要確保你理解其中的區別——當某些東西被描述為具有內置AI的時候，這可能意味著涉及到廣泛的技術。

3、深度學習

深度學習是機器學習的一個類型，這就是為什么這兩個術語經常混雜在一起，并且可以正確地用于描述在許多情況下相同的人工智能。深度學習就是機器學習，但設計得更聰明，更有層次，更深入，更像是人類大腦的功能。

通過更多數據和更強大的硬件這兩個關鍵技術的進步，實現了深度學習。這就是為什么它只是最近才流行起來的原因，盡管它最初的根源可以追溯到幾十年前。如果你把它看成是機器學習的加強版也可以，它為什么變得更聰明了？因為電腦變得更強大了。

深度學習常常利用神經網絡，來增加這一層智能。例如，深度學習和機器學習都可以通過掃描上百萬只貓的圖像來識別圖片中的一只貓——但是，機器學習需要被告知什么特征組成了貓，深度學習只要有足夠的原始數據，就能計算出貓的樣子。

4、機器學習

機器是為自己學習的，而不是每一次都為他們詳細說明。

其中最著名的例子是圖像識別。給一個機器學習系統足夠多的貓的圖片，它最終將能夠自己發現一只貓的新圖片，沒有任何來自人類操作員的提示。你可以把它看作是人工智能網絡超越了它們最初的編程，首先是對大量數據進行培訓。

谷歌的AlphaGo程序是另一個很好的例子：由人類教授，但能夠根據自己的訓練做出自己的決定。AlphaGo還表明，許多類型的人工智能都是非常具體的——這臺引擎在玩圍棋時非常出色，但在無人駕駛汽車上幾乎是毫無用處的。

5、神經網絡

與深度學習緊密相關，神經網絡試圖模仿人類大腦的過程，或者像我們現在所理解的那樣，是人類大腦的一部分。此外，在過去幾年中，只有高端處理器才真正實現了神經網絡的發展。

在做出最終決定之前，神經網絡考慮的是圖像和貓的各種不同的特征，而不是看圖像判斷它是不是貓。最終的結果是一個更準確的貓識別引擎（這就是為什么圖像識別在最近幾年變得更好了）。

如果你不能完全理解這個想法，不要擔心——神經網絡不是一個你可以從一個簡短的幾段話就能完全理解的概念。但如果你認為它是另一種機器學習工具，旨在利用人類智慧創造一些的微妙的工具，那么你就掌握了基本知識。