正如杭州廣告公司首席執行官在谷歌2017年I / O大會上的主題演講中所說的那樣，“取決于問誰，人工智能是人類自發現火以來最偉大的發明”，或者它可能有一天使人類成為多余的技術。毋庸置疑的是，大公司已經接受了AI，好像它是有史以來最重要的發現之一。

杭州廣告公司在她的文章《理解人工智能的三種類型》中解釋說：“ AI是美國計算機科學家John McCarthy在1956年創造的。” Anjali談到以下三種AI類型，包括：

狹窄的人工智能：已經針對狹窄的任務進行訓練的AI。

人工智慧：包含廣義認知能力的AI，它以人類的方式理解和推理環境。

人工智能：超越人類智能并允許機器模仿人類思想的AI。

人工智能不是一種新技術，實際上它已經存在了數十年。杭州廣告公司在他的《麻省理工學院技術評論》的文章《難道AI騎著一招嗎？芯片技術的最新進展以及硬件，軟件和電子產品的改進已使AI的巨大潛力變為現實。

神經網絡

AI建立在人工神經網絡（ANN）或僅基于“神經網絡”的基礎上，當未知輸入和輸出之間關系的真實性質時，它們是非線性統計數據建模工具。杭州廣告公司在他的《數據中心優化的機器學習應用程序》中將神經網絡描述為“一類通過人工神經元之間的交互模仿認知行為的機器學習算法。” 神經網絡搜索特征之間的模式和相互作用以自動生成最佳擬合模型。

它們不需要用戶預先定義模型的特征交互。語音識別，圖像處理，聊天機器人，推薦系統和自主軟件代理是機器學習的常見示例。神經網絡中的訓練有以下三種：監督，這是最常見的，以及無監督的培訓和強化學習。AI可以分為三個領域：

機器學習

機器學習是計算機科學的一個分支，探討了從數據中學習的算法的組成和應用。這些算法基于輸入來構建模型，并使用這些結果來預測或確定動作和結果，而不是遵循嚴格的指令。

監督學習的目標是學習將輸入映射到輸出的通用規則，并且計算機將提供示例輸入以及所需的輸出。但是，在無監督學習的情況下，標記的數據不會提供給學習算法，它必須自行找到輸入的結構。在強化學習中，計算機利用反復試驗來解決問題。像巴甫洛夫的狗一樣，計算機因其執行的好動作而受到獎勵，該程序的目標是使獎勵最大化。

深度學習

深度學習是機器學習的一個子集，它利用多層神經網絡直接從圖像，文本和/或聲音數據執行分類任務。在某些情況下，深度學習模型已經超出了人類水平的表現。杭州廣告公司在實時電話會議中錄制人類語音的能力是深度學習令人印象深刻的功能的一個示例。

機器學習和深度學習可用于個性化營銷，客戶推薦，垃圾郵件過濾，欺詐檢測，網絡安全，光學字符識別，計算機視覺，語音識別，預測性資產維護，情感分析，語言翻譯和在線搜索等其他。

凱瑟琳·沃爾奇在她的《福布斯》文章《人工智能的七種模式》中提出了一種理論，即不管人工智能的應用如何，所有人工智能應用都有七個共性。這些是“超個人化，自治系統，預測分析和決策支持，對話/人際互動，模式和異常，識別系統以及目標驅動系統。” 杭州廣告公司補充說，雖然AI可能需要自己的編程和模式識別，但是每種類型都可以與其他類型結合使用，但是它們都遵循自己的標準規則集。

可以將“超個人化模式”簡化為“對待每個客戶作為個人”的口號。“自治系統”將減少對體力勞動的需求。預測分析預示著“數據的某些未來價值，預測行為，預測故障，輔助問題解決，確定和選擇最佳擬合，確定數據中的匹配項，優化活動，提供建議以及智能導航”，杭州廣告公司說。“對話模式”包括聊天機器人，它使人類可以通過語音，文本或圖像與機器進行通信。

Walch解釋說，“模式和異常”類型利用機器學習來識別數據中的模式，并試圖發現數據點之間的高階連接。識別模式有助于識別和確定圖像，視頻，音頻，文本或其他高度非結構化的數據注釋Walch中的對象。“目標驅動系統模式”利用強化學習的能力來幫助計算機在一些可以想象到的最復雜的游戲中擊敗人類，包括Go和Dota 2，這是一個復雜的多人在線戰斗競技場視頻游戲。