人工智能（AI）實際上是一組鏈接技術。它很復雜，對許多人來說有點嚇人。它也是巨大的并且正在迅速擴展。

在價值預測和使用該技術的廣泛行業中，這種規模都很明顯。2月，Markets and Markets 對2017年AI市場的估值為160.6億美元。到2025年，這一數字預計將達到1906.1億美元。這是36.61%的復合年增長率（CAGR）。各行各業同樣令人印象深刻。該公司表示，人工智能將用于醫療保健，制造業，汽車，農業，零售，安全，人力資源，市場營銷，法律和金融技術領域。

最重要的是，人工智能今天就在這里。例如，流媒體服務的搜索引擎提出的建議或網站選擇顯示在個人計算機上的廣告會更加準確地描繪出他或她的品味。這是對AI的使用。更具體地說，它是機器學習的一個示例，它是AI的組成部分之一。

機器學習與至少兩種其他技術結合形成AI。顧名思義，自然語言處理是理解語言交流的科學。這將不僅限于解碼單詞，還包括細微差別和情感。例如，有人對一個問題說“是的，對的”可能是滑稽的（特別是如果那個人是青少年），或者確實是對它的肯定回答。未來的NLP引擎將能夠在這些可能性之間做出決定。

第二個是計算機視覺，它不僅能夠解密圖像或視頻。例如，盡管已經過去了很多年，他或她的臉已經變老并且他們的發型已經改變或消失，但是人們通常幾乎沒有困難地識別一個人的圖像。SAS的業務策略主管Kimberly Nevala說，這對計算機視覺來說是一個挑戰。

機器學習的作用

因此，人工智能難題主要包括三個部分。它們可以不同地組合以實現期望的目標。一個特定的用例可能需要其他元素才能添加到此核心中。

機器學習是AI最耀眼的元素，也許是嚇人的元素?！皺C器學習既是名詞又是動詞，” Michael Wu博士說。以及 PROS的首席AI策略師，該公司使用AI和其他工具為其客戶提供動態定價?！白鳛橐粋€動詞，機器學習是將數據轉換為模型的過程。［它可以幫助］預測未來并做很多不同的事情?！?/p>

通常，計算機根據人類給出的指令進行操作。隨著被要求執行的任務變得越來越復雜，這些指令所基于的原始假設發生了變化，以及組織的目標不斷發展，這變得越來越低效。在機器學習場景中，AI系統會收集它收集的輸入并沿途調整其任務。

這是這些元素如何協同工作的示例：假設使用AI平臺根據客戶提出的問題向有線電視運營商的呼叫中心代表提供信息。將來，AI平臺的NLP元素將能夠通過她的聲音來評估呼叫呼叫中心的人的情緒狀態：她會生氣嗎？可能流失？或者，相反，這是一個嘗試加價銷售人員的好時機嗎？在此基礎上，可以為聯絡中心員工提供最佳工具。從長遠來看，AI平臺的機器學習元素將利用該經驗來更好地定制將來向聯絡中心代理提供的指導和材料。

另一個示例更加關注機器學習元素。當然，車輛只能在四個基本方向上行駛：前進，后退，左和右。不可能對無人駕駛汽車（AV）進行編程，以使其在每種情況下都做出反應（例如“如果右邊有一條狗，則向左移動”，等等）。計算機視覺使AV能夠識別障礙物并啟動適當的反應。機器學習元素將存儲該知識（“如果狗在右邊，則向左移動”）。內瓦拉說：“存在著巨大的組合問題?！?“動作定義得很好，但是如何使用它們卻很復雜。這就是機器學習發揮作用的地方。它使（車輛）能夠從經驗中學習?！?/p>