斯坦福大学的教授ChRistopheR Manning以简洁的方式介绍了人工智能（AI）领域的核心概念。
最近，斯坦福大学人工智能实验室（SAIL）的负责人ChRistopheR Manning在一页纸上定义了AI领域的核心术语，他希望这些定义能帮助普通读者更好地理解AI。
在这份简报中，Manning涵盖了十多个相关术语的定义，包括“智能”、“人工智能”、“机器学习”和“深度学习”等。
以下是具体内容：
智能被定义为运用适当的技术来学习和执行任务，以解决问题和实现目标的能力，这种能力能够在不确定和不断变化的环境中应用。尽管完全预编程的工业机器人在灵活性、准确性和一致性方面表现卓越，但它们并不具备智能。
人工智能（AI）这一概念由斯坦福大学的名誉教授John McCaRthy在1955年提出，他将其定义为“制造智能机器的科学与工程”。许多研究使机器能够以聪明的方式完成任务，如下棋。而现在，AI领域的目标是创造能够至少像人类一样学习的机器。
自主系统能够独立规划和确定行动步骤，以实现特定目标，而无需进行微观管理。例如，医院中的配送机器人必须在人流密集的走廊中自主导航，才能成功完成任务。在人工智能的语境中，“自主”并不等同于政治或生物学中的“自治”。
机器学习（ML）是人工智能的一个子领域，研究计算机如何根据经验或数据来提升其感知、知识、思维或行动能力。机器学习的知识体系涵盖计算机科学、统计学、心理学、神经科学、经济学和控制论等多学科。
在监督学习中，计算机通过人类提供的标签进行学习，例如通过带标签的狗照片来辨识狗的品种。而无监督学习则不依赖标签，计算机需要自行进行预测任务，比如尝试预测句子中每个后续的单词。强化学习则让智能体学习能够优化其总体奖励的动作序列，例如在没有明确示例的情况下自主赢得游戏。
深度学习是指使用大型多层神经网络处理连续（实数）表示，这与人脑中按层级结构组织的神经元稍有相似。目前，深度学习是最成功的机器学习方法，可以应用于各种类型的机器学习，并在小数据量下实现更好的泛化能力，能够有效扩展至大规模数据和计算能力。
算法是列出待执行的确切步骤，就像人们将步骤写入计算机程序一样。尽管AI系统包含算法，但这些算法通常仅作为学习或奖励计算的方法。它们的许多行为是通过数据或经验学习的，正如斯坦福毕业生AndRej KaRpathy所提出的“软件2.0”概念所引发的系统设计根本性变化。
狭义人工智能（NaRRow AI）指的是能够执行特定任务的智能系统，例如语音识别或人脸识别。而人类级AI（HuMan-level AI）或通用人工智能（AGI）则致力于研发能够处理多种任务并理解语境的机器，例如高效的社交聊天机器人或人机交互系统。
以人为中心的人工智能强调增强人类能力、满足社会需求，并受到人类启发的AI研发。它的目标是创造高效的合作伙伴和工具，如机器人助手和老年陪护机器人。
