什么是人工智能（AI）？
概述
人工智能（AI）是机器或计算机模仿人类思维能力的能力。人工智能利用多种技术，使机器在规划、行动、理解、学习和感知等方面具备类似人类的智能。人工智能系统可以感知环境、识别物体、做出决策、解决问题、从经验中学习并模仿范例。这些能力结合在一起，就能完成原本需要人类才能完成的行动，如驾驶汽车或迎接客人。
人工智能
为什么人工智能越来越受欢迎？
人工Intelligence 可能是在过去十多年里进入人们的日常生活的，但它已经存在了几十年。人工合成技术最近的崛起并非偶然。
人工智能技术，尤其是机器学习，依赖于大量信息的可用性。互联网的普及、云计算的扩展、智能手机的兴起以及Internet of Things 的发展，造就了与日俱增的海量数据。这一信息宝库与计算能力的巨大进步相结合，使得快速、准确地处理海量数据成为可能。
如今，人工智能正在完成我们的聊天对话、建议电子邮件回复、提供行车路线、推荐下一部我们应该播放的电影、为我们的地板吸尘，以及进行复杂的医学图像分析。
人工智能的历史是怎样的？
人工智能的历史可以追溯到古希腊。然而，电子计算机的兴起使人工智能成为现实。需要注意的是，随着技术的发展，人工智能的定义也发生了变化。例如，几十年前，能够进行光学字符识别（OCR）或简单运算的机器被归类为人工智能。如今，光学字符识别和基本计算并不被视为人工智能，而是计算机系统的基本功能。
- 20 世纪 50 年代 --阿兰-图灵因破解二战时期纳粹使用的 ENIGMA 密码而闻名于世，他在《心智》（Mind）杂志上发表了《计算机械与Intelligence 》一文。他试图回答机器能否思考的问题。他概述了图灵测试，以确定计算机是否表现出与人类相同的智力。该测试认为，人工智能系统应该有能力与人类进行对话，而人类不知道他们是在与人工智能系统对话。首届人工智能大会在达特茅斯学院举行。人工智能一词就是在这里首次使用的。
- 20 世纪 60 年代--美国Defense 部通过 DARPA 对人工智能产生了浓厚的兴趣，并着手开发模仿人类推理的计算机程序。弗兰克-罗森布拉特（Frank Rosenblatt）在通过经验学习的神经网络基础上开发出 Mark 1 Perceptron 计算机。
- 20 世纪 70 年代- DARPA 完成各种街道测绘项目。
- 20 世纪 80 年代--更加复杂的人工智能浪潮兴起。采用反向传播算法的神经网络在人工智能系统中得到广泛应用。
- 20 世纪 90 年代- 数据量呈指数级增长。功能强大的计算机可以快速处理大量数据。深蓝 "超级计算机两次击败国际象棋世界冠军加里-卡斯帕罗夫。基因组测序项目和其他类似的复杂工作产生了大量信息。计算技术的进步使这些数据的存储、访问和分析成为可能。
- 2000 年代- 互联网革命将人工智能推向前所未有的高度。大数据成为企业词汇。早在 Alexa、Siri、Cortana 和 Google Assistant 成为家喻户晓的名字之前，美国国防部高级研究计划局就推出了智能个人助理。这为当今个人电脑和智能手机的推理和自动化铺平了道路。这包括增强和补充人类能力的智能搜索系统和决策支持系统。
- 2010 年代- 中国搜索巨头百度推出 Minwa 超级计算机，它依靠卷积神经网络识别、分析和分类图像，准确率高于普通人。DeepMind 公司的 AlphaGo 深度神经网络程序在五盘对局中击败了围棋世界冠军李世石。围棋是一种古老的中国游戏，比国际象棋复杂得多。
- 2020 年代--在这一时期，人工智能能力突飞猛进，尤其是在语言模型和生成式人工智能方面。公众对人工智能对社会、工作和日常生活的潜在影响的认识和讨论也在不断增加。其中的亮点包括：OpenAI 发布了 GPT-3，展示了令人印象深刻的自然语言能力，随后又发布了 GPT-4，并做出了重大改进。此外还发布了 ChatGPT，将对话式人工智能带入主流，以及用于图像创建的 DallE。DeepMind 的 AlphaFold 在蛋白质结构预测方面取得突破。欧盟提出《人工智能法案》，旨在规范人工智能的开发和使用。多模态人工智能系统（结合文本、图像和音频）不断进步，人工智能对齐和安全研究日益受到重视。
人工智能是如何工作的？
人工Intelligence 断言，智能系统的行动有其指导原则。它的基础是将人类的能力和特征逆向工程到机器上。该系统使用的计算能力超过了普通人的能力。机器必须学会对某些行为做出反应。它依靠历史数据和算法来创建倾向模型。机器从经验中学习，执行通常由人脑完成的认知任务。系统自动学习数据中的特征或模式。
人工智能有两大支柱：工程学和认知科学。工程学涉及构建依赖于人类可比智能的工具。大量数据与一系列指令（算法）和快速迭代处理相结合。认知科学涉及模拟人脑的工作方式，并将机器学习、深度学习、神经网络、认知计算、计算机视觉、自然语言处理和知识推理等多个领域引入人工智能。
人工智能系统是单一的吗？
人工Intelligence 并非只有一种系统。有一些简单、低级的人工智能系统专注于执行特定任务，如天气预报、商业数据分析、出租车叫车和数字助理。这类人工智能被称为 "狭义人工智能"，普通人最有可能与之互动。其主要目的是提高效率。
另一端是先进的系统，它们能在更广泛的层面上模拟人类智能，并能处理复杂的任务。这些任务包括创造性思维、抽象思维和战略思维。严格来说，这种真正有生命的机器被称为 "人工通用智能"（AGI），目前只存在于银幕上，不过实现它的步伐正在加快。
人工智能用于何处？
人类追求人工智能，是因为认识到人工智能对业务创新和数字化转型的宝贵价值。人工智能可以降低成本，提高速度、可扩展性和一致性，这些都是人工智能无法企及的。你可能每天都要与某种形式的人工智能进行多次互动。人工智能的应用非常广泛，在此无法一一列举。以下是一些最重要的高层次应用。
1.网络安全
随着网络攻击的规模、复杂程度和频率不断增加，依赖人力的网络防御已不再足够。传统上，反恶意软件应用程序是针对特定威胁而构建的。当发现新的恶意软件时，病毒签名就会更新。
但要应对数量庞大、种类繁多的威胁，最终几乎成为不可能完成的任务。这种方法是被动的，依赖于对特定恶意软件的识别，以便将其添加到下一次更新中。
基于人工智能的反垃圾邮件、防火墙、入侵检测/防御和其他网络安全系统超越了基于规则的陈旧策略。实时威胁识别、分析、缓解和预防才是王道。它们部署的人工智能系统甚至可以在未正式识别威胁的情况下检测恶意软件特征并采取补救措施。
人工智能网络安全系统依靠持续的数据输入来识别模式和反追踪攻击。通过向算法提供大量信息，这些系统可以学习如何检测异常、监控行为、应对威胁、适应攻击并发出警报。
2.语音识别和自然语言处理
语音识别也称为语音到文本（STT），是一种识别语音并将其转换为数字文本的技术。它是计算机听写应用程序、语音 GPS 和语音菜单的核心。
自然语言处理（NLP）依靠软件应用程序来破译、解释和生成人类可读的文本。NLP是Alexa、Siri、聊天机器人和其他形式基于文本的助手背后的技术。一些 NLP 系统使用情感分析来找出语言中的态度、情绪和主观品质。
3.图像识别
图像识别又称机器视觉或计算机视觉，是一种人工智能，可对移动或静止图像中出现的人物、物体、文本、动作和文字进行分类和识别。图像识别通常由深度神经网络驱动，可应用于自动驾驶汽车、医疗图像/视频分析、指纹识别系统、支票存款应用程序等。
4.实时建议
电子商务和娱乐网站及应用程序利用神经网络，根据客户过去的活动、同类客户的活动、季节、天气、时间等，向客户推荐吸引他们的产品和媒体。这些实时推荐是为每个用户定制的。对于电子商务网站来说，推荐不仅能提高销售额，还有助于优化库存、物流和店铺布局。
5.自动股票交易
在危机时刻，股市可能会极度波动。然而，人类几乎不可能对影响市场的事件做出足够快的反应。高频交易（HFT）系统是人工智能驱动的平台，每天进行数千或数百万次自动交易，为大型机构优化股票投资组合。
6.共享乘车服务和自动驾驶汽车
Lyft、Uber 和其他共享单车应用利用人工智能将有需求的乘客与可用的司机联系起来。人工智能技术能最大限度地减少绕路和等待时间，提供真实的预计到达时间，并在需求激增时计算激增价格。
自动驾驶汽车尚未成为世界上大多数国家的标准配置，但人们已经在齐心协力地推动嵌入基于人工智能的安全功能，以检测危险场景并防止事故发生。
7.自动驾驶技术
与陆上交通工具不同，飞机的容错率极低。飞机制造商不得不大力推广安全系统，并成为人工智能的最早采用者之一。
为了最大限度地减少人为失误的可能性和影响，自动驾驶系统在军用和商用飞机上已经运行了几十年。它们结合使用 GPS 技术、传感器、机器人技术、图像识别和防撞技术，为飞机在空中安全导航，同时根据需要向飞行员和地勤人员提供最新信息。
8.软件测试自动化
通过人工智能驱动的智能测试自动化，人工智能加快并简化了测试的创建、执行和维护。基于人工智能的机器学习和先进的光学字符识别（OCR）提供了先进的对象识别功能，结合基于人工智能的模拟识别、基于人工智能的记录、基于人工智能的文本匹配和基于图像的自动化，团队可以减少测试创建时间和测试维护工作，提高测试覆盖率和测试资产的弹性。
9.功能测试
人工智能Intelligence 可让您通过OpenText™ 功能测试自动化产品更早、更快地进行测试。它将广泛的技术支持与人工智能驱动的功能相结合，为持续交付管道中的快速应用变更提供速度和弹性支持。
10.企业服务管理
IT 和业务部门都面临着以下挑战：过多的人工操作、容易出错的工作流程、不断增加的请求量、员工对服务水平和质量的不满等等。人工智能和机器学习技术可以让服务管理更上一层楼：
- 智能搜索功能使员工能够轻松快速地找到答案
- 虚拟代理或机器人可使用自然语言处理技术（NLP）执行任务
- 智能分析实现工作流程优化和自动化
- 可以更高效地收集和分析来自非结构化数据（如用户调查）的指标。
IT 支持是如此，ESM 也是如此；人工智能让运营和结果变得更好。
如何开始学习人工智能？
有很多方法可以利用人工智能为企业保持竞争力、推动增长和释放价值。然而，您的企业并没有无限的资源，因此您必须分清轻重缓急。首先要明确企业的价值观和战略目标。然后，根据这些价值观和目标评估人工智能的可能应用。选择一定能为企业带来最大影响的人工智能技术。
世界只会越来越依赖人工智能。现在的问题不再是是否采用人工智能，而是何时采用。先于同行采用人工智能的组织可以获得巨大的竞争优势。制定并实施明确的人工智能战略是一切的起点。在知道什么适合您之前，可能需要进行一些尝试。
OpenText 如何帮助企业实现人工智能？
从 B2B 交易到运营内容，再到应用程序代码和知识产权，客户已经信任OpenText 的信息管理解决方案来帮助管理私有数据集。现在，无需移动数据，您就可以使用OpenText Aviator AI 功能最大限度地利用您的信息。
以下是人工智能为企业带来的一些好处：
保持数据的私密性和安全性：运行 LLM 时，您的专有数据不应该出现在公共领域。在沙盒环境中使用经过审核的 LLM 进行实验，尝试新的使用案例，同时确保私人数据集的安全。
为正确的工作采用正确的人工智能模型：不能一刀切。我们会帮助您根据使用案例来审查 LLM，并为您提供一个模型中队。这关系到您希望从人工智能中获得什么结果，以及我们如何帮助您实现这些结果。
与值得信赖的合作伙伴一起实现人工智能转折：业务和技术转型永无止境。OpenText™ 专业服务可帮助您探索适用于您业务的人工智能用例和模型，并安全地驾驭人工智能的复杂性。
OpenText 所涉及的人工智能关键领域有哪些？
以下是OpenText Aviator for Business 软件提供的企业人工智能功能：
OpenText™ IT Operations Aviator:利用面向 IT 运营的生成式人工智能的自助服务功能，重新定义一级业务支持功能。
OpenText™ Experience Aviator:利用私人生成式人工智能改变通信方式，实现客户成功。
OpenText™ Business Network Aviator:利用人工智能为供应链提供革命性的云互联网连接。
OpenText™ DevOps Aviator:利用面向 DevOps 的人工智能提升数百万开发人员的能力。
OpenText™ Content Aviator:利用人工智能内容管理为智能工作空间增添动力，实现工作现代化。
OpenText™ Cybersecurity Aviator:利用人工智能威胁检测功能改善您的安全态势。
OpenText OpenText Aviator for Technologists 还提供人工智能工程平台和工具，帮助企业无缝建立信息流和协调数据：
OpenText™ Aviator Platform:利用企业人工智能平台处理、组织和分析各种类型的大型数据集，从而做出更明智的决策。
OpenText™ Aviator IoT:利用物联网人工智能连接人、系统和事物，更好地管理高价值资产，加快业务发展。
OpenText™ Aviator Lab:与我们的专业服务专家一起进行人工智能实验，探索OpenText 私有云中的人工智能功能。
OpenText™ Aviator Search:通过基于多存储库的人工智能搜索，让用户更快、更轻松地获得所需的答案。
OpenText™ AviatorThrust ：使用OpenText Cloud AI API 按自己的方式构建，这些 API 可创建实时信息流，以启用自定义应用程序和工作流。
